并非所有的AI系统都是由机器学习（ML）驱动的。AI（人工智能）是一个广泛的领域，涵盖了许多不同的技术和方法。以下是一些主要的AI方法，除了机器学习之外，还有其他关键技术：
专家系统是一种早期的AI方法，利用规则和知识库来模拟人类专家的决策过程。它们不依赖于机器学习，而是依靠预定义的规则集。
模糊逻辑是一种处理不确定性和模糊性的技术，常用于控制系统和决策支持系统。
遗传算法是一种基于自然选择和遗传学原理的优化技术，用于解决复杂的优化问题。
进化计算是一组基于自然进化原理的算法，包括遗传算法、进化策略和遗传规划等。
推理和规划涉及基于逻辑和规则进行自动推理和问题求解。
虽然神经网络是机器学习的一部分，但它们也可以单独被视为一种独立的方法，特别是深度学习（Deep Learning），这是近年来AI发展的主要驱动力。
强化学习是一种通过与环境交互来学习策略的机器学习方法，特别适用于动态环境中的决策问题。
NLP是一个专注于人机语言交互的AI子领域，使用各种技术来处理和生成自然语言文本。
虽然机器学习，尤其是深度学习，近年来在AI领域取得了显著的进展，并在许多应用中占据主导地位，但AI并不仅限于机器学习。其他方法如专家系统、模糊逻辑和遗传算法等在特定领域中依然发挥着重要作用。选择哪种AI技术取决于具体的应用场景和问题需求。
直到IBM深蓝在1997年战胜了国际象棋冠军卡斯帕罗夫后，新的基于概率推论（Probabilistic Reasoning）思路开始被广泛应用在AI领域，随后IBM Watson的项目使用这种方法在电视游戏节目《Jeopardy》中经常击败参赛的人类。概率推论就是典型的机器学习（Machine Learning）。今天的大多数AI系统都是由ML驱动的，其中预测模型是根据历史数据训练的，并用于对未来的预测。这是AI领域的第一次范式转变，算法不指定如何解决一个任务，而是根据数据来诱导它，动态的达成目标。因为有了ML，才有了大数据（Big Data）这个概念。
当我们现在谈论人工智能时，我们通常谈论的是大型语言模型或简称为LLMs。大多数AI应用程序都由LLM驱动，其中只有几个基础模型，由少数几个组织创建。每家公司都通过聊天机器人直接访问他们的模型：OpenAI制作了GPT-3.5和GPT-4，它们驱动了[ChatGPT](https://chat.openai.com/)和微软的[Bing](https://www.bing.com/search?q=Bing+AI&showconv=1&FORM=hpcodx&sydconv=1)（在Edge浏览器上访问）。Google在[Bard](https://bard.google.com/)的标签品牌下有各种模型。Anthropic制造了Claude和[Claude 2](https://claude.ai/)。
🔗 https://xiaohu.ai/p/75624⃣️🎨Ilus AI：快速生成插画的AI工具：-预制模型能快速生成墨线画、涂鸦等风格插画。-上传插画进行个性化训练，导出为SVG或PNG格式。🔗 https://xiaohu.ai/p/75375⃣️🛡️Palantir混合虚拟现实军事指挥系统：-将任何普通掩体或哨所变为指挥中心，实现沉浸式控制。-功能：混合现实能力、前线指挥、沉浸式控制。🔗 https://x.com/imxiaohu/status/17880766361283669346⃣️🏥Agent Hospital：虚拟AI医院：-模拟从诊断到治疗和康复的完整流程，医生可数天内治疗1万患者。-患者、护士和医生均由LLM驱动的AI代理组成。🔗 https://xiaohu.ai/p/75247⃣️🔒微软为美国情报机构开发的GPT-4：-经过改造的GPT-4模型可在无互联网的环境下处理机密数据。-超级计算机经过18个月调整，约1万人使用。🔗 https://xiaohu.ai/p/75218⃣️📈360 AI搜索增长迅猛：