免费人工智能测手相软件，人工智能研究内容有哪些?(简答题)？
人工智能，AI，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 其研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 实际应用有机器视觉、指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。
人工智能是怎么做出判断的？
最近一段时间，AI（人工智能）被炒得神乎其神，似乎它无所不能。但事实上，据社交网站“脸谱”披露，要想欺骗AI把某个不存在的东西当作真实存在，比你想象的要容易得多。
譬如，在一张高清晰度的图片中，随机地降低某些地方的像素。这么一点微不足道的变化，人眼根本难以觉察，也不会影响我们的判断；但AI却能觉察出来其中的差异，并因此严重干扰了判断，比如说把图中的猫误认作了狗。
再比如，据说现在谷歌的语音识别AI功能已经非常强大，能一边听语音，一边笔录成文字。但一位AI工程师略施小计，就把它给耍弄了：他在语音文件中掺入少量数码噪声，这点噪声对于我们是不会有什么影响的，但让谷歌的AI去识别，结果却是笔录下来的文字已跟原意大不一样。
这些低级错误揭示出当前AI的一个重大缺陷：太拘泥于细节，“只见树木，不见森林”，让无谓的细节影响了对整体的判断。如果这个弱点被黑客利用，后果将不堪设想。他们将能够操纵无人驾驶汽车狂奔，无视红绿灯；或者让犯罪嫌疑人轻易躲过AI控制的监控摄像头。
AI的决策规则不易被人知
为了解决这个问题，这就需要我们先去了解AI是如何自我学习，如何做决策的，但这一直是个难题。因为AI在自我学习过程中，经过海量的数据训练之后，会自创一套决策规则，但它最后创立的规则到底是什么，这对于AI的设计者有时候都是一个谜。这一点其实跟人也是相似的。譬如，老师在课堂上向你传授知识，但你是如何把这些知识点组织起来的，他也不见得清楚。
最近，美国布朗大学的克里斯·格林和他的同事开发了一个系统，有望突破这个困难。
这个系统能够分析，当AI对一个图像做判断时，它是根据图像的哪一部分做出判断的；与此类似的，对于给文件自动归档的AI，这个系统也能够分析，AI是根据文档里的哪个词对文档进行归类的。
为开发这个工具，研究小组用数码噪声依次替换图片的一部分（相当于给这部分图片打马赛克，以便看看这样替换之后，是否会对AI的判断产生影响。如果更换部分的图片改变AI最终的判断，那说明图片的这块区域可能正是影响AI判断的关键所在）。
一窥AI的决策过程
格林在给图片分类的一个AI上测试了他的系统。这个AI被训练把图片分成10个类，包括飞机、鸟、鹿和马等。格林的系统能够暗中查看，当AI对图片进行分类时，什么是它所倚重的，什么是被它忽略不计的。
结果表明，AI先是将图片上的物体分解成不同的元素，然后搜索图片中的每一个元素以确定把图片归到哪一类。
举个例子。当AI观察马的图片时，它首先关注的是其腿部，然后，寻找它的头部。在观察鹿的图片时，它也采用类似的办法，不过在关注了鹿的腿部之后，它接下去搜寻的不是头，而是鹿角，因为鹿角是最能把鹿跟其他动物区别开来的，所以鹿角被置于优先的地位。至于图片的其他地方，则被AI完全忽略了。
从这里我们看出，AI做决策的过程迥异于我们人类。我们是不会如此拘泥于局部的。面对一张鹿的图，即使把它的角打上了马赛克，我们也还是可以根据分叉的蹄子认出鹿来的，但对于“死板”的AI，它很可能就把它认作驴了。
格林的软件可以帮助我们测试现有的AI，以便确保它们下判断时，关注的是我们认为重要的东西，这对于改进AI有重要的价值。
√人工智能技术的重要组成部分有哪些？
人工智能技术是科学和计算机相结合的产物，它利用计算机或者计算机控制的机器设备，模拟、学习和延伸扩展人类的智能，感知环境、获取信息并利用获取的知识得到最佳结果，能够自行做出决策，独立地解决问题。
数据、算法和计算能力是人工智能的关键三要素，数据是人工智能的基础，是机器学习的前提；算法是人工智能的核心，将人工智能带上了新的高度；计算能力是人工智能发展的保障，为算法实现提供有力支持。
人工智能技术是一个广阔的研究领域，主要组成部分包括计算机视觉、深度学习、自然语言处理、机器学习和语音识别。
计算机视觉
计算机视觉是为了让计算机具有自主适应环境的能力，能像人那样通过视觉观察并理解世界，主要用图像采集设备与计算机等成象系统代替视觉器官，对目标进行识别、跟踪、检测和控制，然后对图形进行处理和分析，从中获取有效信息。广泛用于医疗成像分析、人脸识别、安防监控、自动驾驶等。
深度学习
深度学习是机器学习的一种，在现有的数据基础上进行学习操作，是机器学习一个新的领域。通过建立和模仿新皮层中神经元层中的活动，模仿人脑机制通过学习层次结构、表 示级别和抽象级别理解数据模式来解释文字，图像和声音等数据，让机器能够像人一样具有分析学习能力。
自然语言处理
自然语言处理是利用计算机对自然语言进行智能化处理并提取有效信息的过程，拥有和人类一样的文本处理的能力是人工智能技术最难的部分，通过对语音、语法、词法、语义分析，让机器能够理解人类语言，用自然语言的方式与人类交流，实现人机之间的自然语言通信，最终拥有“智能”，常用的语音对话机器人就有这样的能力。
机器学习
机器学习是实现人工智能的必经之路，是指计算机通过对已知情况的数据提升自身性能的能力。机器学习是训练出来的，而不是明确地用程序编写出来的，与人类学习的过程相似，在学习时自动发现情况，通过以往的经验对新遇到的情况作出预测和判断，比如销售库存预测、石油勘探等。
语音识别
语音识别是将人类的语言转化为计算机可读的数据，首先将语音信号转化为电信号，预处理后进行特征提取，然后将提取出的特征与数据库声学模型对比，解码搜索后识别出语言内容，方便计算机进行理解和操作。不过发声时的语速、环境、噪音、口音、情绪等都会对语音信号的生成产生很大的影响，随着深度学习的发展，语音识别进入了新的阶段，常用在社交聊天、语音导航、语音拨号、智能音箱等。
除了上述几点，人工智能技术还包括硬件优化、决策管理、生物识别、网络防御、情感识别、自动化控制等内容。近年来随着深度学习、计算处理能力发展以及互联网大数据的爆发，让人工智能在感知认知上实现了巨大突破，人工智能技术的发展和使用已成为必然。
