人工智能有多种形式，每一种形式都有自己的定义、技术和能力，处于自己的发展阶段。有些形式——例如人工智能、超人工智能或强人工智能，这种人工智能可能某天自动完成所有工作，在未来生活中，人们可能会失去控制，也可能永远不会发生。如今，其他形式的人工智能正在做有价值的工作，并在推动技术产业高性能部门的增长。
　　
　　强人工智能和狭隘人工智能之间有一个关键区别。后者仅限于处理特定任务和特定问题；这就是人工智能的当前状态。强大的人工智能将使机器和机器人能够处理多个任务，同时整合多个学科的学习，这被称为“新兴属性”。理论上，强大的人工智能可以具有类似人类的直觉、情感和移情能力。世界各地的研发团队正在致力于突破早期强人工智能的形式，但目前，狭隘的人工智能已成为主流。
　　
　　另一个有趣的观点：人工智能自从60年前出现以来经历了几次炒作周期，在每个周期结束时，人工智能都失去了关注和信誉，成为企业家和投资者的祸根。就像如今人工智能一样炙手可热一样，有人说，另一个“人工智能的冬天”可能即将到来。其中一些预测指的是超级人工智能的可能性，但人工智能相对缺乏技术成熟度也是如此，这使得实施起来非常困难，需要数据科学家更多的努力，在精通人工智能的IT经理的指导下在指导人工智能项目方面取得成果。人工智能民主化、工具、技术和技术的整合，以及有助于克服人工智能复杂性的支持服务，对于预防经过修改的有限形式的人工智能冬季至关重要。技术供应商有责任将人工智能纳入更多公司的技能水平。
　　
　　以下人工智能定义并不是人工智能术语的最后一个词，行业正在发展变化如此之快，以至于术语将发生变化，将添加新的术语。相反，这是尝试构建人们当前使用的语言。希望用户提供更多的反馈意见，以鼓励讨论，并更加清晰明确。
　　
　　我们对许多定义的来源是一家精通人工智能的公司：马萨诸塞州剑桥的Pegasystem公司，这是30多年来一直是运营和客户参与软件的开发商，也是一家研究人工智能在工作场所的影响的公司。
　　
　　人工智能——在Pegasystem的定义中，“是一个广泛的术语，涵盖了计算机科学的许多子领域，目的是制造出能够完成人类完成时需要智能的事情的机器。人工智能子字段包括：
　　
　　机器学习-基于数据科学、计算统计模型、算法和数学优化，机器学习是计算机系统通过接触数据来提高性能的能力，而无需遵循明确的编程指令，而是依靠模式和推理。机器学习是在大量数据中自动发现模式的过程，这些数据随后可用于进行预测。利用样本训练数据，机器学习算法建立了一个识别可能结果的模型。
　　
　　深度学习——一种强大的机器学习技术，深度学习涉及一系列算法，这些算法在多层“神经”网络中处理信息，其中一层的输出成为下一层的输入（因此称为“深度”）。在这种情况下，每一层都将数据转换成一个更全面的整体对象表示。例如，深度学习算法在检测癌细胞或预测疾病方面已被证明是成功的，但有一个巨大的警告：没有办法确定深度学习程序使用哪些因素来得出其结论。这可能导致涉及人工智能偏见、数据伦理和“算法问责”的问题。这一问题导致一些受监管的行业和公共部门组织，必须遵守反偏见法规，放弃深度学习成为最透明的机器学习。
　　
　　计算机视觉/图像识别-计算机识别图像中的对象、场景和活动的能力，使用技术将分析图像的任务分解为可管理的部分，检测边缘和纹理，并将图像与已知对象进行比较以进行分类。
　　
　　自然语言处理/语音识别-计算机以人类的方式处理文本和语言的能力，例如，从文本/语音中提取意义或生成可读、