一個人做某事的能力被稱為工作，當他/她以更聰明，更輕鬆的方式進行這項工作時，這表示他從事特定工作的效率。自遠古時代以來，已經採用了許多技術來使人類更容易工作，並且每種方法都被人們廣泛接受。
一些技術甚至有助於解決現實世界中的問題，例如處理數據集，創建圖形，構建計算機控制的機器。但是，這些都有某種或其他類型的局限性，例如大型編碼，不友好的語言，只有研究人員和科學家才能理解，計算機對大型記憶的使用以及更多……
解決所有這些問題的解決方案是以人工智能的形式產生的革命。人工智能或人工智能主要被稱為人類的複製品，他可以像人類一樣思考，並且可以在人們最少的干預下獨自工作。這項技術雖然如今已出名，但實際上是在1952 - 1956年。這個時期可以稱為新一代技術的誕生，可以以高度準確地複制人類的每一個活動。
研究人員和科學家說，我們的大腦對任何形式的刺激有反應，因為我們體內產生的電脈衝，這些衝動在神經網絡或神經元的幫助下將其傳遞到大腦。因此，如果模型可以像神經元一樣工作，並通過響應刺激來向機器發送信號，那麼它可以消除人們對他人的依賴性，並且可以稱為人形生物。
第一個基於AI的神經網絡是由Marvin Minsky和Dean Edmonds於1951年建造的，從那時起，這項技術徹底改變了計算機科學和信息技術領域。在AI的幫助下取得的一些過去成就包括AI，Eliza，XCON，Internet的誕生，IBM Watson Jeopardy等。
模型創建
我們創建的AI，機器學習，深度學習模型包括以下層次結構程序：
- 加載我們在計算機上創建的數據或基本模型。
- 將模型分為訓練，測試和驗證模型。
- 使用編程語言和統計算法來培訓我們的培訓模型。
- 訓練以檢查測試集中的最佳擬合模型。
- 最終在我們的驗證設置上驗證模型，以檢查未知模型上的模型性能。
- 最後一步是將此模型用作我們的類人生物來測試與特定的特定模型，並部署與設備或任何基於Web的服務相同的模型，以使其可供他人使用。
當前使用和未來的前景
如今，AI在健康和計算機科學領域在每個領域都找到了應用程序，遵循圖表，農業和盟友部門，計量學，權力等。所有這些部門都使用AI的概念來輕鬆降低他們的工作並以更具互動性和計算的方式展示事物。
AI與機器學習和深度學習等子集一起被證明可以檢測到黑色素瘤，前列腺，皮膚，肺等所有類型的癌症。 AI和機器學習已被證明是商業智能和業務分析的祝福，因為它僅使用幾行代碼來處理大量數據。
大數據的概念之所以出現，是因為AI的技術進步及其處理各種數據的能力。魚類疾病檢測，作物模式預測，降雨預測，土壤密度檢測，建築基礎設施，動物分類，精子計數檢測，3D建模，製造機器人等都可以在AI的幫助下完成。科學家預測，AI將是我們的下一代，在這個有趣的學習領域學習的動力將幫助世界上每個公民都對技術友好。
另外，使用編程語言Python，Java，Julia，R，Scala等等，AI的學習率有所提高。 AI不僅使事情變得容易且可部署，而且還創造了全球各地的各種工作機會，以及像亞馬遜，Facebook，Google，Google，Apple，Allibaba等的大型科技巨頭一樣，都是僱用精通這些概念的技術專家。亞馬遜的現代Alexa是一個很大的例子AI的自然語言處理概念還有更多。
總有三類AI狹窄或弱的AI，一般或強大的AI和人造超智能。我們目前已經取得了狹窄的AI，並且有許多進步要獲得超級智能的好處。因此，可以得出結論，一小部分代碼可以徹底改變世界的願景並帶來奇蹟。
