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”，也可能超過人的智慧。

其發展史大致如下：

1942年，美國科幻巨匠阿西莫夫提出“機器人三定律”，後來成為學術界預設的研發原則。

1956年，達特茅斯會議上，科學家們探討用機器模擬人類智慧等問題，並首次提出了人工智慧的術語，AI（人工智慧）的名稱和任務得以確定，同時出現了最初的成就和最早的一批研究者。

1959年，德沃爾與美國發明家約瑟夫·英格伯格聯手製造出第一臺工業機器人。隨後，成立了世界上第一家機器人制造工廠——Unimation公司。

1965年，約翰·霍普金斯大學應用物理實驗室研製出Beast機器人。Beast已經能透過聲納系統、光電管等裝置，根據環境校正自己的位置。興起研究“有感覺”的機器人約翰·霍普金斯大學應用物理實驗室研製出Beast機器人。Beast已經能透過聲納系統、光電管等裝置，根據環境校正自己的位置。

1968年，美國斯坦福研究所公佈他們研發成功的機器人Shakey。它帶有視覺感測器，能根據人的指令發現並抓取積木，不過控制它的計算機有一個房間那麼大，可以算是世界第一臺智慧機器人。

2002年，美國iRobot公司推出了吸塵器機器人Roomba，它能避開障礙，自動設計行進路線，還能在電量不足時，自動駛向充電座。Roomba是目前世界上銷量較大的家用機器人。

2014年，在英國皇家學會舉行的“2014圖靈測試”大會上，聊天程式“尤金·古斯特曼”（Eugene Goostman）首次通過了圖靈測試，預示著人工智慧進入全新時代。

2016年3月，AlphaGo對戰世界圍棋冠軍、職業九段選手李世石，並以4:1的總比分獲勝 。這並不是首次出現機器人打敗人類的事件。

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。人工智慧由於近年來的突破性發展，可以說將引發第四次工業革命，或者說已經在引發工業革命。這絕非妄言，首先，人工智慧使得機器已經在許多方面超過了人類，比如大家熟知的啊法狗。又比如在影象識別方面的準確性已經超越了人類，這意味著機器可以準確識別現實世界的環境狀況，從而可以做出正確的下一步行動。這也是前幾天百度李彥宏敢於無人駕駛汽車上北京五環的原因，也是谷歌敢於宣佈10年無人駕駛汽車全面商用的原因。影象識別超越了人類，語言翻譯等等其它許多方面也超越了人類。微軟的人工智慧小冰甚至已經正式出版了詩集。雖然人工智慧現在離全面超越人類還有些距離，但並不遙遠。現在最令人興奮的學科就是人工智慧。

撥開喧鬧複雜的表象，一文結構化讀懂人工智慧產業圖譜

筆者本週最早以人工智慧2.0事件為切入點，梳理了人工智慧領域的幾個方面。在蒐集資料過程中，要想理清思路搞清楚，發現有很多資料和說法因在不同層次，容易造成理解上的混亂。今天筆者試圖從結構化視角入手，讓沒有技術基礎的人，也能搞清楚人工智慧產業圖譜。

你有沒有發覺，也不確定從什麼時間開始，有關人工智慧的論壇、大會突然冒出來，一個接一個，甚至更多與之沒有多大關係的論壇，都會有人工智慧的分論壇。有關智慧製造熱度的餘溫仍在，趕潮的人們又迫不及待地追向下一個熱點。

都知道這個世界的常態是“變化”，可是，你有沒有覺得，追趕的變化越多，人變得越來越興奮，卻越來越看不懂這個星球了？當你在問“這個星球怎麼了”的時候，其實，最該問的是“我腫麼了”？

回到話題中來，其實，人工智慧技術已在金融、保險、媒體、消費等領域有應用。本輪製造業的變革已然超越工業企業和領域本身，隨著大資料、雲計算能力的提升，更多的科技、資訊科技在充分發展之後，開始深入應用到製造業態中，並帶來重構效應。

所以，關注先進科技和新一代資訊科技，及其在製造業各個場景裡的應用，是非常重要的事情。

趨勢的發展總離不開當初的初心，讓我們回到歷史的起點。記的是1956年，美國計算機協會組織的達特莫斯（Dartmouth）學會上提出“人工智慧”一次，主要由計算機專家和數學專家組成，John McKarthy、Marvin Minsky、Nathaniel Rochester、Claude Shannon等，當時初定義為：“使一部機器的反應方式就像是一個人在行動時所依據的智慧”。

