人工智能
软件在做的事情就是将人的智能使用计算机重现，或者使用机器人实现，以此解放人类劳动力
普通软件 -> AI
普通机械 -> AI机器人智能重现步骤：
- 知识总结：总结专业知识和人类智能，将一项知识进行理论化，形成一个逻辑完备的系统和体系；
- 特征工程：对人类知识和智能进行逻辑抽象化、数据符号化和格式规范化等等工作，使得知识能够被计算机所识别、记录和处理；
- 系统构建：构建软件系统，使用编程的方式将知识的逻辑进行重现；
- 效果评估：评价软件的服务效果，对软件进行持续维护；
普通软件的特征工程的特征是一个不算太大的有限集，而当一个问题的特征集太过大，那么构造出的软件的复杂度就会变得非常庞大，甚至无法进行特征工程，如：自然语言理解、图形识别、声音识别等。对于普通的软件，其输入和输出基本是由开发人员所高度抽象之后的数据，但是，AI 软件的输入输出内容相较原始，甚至可以无须进行特征工程，直接通过自我学习简化特征工程这一步骤。AI 需要大量的特征数据集进行学习和训练，直到 AI 归纳总结出了一个可靠的映射模型。
因此，普通软件和 AI 的不同点，在于是否可以通过自主学习，简化或省略特征工程；共同点，一个软件往往抽象有限的智能，提供一个有限的服务集，一个 AI 模型往往抽象有限的智能，提供一个特定的智能集。
目前的 AI 模型主要应用领域：
- 自然语言处理：让机器直接看懂人话
- 文本处理：理解文本、创作文本
- 图像处理：识别图像、绘制图像（画作）
- 声音处理：识别声音、模拟声音（音乐，发声）
- 视频处理：结合使用图像处理和声音处理
- 专家系统：构建一个精通某一专业领域的AI专家，可以用以决策和执行。
本质上是对不同类型的数据处理和加工，或者进行数据类型转化。