只能說人工智慧產品會像手機一樣在你的生產生活中無處不在，現階段，你也是生活在人工智慧產品中，手機裡面語音助手就是智慧，你微信發語音，語音轉成文字，也是智慧，你登陸支付寶刷臉也是智慧，你做地鐵，地鐵的時間及停靠也是智慧化，不是人工開大巴車，根據路況在實時變的...

人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、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”。人工智慧可以對人的意識、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。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。

不知道大家對駭客松（Hackathon）瞭解多少呢？駭客松，又名駭客馬拉松，源自於美國，顧名思義，就是一群計算機愛好者聚集一堂，在幾十個小時裡開發出一款軟體，累了或坐或臥，現場休息，做完當場交作品，是“世界上最酷的開發者狂歡”。

金斯頓大學最近舉辦了一次以醫療自動化為主題的駭客松， 超過 200 名學生、醫療專家和程式設計愛好者參加了這次活動，他們提出了多種新型人工智慧解決方案來處理 NHS 醫療系統中的病歷記錄。

這一次的駭客馬拉松時長 9 小時，主題圍繞著機器人組裝、使用者體驗設計以及解決實際問題，這次的活動由人工智慧顧問公司 Alphalake AI 舉辦，並且由機器人流程自動化領域的領導者 Automation Anywhere 公司贊助。

人工智慧的工作原理是：計算機會透過感測器（或人工輸入的方式）來收集關於某個情景的事實。計算機將此資訊與已儲存的資訊進行比較，以確定它的含義。計算機會根據收集來的資訊計算各種可能的動作，然後預測哪種動作的效果最好。計算機只能解決程式允許解決的問題，不具備一般意義上的分析能力。人工智慧AI現在在很多領域已經演變為一種驅動力，其本質是降低事情的技術門檻，透過AI去替代人工甚至去超越人工所不能完成的內容，降低人工操作的複雜度，增加事件的視覺化，增加服務體驗的人性化。方法還是這些方法，資料還是這些資料，只是關注點不同，所能呈現/展現出來的功能（產品定位）也會有所區別。當然，在各自領域再做垂直延伸，視覺化、智慧互動、智慧troubleshooting，甚至資產標識管理等內容業務都能展開。

人工智慧簡稱AI，就是利用計算機去模擬、延伸、擴充套件人的智慧，使我們的計算機能和人一樣的去思考和學習，使機器變得更加的聰明，更準確的去控制。人工智慧的應用非常的廣泛，如我們常見到的智慧控制，智慧材料，智慧家電等。人工智慧在不久的將來應該會像手機一樣的普及。

經過近30年的沉默，“人工智慧”一詞在過去兩年中已成為科技公司的公共關係戰場和線上媒體的熱情。它已被政府重視並受到投資界的追捧。結果，隨之而來的新聞釋出會和峰會論壇被提出，政府的戰略計劃被引入，各種各樣的新聞不勝列舉，宣告“智慧為王”時代的到來。

什麼是人工智慧？目前的研究處於什麼階段？未來如何發展？這是每個人都普遍關注的問題。由於人工智慧涵蓋了廣泛的學科和技術，因此很難在短時間內充分理解和理解人工智慧，更不用說非專業人員了，即使對於該行業的研究人員而言也是如此。

因此，現在許多宣傳和決策過程都趨向於預先認可，這不可避免地引起一些思想和輿論的混亂。

首先，這個問題本身存在問題：人工智慧和手機本身並不是同類型的產品，也就沒有像手機普及一說。這個問題可能是將具有高度類人智慧的人形機器等同於人工智慧本身了。

我的結論是：人工智慧如今已經普及，已經成為網際網路的大腦。

那麼，什麼是人工智慧？

在古希臘時期的神話中，赫菲斯托斯就曾用粘土製作了一個名為潘多拉的女人，眾神給予了潘多拉眾多禮物，其中就包括人類的語言能力。

電影《機械姬》中有一個美麗的人形機器人，在工程師測試其智慧程度的過程中，使用欺騙、魅惑等方式，讓工程師心甘情願的幫她逃離實驗室，人類被這種具有人工智慧的人形機器人玩弄於股掌之間。

