一、人工智能的出身进程

人工智能观点最早可以追溯到古希腊期间，在火神的故事里就提到过智能机器人与人工生物的观点。
可以说，人工智能观点的雏形最早是来自科幻小说和神话故事。
1942年，美国科幻年夜师阿西莫夫在其巨作《我，机器人》的弁言中提出：“机器人学三大法则”，这三大法则也成为后来学术界默认的研发原则。
1950年，英国数学家阿兰？图灵在《思想》杂志上揭橥了一篇题为《打算机器与智能》的论文。
2014年，在英国皇家学会举行的一次图灵测试中，一台来自俄罗斯超级打算机尤金？古斯特曼顺利通过了图灵测试，这是图灵测试提出六十多年来首次有机器通过该测试。
这台叫尤金？古斯特曼的超级打算机的33%回答骗过了裁判，让裁判以为和他互换的是人而非机器。
1956年，在美国最悠久的天下顶尖学府――达特茅斯学院举行的一次会议上，著名打算机科学家约翰？麦卡锡正式提出“人工智能”一词，并说服与会者接管该词作为本领域的专用名称。
这次会议也当做人工智能正式出身的标志。

二、人工智能的定义

人工智能涉及的学科非常多。
比如说打算机科学、脑科学、哲学、生理学、措辞学等。
学术界目前还没有统一的人工智能定义，不同研究方向的专家对人工智能的理解不一样，定义也有所侧重。
目前比较普通的定义是：人工智能便是用人工的方法在机器上实现的智能，被称为机器智能。

根据人工智能的智能水平，从低到高可以划分为三个层次，第一个层次是打算智能，便是能存会算，各种棋类游戏、专家系统表示的便是打算智能；第二个层次是感知智能，便是能听会说、能看会认，像语音助手、人脸识别、看图搜图和无人驾驶表示的便是感知智能； 第三个层次是认知智能，便是能理解会思考，这是人工智能领域专家们正在努力的方向，比如说微软小冰就具有非常低级的理解语意的能力。

三、人工智能的核心驱动力

人工智能有三大核心驱动力，大数据、算法和超级打算。

第一大核心驱动力――大数据

在人类发明的史上，很多发明都是从模拟动物开始，比如说为了实现翱翔梦想模拟鸟，历史上有各种关于模拟鸟试图翱翔的记载，用这种方法翱翔的结果可想而知，肯定都以失落败告终。
于是，我们把利用这种方法论的人统称为\公众飞鸟派”，早期研究人工智能的基本上都是\"大众飞鸟派”，由于他们认为打算机要得到智能必须模拟人的思考模式。
比如说当时的语音识别研究，险些所有的专家都把精力投入到教司帐算机理解人类的措辞上，研究进展缓慢。
上世纪七十年代初，美国康奈尔大学有位叫贾里尼克的教授在做语音识别研究时另辟路子，换了个角度思考机器语音识别这个问题。
将大量的数据输入打算机里，让打算机进行快速的匹配，通过大数据来提高语音识别率。
于是繁芜的智能问题被转换成了大略的统计问题，处理统计数据正是打算机的强项。
从此，学术界开始意识到，让打算机得到智能的钥匙实在是大数据。

什么是数据呢？你可能会认为大数据便是一堆数字组成的，实在数据的范畴比数字大得多，网上所有的信息都可以称为数据，普通理解，大数据便是用现有的一样平常技能难以管理的大量数据的凑集。

大数据有三大特色：体量大、多维度、全面性。

第一个特色便是体量大。
随着物联网和移动互联网等信息技能的广泛运用，人类产生的数据量正在呈指数级增长，每年以约50%的速率增长，大约每两年翻一番。
第二个特色便是多维度。
百度曾经发布过《中国十大\公众吃货”省市排行榜》。
百度并没有做民意调查和饮食文化的研究，这个结果是怎么得出来的？百度是从其“百度知道”这个知识问答分享平台的7700万条和吃有关的问题里\"大众挖掘”出来的。
这些问题包含的数据维度很多，包含食品的做法、身分、价格，还包括参与问答的人的地理位置、个人信息，上网工具和浏览器等信息。
百度根据这些不同维度的信息剖析出各地区的饮食习气。
如果再结合每个人利用的手机或电脑的品牌型号，常常浏览或购买的商品信息，再加上居住和事情位置信息，就可以剖析他们的收入情形，从而得出不同收入阶层的人的饮食习气。

