AI即Artificial Intelligence，人工智能。這里的智能，不是智能硬件的智能，而是對(duì)應(yīng)著人類大腦的智能。打造人工智能，就相當(dāng)于賦予機(jī)器以智商和情商。

1963年，人類第一次與機(jī)器進(jìn)行國(guó)際象棋對(duì)決。1997年，其時(shí)排名世界第一的加里·卡斯帕羅夫，輸給了由IBM研發(fā)的深藍(lán)計(jì)算機(jī)——一個(gè)每秒可以運(yùn)算2億步棋的“怪物”。此后，國(guó)際象棋的人機(jī)對(duì)抗，成為了一種衡量計(jì)算機(jī)智能化程度的參照。

幾年前，由Google研發(fā)的AlphaGo第一次擊敗了比國(guó)際象棋更具挑戰(zhàn)性的圍棋職業(yè)選手。讓外界第一次領(lǐng)教了“深度學(xué)習(xí)”（Deep Learning）技術(shù)的威力。與深藍(lán)靠算力擊敗象棋選手不同，AlphaGo憑借的是“深度學(xué)習(xí)”原理，讓機(jī)器具備“思考”能力。

而縱觀消費(fèi)電子產(chǎn)品中的AI，與上述的AI有著本質(zhì)上的差別。在廣告渲染下，諸如Siri等語音助手也被當(dāng)做了AI技術(shù)。不可否認(rèn)，類似Siri這樣的產(chǎn)品，確實(shí)具備很多技術(shù)含量，但主要集中在語音識(shí)別和自然語言處理方面。這也算是AI領(lǐng)域的一項(xiàng)分支，但還不是真正的AI。

當(dāng)前應(yīng)用在智能家居和消費(fèi)電子產(chǎn)品中的AI，并不具備真正的思考能力，它們只是在語音識(shí)別、語義識(shí)別的基礎(chǔ)上，對(duì)前端傳感器傳輸?shù)臄?shù)據(jù)進(jìn)行了特定邏輯的歸納和演繹，并結(jié)合互聯(lián)網(wǎng)信息進(jìn)行了二次加工。

一個(gè)真正的AI系統(tǒng)，要經(jīng)過大量的數(shù)據(jù)訓(xùn)練，逐步掌握以人類視角去理解事物的邏輯。比如，Google的人工智能系統(tǒng)，在對(duì)幾百萬張貓的圖片進(jìn)行學(xué)習(xí)后，基本掌握了視覺層面的貓的樣子，當(dāng)它看到一張新的貓圖片后，能夠根據(jù)此前學(xué)習(xí)，判斷出“這是一只貓”。這才是真正的AI。

一個(gè)完整的AI系統(tǒng)，包括了機(jī)器學(xué)習(xí)（ML）、自然語言處理（NLP）、專家系統(tǒng)、機(jī)器視覺、語音識(shí)別、策略和機(jī)器人學(xué)等多個(gè)方面。

機(jī)器學(xué)習(xí)中最重要的部分就是深度學(xué)習(xí)，深度學(xué)習(xí)的主要課題是研究神經(jīng)網(wǎng)絡(luò)。這個(gè)神經(jīng)網(wǎng)絡(luò)不是人腦的神經(jīng)網(wǎng)絡(luò)，而是一種賦予機(jī)器自主思考能力的邏輯算法。目前，深度學(xué)習(xí)的主要代表算法是卷積神經(jīng)網(wǎng)絡(luò)（CNN）、深度神經(jīng)網(wǎng)絡(luò)（DNN）和RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）。

無論是哪種算法，都在某種程度上模擬了人腦的運(yùn)算法則。目前，科學(xué)界對(duì)人腦到底是如何運(yùn)作的，還處于初期的探索階段。但神經(jīng)網(wǎng)絡(luò)的復(fù)雜架構(gòu)，可以肯定是人腦思考的必要設(shè)施。僅大腦皮層就有140億個(gè)神經(jīng)元。

人類大腦特有的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，以及龐大的神經(jīng)元數(shù)量，是人類具備自主思考能力的前提條件。計(jì)算機(jī)領(lǐng)域創(chuàng)造機(jī)器的神經(jīng)網(wǎng)絡(luò)，就是一種“仿生學(xué)”算法。從數(shù)學(xué)角度講，人類之所以有意識(shí)，正是大腦神經(jīng)網(wǎng)絡(luò)的閉環(huán)結(jié)構(gòu)所創(chuàng)造的一種超級(jí)計(jì)算機(jī)導(dǎo)致的結(jié)果。

當(dāng)你在思考“明天中午吃什么”的問題時(shí)，大腦至少有幾十億個(gè)神經(jīng)元參與其中，神經(jīng)介質(zhì)以每小時(shí)250公里（17級(jí)臺(tái)風(fēng)的風(fēng)速）的速度傳遞在神經(jīng)網(wǎng)絡(luò)中。放在AI中，基本原理是相同的，只不過這個(gè)過程中的“介質(zhì)”傳遞速度是根據(jù)芯片的運(yùn)算速度決定的，顯然比人腦要快很多倍。

CNN、DNN和RNN在思路上有些差異，但并不是完全排斥的，每種算法都有其他算法所不能及的一面優(yōu)勢(shì)。DNN是基于NN（神經(jīng)網(wǎng)絡(luò)算法）改良的一種算法，解決了梯度消失的問題；而CNN則是將圖像處理融入其中的一種，解決了DNN算法中的過度擬合和局部最優(yōu)解的問題；RNN則是以時(shí)間作為深度的神經(jīng)網(wǎng)絡(luò)。

除了機(jī)器學(xué)習(xí)外，自然語言處理也是AI中的重要分支，它讓計(jì)算機(jī)能夠聽懂人類的指令。專家系統(tǒng)是指向AI輸入某個(gè)領(lǐng)域的專業(yè)知識(shí)，以滿足其在特定場(chǎng)景中的功能。對(duì)于AI來說，目前的重點(diǎn)還在于機(jī)器學(xué)習(xí)與自然語言處理上，這是讓人工智能服務(wù)于某個(gè)場(chǎng)景或客體的前提。