软件要能够自主思考和行动，需要依赖一套技术。此外，必须从一开始就教会它，就像教会孩子一样。
然后，他重复这些动作，养成习惯，学习新事物，将学习融入现有的行为模式并形成一个持续的学习循环，使他能够快速适应不断变化的场景。
实现这一目标的关键技术是：
机器学习
机器学习涉及使用数据以尽可能少的编程来了解情况和环境的软件。
机器学习不是对操作模式进行编程，而是让系统通过接收和分析的数据自行学习这些模式，并解释有关当前状况的信息。
也就是说，机器学习是属于人工智能领域的一项技术，致力于衡量软件自主学习的能力，并使其成为可能。如今，机器学习是推动人工智能的主要技术。
当您在互联网上搜索某种产品、访问在线商店或当某个特色产品作为理想的推荐出现时，您就可以看到机器学习的实际应用。
深度学习
随着我们深入研究更高级的机器学习水平，深度学习开始发挥作用，并构建起像人类大脑的神经网络一样复杂的架构。
这意味着不需要编写一个勘探系统，而且具有 瑞典电话数据 难以形容的智能质量。相反，未来智能和推理能力的所有潜力都隐藏在程序本身中，并将随着时间的推移而发展。它与孩子好奇的心灵非常相似，但又具有无限的灵活性。
这使得软件能够理解模式，无论它们是问题、缺失的细节还是其他可能导致分析解释混乱的因素。
深度学习的可能性虽然巨大，但其要求也很高，需要大数据技术、完善的数据库、以及超强的信息处理能力。
深度学习是机器学习的一个子集，因此属于人工智能最先进的领域。最终，这使得机器的行为尽可能与人类相似。
自然语言处理
自然语言处理 (NLP) 受益于机器学习技术，并帮助软件在大量数据中找到可识别的模式。
其工作方式之一是通过分析语音数据、文本、视频、图像和面部表情来识别用户的情绪。
该算法并不只分析一种情况。它扫描各种类型的可用数据库，例如社交网络，并关联所有用户交互，例如收到的帖子和消息。
通过收集所有可能的信息，算法能够找到模式并得出用户对品牌和产品的感受的结论。