追求自动化、智能化是我们永远的目标，人工智能学科在1956年的被提出，一路历经坎坷，如今已成为一门交叉、前沿科学。被全球高度关注同时投入大量的资源，不管是人工智能的商业应用，还是已经融入我们生活的智能化系统，都预示着，AI will be the future！

AI概论：自动化、智能化

首先，什么是人工智能？目前科学界还没有一个统一的人工智能定义，比较被认可的定义主要有以下3类：

• 定义1（机器智能）：能够在各类环境中自主地或交互地执行各种拟人任务的机器（如外太空探测机器人）
• 定义2（从学科的界定）：关于知识的科学，即知识的表示，知识的获取、知识的运用（如google的知识图谱）。
• 定义3（从人工智能所能实现的功能来定义）：智能机器所执行的与人类智能有关的功能，包括判断、推理、证明、识别、感知、理解、设计、思考、规划、学习、问题求解等思维活动

一、“智能”的研究层次

人工智能的核心是研究人类智能活动规律和模拟人类智能行为的理论、方法和技术。“智能”具有复杂性，难以单一理论方法来描述，可以通过抽象层来建立AI的研究主体，如下图所示：

智能的层次

最底层：是生物智能的本源体现，也是人工智能的终极目标；
抽象层：是对现实世界的逻辑量化和探索；
高阶层：是通过技术手段，借助抽象层的理论来模拟现实；
应用层：是将高阶层的高度拟合产物应用与实践，同时反哺高阶层、抽象层。

二、智能中的“认知过程”转换

1.生物智能在计算机中的认知过程转换。
人类的心里活动主要分为3个层次：

• 第一层：中枢神经系统、神经元和大脑活动；
• 第二层：初级信息处理；
• 第三层：思维策略；

那么如何将人类的认知过程通过计算机来进行实现呢？同样对于计算来说也分为3个层次：计算机程序、计算机语言、和硬件。主要的问题便转化为：

• 1.探究高层次思维决策与初级信息处理之间的关系；
• 2.计算机程序模拟人的思维策略；
• 3.计算机语言模拟初级信息处理；
• 4.计算机硬件（芯片）模拟人的生理；

2.人工智能的研究领域

人工智能的研究领域，包括：

• 问题求解：如商业中从海量数据中挖掘商业规律
• 自然语言处理：如聊天机器人；
• 自动定理证明：如四色定律；
• 专家系统：如医学上的肿瘤检查专家系统；
• 机器人：如火星探测机器人等
• 模式识别：图像识别、语音识别；
• 知识发现：如强化学习等；
• 人工生命：如通过脑机接口解决耳聪人群的听力问题
• 群体智能
• 智能控制

三、人工智能的发展趋势：

1.人工智能的发展阶段

可以用如下的图示来进行表达：

人工智能的发展

人工智能在发展过程中的主要学派包括：符号主义、联结主义、行为主义。

• 符号主义：基于物理符号系统假设和有限合理性原理，认为人工智能源于数理逻辑，用逻辑方法来建立人工智能的统一理论体系。其中的代表为“知识图谱”等。
• 联结主义：基于神经网络及其连接机制与学习算法，认为人工智能源于仿生学，特别是人脑模型研究。
• 行为主义：基于控制论及感知-动作型控制系统原理，认为人工智能源于控制论，主要代表如太空探测机器人。

2.人工智能的近期发展趋势

• 发展深度学习技术，构建深度学习芯片：如寒武纪的智能芯片、Google的张量神经网络芯片、TPU、GPU、CNN专用芯片等。
• 研发新的类脑学习算法和模型结构：如强化学习、深度学习的生成对抗网络、迁移学习等。
• 人机融合智能：如AI眼睛，以及植入式脑机接口（解决听力问题等）
• 人工生命：人类试图从传统工程技术开辟生物工程技术途径，来发展人工智能，部分科学家认为，人工智能“应该从生物学而不是物理学中受到启示”

3.人工智能的未来将是什么样子的呢？
人工智能的主要分为：弱人工智能、强人工智能、超人工智能。现在人类已经掌握了弱人工智能，很多已经融入我们的日常生活，如百度的搜图，讯飞的语音识别等等。人工智能的革命是从弱人工智能，通过强人工智能，最终达到超人工智能的过程。

• 弱人工智能：擅长单方面的人工智能。如下棋、图像识别、和机器翻译等。
• 强人工智能：一种宽泛的心理能力，能够思考，计划，解决问题，抽象思维，理解复杂理念并快速学习和从经验中学习等操作。
• 超人工智能：在几乎所有的领域都比最聪明人类大脑聪明很多，包括科学创新、通识和社交技能。人工智能跨过“奇点”，计算和思维能力远超人脑。