「人工智慧」英文全稱：Artificial Intelligence，英文縮寫為AI，是指研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。

人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。

人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的“容器”。人工智慧是對人的意識、思維的資訊過程的模擬。人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧技術。

人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。

人工智慧的定義可以分為兩部分，即“人工”和“智慧”。“人工”這樣比較好理解，爭議性也不大。

有時我們會要考慮什麼是人力所能及製造的，或者人自身的智慧程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。

關於什麼是“智慧”，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND））等等問題。人唯一瞭解的智慧是人本身的智慧，這是普遍認同的觀點。但是我們對我們自身智慧的理解都非常有限，對構成人的智慧的必要元素也瞭解有限，所以就很難定義什麼是“人工”製造的“智慧”了。

因此人工智慧的研究往往涉及對人的智慧本身的研究。其它關於動物或其它人造系統的智慧也普遍被認為是人工智慧相關的研究課題。

目前提到人工智慧，我們看到最多的還是人工智慧機器人相關報道，簡單來說，它就是讓機器人能產生類似人的學習能力，能夠不斷透過學習，做到更智慧的服務。比如前不久的，李世石與谷歌AlphaGo機器人之間的阿爾法圍棋人機大戰，這個AlphaGo機器人就採用了人工技術，具備學習能力，使得下棋技術能不斷提升，大勝李世石。

毫無遺憾，人工智慧的前途是光明的，發展前景巨大，人們已經開始依賴人工智慧的各種計算服務，這種計算化於無形，從購物網站的精準推送到電視劇的劇情設計，再到無人駕駛汽車中的識別技術，可謂無處不在。

舉個例子：

AlphaGo所用技術就已被應用在包括影象識別、文字翻譯、音訊／文字處理、臉部識別、無人駕駛汽車以及機器人等領域。人工智慧的水平恰恰折射出人類自身的科技發展能力，人類在前進，人工智慧也在前進。可以預見，在新世紀裡，人工智慧應用將更加廣泛。

也有人認為，今後人工智慧大量普及，大量的機械工作可能可以用人工機器人代替，很多人可能會丟失了工作，這種觀點目前還得不到驗證，但可以肯定的是，人工智慧今後可以改善人們的生活，更好更智慧的做好服務。

試著從人工智慧“工作流程”的角度解答一下您的問題。

人工智慧(AI)正席捲全球，目前已有很多創新用例，幾乎應用於所有行業。雖然說，要做出用智慧機器人代替醫生這種聽起來就很科幻的東西，還有幾十年的路要走，但現在人工智慧也正為各行各業的專家們，提供著決策與解決問題方面的幫助。也會為我們消費者提供一些非常便利的功能，比如聽歌識曲。

大多數人關注的是AI的一些成果性的東西，一些實際的用例。當然，還有霍金的“人工智慧威脅論”。但對於我來說，我更喜歡透過外表去看這臺“機器”是如何“運轉”的，此處我們會談到需要去理解的四個基本要素：分類、分級、機器學習和協同過濾。

分類涉及到建立特定於待解決問題領域的度量(如金融、網路)。分級包括確定資料與待解決問題的相關程度。機器學習涉及到異常檢測、群集、深度學習和線性迴歸。協同過濾涉及到跨大資料集去尋找應用模型。

分類

AI需要大量與解決問題相關的資料，建立一個人工智慧解決方案的第一步是建立一個我稱之為“設計意圖指標”，用於將問題進行分類。無論使用者試圖建立一個系統去幫助醫生診斷癌症還是去幫助IT管理員診斷無線網路問題，都需要定義度量，使問題被分解成一個一個的小塊。例如，在無線網路中，關鍵指標是使用者連線時間、吞吐量、覆蓋面積和漫遊。在癌症診斷方面，關鍵指標則是白細胞計數、種族背景和X射線掃描。

分級

一旦使用者的待解決問題有了一個明確的分類，下一步就是對每個分類進行分級，幫助使用者走向可獲得有意義結論的方向。例如，在訓練人工智慧系統時，使用者首先必須對問題屬於單純性文字還是雙關語進行分等，然後按時間、人、事或位置進行分等。在無線網路中，一旦使用者知道問題的類別，就需要開始對導致問題出現的因素進行分等：關聯規則、認證、動態主機配置協議(DHCP)或其他的無線、有線和裝置因素。

機器學習

現在的問題是將其劃分為元資料的特定領域塊，使用者需要將這些資訊“餵給”神奇的、強大的計算機，讓其進行吞食及學習，也就是機器學習。機器學習領域有很多演算法和技術，使用神經網路的監督機器學習(即深度學習)現在已經成為最受歡迎的方法之一。神經網路的概念現於1949年，隨著計算和儲存能力的增強，神經網路已經開始被訓練用以解決各種實際問題，從影象識別到自然語言處理再到網路效能預測。其他的應用包括異常特性發現、時間序列異常檢測和事件關聯根本原因分析。