然而，現實生活中的人工智慧卻不是這些樣子。當人類第一次構建可程式設計計算機的時候，就已經在思考人工智慧的問題，隨著人類對計算機和自身瞭解的增強，人工智慧的定義也從“與人類思考方式相似的計算程式”進化為“會學習的計算機程式”，並進一步成為具有眾多實際應用和課題研究的一個領域。

為了解決這些問題，誕生了一種名為“深度學習”的方法。深度學習可以讓計算機從經驗中學習，並根據層次化的概念體系來理解世界。層次化的概念讓計算機構建較簡單的概念來學習較複雜的概念，如果將這些概念繪製成圖，我們可以得到一張“深”（層次很多）的圖，所以這種方法被稱作“深度學習”。

其實，人類研究人工智慧已經有很長時間了。IBM的人工智慧“深藍”（Deep Blue）在1997年擊敗了國際象棋世界冠軍Garry Kasparov。其主要工作原理就是“深度學習”。

同樣的，還有Google旗下Deep Mind人工智慧研發團隊研發的人工智慧AlphaGo，曾與圍棋大師李世石、柯潔進行比賽，分別以4比1和3比0的成績勝出。

2019年1月，同樣是Deep Mind研發的人工智慧AlphaStar在《星際爭霸2》比賽中以10比1的成績擊敗人類職業選手。這也是人工智慧發展的有一個里程碑式的事件。

“深度學習”只是人工智慧領域中研究的一個方向。在研究人員的努力下，人工智慧如今已經深入到人們生活的方方面面。

蘋果 Siri、百度度秘、 Google Allo、微軟小冰、亞馬遜 Alexa等智慧助理已經成為人們生活的一部分。

除了這些看起來就很“智慧”的產品，人們沒有感知到的還有很多，比如每一張照片的防抖、背景虛化效果、夜景模式、美顏效果，背後都是人工智慧演算法的功勞。

回到這個問題，雖然問題本身有些歧義，但是我們現在看到的是，人工智慧正在改造我們的手機，讓它從一個通訊工具、生產力工具、娛樂工具轉變為我們人體延申的一部分，變成我們第二個大腦。

作為一名科技工作者，我來回答一下這個問題。

雖然當前人工智慧技術是科技領域的一個創新熱點，而且未來的發展前景也非常廣闊，但是要想把人工智慧概念說清楚卻並不容易，因為目前關於人工智慧的定義依然處在發展過程當中，而且人工智慧涉及到的內容非常多，要想獲得一個精確的定義也存在一定的困難。

目前人工智慧領域的研發思想主要是基於“合理性”展開的，包括“合理地思考”和“合理地行動”，這種研發思想雖然具有一定的侷限性，但是在研發上會更加清晰，也更容易實現。

從技術體系結構上來看，當前人工智慧領域的研究涵蓋了六個大的方向，包括自然語言處理、計算機視覺、機器人學、機器學習（深度學習）、自動推理和知識表示，這些大的研究方向裡面還涉及到一系列細分方向，所以人工智慧領域的研發空間還是非常大的。由於當前人工智慧的技術體系尚不成熟，依然有大量的研究課題有待突破，尤其是在落地應用環節，所以目前人工智慧領域的人才需求依然以研發型人才為主。

雖然人工智慧目前依然處在發展的初期，但是目前也有大量的人工智慧技術在嘗試落地應用，而且在一些生產環境下，已經獲得了一定的突破，這對於促進人工智慧領域的整體發展也具有比較積極的意義。在當前產業網際網路的推動下，不少資源整合能力比較強的大型科技公司陸續推出了自己的人工智慧平臺（目前主要集中在視覺和自然語言處理兩方面），相信隨著這些人工智慧平臺的不斷完善，未來產業領域的智慧化程度會不斷得到提升。

