现阶段,人工智能已经不再仅仅只是一个讨论话题。这些都是非常真实的技术,主要基于人工神经网络。他们的训练采用的是 V. L. Dunin-Barkovsky 制定的巴甫洛夫原理。数学家将巴甫洛夫强化学习称为深度强化学习。 AI分为计算机视觉,即图像的识别和生成;语音识别与合成;自然语言处理(NLP);图形逻辑AI,mivar逻辑技术。如果单独来看,所有这些都是狭隘的人工智能。但与人类相当的通用智能尚未被创造出来。这样的人工智能必须包含所有技术。鉴于智能出现的社会性和语言性,开发人员非常重视完善 NLP 算法和多智能体环境。不幸的是,随着神经网络的发展,一种称为对抗性攻击的现象出现了,它利用相同的学习机制,迫使经过训练的神经网络犯错误。这一事实使人们对神经网络在日常医学中的未来产生了质疑。人工智能的环境是大数据和数据集。欧洲专家已经开始从医学和制药行业安全发展的角度关注大数据的监管。