來，讓我們正經一把，看看人工智慧的正兒八經的定義，：

人工智慧（Artifical Intelligence）是指使用機器代替人類認知、識別、分析、決策等功能，其本質是對人的意識與思維的資訊過程的模擬，是一門綜合了計算機科學、生理學、哲學的交叉學科。

也就是說，凡是使用機器替代人類實現認知、識別、分析、決策等功能，均可認為使用了人工智慧技術。

現在想來，當初那些提出人工智慧的腦袋是多麼聰明，不但自己特聰明，還想讓計算機像人一樣更聰明，讓計算機幫人們處理一些自身能力邊界之外的事情。Oh my God ！

60年來，人工智慧在經歷了誕生、黃金時代、遭遇障礙、繁榮、低潮等數個階段之後，人工智慧迎來了爆發期。在這段歷程中，供出現了三個學派：邏輯學派、連線學派和行為學派。

如今，在中國工程院潘雲鶴院士看來，人工智慧已發展到AI2.0的當口，即基於重大變化的資訊新環境，發展新目標的新一代的人工智慧。對於華人工智慧2.0的重點方向在哪？潘院士給出了五個主要方向：大資料智慧、群體智慧、跨媒體智慧、人機混合增強智慧、自主智慧系統。

其實，對於絕大部分非技術派人員，只要簡要了解其發展節奏就好了。可以利用時間，更多的關注應用場景領域和產品型別，這樣更能享受AI+產品/服務帶來的。

對於人工智慧60年來的歷程，會有很多視角去觀察和總結。在這裡，筆者選擇從驅動力視角梳理三個階段：技術驅動階段、資料驅動階段，場景驅動階段。

1、技術驅動階段：集中誕生了基礎理論、基本規則和基本開發工具。在此階段，演算法和計算力對AI的發展起到主要推動作用。計算力的三駕馬車：晶片、超級計算機、雲計算。

值得一提的是，人工智慧領域作為一個數據密集的領域，傳統的資料處理技術難以滿足高強度並行資料的處理需求。為解決此問題，繼CPU之後，相繼出了GPU、NPU、FPGA、DSP等“AI”晶片。

2、資料驅動階段：演算法和計算力將變成人工智慧領域的基礎設施——“水、電、媒”。人工智慧發展的第二階段，演算法和計算力已基本不存在壁壘，資料將成為主要驅動力，推動人工智慧更迭。

此階段，大量結構化、可靠的資料被採集、清洗和積累，甚至變現。例如，大量的資料基礎上可以精確地描繪消費者畫像，制定個性化營銷方案，提高成單率，縮短達到預設目標的時間，推動社會執行效率提升。

當然，針對不同行業特點，會出現技術驅動型應用領域和資料驅動型領域並存的局面。

人工智慧發展的第三階段，場景作為主要驅動力，不僅可以針對不同使用者做個性化服務，而且可在不同的場景下執行不同的決策。

所以，AI+場景（各個具體行業）才是未來。

這是本文的關鍵，就是以結構化視角觀察人工智慧產業鏈，只要掌握了這個分析版圖和框架，就會對人工智慧新聞事件呈現的紛繁之象看得清楚。

技術支撐層主要由AI晶片、感測器等硬體和演算法模型（軟體）等兩部分構成，其中感測器與IoT的感知層相似，包括GPU、FPGA、NPU等在內的AI晶片負責運算，演算法模型則負責訓練資料；

基礎應用層的技術主要是為了讓機器完成對外部世界的探測，主要由計算機視覺、語音識別等感知層和語義識別等認知層構成，這些技術是機器能夠做出分析判斷的基礎。此外，在感知與認知技術之下還有資料標註作為其底層支撐。

應用場景層是集成了某種或多種基礎應用技術的、面向如工業、自動駕駛、家居、倉儲物流、金融、醫療等不同應用場景的產品或方案。

人工智慧將深刻影響各個領域，在由華人工智慧產業創新聯盟編制的中指出，無論你是在To C 企業還是To B 企業裡，都有可能與人工智慧有關。

總體來講，人工智慧對於人類和從事的職業來講，有兩個角色，一是替代人工，一是輔助角色，前者將隨著技術的成熟度和廣泛的場景應用，將逐漸對其中崗位完成替代，目前已經在翻譯、生產線等崗位變成現實。而在一些創意、經營分析與決策方面，人工智慧起著輔助角色，要協助這些崗位的核心人員處理的更快、更好、更如意。

一切正在起變化，當明白這種結構圖時，就要思考自己的職業方向了。