最後，人工智慧的發展需要一個系統的過程，從某種角度上來看，當前已經進入了智慧化時代，所以未來人工智慧技術的普及程度一定會不斷提升。

人工智慧事實上已經開始普及了。

小到手機裡的各種語音助手，大到機場高鐵的人臉檢票，這都是人工智慧應用的案例。

至於為什麼很多人沒有感覺，可能是因為在很多人的潛在意識裡，電影裡的那種有思維意識、無所不能的技術才是真的人工智慧。

事實上，人工智慧是可以分為強人工智慧與弱人工智慧的。

1.強人工智慧：

強人工智慧就像電影裡的場景一樣，智慧機器是有意識，能夠進行自我思考的。以目前的技術水平要想達到這樣的場景還需要很長的一段路。

2.弱人工智慧：

看起來像智慧，但沒有真正的意識，無法進行自我思考。這是目前很多人工智慧產品的現狀。比如，我們上面提到的語音助手，人臉識別等等，這些應用是有人工智慧技術加持的，但是產品本上是無法進行自我思考，也沒有像人一樣意識的。

目前來看，弱人工智慧已經普及，但是強人工智慧仍需要很長一段路。

現如今，人工智慧已經被炒的非常火熱，似乎不管是不是科技圈的人士，都要在嘴邊聊上幾句人工智慧，以顯示自己多麼與時俱進。

人工智慧的定義是讓機器實現原來只有人類才能完成的任務，其核心是演算法。

例如下圖所示就是讓機器模擬人各種能力的人工智慧領域示意圖：

當然一方面人工智慧的確是未來的方向，而另一方面則是因為人工智慧有可能是科技圈中的下一個黑天鵝。說不定什麼時候，一隻獨角獸就會從中誕生。

但在此之前，一定要正確的認清什麼才是真正的人工智慧。

偽人工智慧橫行

現在大多數人工智慧都屬於偽人工智慧。為什麼這麼說，可以從以下兩個方面來解釋。

第一，人工智慧不是一下就能做出來的，需要時間以及實驗的積累。

而做出人工智慧的這些人才也是一樣，他們需要切實的接觸到真正的人工智慧當中，不過這樣的人才在全世界也就寥寥幾百個。

但是好像在一瞬間，在中國就有幾萬個人工智慧方面的人才被選拔了出來，可想而知這樣的人才是真正的人工智慧專家嗎？

這些人才往往被大公司冠以年薪30萬或50萬瘋搶，雖然裡面的確有很多優秀的人才，但是這樣未免顯得太過著急。從人才培養角度來看，人工智慧領域還存在著大量的泡沫。

第二，許多專案只不過是換了個‘馬甲’。

許多創業公司喜歡為自己的專案貼上一個標籤，這樣的話不但可以吸引眼球，更能得到投資人的青睞。

雖然不能說這種做法是錯誤的，但這顯然也不是真正的人工智慧，甚至會誤導其他人對於人工智慧的認知。

比如許多專案在貼上人工智慧標籤之前非常簡單，只是一些如同機器人學習，或者演算法研究之類的專案，如今搖身一變全都成為了人工智慧。

什麼才是真正的人工智慧？

我們既不是專家，也不是專門研究這種領域的學者，有沒有簡單的方法直接辨別什麼是人工智慧，什麼是偽人工智慧？

答案是有的。

舉一個簡單的例子，之前人們也嘗試教計算機下國際象棋。計算機經過學習之後，與人們依然互有勝負，在最終完全戰勝人類的時候，時間已經過去了10年。

而谷歌的AlphaGo，從什麼都不會到圍棋中不可戰勝的存在只用了短短一年的時間。

由此可以看出，真正的人工智慧體現在其卓越的學習能力。

如果你隔一段時間，大概3個月左右去看一個演算法的進步，比如面部識別，如語音識別，如果該演算法進步只是代數級，沒有達到指數級，那麼這種演算法可能更多的是機器學習，還未達到人工智慧水平。

