人工智慧的關鍵是機器學習，機器學習技術又可以簡單分為無監督學習，監督學習，強化學習和它們的混合型別等。

但是不管是哪一種技術，建立學習機制的數理模型和其相應的最佳化方法是最常見的解決實際問題的方法，因此，學習問題的建模技術和最最佳化技術可以看做是人工智慧模型的核心技術。

(祝大家財源廣進)

全名Artificial Intelligence，它的英文縮寫為AI.它是研究、用於開發、模擬、延伸擴充套件人的智慧理論、方法、技術及系統應用的一門學科。AI俗稱人工智慧，是計算機應用的一門學科

1.它試圖瞭解智慧的實質，並以一種新的方式模擬人類智慧近似的方式。這一點它的核心就是仿生智慧應用技術。

2.它的核心技術領域包括，機器人、語言識別、影象識別，自然語言處理，計算機視覺模型技術，仿生儲存技術等所有交叉科學和技術都在為實現一個核心在服務，那就是類腦運算技術。

3.類腦運算將是開啟人工智慧從智障走向智慧的大門鑰匙。

4.類腦運算的定義是強大的運算能力去破解一切疑問，這就又涉及到一門學科，量子計算技術。

人工智慧最核心的技術是什麼

如果說計算機視覺，計算機學習，語音識別等等

這些其實都太籠統了

因為這些都是人工智慧的技術分類

要說到人工智慧的核心

當然就要是適用人工智慧所有的技術

說白就是人工智慧是怎麼像人類一樣思考處理問題

不管是計算機視覺

還是語音識別還是計算機學習

還都不是模仿人類學習模式思考方式去處理問題

所以最核心的技術不是計算機視覺

不是計算機學習不是語音識別

這些技術類別

而是這些技術類別所共同存在的東西

那就是人工智慧如何像人類一樣思考處理問題

而這個的核心技術就在於它的資料處理模式

因為資料是人工智慧的基礎

任何人工智慧技術都是建立在資料之上

如何從資料裡面建立起分析與處理的資料模式

才能夠令這些資料智慧化地執行起來

在之前的文章裡<人工智慧需要學習什麼>

我就說了其中資料演算法是必須要學的

因為資料演算法是人工智慧的核心

具體地這裡就不多說

需要了解詳情的就去看一下人工智慧需要學習什麼

所以這個問題的答案就是

人工智慧最核心的技術就是資料演算法

作為一個菜鳥級別的資料探勘工程師，模型演算法才是最難理解的，也是最需要理解的。

所有我覺得，人工智慧最核心的就是演算法了啊！

無論是我們常說的機器學習還是深度學習，其中最關鍵的就是演算法

影象處理需要演算法，中文處理需要演算法，所有的這一切都是演算法再背後支撐的。

如果你要找機器學習或者深度學習、或者影象處理方面的工作，

如果在面試的時候你能準確理解模型背後的演算法，準確的表達出來，那麼你可以碾壓相同工作經驗的程式設計師；如果你能手推這些演算法背後的數學原理，那麼你提的薪資就是你的薪酬，甚至更高！

數學強則國強，再也不要說什麼學好數學有啥用處了？

用處大了，就怕你學不好

人工智慧風口來了，雖說並不能完全只能，但是半智慧還是很容易實現的，所以說，如果你想抓住風口，那麼就在本科讀數學專業吧，

數學這個在以前姥姥不疼舅舅不愛的專業現在可是紅的狠哦

PS：現在市面上許多培訓班，什麼多久掌握人工智慧，拿高薪的，我覺得這完全是忽悠，沒有數學基礎，根本不看好

我說下個人的看法。

很多現在看來是問題的問題我認為到最後都不是問題，反而是一些現在看來不是問題才是最終極的問題。

一般來說，人造技術最終問題其實都是最初問題。人工智慧最終極問題便是：算力和儲存。

似乎在大資料時代和摩爾定律發展的今天兩者都不是問題了，但實質上已經達到了一定的瓶頸了。

其實目前的演算法和資料處理技術在絕對的算力和儲存面前只是很微不足道的。很多熱門的技術不過是為了解決一些技術上的侷限罷了。但這些技術層面的發展的天花板很低的，最終還要靠演算法和儲存的質變。

