人工智能领域通常充斥着一些术语，使其与人类智能处于同等水平。我们使用诸如“学习”、“理解”、“阅读”和“思考”之类的术语来描述人工智能算法的工作方式。尽管这种拟人化的术语通常是帮助传达复杂软件机制的称呼或简写，但可能会误导人们认为当前的人工智能系统的工作方式与人类的思维方式类似。
AI令人印象深刻的新成就通常伴随着一种假设，即这些相同的成就正在使我们更接近达到人类水平的机器智能。但不仅如此，正如米切尔（Mitchell）所指出的那样，狭义的和一般的情报与爬树与登月相比有很大的不同，而且即使狭义的情报也仍然主要依赖于大量的任务特定数据和人工训练。
当前的技术在执行特定类型任务方面取得了较大成功，这些任务过去都依赖于人类智力。我们称这类人工智能为狭义人工智能或弱人工智能。弱人工智能主要指三种能力：学习、感知和认知。
在数据输入为代码、功能为分析的情况下，数量和多义性。遗留的关键任务应用通常有数十万行或数百万行代码。基于这一背景，通过嵌入的概念，将机器学习技术应用到如此大量的数据中，会变得更加有效。
随着人脸识别技术越来越成熟完善，我们正式或已经迈进刷脸时代，刷脸通行，刷脸认证、刷脸通行等等，相信大家都已经不再陌生。人脸识别门禁为什么能从众多生物识别设备中脱颖而出呢？对比其他基于生物识别技术的门禁系统，人脸识别门禁根据人体脸部特性进行扫描，用户无需接触设备，也无需进行操作，站在扫描设备前即可。
考虑到聊天机器人正在成为每个行业的规范，因此需要一个人性化、富有创造力且引人入胜的应用程序。通过机器学习和深度学习可以实现场景理解，而像自然语言处理(NLP)这样的技术可以进行智能对话。
