寫點自己的拙見，人工智慧，距現在也有大幾十年的發展為什麼在這兩年突然增速，應該有多個方面的原因，硬體運算速率的大幅度提升和軟體相關問題的解決例如機器學習等。展望：人工智慧或許是一個劃時代的科技進步，他或許比網際網路、物聯網等技術帶來的便利性更大，但是還需要更多的技術人才來把控人工智慧的發展方向和程度。當然我們絕大多數人也應該順應這個社會的高速發展，運用好人工智慧，讓這種技術服務於人類造福地球的生態體系發展。

沒那麼複雜，至少現在沒那麼厲害，大部分都是統計學。做點資料分析預測啥的。人工智慧是能夠和人一樣進行感知、認知、決策、執行的人工程式或系統。人工智慧研究學派主要有：

1、結構模擬 最先提出來的智慧模擬就是結構模擬的思路，其代表性的成果有神經元的MP模型、多層感知器MLP模型和人工神經網路等。結構只是硬體基礎，不能完全確定系統的智慧行為，人的智慧系統不僅結構複雜，而且機制深奧，不是現在的人工神經網路所能完全模擬的。

人工智慧

2、功能模擬 面對結構模擬所存在的問題，另一類人工智慧的研究者開始模擬智力功能，其最典型、最成功的應用代表就是專家系統。功能模擬也具有明顯的缺點：系統的智慧水平與獲得的知識水平有很大的關係，很多知識獲取困難，專家知識充滿矛盾和偏面，再加上現有邏輯理論的侷限性等。

人工智慧

3、行為模擬 在功能模擬和結構模擬都暴露了各自的缺陷後，20世紀90年代，開始出現了行為模擬的思路，在這個研究方法中，首先是機器感知，然後針對感知資訊做模式分類，最後是對感知判斷結果做出的模擬智慧的行為，這也被稱為感知-動作系統。Brooks完成的模擬六腳蟲的爬行機器人系統就是典型的應用。行為模擬也具有明顯的缺點：隨著任務環境的變化，系統如何能自主學習並擴充從感知到動作之間的對映知識？而且只有那些能用行為表現的智慧才能被模擬，可是很多智慧過程無法用行為直接表達。

人工智慧

4、機制模擬 結構模擬、功能模擬和行為模擬都具有先天不足，後來研究發現，智慧的生成機制才是智慧系統的核心。機制模擬方法是指無論對什麼問題、環境和目標，智慧系統的生成機制必然要獲得“問題、約束條件、預設目標”等資訊，然後提取和建立相關知識，進而在目標控制下，利用上述資訊和知識演繹出求解問題的策略，並轉化為相應的智慧行為作用於問題，並解決問題。

人工智慧

當前的AI熱潮源於結構模擬方法方面的突破，由於解決了深度神經網路的訓練問題，加上大資料的高效能計算平臺（雲計算、GPU等）變成現實，使得深度神經網路的表達能力得到了充分的發揮。人工智慧在很多方面已經趕超了人類，但是在本質上離真正的智慧還有很大的距離，這也是我們不斷期待和努力的方向。