來自芬蘭國民ＡＩ課程翻譯。
第二堂：相關領域。
除了ＡＩ外，有更多值得我們去注意密切相關的主題 – 至少知道主題名稱。包括機器學習、資料科學和深度學習。
機器學習是ＡＩ的其中一個子領域，而ＡＩ本身也是電腦科學的一項子領域（雖然這樣的分類有時並不是這麼精確，因為某些機器學習的部分份被分類在統計學會更適合）。機器學習使得ＡＩ solutions有更好的自我適應性。簡要的定義如下：
關鍵字
機器學習
一個能夠將許多經驗或資料運用在優化某項工作之性能的系統。
深度學習是機器學習的一項子領域，機器學習又是ＡＩ的子領域，而ＡＩ又是資料科學的子領域。我們會在第五章的時候對深度學習有更多的介紹，現在我們需要了解的是，“深度”學習是指一個數學模型的“複雜度”，由於現在歸功於逐漸增加的電腦運算能力，能讓研究人員增加數量級與質量方面的複雜度，讓研究能更上一層樓。你可能也注意到了，科學演進過程涉及了一層又一層增加的子領域。這讓研究人員可以放大特定主題，可以追趕這些年來不斷累積的知識，還有產生該主題相關的新知識，有時也能更準確地更正早期的知識。
資料科學是最近的“籠統”關鍵字（Umbrella term），因為它涵蓋了多個子學科，包括機器學習和統計訊息，還有電腦科學方面像是演算法、資料儲存、網頁應用程式開發等等。資料科學也是一門需要了解應用領域的實踐學科，舉例來說像商業或科學：他的目的（“增值”的含義），基本假設和條件約束。資料科學的解決方案通常至少涉及了一小部分的ＡＩ（但通常不如新聞頭條預期的那麼多）。
機器人技術指的是對機器人做程式建構及設計，以讓他們在複雜的實際場景中運作。某種程度上，機器人技術是ＡＩ的終極挑戰，因為它幾乎需要將ＡＩ的所有領域結合起來。例如：
- 用於感知環境的電腦視覺和語音識別
- 自然語言的處理、訊息檢索，以及在不確定性下的推理及處理，並預測潛在行動的結果
- 認知建模以及情感計算（模擬人類的情感表達或模仿情感的系統），用於與人類互動或合作
機器學習能夠是最好地解決許多和機器人技術相關的ＡＩ問題，這使得機器學習成為機器人ＡＩ的中心分支。
Note
什麼是機器人？
簡要來說，機器人是一個擁有能夠透過程式設計執行一系列動作的感測器（用來感測環境）和執行器（在環境中執行動作）的機器。習慣用科幻小說描述機器人的人們通常會想到步履蹣跚加上說話單調的金屬人形機器人。根據應用程式的設計，大部分的現實世界的機器人看起來都非常不同。就像我們沒有人形機器人來洗碗，而是使用噴射水刀清洗餐具的機器，大多數的應用都不會是人形機器人。
乍看之下可能不明顯，但任何類型具有至少一定程度自主能力包括傳感器和制動器的車輛也被視為是機器人技術。另一方面，基於軟體的解決方案（例如客服聊天機器人），即使有時被稱為“軟體機器人”，也不能算作是（真實）機器人。
留言