人工智能并不是最近几年才涌现的一个词汇，它最早是在1956年的达特茅斯会议上被提出的，从那时候起，人工智能就已经作为一个独立学科出身了，而在两年后的不久，当代人工智能的核心—多层感知机（MLP）也很快出身。
在我的理解中，多层感知机对付当代人工智能的意义险些等同于微积分对当代数学与物理学的意义，它从根本上提出一种新的办理问题的哲学理念。
如果基于履历主义出身的摩尔定律是可靠的，也便是说打算机的算力可以随着韶光以指数级稳定增长，那么科幻小说中的人工智能涌现就只是韶光问题，它绝不是凭空涌现毫无根据的海市蜃楼。

二、多层感知机的意义与浸染

多层感知机在根本上办理了如何将非线性问题转化为线性问题去办理的问题。
事实上，无论是现在盛行的大措辞模型还是传统的打算机程序，它们都是人类用于办理现实生活中的一种工具，帮助人类在自然资源利用过程中提高效率，也便是帮助人类以更有效的办法对自然资源进行识别、采集与加工，这种帮助依然更多地表示于“识别”这个步骤。
无论是传统的打算机运用程序还是文言齐心专心，他们都是一种模型。

三、模型的实质与上风

模型是一种用于仿照现实的工具，基于模型得出的剖析成果可以有效辅导现实生活中的实际行动，降落现实生活的试错本钱。

远古期间，猎人群体外出打猎须要先制订佃猎策略，凭借自己的履历制订佃猎方针，这个谋划的剖析过程便是一个仿照预判的过程。
国家出兵打仗，军营里的将士会在沙盘上排兵演习训练，预判计策方针，乃至会让巫师利用天象占卜，预测休咎，当代航空工程师会对即将投入生产的新型号飞机做风洞测试，在做风洞测试之前还会用打算机做数值仿照减少物理试验的次数和本钱。

传统的打算机程序，实在也是在基于人类过往的履历，以明确法则编写的打算流程，而这些法则，只是人类基于过往履历剖析总结出来的，依然局限于人类现有的认知范围。
神经网络这种新型的办理问题的思路，可以让模型自我完善，在高算力和海量数据的支持下自我更新，用一种暴力、原始的方法持续进步，而不受限于人类现有的认知局限。
从理论上讲，只要数据足够多、算力足够强、韶光足够长，就能打算出统统的真实规律，而人，作为有机体，还有生老病去世的天然局限。

四、人工智能带来的时期阵痛

什么是时期的阵痛呢？

人工智能这一新事物的出身一定会大规模改变人类现在的生活模式，在这个过程中，一定会有往事物被淘汰，一定有人无法适应这崭新的生活环境。

举一个大略的例子，自动驾驶真的正在逐渐让司机这一职业成为历史。
过去我曾经以为，虽然人工智能发展迅速，在这样一个背景下自动驾驶早晚全面到来，但是驾驶本身带来的乐趣绝对无法替代。

然而最近几年，我创造实在是低估了人工智能的力量。

驾驶本身带来的乐趣可能并不须要驾驶来供应，一盘紧张刺激的赛车游戏大概便是解压最好的办法，还没有生命危险。
在规律的上班生活中，若是全身心投入一件紧张的事情，人很多时候实在希望可以把通勤的韶光节省下来思考一下事情中的寻衅，根本没有韶光享受驾驶，在生存压力的挤压之下，看看路边的风景是不切实际的自我催眠。

李开复曾经谈到，人工智能正在逐渐取代重复性的、呆板乏味的事情，让人们有韶光和精力去投入更有创造性的劳动之中，比如音乐、绘画、法律咨询等，从大的角度而言，这当然是精确的，我相信李开复作为人工智能领域的几位领头人之一，他肯定不用担心失落业，他也不短缺承担创造性事情的机会，他发自内心地以一种充满美好期待的态度鼓励人工智能的发展。
然而，失落业问题是客不雅观存在的，时期的列车驶入新的轨道的时候，不会等所有人都有能力转去做创造性事情的时候再动身，不会等出租车司机考取新的职业证书往后再加速，人工智能是人创造的，拉动加速杆的不是上帝，而是天下上最聪明的那一批人，他们也是人类，无论他们引领智能时期背后缘故原由是出于全人类发展的大义，还是出于自我生存而持续竞争，他们都不会逐步来或者留着力气。

五、应对之策与态度

保持镇静，勇往直前，终生学习，永不止步。
这些态度，无论在哪个时期，都应该被武断遵行。

配图源于网络，如有侵权，请私信删除。