第三个特色便是全面性。
2016年，特朗普当选美国总统让很多人感到意外，特朗普的当选乃至被称为当年的\公众黑天鹅”事宜。
由于选前的各种民调都显示希拉里支持率大幅领先，大部分主流媒体也看好希拉里，但是结果却大相径庭。
但有家叫新创的印度公司开拓的人工智能系统MogIA一贯就预测特朗普将胜出。
跟传统调查公司紧张依赖访谈和问卷调查不同，MogIA的判断依据是网络自Google、Facebook和Twitter等网站的超过2000万个数据点，2000万个数据点采集的数据明显比传统抽样调查只有几万乃至只有几千的调查数据更为全面，更能准确的反响民众的真实想法。
采集这么多数据，过去是无法想象的，但是现在我们能做到，乃至做到采集全部的数据。
印度的新创公司这次便是胜在其调查数据的全面性上。

第二大核心驱动力――算法

传统的工具识别模式是由研究职员事先将工具抽象成一个模型，再用算法把模型表达出来并输入打算机。
这种人工抽象的方法具有非常大的局限性，识别率也很低。
幸运的是，科学家从婴儿身上得到了启示。
没有人教过婴儿怎么\公众看”，都是他们自己从真实天下自学的。
如果把孩子的眼睛当做是一台生物摄影机的话，那这台相机均匀每200毫秒就拍一张照――这是眼球迁徙改变一次的均匀韶光。
到孩子3岁的时候，这台生物相机已经拍摄过上亿张的真实天下照片。
这给科学家很好的启示，能不能给打算机看非常多猫的图片，让打算机自己抽象出猫的特色，自己去悟什么是猫，这种方法被称为机器学习。
谷歌就采取这种机器学习方法开拓出了猫脸识别系统，而且准确度非常高。

机器学习除了在工具识别领域外，在其他领域也得到了广泛利用，并取得了让人激动民气的成果。
搜索引擎、语音识别技能、自然措辞处理、图像识别、推举系统、专家系统和无人驾驶技能等领域在机器学习算法的推动下取得了长足进步，机器智能水平有了很大的提升，但是理解能力和想象力仍是短板。

第三大核心驱动力――超级打算

有了大数据和前辈的算法，还得有处理大数据和实行前辈算法的能力。
每个聪明的人工智能系统背后都有一套强大的硬件系统。
目前天下运算速率最快的超级打算机是中国的神威？太湖之光，峰值性能达每秒12.5亿亿次，运算速率相称于普通家用电脑的200万倍，神威？太湖之光一分钟的运算量须要环球72亿人用打算器不间断运算32年。
超级打算机一个国家科技发展水平和综合国力的反响。
没有超级打算机，景象预报不可能预报15天，中国的大飞机研制不可能进展如此之快，其余，核武器的爆炸仿照、地震预警、药物研发等领域也离不开超级打算机。

云打算：一种基于因特网的超级打算模式，在远程的数据中央里，成千上万台电脑和做事器连接成一片电脑云。
因此，云打算乃至可以让你体验每秒10万亿次的运算速率，打算能力堪比超级打算机。
云中的单个打算机性能可能非常一样平常，乃至便是普通电脑，但是很多一样平常加在一起的实力却不能小觑，就像俚语说的三个臭皮匠能顶个诸葛亮，集腋能成裘。

大数据、算法、超级打算三者相辅相成、相互依赖、相互促进，共同推动人工智能向前发展，在不久的将来，多智时期一定会彻底走入我们的生活，有兴趣入行未来前沿家当的朋友，可以把稳多智时期，及时获取人工智能、大数据、云打算和物联网的前沿资讯和根本知识，让我们一起携手，引领人工智能的未来！