Al的最核心要素是什麼？學習，或者說是自學能力，用海量資料進行訓練後變得更聰明的演算法。而想要學習，自然需要足夠豐富的資料，從中吸取精華。Al之所以近兩年才有爆發的趨勢，就是因為它所需的學習資料才剛剛勉強湊齊。

光纖寬頻、4G網路、藍芽和Wi-Fi的普及，讓幾乎所有的電子裝置都具備了聯網能力，而我們每天的行為也都會被它們上傳到雲端，形成“大資料”。現在我們隨便搜尋個關鍵詞，搜尋引擎反饋的結果中總有“猜你喜歡”。此外，我們的郵箱、APP每天還會收到很多推送廣告/新聞，但無論是猜你喜歡還是推廣的廣告/新聞裡面還真有很多你所關心或急需的。

未來已來，讓我們拭目以待吧！

.AI人工智慧的重要部分，其中最核心的要素我認為是：應用。最早之前就有人說過，不管黑貓白貓，抓到老鼠就是好貓。所以，再好的技術最終需要應用在實踐中，給人們的生活帶來利處，最終才能被全人類所接受。

阿爾法go打敗著名圍棋旗手李世石，成為了當時炙手可熱的話題，也產生了AI威脅論，其實大可不必如此，我認為這是為人類服務的，而且帶來的都是便捷生活。接下來引用一個生活案例進行說明：

想象一下你和你的朋友剛買了一個複雜的新棋類遊戲，有一塊精緻的板子和各種各樣的棋子、卡片以及複雜的規則，沒有人知道怎麼玩它，但是在讀完說明書之後你們開始遊戲。有些人可能會犯一些錯誤，但幾輪下來，每個人都學會了遊戲規則，至少可以嘗試贏得比賽。

在學習這個遊戲的過程中發生了什麼？

1. 語言解析：讀遊戲規則的玩家必須將符號轉換成口語。聽遊戲規則的玩家必須分析口語。現在的AI機器人都是基於這個技術進行發展的，還有很多智慧語音人機互動系統也是鑑於語音詞條的匯入及後續對話過程中的資訊積累，在智慧看護機器人中擁有了大量的成功案例。

2. 模式識別：玩家必須把所朗讀的單詞和遊戲中的物體連線起來。如果該說明書有插圖，那麼它們必須與現實中的物體相匹配。在遊戲中，玩家必須識別出旗子和卡片的錯綜組合，以及事件發生的關鍵序列。優秀的玩家還會學習去識別其他玩家的遊戲模式，從而有效建立起有關他人心理狀態的模型。

這就是AI裝置對場景的識別，比如一個匯入在汽車駕駛輔助系統中的AI系統，他需要在駕駛前分辨周圍的環境及駕駛員是否滿足條件，剔除酒駕，超載等危害駕駛行為。甚至於在之後的無人駕駛中，都會有非常大的發揮。

3. 運動控制：玩家必須能夠將棋子和卡片移動到棋盤上的正確位置。這是執行過程中的調控，任何技術都是變化的，需要不斷適應和佐證。

4. 規則遵守與規則推斷：玩家必須理解規則並檢查規則是否得到了正確的應用。這種推論能力與塑造他人思維模型的能力密切相關。（這在心理學中被稱為心智理論，theory of mind）。人類社會的發展與規則有著密不可分的關係，AI世界自然也有其發展的規則和演算法基礎。

5. 社交禮儀：玩家之間是朋友夥伴的關係，即使有些玩家犯了錯誤或擾亂了遊戲程序，也應當友好相處。這就是在人工智慧的發展過程中，我們需要警惕攪局者，並且及時引導，確保發展方向的一致性，正如動畫片裡具有AI大腦的“惡魔”這是需要進行改正的。

6. 處理干擾：如果門鈴響了，外賣到了，玩家們必須能夠從比賽中抽身，與送貨人打交道，然後再投入到比賽中，回憶起遊戲的進展，譬如輪到誰了。

這在人工智慧與駕駛系統的結合中是最廣泛應用的，未來在人工駕駛和無人駕駛的世界中，做好緩衝和過度尤為重要，目前Google在這一塊取得了長足的進步，特斯拉的無人駕駛也已經初步成型，2017年10月在湖南株洲測試的無人駕駛公交車更是滿足了人類的獵奇心理。

個人認為Ai最重要的是學習能力，因為這正是人類不斷髮展的動力源泉？人類從山頂洞人到今天，大腦其實沒發生太多改變，智力也沒有提高，但是因為學習和傳承，我們的確發生了翻天覆地的改變。如果沒有學習能力,Ai其實也就是個複雜點的程式