人工智能支持反应

深刻的学习利用人工神经系统（ANN）拆除独特的相关层，运用学到的知识来发展整体图景，确定受过教育的选择并进行活动–从根本上重现有机感觉系统。要理解ANN，请考虑一个蓝色三角形和一个红色正方形之间的对比度-侧面，阴影，标志的位置和方式。独特的系统承担着分离不同部分的责任，使PC能够决定形状。支持学习（AI的另一个子集），另外鼓励PC认识到哪些活动可以取得最佳效果，从而激发AI在以后的情况下支持这些反应。这重现了生物学习行为的方式-就像虚拟的调皮捣蛋一样。

我们作为动物品种的繁荣固定在两件事上：我们的一般智力（热情，动觉，社会，基本原理或其他）以及我们运用所学运动并以类似方式进行调整的能力。为了使人工智能能够反映人类智能，所有这些都将沿着达尔文式发展，并带有帕夫洛夫的踪迹。这是利用深度学习（人工智能的一部分）背后的假设。

尽管该指导原则听起来可能很重要，但在传送方面却很先进。 AI获得的信息（或经验）越多，对其活动的教育程度就越高。人工神经网络过滤无数的数据片段以建立原则，感知问题并创建设置。例如，考虑一下充满感觉的进步-人工智能中最接近于重现激情情报的部分。通过应用深入的学习，PC可以分离出醒目的信号，语调，话语示例和面部表情，以识别感觉并执行面部和语音确认。 AI是通过许多信息焦点（包括在各个国家/地区采集的声音字节和录音）而工作的，以创建可以准确识别多达80％的时间感觉的框架。即将发生的事情的面部确认AI最有可能通过孤立的外观来评估一个人的性介绍，智商，政治信念和犯罪倾向-说实在的，截至目前为止。不久之后，我们可能会与创新联系起来，这些创新可以在短短一秒钟内决定我们的经验，信念框架和热情状态，并利用这些数据做出反应。这显示出在心理治疗，改善和学习，媒体以及宣传和安全方面的合理性范围，就像您的下一个袖珍PA一样。而且，那仅仅是智能移动的特征之一。

支持反应的人工智能后文最早出现在Nvest Labs上。