人工智能（Artificial Intelligence）——为机器赋予人的智能King me：扮演跳棋玩家的计算机程序 ， 是最早的人工智能实例之一 ， 在20世纪50年代激起了人工智能的早期浪潮 。早在1956年夏天的那次会议上 ， 人工智能的先驱们就梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器 ， 既我们所谓的“强人工智能”（General AI） 。
这是一个无所不能的机器 ， 它有着我们所有的感知（甚至比人更多） ， 以及我们所有的理性 ， 可以像我们一样思考 。人们在电影里也总是看到这样的机器人：像星球大战中友好的C-3PO；或者是邪恶的终结者 。强人工智能目前还仅存在于电影和科幻小说中 ， 原因很简单 ， 因为我们还没法实现它们 ， 至少目前还不行 。我们目前能实现的 ， 一般被称为“弱人工智能”（Narrow AI） 。
弱人工智能是能够与人一样 ， 甚至比人更好地执行特定任务的技术 。例如 ， Pinterest上的图像分类；或者Facebook的人脸识别 。这些都是弱人工智能在实践中的例子 。这些技术实现了人类智能中某些特定部分 。但它们是如何实现的？这种智能是从何而来？其答案就是同心圆中的第二层 ， 机器学习 。机器学习—— 一种实现人工智能的方法Spam free diet：机器学习能够帮助你的收件箱（相对地）摆脱垃圾邮件的困扰 。
机器学习最基本的做法 ， 是使用算法来解析数据、从中学习 ， 然后对真实世界中的事件做出决策和预测 。与传统的为解决特定任务的人工编码程序不同 ， 机器学习是用大量的数据来“训练” ， 通过各种算法从数据中学习如何完成任务 。机器学习直接来源于早期的人工智能领域 。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习和贝叶斯网络等等 。
众所周知 ， 我们现在还没有实现强人工智能 ， 而早期机器学习方法甚至连弱人工智能都无法实现 。机器学习最成功的应用领域是计算机视觉 ， 虽然也还是需要大量的手工编码来完成工作 。人们需要手工编写分类器、边缘检测滤波器 ， 以便让程序能识别物体从哪里开始 ， 到哪里结束；写形状检测程序来判断检测对象是不是有八条边；写分类器来识别字母“S-T-O-P” 。
使用以上这些手工编写的分类器 ， 人们总算可以开发算法来感知图像 ， 判断图像是不是一个停止标志牌 。这个结果还算不错 ， 但还算不上是那种能让人为之一振的成功 ， 特别是遇到云雾天 ， 标志牌变得不是那么清晰可见 ， 又或者被树遮挡一部分 ， 算法就难以成功了 。这也是为什么此前很长一段时间中 ， 计算机视觉的性能一直无法接近到人类的水平 。
它太僵化 ， 并且太容易出现错误 。随着时间的推进 ， 学习算法的发展改变了一切 。深度学习——一种实现机器学习的技术Herding cats：从YouTube视频中挑选猫的图像是深度学习的第一个突破性演示之一 。人工神经网络（Artificial Neural Networks）是早期机器学习中的一个重要的算法 ， 历经了数十年的推演 。
神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发 。但与大脑中一个神经元可以连接一定距离内的任意神经元不同 ， 人工神经网络具有离散的层、连接和数据传播的方向 。例如 ， 我们可以把一幅图像切分成图像块 ， 输入到神经网络的第一层 。在第一层的每一个神经元都把数据传递到第二层 。第二层的神经元也是完成类似的工作 ， 把数据传递到第三层 ， 以此类推 ， 直到最后一层 ， 然后生成结果 。
推荐阅读
- 带你看懂产业结构!,产业链全景图
- 为什么狗狗会看懂时间,狗狗最多多少天会回家
- 攻城三国副将怎么过,三国》深度测评
- 一文读懂云计算本质,云计算技术发展方向
- 西楚霸王什么职业pk厉害,《西楚霸王》深度评测
- a7m4,索尼A7M4深度评测
- Spherical,cnns
- 大航海时代5航海点有什么用,一篇看懂大航海时代与宝玑的渊源
- 总经销 欧普照明怎么样,照明行业专题报告之欧普照明深度解析
- 一文看懂计算机视觉,计算机视觉技术