量子計算機和生物儲存才是人工智慧得以突破的技術難點。

等到有近乎無限的算力和儲存出現後，人工智慧是水到渠成的。

謝謝老鐵邀請，人工智慧是未來的風口，將來的發展會日新月異，作為人工智慧的核心，應該是和人類的智慧相似，或者是，發展出超過人類的能力，對人工智慧瞭解不多，我感覺人工智慧的核心應該是大資料，或者是運算能力，當然，絕不會是一個方面。或許還有其他的！

原創思想，簡單說說吧，其一，首先，必須重新定義AI，AI絕不是現在理工男想象中的，人工製造的，用演算法驅動的所謂智慧，那不叫智慧，其二，自然進化出來的生物和人類，具有極其高效，節能的，從自然界的無數資訊中抽取出對自己有用的，高度簡化的抽象資訊，並加以模式歸類的能力稱為智慧，比如，人的聽覺，具有從無數人發出的無數語音訊號中抽取出極其有限的所謂`音位模式’，並加以歸類的能力，人的視覺同樣具有從無數的影象訊號中抽取出各種抽象的影象模式，並加以歸類的能力，這些智慧極其，簡單，高效，節能，並在瞬間完成（大腦僅僅消耗20瓦的功率），所以，在生物和人類的智慧一無所知的情況下，就別天天扯淡AI超越人類，AI唯一正確的方向就是老老實實，虛心向自然進化學習，走仿生AI和擬腦AI的道路，人類永遠是大自然的小學生，永遠別奢望AI能夠超越數十億年的自然進化。順便敬告那些噴子們，本民科之所以膽敢指點AI江山，是因為本民科早在三十多年前，就已經開始擬腦AI-語音聽覺感知的研究，並取得根本的突破，而三十年後的今天，理工男仍在折騰所謂的深度學習演算法，也敬告那些還在做語音識別的，你們花了數十年做出來的基於發音模型的演算法必將被擬腦AI的，基於聽覺感知模型的演算法徹底取代，成為歷史，這，就是中國民科在擬腦AI上的顛覆性創新! 所以，就別再扯淡中國不要自主創新，中國沒有原始創新了，中國的民科的原始創新，就是你們的榜樣！

