什么是狭义AI(弱AI)？
狭义人工智能，也称为弱人工智能，是人工智能使高功能系统能够复制——甚至超越——人类智能以达到特定目的的技术。
狭义AI通常与人工通用智能(通用人工智能)，有时也叫强AI；一个可以应用于任何任务或问题的理论人工智能系统。
狭义人工智能的例子
所有形式的现代人工智能系统都可以归为狭义人工智能。它们如下:
- 图像和面部识别系统。这些系统，包括脸书和谷歌等社交媒体公司使用的自动识别照片中的人的系统，都是弱人工智能的形式。
- 聊天机器人和会话助手。这包括流行的虚拟助手谷歌助手、Siri和Alexa。还包括更简单的客户服务聊天机器人，例如帮助客户将商品退回零售店的机器人。
- 自动驾驶车辆。自动驾驶或者半自动驾驶的汽车，比如特斯拉的一些车型和自动驾驶的无人机、船、工厂机器人，都是狭义AI的应用。
- 预测性维护模型。这些模型依赖于来自机器的数据，这些数据通常是通过传感器收集的，以帮助预测机器零件何时可能出现故障，并提前警告用户。
- 推荐引擎.这些预测用户可能喜欢或搜索的内容的系统是弱人工智能的形式。
狭义人工智能的优缺点
优点。狭义人工智能系统可以很好地执行单一任务，通常比人类更好。例如，设计用于从X射线或超声波图像中识别癌症的弱人工智能系统，可能比训练有素的放射科医生更快、更准确地发现图像中的癌块。
与此同时，预测性维护平台可以实时分析传入的传感器数据，粗略预测机器的某个部件何时会出现故障，这对于一个人或一群人来说几乎是不可能完成的壮举。
缺点。尽管如此，狭义的人工智能系统只能做它们被设计来做的事情，只能根据它们的训练数据做出决定。例如，零售商的客服聊天机器人可以回答关于商店营业时间、商品价格或商店退货政策的问题。然而，一个关于为什么某种产品比类似产品更好的问题可能难倒机器人，除非它的创造者花时间编写机器人程序来专门回答这类问题。
同时，人工智能系统容易产生偏差，并且经常给出不正确的结果，同时又无法解释它们。复杂的模型通常是在大量数据的基础上训练出来的，这些数据比人类创造者自己能够整理的还要多。大量数据通常包含偏见或不正确的信息，因此根据这些数据训练的模型可能会无意中将不正确的信息内化为真实的信息。
该模型会做出有偏差的预测，但它的用户不知道它是根据有偏差的数据训练的，也不知道预测是错误的。
狭义AI vs .广义AI，弱AI vs .强AI
AGI涉及一个具有全面知识和认知能力的系统，其性能与人类无异，尽管其处理数据的速度和能力要大得多。这样一个系统还没有被开发出来，专家们意见不一，好像这样一个系统有可能被创造出来。
一些专家认为，人工智能系统需要具备人类的品质，如意识、情感和批判性思维。
建立在狭义人工智能或弱人工智能基础上的系统没有这些品质，尽管它们在处理特定任务时往往能超越人类。这些系统并不意味着完全模拟人类智能，而是使用机器学习，深度学习和自然语言处理(自然语言处理).
