什麽是(yes)人(people)工智能？

什麽是(yes)人(people)工智能？

人(people)工智能（英語：Artificial Intelligence, AI）亦稱機器智能，是(yes)指由人(people)工制造出(out)來(Come)的(of)系統所表現出(out)來(Come)的(of)智能，可以(by)概括爲(for)：研究智能程序的(of)科學。這(this)門科學的(of)出(out)發點是(yes) 研究如何使程序能夠像人(people)一(one)樣思考、行爲(for)，以(by)及如何保持理性，這(this)裏的(of)理性可以(by)理解爲(for)效用(use)最大(big)化。

AI技術的(of)研究領域包括機器人(people)、語言識别、圖像識别、自然語言處理和(and)專家系統等。AI的(of)目的(of)就是(yes)希望讓計算機能像人(people)類一(one)樣進行學習和(and)思考。>所有AI的(of)研究都離不(No)開深度學習(Deep Learning)，深度學習是(yes)一(one)種機器學習的(of)方法，是(yes)一(one)種試圖使用(use)複雜結構的(of)神經網絡對數據進行高級抽象的(of)算法。

神經網絡是(yes)一(one)套模拟人(people)腦構造和(and)涉及的(of)算法，能夠通過感知系統對外界的(of)輸入信息進行标記和(and)聚類。神經網絡模拟人(people)類的(of)神經結構，有一(one)級級、衆多的(of)神經節點。深度學習就是(yes)通過神經網絡進行學習，每一(one)個(indivual)神經網絡的(of)節點在(exist)前一(one)層節點的(of)學習基礎上再進行學習，随着學習的(of)一(one)步步深入，越深的(of)節點學習到(arrive)經驗就越多。

理論上隻要(want)計算機計算能力足夠強、深度學習的(of)算法足夠科學高效、樣本數據梳理足夠多，就可以(by)不(No)斷增加神經網絡的(of)層數和(and)節點數。通過海量樣本的(of)深度學習，AI就能接近甚至遠遠超越人(people)類的(of)學習能力。

AI技術涉及到(arrive)的(of)學科非常廣泛，包含輸血、信息論、不(No)定性輪、神經生(born)理學、認知科學、心理學、甚至還有哲學。AI的(of)知識博大(big)精深，這(this)裏隻是(yes)簡單給大(big)家普及下AI的(of)基礎知識。

人(people)工智能技術已經滲透到(arrive)我(I)們(them)日常生(born)活的(of)方方面面，涉及的(of)行業更是(yes)不(No)勝枚舉，包括遊戲、新聞媒體、金融，并運用(use)到(arrive)了(Got it)各種領先的(of)研究領域，例如機器人(people)技術、醫學診斷和(and)量子科學。人(people)工智能的(of)基本知識和(and)應用(use)領域，主要(want)有機器學習、概率推理、機器人(people)技術、計算機視覺和(and)自然語言處理。

當今社會的(of)複雜活動，包括圖像識别、醫學診斷、預測機器故障時(hour)間或衡量某些股票的(of)價格，這(this)些行爲(for)中往往涉及數千種數據集和(and)大(big)量變量之間的(of)非線性關系。例如，我(I)們(them)該如何通過編寫一(one)系列規則，使得程序能在(exist)任何情況下描述出(out)一(one)隻狗的(of)外觀？如果能将做出(out)各種複雜預測的(of)困難工作(do)，即數據優化和(and)特征（Feature）規範，從程序員身上轉嫁給程序，從交易員身上轉嫁給程序，情況又會怎樣？這(this)正是(yes)現代化人(people)工智能帶給我(I)們(them)的(of)承諾。

人(people)工智能”概念日益興起，“谷歌圍棋程序AlphaGo全面碾壓專業選手”類似新聞逐漸增多，人(people)工智能時(hour)代已經來(Come)臨。正如90年代的(of)互聯網時(hour)代，隻有擁抱變化，順應趨勢，才能跟上時(hour)代的(of)步伐。