究竟什么是人工智能呢

AI即Artificial Intelligence，人工智能这里的智能，不是智能硬件的智能，而是对应着人类大脑的智能打造人工智能，就相当于赋予机器以智商和情商 1963年，人类第一次与机器进行国际象棋对决。

1997年，其时排名世界第一的加里·卡斯帕罗夫，输给了由IBM研发的深蓝计算机——一个每秒可以运算2亿步棋的“怪物”此后，国际象棋的人机对抗，成为了一种衡量计算机智能化程度的参照 几年前，由Google研发的AlphaGo第一次击败了比国际象棋更具挑战性的围棋职业选手。

让外界第一次领教了“深度学习”（Deep Learning）技术的威力与深蓝靠算力击败象棋选手不同，AlphaGo凭借的是“深度学习”原理，让机器具备“思考”能力 而纵观消费电子产品中的AI，与上述的AI有着本质上的差别。

在广告渲染下，诸如Siri等语音助手也被当做了AI技术不可否认，类似Siri这样的产品，确实具备很多技术含量，但主要集中在语音识别和自然语言处理方面这也算是AI领域的一项分支，但还不是真正的AI 当前应用在

智能家居和消费电子产品中的AI，并不具备真正的思考能力，它们只是在语音识别、语义识别的基础上，对前端传感器传输的数据进行了特定逻辑的归纳和演绎，并结合互联网信息进行了二次加工 一个真正的AI系统，要经过大量的数据训练，逐步掌握以人类视角去理解事物的逻辑。

比如，Google的人工智能系统，在对几百万张猫的图片进行学习后，基本掌握了视觉层面的猫的样子，当它看到一张新的猫图片后，能够根据此前学习，判断出“这是一只猫”这才是真正的AI 一个完整的AI系统，包括了

机器学习（ML）、自然语言处理（NLP）、专家系统、机器视觉、语音识别、策略和机器人学等多个方面 机器学习中最重要的部分就是深度学习，深度学习的主要课题是研究神经网络这个神经网络不是人脑的神经网络，而是一种赋予机器自主思考能力的逻辑。

算法目前，深度学习的主要代表算法是卷积神经网络（CNN）、深度神经网络（DNN）和RNN（循环神经网络） 无论是哪种算法，都在某种程度上模拟了人脑的运算法则目前，科学界对人脑到底是如何运作的，还处于初期的探索阶段。

但神经网络的复杂架构，可以肯定是人脑思考的必要设施仅大脑皮层就有140亿个神经元 人类大脑特有的神经网络结构，以及庞大的神经元数量，是人类具备自主思考能力的前提条件计算机领域创造机器的神经网络，就是一种“仿生学”算法。

从数学角度讲，人类之所以有意识，正是大脑神经网络的闭环结构所创造的一种超级计算机导致的结果 当你在思考“明天中午吃什么”的问题时，大脑至少有几十亿个神经元参与其中，神经介质以每小时250公里（17级台风的风速）的速度传递在神经网络中。

放在AI中，基本原理是相同的，只不过这个过程中的“介质”传递速度是根据芯片的运算速度决定的，显然比人脑要快很多倍 CNN、DNN和RNN在思路上有些差异，但并不是完全排斥的，每种算法都有其他算法所不能及的一面优势。

DNN是基于NN（神经网络算法）改良的一种算法，解决了梯度消失的问题；而CNN则是将图像处理融入其中的一种，解决了DNN算法中的过度拟合和局部最优解的问题；RNN则是以时间作为深度的神经网络 除了机器学习外，自然语言处理也是AI中的重要分支，它让计算机能够听懂人类的指令。

专家系统是指向AI输入某个领域的专业知识，以满足其在特定场景中的功能对于AI来说，目前的重点还在于机器学习与自然语言处理上，这是让人工智能服务于某个场景或客体的前提

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。