想要了解人工智慧，我們首先了解個有趣的試驗“圖靈測試”。圖靈測試是針對聊天機器人方面，實驗者和一個人或一臺機器聊天，實驗者如果未發覺物件是機器時，那麼機器通過圖靈測試，並被認為具有人類智慧。現在我們生活中有很多機器充當客服，當然這些”假客服”要通過圖靈測試還有一段漫長的路要走。

說到人工智慧，不止圖靈要了解，還有一個泰斗級人物要了解Marvin Lee Minsky(馬文·明斯基)，是他把人工智慧這個概念推向全世界。當然他不止在推廣上做出貢獻，還在技術領域建立了第一個神經網路的程式。

人工智慧是一個大概念，它裡面包括機器學習而機器學習又包括深度學習。在第二次工業革命時就已經出現了機器幫助人們做一些事情，那時候已經就稱之為人工智慧，只不過不是高階的應用；隨著時間來1980，機器學習的概念就橫空出世了，其中處理垃圾郵件的程式就是機器學習的傑作，像這種處理垃圾郵件就需要一種自動過濾的演算法和訓練，這些就統稱之為機器學習；到了2010，深度學習的概念出現了，機器學習包含深度學習，大體是機器學習某些比較牛逼比較成熟的演算法，我們稱之為深度學習。深度學習在影象識別、語言識別、自然語言處理等等有著重大應用。

人工智慧之所現在得到空前的發展，是因為在以前一直被兩個因素制約著：第一個是計算機計算能力，導致很多演算法被放棄。第二個是資料，資料較少且沒有代表，無法從中獲取資訊。當然演算法的發展對人工智慧相當重要，沒有演算法的發展一切人工智慧都是扯淡！

影象識別。識別出影象裡的物件是什麼，比如照片裡的人是誰，這輛車是什麼車等等。在各個領域片地開發，將會人類給替代了，降低企業成本，現在已經有很多實現的案例。在醫療領域，應用人工智慧對各種影像圖進行疾病的判斷；在交通領域，實現自動駕駛；離生活近的一點應用，手機的人臉識別、某些軟體圖片視訊換臉等等。

自然語言處理。現在很多新聞，有一些可以實現用程式去生成新聞，比如天氣新聞之類、一些自媒體新聞等等…..之前所在的公司在法律領域為檢察官找出法律判斷文書的瑕疵，來降低誤判率，這些東西背後就是用一些深度學習的一些技術去實現的。

傳統預測。在各個企業應用是非常非常深度的，但是我們平常小老百姓可能是摸不著的。如在金融方面的信貸需求預測，計算出客戶信貸額度；在零售方面的店鋪銷量預測；在製造業方面的機器故障預測等等。