既然已經辨別了什麼是真正的人工智慧，那麼對於人工智慧而言，什麼才是最重要的。

可能有些人會說演算法，有些人會說裝置，有些人會說程式設計技術。雖然它們也是構成人工智慧中重要的一環，但是這些都不是最重要的。

對於真正的人工智慧而言，最重要的永遠是大資料，只有擁有完整的資料，人工智慧才能真正的發展起來。就像是一把寶刀，需要有一塊好的磨刀石才能讓它更加銳利，而大資料恰好就是這塊最好的磨刀石。

就像是谷歌的AlphaGo，有人說為什麼AlphaGo不去下象棋，而是隻在圍棋領域中稱雄呢。

AlphaGo的專家則表示，不是他們不想這麼做，而是無法這麼做。因為在圍棋中，日本人一直以來有儲存棋譜的習慣，在每個棋譜上都標註了什麼是第1手，什麼是第100手，這樣很容易被AlphaGo學習。

但是對於象棋來說，自古以來大多數都是殘局。雖說殘局也很精彩，但是對於AlphaGo來說，它不知道殘局形成的原因，對之前的步驟一無所知，這樣就會對它的認知造成障礙。

這也說明，完整的資料對於人工智慧多麼重要。任何拋開資料談人工智慧的，全都是耍流氓。

人工智慧中的獨角獸

目前，中國的大部分資料全都被BAT所掌握著，國外則是Facebook、Google、亞馬遜之類的企業。對於創業者而言，想要打破資料的壟斷具有相當大的挑戰，但也不是沒有機會。

比如說醫療資料，BAT就還沒有形成壟斷。金融方面資料，更多的掌握在金融公司手中，這些網際網路企業也沒有。

在這兩個領域，不管你的技術水平如何，至少在資料方面是在同一起跑線上，這對於創業者或後進入的公司是一個難得機遇。同時，下一個巨頭也有可能在這兩個領域誕生。

就拿醫療來說，國外已經有許多家企業與醫院達成協作，直接讀取醫院中的病例以及X光片或者CT片。

醫生一天看10張並且分析出症狀都已經是非常有經驗了，而人工智慧，則可以在1個小時內看10萬張，效率不可同日而語。

對於醫生而言，診斷病因需要基於自己的經驗積累。但是對於人工智慧來說這就太簡單了，透過影象和最終診斷結果的閉環學習，人工智慧很快就能對X光片或CT片進行病因分析。當然這一過程需要不斷完善，才能提升正確性及智慧化。

在國外由於隱私保護非常嚴密，很多資料無法開放，因此無法做到大量資料錄入。

但是由於如今中國民眾對於隱私保護還沒有那麼嚴格，因此中國企業還是有機會在這個領域中實現超越的。

只要有了大資料，特定領域超越BAT也不是不可能的。

所以說，資料才是人工智慧中最重要的一環。

對於人工智慧，百度詞條上是這麼解釋的：人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、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。

從不同的角度來講，人工智慧的解釋也會不同，比如在計算機領域的人士看來，人工智慧屬於計算機科學的一個分支，而對於生物學、心理學、神經科學等領域的人士看來人工智恩那個也屬於它們的學術範圍，甚至有些學哲學的人也在刷存在感。

簡單解釋來講，人工智慧就是在科技發達的當今社會里，人們研究出的用機器代替人類完成複雜工作的程式，給機器賦予人類的思考、學習和工作的模式。當然，這種"複雜工作"往往是人類都無法完成的，所以很多人開始擔心未來人工智慧將會取代人類，甚至對人類的安全造成威脅，生活中也不乏看到一些人工智慧控制人類的電影。

至於人工智慧能不能像手機一樣普及，答案一定是肯定的，5G時代的到來就是人工智慧普及的開始。其實，你現在放下手機，自己觀察一下週邊的生活就會發現，人工智慧早就悄無聲息的滲入到社會中了，比如超市的無人收款臺，買東西時的刷臉支付，高鐵、地鐵、飛機的無人駕駛，車位引導，家裡的掃地機器人，智慧音箱......都屬於人工智慧在生活中的應用。

