想成功求职，必要的IT技能一样不能少，再从人工智能基础知识来一波吧。
1）您对人工智能的理解是什么？
人工智能是计算机科学技术，强调创造能够模仿人类行为的智能机器。这里智能机器可以定义为能够像人一样行动、像人一样思考、并且能够做出决策的机器。它由“Artificial”和“Intelligence”两个词组成，意思是“人造的思维能力”。有了人工智能，我们不需要对机器进行预先编程来执行任务；相反，我们可以使用编程算法创建工作流、智能体、机器人等，让它们自行工作，帮我们完成各项任务。
2）为什么我们需要人工智能？
人工智能的目标是创造能够模仿人类行为的智能机器。当今世界我们需要人工智能来解决复杂的问题，通过自动化日常工作、节省人力以及执行更多其他任务来使我们的生活更加顺利。
3）给出一些人工智能的实际应用。
- 百度搜索引擎：当我们开始在百度搜索引擎上写东西时，我们立即得到百度的相关推荐，这是因为不同的人工智能技术。
- 乘车共享应用程序：不同的乘车共享应用程序（例如滴滴出行）使用人工智能和机器学习来确定乘车类型、最大限度地缩短用户叫车的时间、乘车价格等。
- 电子邮件中的垃圾邮件过滤器：人工智能还用于电子邮件垃圾邮件过滤，以便您只能在收件箱中收到重要且相关的电子邮件。
- 社交网络：不同的社交网站，例如微信、微博、抖音等，将AI技术用于不同的目的，例如人脸识别和朋友建议，当您在微信上上传照片时，了解抖音中表情符号的上下文含义，等等。
- 产品推荐：当我们在淘宝上搜索产品时，我们会得到类似产品的推荐，这是因为机器学习算法不同。同样，在腾讯视频上，我们可以获得电影和网络连续剧的个性化推荐。
4）人工智能、机器学习和深度学习有何不同？
| 人工智能 | 机器学习 | 深度学习 |
|---|---|---|
人工智能一词于1956 年由约翰·麦卡锡 (John McCarthy)首次提出。 | ML 一词由 Arthur Samuel 于 1959年首次创造。 | DL 一词首次于2000 年由 Igor Aizenberg创造。 |
它是一种用于创建可以模仿人类行为的智能机器的技术。 | 它是人工智能的一个子集，可以从过去的数据和经验中学习。 | 它是机器学习和人工智能的子集，受到人类脑细胞（称为神经元）的启发，并模仿人类大脑的工作方式。 |
人工智能完全处理结构化、半结构化数据。 | 机器学习处理结构化和半结构化数据。 | 深度学习处理结构化和非结构化数据。 |
|
| 与深度学习和人工智能相比，它可以使用更少的数据。 | 与机器学习相比，它需要大量的数据。 |
|
| 机器学习的目标是使机器能够从过去的经验中学习。 | 深度学习的目标是像人脑一样使用各种算法解决复杂的问题。 |
5）人工智能有哪些类型？
人工智能可以根据能力和功能分为不同类型。
基于能力：
- 弱人工智能或狭义人工智能：弱人工智能能够用智能执行一些专用任务。 Siri 是弱人工智能的一个例子。
- 通用人工智能：能够像人类一样高效地执行任何智力任务的智能机器。
- 强人工智能：这是一个假设的概念，涉及比人类更好并超越人类智能的机器。
基于功能：
- 反应式机器：纯反应式机器是人工智能的基本类型。这些集中于当前的操作，不能存储以前的操作。例如：深蓝。
- 有限记忆：顾名思义，它可以在有限的时间内存储过去的数据或经验。自动驾驶汽车就是此类人工智能类型的一个例子。
- 心智理论：是一种先进的人工智能，能够理解现实世界中的人类情感、人等。
- 自我意识：自我意识人工智能是人工智能的未来，它将拥有自己的意识、情感，类似于人类。
7）机器学习有哪些类型？
机器学习主要可以分为三种类型：
- 监督学习：监督学习是机器学习的一种，其中机器需要外部监督才能从数据中学习。使用标记数据集训练监督学习模型。回归和分类是监督机器学习可以解决的两个主要问题。
- 无监督学习：它是机器学习的一种，其中机器不需要任何外部监督即可从数据中学习，因此称为无监督学习。可以使用未标记的数据集来训练无监督模型。这些用于解决关联和聚类问题。
- 强化学习：在强化学习中，代理通过产生动作与其环境交互，并在反馈的帮助下学习。反馈以奖励的形式提供给智能体，例如对于每个好的行为，他会得到正的奖励，而对于每个坏的行为，他会得到负的奖励。没有向代理人提供监督。 Q-Learning 算法用于强化学习。