協同過濾

大多數人在線上影片網站看影片或電商平臺購物的時候，都會體驗到協同性的過濾，並收到他們可能喜歡的電影或商品的推薦。除了推薦，協同過濾還被用來對大量資料進行排序，並在人工智慧解決方案的制定上落下最後一筆。在這一過程中，所有的資料收集和分析都變成了有意義的見解和行動。無論是在遊戲中，還是對醫生、網路管理員，協同過濾都是能夠提供高可信度答案的手段。它就像一個虛擬助手，能夠幫助你解決各種複雜的問題。

人工智慧仍然是一個新興的領域，但它的影響是深遠的，也會越發強烈，因為它會慢慢成為我們生活的一部分。選擇一個人工智慧解決方案，其實和選購汽車很相似，我們不僅要看車的外形，還要了解引擎蓋下面那些真正能夠代表車的效能的東西。這樣，我們才能知道這輛車是否能達到我們的需求。

人工智慧最終目的是讓機器擁有人一樣的功能。在特定領域超過人類。比喻計算能力。記憶能力，學習能力，計算機，阿爾法狗。已經證明了這些。機器要有人一樣的智慧，那就需要研究人腦，人類思維，神經系統，情感變化，身體和智慧的關係，嗅覺，聽覺，味覺，感覺，喜怒哀樂，與大腦的關係和變化。中樞神經系統怎麼運轉。腦研究必須用人腦研究者點不容置疑。用誰的腦袋研究呢？大量腦研究被實驗活體實驗者出現。不是自願的，是被秘密控制用於活體人腦研究。提取人腦資料，實驗過程殘忍至極，給被實驗者帶來極大傷害。全國已經大量出現腦研究被實驗的受害者。請關注。也許下一個被實驗者就是你。

維基百科的人工智慧詞條採用的是斯圖亞特·羅素（StuartRussell）與彼得·諾維格（Peter Norvig）在《人工智慧：一種現代的方法》25一書中的定義，他們認為：人工智慧是有關“智慧主體（Intelligent agent）的研究與設計”的學問，而“智慧主體是指一個可以觀察周遭環境並做出行動以達致目標的系統”。

有興趣的朋友可以看看李開復的《人工智慧》

美好一天很榮幸為大家解答這個問題，讓我們一起走進這個問題，現在讓我們一起探討一下。

AI就是artificial intelligence的簡稱，即人工智慧的簡稱，尼爾遜教授定義ai為“人工智慧是關於知識的學科---怎樣表示知識以及怎麼獲得知識並使用知識的科學”，麻省理工的溫斯頓教授則認為“人工智慧就是研究如何使計算機去做過去只有人才能做的智慧工作”，讓機器像人一樣思考，合理的思考，像人一樣行動，合理的行動，這就是人工智慧的目的。

它是一種可以按照人類的邏輯思維模式思考的計算機程式，人工智慧可以讓民眾從持續反覆的工作中解放，人類獲得更多自己的時間，去享受生活。現在還處於弱人工智慧技術階段，人工智慧技術對應用的影響還主要表現在輔助分析領域，未來小樣本學習的人工智慧技術的發展，會讓應用成本更低，機器學習的能力更強，透過五到十年的時間，進入到強人工智慧時代。

估計在不久的將來，會有一批自主學習機器人出現。等這種技術成熟和完善後，人們也有望將學習的任務與人工智慧機器人一起分擔合作。

在以上的分享關於這個問題的解答都是個人的意見與建議，我希望我分享的這個問題的解答能夠幫助到大家。

AI方面的“小白”朋友可能會問，究竟什麼是人工智慧呢?

簡單來說，人工智慧是我們製造智慧機器的方式。這種機器內部的學習方式有些類似於人類的學習方式，因此它可以接替我們某些工作，並以比人類以往更好和更快的速度來完成這些工作。

機器學習是AI的一個子集，因此有時當我們在談論AI時，我們是在談論機器學習，這也是AI領域中的基礎。

在機器學習中，演算法使用一組訓練資料來使計算機能夠自己學習並執行未程式設計的操作，可以說，機器學習是一種能夠增強人類能力的技術。

現在我們可以清楚地看到人工智慧具有巨大的優勢——消費者和企業都將從AI中受益——我們每天都使用AI應用，比如透過導航和打車軟體來出行。而企業可以使用AI評估風險或者進行營銷和運營，以便削減成本並促進產品的研究和創新。