再不久的將來，人工智慧的應用將會更加廣泛，像手機一樣普及也是早晚的事兒，而且手中的智慧手機也會變成人工智慧手機。

樓下幾位介紹人工智慧的時候都不提圖靈測試了嗎？現在所謂的人工智慧哪個通過了這個測試呢？無非就是大資料+模糊判斷罷了。

人工智慧就是AI(Artificial Intelligence)，簡單來說就是讓機器擁有像人一樣的智慧。傳統的計算機只能執行人賦予的程式命令，最多是做簡單的推理判斷，很少並且很難像人類一樣進行高階的學習推理。目前的主流人工智慧演算法是建立特定的數學模型，然後使用海量的資料集進行訓練，並以一定的標準進行約束考核。最終產生的模型便好像具備了“智慧”一樣，在某一特定領域可以進行高效的推理判斷。人工智慧的終極目標是產生類似人或超越人的智慧演算法，就像科幻電影裡的機器人一樣（例如下圖的終結者）。

目前主流的基於資料訓練的人工智慧演算法在很早之前就提出了，但是由於當時計算機速度較慢，資料難以收集，AI研究一直處於低潮。近些年來計算機速度有了大幅提升，大資料採集也變得非常容易，人工智慧產業迅速發展，並且已經在某些領域迅速商用。AI演算法可以高效進行語音識別，影象識別，資料探勘，行為預測等等領域。事實上AI已經像手機一樣普及了，手機上的語音助手就是最典型的應用（例如下圖的小米小愛同學）。

但是目前基於資料訓練的AI模型有個很大的問題，訓練出來的模型像黑盒一樣，科學家並不知道內部的原理。並且模型的功能非常依賴於訓練資料集，只能處理相對單一的功能領域。近些年來AI理論沒有巨大突破，因此訓練出來的人工智慧更像人工“智障”，與人類最基本的推理判斷能力比較相去甚遠。所以對於多數人想象中的人工智慧還沒有誕生，更不要說是普及。個人觀點，人工智慧必須對人腦科學，認知理論要突破性的進展，AI演算法才能取得真正的突破。

人工智慧簡稱AI，就是利用計算機去模擬、延伸、擴充套件人的智慧，使我們的計算機能和人一樣的去思考和學習，使機器變得更加的聰明，更準確的去控制。人工智慧的應用非常的廣泛，如我們常見到的智慧控制，智慧材料，智慧家電等。人工智慧在不久的將來應該會像手機一樣的普及。

經過近30年的沉默，“人工智慧”一詞在過去兩年中已成為科技公司的公共關係戰場和線上媒體的熱情。它已被政府重視並受到投資界的追捧。結果，隨之而來的新聞釋出會和峰會論壇被提出，政府的戰略計劃被引入，各種各樣的新聞不勝列舉，宣告“智慧為王”時代的到來。

什麼是人工智慧？目前的研究處於什麼階段？未來如何發展？這是每個人都普遍關注的問題。由於人工智慧涵蓋了廣泛的學科和技術，因此很難在短時間內充分理解和理解人工智慧，更不用說非專業人員了，即使對於該行業的研究人員而言也是如此。

因此，現在許多宣傳和決策過程都趨向於預先認可，這不可避免地引起一些思想和輿論的混亂。

首先，這個問題本身存在問題：人工智慧和手機本身並不是同類型的產品，也就沒有像手機普及一說。這個問題可能是將具有高度類人智慧的人形機器等同於人工智慧本身了。

我的結論是：人工智慧如今已經普及，已經成為網際網路的大腦。

那麼，什麼是人工智慧？

在古希臘時期的神話中，赫菲斯托斯就曾用粘土製作了一個名為潘多拉的女人，眾神給予了潘多拉眾多禮物，其中就包括人類的語言能力。

電影《機械姬》中有一個美麗的人形機器人，在工程師測試其智慧程度的過程中，使用欺騙、魅惑等方式，讓工程師心甘情願的幫她逃離實驗室，人類被這種具有人工智慧的人形機器人玩弄於股掌之間。

