在这篇文章中，我们将尝试解释什么是人工智能（AI），并作为人工智能技术的入门介绍。我们将继续在AI技术系列文章中提供C++的AI技术示例。人工智能在计算机科学和其他许多学科中都有广泛的解释，但当我们寻找C++中的简单示例时，却发现很难找到。本文的主要目的是在发布带有C++示例的AI文章之前，提供AI的基础知识。我们将尽力使这些内容尽可能简单，这篇文章也是介绍神经网络（ANN）的好例子。
- 为什么AI如此重要？
- 什么是AI，什么是人工智能？
- 什么是人工神经网络，什么是ANN，什么是人工神经元？
- 为什么我们使用AI技术而不是AI这个术语？
- 为什么C++是AI相关事项的最佳编程语言？
- 哪个C++编译器或IDE最适合AI应用？
- 在C++中进行AI编程需要知道什么？
我们可能即将迎来一个新的时代，即人工智能技术的时代。也许我们还需要更多的时间才能拥有真正的AI，我们认为可能在10到20年内实现，或许更短。人脑是我们身体中最伟大的部分之一，我们想要了解更多，更深入地探索，自从计算机科学之父、数学家、哲学家艾伦·图灵建造了第一台恩尼格玛计算机以来。现在，大型计算能力、多核CPU和大容量内存以及64位系统都在推动这项技术的发展，还有高速互联网和更好的编程技术。如今，许多公司都在开发人工智能（AI）应用，很明显，在过去10年中，专利问题出现了明显的增长。这在学术界也是一个非常好的研究领域。计算机像人类一样思考在我们的世界中仍然缺失，但我们每天都在接近。如果你是这个领域的新手，你可以在这里了解更多关于AI的信息。
人工智能，也称为AI，指的是在机器中模拟人类智能，这些机器被编程为像人类一样思考并模仿他们的行为。这个术语也可以应用于任何表现出与人类心智相关的特征的机器，如学习和解决问题。（参考：。
除了AI这个术语，我们还应该添加这些术语。机器学习（ML）是研究计算机算法自动通过经验改进的学科。虽然我们所有的广告都说智能或AI支持的东西，但实际上还没有AI。我们将所有与AI相关的事物称为AI技术。AI这个术语在其定义中可能与人工通用智能也称为强AI有关，还有**人工生物智能（ABI）**这个术语，它试图模拟‘自然’智能。
人工神经网络，也称为ANN，是人工智能的一部分，模拟连接在人工层中的人工神经元。ANN就像一个带有数字和关系的Excel表格，这个表格代表了当它通过参数训练时的函数的一般形式。基于这个ANN理论的代码在许多应用中都工作得很好。从一般角度看，ANN应用模拟了特定问题中连接的神经元，这允许你从输入中训练，并通过对训练的ANN估计结果。你可以通过实际结果或其他技术获得的结果来比较这些预测。
根据麻省理工学院的Josh Tenenbaum教授的说法，世界上还没有真正的AI，所有的这些研究、模块、API、应用今天都是AI技术，这是真的。尽管互联网和市场上所有产品都使用AI这个术语，但世界上还没有AI。这就是为什么我们在类别中使用AI技术这个术语而不是AI！
如果你想用C++编程语言深入AI编程，我们应该说你的选择是最好的。实际上，你可以用任何编程语言开发任何AI代码、应用、工具、模块、网页，背后的数学理论非常简单。复杂的部分是如何将这些应用于专注的应用。有像Python、Java、Basic这样的编程语言，你可以使用它们的框架（如Tensorflow、Keras等）来创建AI应用。特别是Python编程语言，它很容易适应大多数AI应用。它有许多针对特定操作的AI专注模块，这些特定模块在AI操作中运行得更快。Java和其他编程语言也可以使用。
AI需要更多的CPU和GPU处理，你需要一个更快的编程语言。很容易识别哪种编程语言最适合AI应用，它应该更快，并且应该更快地使用你设备的所有组件。如果你想实现小型项目进行分析和计算，而不需要GUI和其他功能，大多数小型编译器就足够了。如果你想从构建简单的exe文件迁移到复杂的专业应用，我们强烈建议你从一开始就使用一个带有高级IDE的专业C++编译器。
有两种类型的编程语言：解释型和非解释型（编译型）。所有计算机（CPU/GPU）都使用机器代码（可以直接用汇编代码编程的代码）告诉计算机做什么（exe文件就是这种文件）。这是最原生和最快的代码，但它需要为简单的事情编写许多行，并且很难为所有类型的机器泛化。编译器（C或C++编译器等）是一个计算机程序，它将一种编程语言（即C/C++代码）用文本写成的代码转换为可执行的机器代码，并使用链接器。这样的代码可能不如汇编代码快，但速度差异非常小，因为机器代码和基于编译器的文本形式的代码在其他CPU/GPU和/或操作系统上编译时更加兼容。这就是为什么C++是最快和最强大的编程语言的一个原因。解释型编程语言在像Java、Python或Visual Basic这样的可执行应用程序中运行。这就是它们在执行操作时较慢的原因，因为它们需要使用编译的库进行更快的操作。再次，它们大多使用C/C++编译器构建这些库。使用解释型编程语言就像被跑步者携带，而使用编译型（非解释型）编程语言就像自己跑步。这种微妙的差异在运行相同例程（例如面部识别）百万次时变成了巨大的差距。
因此，为了在应用中实现更好的AI解决方案，而不是使用解释型编程语言如Python、Java、Basic等，我强烈建议你在非解释型（编译型）编程语言（如汇编器、C++、Delphi、Fortran等）上编码。从逻辑上讲，Asm可能是最好的，因为它是原生机器代码，但它很难，并且不兼容所有平台，需要非常努力地工作。在这里，C++是最好的，因为它更快，适应所有平台，易于应用AI应用优化，并编译为接近asm编程的原生机器代码。请注意，Python和其他一些解释型编程语言大多使用C++编译的库/模块。这使得Python在AI事务上比C++更简单、更容易。
所有C和C++编译器在AI计算中都很好，它们可以用于计算应用。尽量用C++编译器编码，因为类和C++的许多好处。我们强烈推荐你使用基于CLANG的编译器，如GNU C/C++、C++ Builder、Visual C++、Dev C++。如果你想开发基于GUI的专业AI应用，我们强烈推荐你使用C++ Builder（RAD Studio），因为它支持多平台并具有许多GUI功能。Visual C++也适用于基于GUI的专业AI应用。
如果你决定在C++中进行AI研究，你需要良好的数学和编程技能，工程部门、基础科学部门和其他一些IT教育部门可能足够拥有这些技能。
要在C++中进行AI编程，你应该熟悉：
-
C++编程语言的基础知识。常量、数据类型、变量、函数、参数等。
-
C++中的结构和类非常重要。
-
指针，使用指针也很重要。
-
内存操作、文件操作是必需的。
-
函数中的逻辑和过程逻辑，递归函数等。
-
向量和一些矩阵操作也是必需的。
-
你可能需要更具体的东西，例如，如果你想分析图像，你应该熟悉位图操作，如果你想分析声音，你应该熟悉声音录制、播放和分析这些数据块。
不用担心！所有这些主题和更多都在我们的网站上有很好的解释。
在所有上述内容之后，你需要了解人工智能的基础知识，你应该深入研究它的部分。在下一篇文章中，我们将从一个非常简单的人工神经网络开始。