看了看大家的回答，其實都在爭議另一個問題。

什麼是人工智慧？

我這裡倒是有一個簡單的答案。

哲學博士約翰·羅傑斯·希爾勒曾經對人工智慧做出瞭如下的定義：

人工智慧可分為兩種，一種稱之為弱人工智慧，另一種為強人工智慧。

弱人工智慧指的透過計算機模擬人類思維具有的行為表現，無法創造性的進行推理和解決問題的智慧機器。

這些機器只不過看起來像是智慧的，但是並不真正擁有智慧，也不會有自主意識。

強人工智慧指的是透過計算機制造出能夠進行自主認知的機器，並且可以獨立思考問題並制定解決問題的最優方案的智慧機器。

這種機器被認為是能自我認知的，有知覺的，有自我意識的，即機器的思考和推理的過程，就像人的思維一樣。

如果要探尋這兩種人工智慧的核心技術是什麼，也很簡單。

弱人工智慧的核心是可學習的神經網路演算法。

強人工智慧目前還沒有明確的方法指導，仍然在圍繞探尋“什麼是認知”這一個環節上。

也就是說，大眾所談論的人工智慧，實際上是弱人工智慧已經達到可以實現的地步。而強人工智慧，現在仍然處於探索環節，仍然使用哲學思想來指導研究方向。

現在，乃至未來十年或二十年的趨勢也是如此：

弱人工智慧越來越強，強人工智慧仍很弱。

人工智慧的發展遠沒有想象中進步那麼大！

所以說，現在已經不再是如何定義“什麼是人工智慧”的時代，弱人工智慧已經臨近生活，甚至已經走入生活了。

從目前弱人工智慧的整個產業鏈來看：

上游：晶片、感測器、大資料等。

中游：計算機視覺、語音識別、自然語言處理、機器學習等。

下游：物流、醫療、金融、教育、家居、機器人、自動駕駛等。

產業鏈的上游可以說包含了弱人工智慧的技術上最核心的問題。

之前谷歌的alpha機器人證明了深度神經網路演算法的學習速度，已經可以達到讓人滿意的地步。各個企業也在加緊開發應用於特定場景的神經網路演算法。

所以，神經網路，可以在軟體層面上解決弱人工智慧問題！

因為想要人工智慧專案落地，必須要有一個可以大幅提高計算速度的特種晶片，它需要在較短的時間內解決神經網路的演算法。

有一位叫Jeffrey Hinton的神經網路研究者，他發現用於圖形計算的GPU可以大幅提高神經網路演算法的計算速度。

目前亞馬遜、谷歌、Facebook、華為、阿里巴巴、百度等等，許多企業開始加緊開發自己的人工智慧晶片。

所以，以GPU為依託的人工智慧演算法處理晶片，可以在硬體層面上解決弱人工智慧問題！

這二者相輔相成，成為解決弱人工智慧的核心技術！

大家可以看我以前寫的文章《人工智慧，風口已到！可是，你真的瞭解嗎？》

我之前回答的問題《現如今的人工智慧技術已經發展到了哪一步？》

裡邊都詳細的解釋了人工智慧的發展歷程，以及目前人工智慧的發展情況。

很多人認為人工智慧的核心是技術，我不太認可這種說法。不管是弱人工智慧也好，還是強人工智慧也罷，都是模擬人。人有什麼特徵，具備學習認知能力，有情感。當然我們需要的人工智慧是幫人解決問題，並不一定要有情感，有情感就是真人了，所以我們需要的人工智慧強化的是智慧，一個智慧的存在，具備人的智慧。

很多人可能會問，智慧是怎麼產生的？怎麼能讓機器大腦也產生智慧？其實人生下來並不具備智慧，智慧是在人類社會中長時間的積累和傳承中產生的，是知識的衍生品。曾經聽過一個新聞，關於狼孩兒的，人類的孩子被狼養大，最終成為和狼別無二致的狼孩兒，不具備人的智慧。

所以我不認為人的智慧不是天生的，而是經過在人的社會中對知識的日積月累，最終形成智慧。而且這些知識也是千百年來人類社會發展、進步、總結和積累產生的。

那說回我們的人工智慧，怎麼樣能讓機器具備人的智慧，原理是一樣的，那就是讓機器學會足夠的知識，計算機的效率比人腦要快，所以計算機學習能力更強。透過足夠的知識積累，再借助技術讓這些知識能產生演變，轉化為智慧。

2017人工智慧阿法狗挑戰代表人類智慧最高水平的圍棋，並最後勝出，為什麼能勝，因為它記住了所有的人類的招式，並可以快速覆盤，並且不會犯錯。這都說明了智慧是知識積累一定程度而產生的，有大智慧也有小智慧，知識結構不同。

最後我的結論就是人工智慧的核心是人的知識，可以說是大資料，人的知識資料化。沒有這些龐大資料就不可能有什麼智慧，你讓人工智慧超出人的思想創造出全新的新理論新技術出來，這是不現實的，知識層次還有達到。所以大家不要把人工智慧神話了，人工智慧源於人同時也侷限於人。

作為演算法工程師，周圍同事都說人工智慧的目標是幹掉大部分崗位，終極目標是幹掉我們自己，對，就是幹掉我們自己。

目前有些客服崗位確實被幹掉了，但服務質量確實不敢恭維。現在所謂的人工智慧，說白了就是大資料和gpu堆起來的。可以預測你會對哪些商品點選，可以預測你是否會違約，可以和你對話。外行人可能會覺得神奇，其實這就是計算機嘴擅長處理的地方，處理資料。

經常有人說AI可以聊天 可以智慧答題 本質上都是資料堆砌的結果。當然，模型設計時為防止過擬合，不會出現抄寫歷史資料的情況。但本質上而言，AI不能創新，是最大的問題。

現階段的AI, 有很多商業落地場景，滿足了商人和投資者的要求。離智慧還相差甚遠。如果哪一天真的有智慧了，想想都恐怖。

你覺得呢？

我們82年開始人工智慧生涯，有20年矽谷經驗，目前正在研究新一代人工智慧的理論創新、商業創新、技術創新等。

我們理解人工智慧最核心的技術問題就是如何理解人類智慧並用機器進行模仿的問題。

這涉及兩個大的方面：

一個方面是人類智慧。需要深入研究人類生命科技。如下圖所示，中國在這方面的頂尖人才非常缺乏。

一個方面是機器智慧。需要深入研究機器生命科技，這方面中國基本上與世界同步。