然而，現實生活中的人工智慧卻不是這些樣子。當人類第一次構建可程式設計計算機的時候，就已經在思考人工智慧的問題，隨著人類對計算機和自身瞭解的增強，人工智慧的定義也從“與人類思考方式相似的計算程式”進化為“會學習的計算機程式”，並進一步成為具有眾多實際應用和課題研究的一個領域。

為了解決這些問題，誕生了一種名為“深度學習”的方法。深度學習可以讓計算機從經驗中學習，並根據層次化的概念體系來理解世界。層次化的概念讓計算機構建較簡單的概念來學習較複雜的概念，如果將這些概念繪製成圖，我們可以得到一張“深”（層次很多）的圖，所以這種方法被稱作“深度學習”。

其實，人類研究人工智慧已經有很長時間了。IBM的人工智慧“深藍”（Deep Blue）在1997年擊敗了國際象棋世界冠軍Garry Kasparov。其主要工作原理就是“深度學習”。

同樣的，還有Google旗下Deep Mind人工智慧研發團隊研發的人工智慧AlphaGo，曾與圍棋大師李世石、柯潔進行比賽，分別以4比1和3比0的成績勝出。

2019年1月，同樣是Deep Mind研發的人工智慧AlphaStar在《星際爭霸2》比賽中以10比1的成績擊敗人類職業選手。這也是人工智慧發展的有一個里程碑式的事件。

“深度學習”只是人工智慧領域中研究的一個方向。在研究人員的努力下，人工智慧如今已經深入到人們生活的方方面面。

蘋果 Siri、百度度秘、 Google Allo、微軟小冰、亞馬遜 Alexa等智慧助理已經成為人們生活的一部分。

除了這些看起來就很“智慧”的產品，人們沒有感知到的還有很多，比如每一張照片的防抖、背景虛化效果、夜景模式、美顏效果，背後都是人工智慧演算法的功勞。

回到這個問題，雖然問題本身有些歧義，但是我們現在看到的是，人工智慧正在改造我們的手機，讓它從一個通訊工具、生產力工具、娛樂工具轉變為我們人體延申的一部分，變成我們第二個大腦。

作為一名科技工作者，我來回答一下這個問題。

雖然當前人工智慧技術是科技領域的一個創新熱點，而且未來的發展前景也非常廣闊，但是要想把人工智慧概念說清楚卻並不容易，因為目前關於人工智慧的定義依然處在發展過程當中，而且人工智慧涉及到的內容非常多，要想獲得一個精確的定義也存在一定的困難。

目前人工智慧領域的研發思想主要是基於“合理性”展開的，包括“合理地思考”和“合理地行動”，這種研發思想雖然具有一定的侷限性，但是在研發上會更加清晰，也更容易實現。

從技術體系結構上來看，當前人工智慧領域的研究涵蓋了六個大的方向，包括自然語言處理、計算機視覺、機器人學、機器學習（深度學習）、自動推理和知識表示，這些大的研究方向裡面還涉及到一系列細分方向，所以人工智慧領域的研發空間還是非常大的。由於當前人工智慧的技術體系尚不成熟，依然有大量的研究課題有待突破，尤其是在落地應用環節，所以目前人工智慧領域的人才需求依然以研發型人才為主。

雖然人工智慧目前依然處在發展的初期，但是目前也有大量的人工智慧技術在嘗試落地應用，而且在一些生產環境下，已經獲得了一定的突破，這對於促進人工智慧領域的整體發展也具有比較積極的意義。在當前產業網際網路的推動下，不少資源整合能力比較強的大型科技公司陸續推出了自己的人工智慧平臺（目前主要集中在視覺和自然語言處理兩方面），相信隨著這些人工智慧平臺的不斷完善，未來產業領域的智慧化程度會不斷得到提升。

最後，人工智慧的發展需要一個系統的過程，從某種角度上來看，當前已經進入了智慧化時代，所以未來人工智慧技術的普及程度一定會不斷提升。

人工智慧事實上已經開始普及了。

小到手機裡的各種語音助手，大到機場高鐵的人臉檢票，這都是人工智慧應用的案例。

至於為什麼很多人沒有感覺，可能是因為在很多人的潛在意識裡，電影裡的那種有思維意識、無所不能的技術才是真的人工智慧。

事實上，人工智慧是可以分為強人工智慧與弱人工智慧的。

1.強人工智慧：

強人工智慧就像電影裡的場景一樣，智慧機器是有意識，能夠進行自我思考的。以目前的技術水平要想達到這樣的場景還需要很長的一段路。

2.弱人工智慧：

看起來像智慧，但沒有真正的意識，無法進行自我思考。這是目前很多人工智慧產品的現狀。比如，我們上面提到的語音助手，人臉識別等等，這些應用是有人工智慧技術加持的，但是產品本上是無法進行自我思考，也沒有像人一樣意識的。

目前來看，弱人工智慧已經普及，但是強人工智慧仍需要很長一段路。

現如今，人工智慧已經被炒的非常火熱，似乎不管是不是科技圈的人士，都要在嘴邊聊上幾句人工智慧，以顯示自己多麼與時俱進。

人工智慧的定義是讓機器實現原來只有人類才能完成的任務，其核心是演算法。

例如下圖所示就是讓機器模擬人各種能力的人工智慧領域示意圖：

當然一方面人工智慧的確是未來的方向，而另一方面則是因為人工智慧有可能是科技圈中的下一個黑天鵝。說不定什麼時候，一隻獨角獸就會從中誕生。

但在此之前，一定要正確的認清什麼才是真正的人工智慧。

偽人工智慧橫行

現在大多數人工智慧都屬於偽人工智慧。為什麼這麼說，可以從以下兩個方面來解釋。

第一，人工智慧不是一下就能做出來的，需要時間以及實驗的積累。

而做出人工智慧的這些人才也是一樣，他們需要切實的接觸到真正的人工智慧當中，不過這樣的人才在全世界也就寥寥幾百個。

但是好像在一瞬間，在中國就有幾萬個人工智慧方面的人才被選拔了出來，可想而知這樣的人才是真正的人工智慧專家嗎？

這些人才往往被大公司冠以年薪30萬或50萬瘋搶，雖然裡面的確有很多優秀的人才，但是這樣未免顯得太過著急。從人才培養角度來看，人工智慧領域還存在著大量的泡沫。

第二，許多專案只不過是換了個‘馬甲’。

許多創業公司喜歡為自己的專案貼上一個標籤，這樣的話不但可以吸引眼球，更能得到投資人的青睞。

雖然不能說這種做法是錯誤的，但這顯然也不是真正的人工智慧，甚至會誤導其他人對於人工智慧的認知。

比如許多專案在貼上人工智慧標籤之前非常簡單，只是一些如同機器人學習，或者演算法研究之類的專案，如今搖身一變全都成為了人工智慧。

什麼才是真正的人工智慧？

我們既不是專家，也不是專門研究這種領域的學者，有沒有簡單的方法直接辨別什麼是人工智慧，什麼是偽人工智慧？

答案是有的。

舉一個簡單的例子，之前人們也嘗試教計算機下國際象棋。計算機經過學習之後，與人們依然互有勝負，在最終完全戰勝人類的時候，時間已經過去了10年。

而谷歌的AlphaGo，從什麼都不會到圍棋中不可戰勝的存在只用了短短一年的時間。

由此可以看出，真正的人工智慧體現在其卓越的學習能力。

如果你隔一段時間，大概3個月左右去看一個演算法的進步，比如面部識別，如語音識別，如果該演算法進步只是代數級，沒有達到指數級，那麼這種演算法可能更多的是機器學習，還未達到人工智慧水平。

既然已經辨別了什麼是真正的人工智慧，那麼對於人工智慧而言，什麼才是最重要的。

可能有些人會說演算法，有些人會說裝置，有些人會說程式設計技術。雖然它們也是構成人工智慧中重要的一環，但是這些都不是最重要的。

對於真正的人工智慧而言，最重要的永遠是大資料，只有擁有完整的資料，人工智慧才能真正的發展起來。就像是一把寶刀，需要有一塊好的磨刀石才能讓它更加銳利，而大資料恰好就是這塊最好的磨刀石。

就像是谷歌的AlphaGo，有人說為什麼AlphaGo不去下象棋，而是隻在圍棋領域中稱雄呢。

AlphaGo的專家則表示，不是他們不想這麼做，而是無法這麼做。因為在圍棋中，日本人一直以來有儲存棋譜的習慣，在每個棋譜上都標註了什麼是第1手，什麼是第100手，這樣很容易被AlphaGo學習。

但是對於象棋來說，自古以來大多數都是殘局。雖說殘局也很精彩，但是對於AlphaGo來說，它不知道殘局形成的原因，對之前的步驟一無所知，這樣就會對它的認知造成障礙。

這也說明，完整的資料對於人工智慧多麼重要。任何拋開資料談人工智慧的，全都是耍流氓。

人工智慧中的獨角獸

目前，中國的大部分資料全都被BAT所掌握著，國外則是Facebook、Google、亞馬遜之類的企業。對於創業者而言，想要打破資料的壟斷具有相當大的挑戰，但也不是沒有機會。

比如說醫療資料，BAT就還沒有形成壟斷。金融方面資料，更多的掌握在金融公司手中，這些網際網路企業也沒有。

在這兩個領域，不管你的技術水平如何，至少在資料方面是在同一起跑線上，這對於創業者或後進入的公司是一個難得機遇。同時，下一個巨頭也有可能在這兩個領域誕生。

就拿醫療來說，國外已經有許多家企業與醫院達成協作，直接讀取醫院中的病例以及X光片或者CT片。

醫生一天看10張並且分析出症狀都已經是非常有經驗了，而人工智慧，則可以在1個小時內看10萬張，效率不可同日而語。

對於醫生而言，診斷病因需要基於自己的經驗積累。但是對於人工智慧來說這就太簡單了，透過影象和最終診斷結果的閉環學習，人工智慧很快就能對X光片或CT片進行病因分析。當然這一過程需要不斷完善，才能提升正確性及智慧化。

在國外由於隱私保護非常嚴密，很多資料無法開放，因此無法做到大量資料錄入。

但是由於如今中國民眾對於隱私保護還沒有那麼嚴格，因此中國企業還是有機會在這個領域中實現超越的。

只要有了大資料，特定領域超越BAT也不是不可能的。

所以說，資料才是人工智慧中最重要的一環。

對於人工智慧，百度詞條上是這麼解釋的：人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、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。

從不同的角度來講，人工智慧的解釋也會不同，比如在計算機領域的人士看來，人工智慧屬於計算機科學的一個分支，而對於生物學、心理學、神經科學等領域的人士看來人工智恩那個也屬於它們的學術範圍，甚至有些學哲學的人也在刷存在感。

簡單解釋來講，人工智慧就是在科技發達的當今社會里，人們研究出的用機器代替人類完成複雜工作的程式，給機器賦予人類的思考、學習和工作的模式。當然，這種"複雜工作"往往是人類都無法完成的，所以很多人開始擔心未來人工智慧將會取代人類，甚至對人類的安全造成威脅，生活中也不乏看到一些人工智慧控制人類的電影。

至於人工智慧能不能像手機一樣普及，答案一定是肯定的，5G時代的到來就是人工智慧普及的開始。其實，你現在放下手機，自己觀察一下週邊的生活就會發現，人工智慧早就悄無聲息的滲入到社會中了，比如超市的無人收款臺，買東西時的刷臉支付，高鐵、地鐵、飛機的無人駕駛，車位引導，家裡的掃地機器人，智慧音箱......都屬於人工智慧在生活中的應用。

再不久的將來，人工智慧的應用將會更加廣泛，像手機一樣普及也是早晚的事兒，而且手中的智慧手機也會變成人工智慧手機。

樓下幾位介紹人工智慧的時候都不提圖靈測試了嗎？現在所謂的人工智慧哪個通過了這個測試呢？無非就是大資料+模糊判斷罷了。