一、背景知识
1、图灵测试
图灵在1950年提出，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者提问。进行多次测试后，如果有超过30%的测试者不能确定出被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。
2、人工智能定义
人工智能科学的主旨是研究和开发出智能实体，在这一点上它属于工程学。也可以说是一门综合性学科，因为其研究领域涉及数学、逻辑学、归纳学、系统学、控制学、工程学、计算机科学，还包括对哲学、心理学、生物学、神经科学、仿生学、经济学、语言学等其他学科的研究。
3、人工智能的层次
- 弱人工智能：擅长于单个方面，如有能战胜围棋世界冠军的人工智能，但只会下围棋。
- 强人工智能（通用人工智能）：人类级别的人工智能，各方面和人类比肩，人类能干的脑力活它都能干。到达该层次很难。
- 超人工智能：在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。
4、阿西莫夫机器人三定律
- 第一定律：机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管。
- 第二定律：机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外。
- 第三定律：机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。
5、社会经济影响
- 产业变革：人工智能导致很多商业模式重新洗牌，对创业者来说是机会也是挑战。
- 失业和社会保障问题：可重复性工作将被机器人取代，导致很多人失业，从而带来一系列社会问题。
- 贫富差距问题：利用人工智能，有钱人更有钱，穷人因为失去了工作而更穷。
- 地区发展不平衡问题：人工智能这一高科技产业可以提高生产效率，使得两个科技实力差别较大的区域的经济失衡。
- 产业结构调整：人与机器的分工，会促进产业结构的调整。
二、知识体系
1、数学基础
- 微积分
- 线性代数
- 概率统计
- 信息论
- 集合论和图论
- 博弈论
2、技术基础
- 计算机原理
- 程序设计语言
- 操作系统
- 分布式系统
- 算法基础
3、机器学习算法
- 机器学习基础：估计方法、特征工程
- 线性模型：线性回归
- 逻辑回归
- 决策树模型：GBDT
- 支持向量机
- 贝叶斯分类器
- 神经网络——深度学习：MLP、CNN、RNN（LSTM）、GAN
- 聚类算法：K均值算法
4、机器学习分类
- 监督学习：分类任务、回归任务
- 无监督学习：聚类任务
- 迁移学习
- 强化学习
5、问题领域
- 语言识别
- 字符识别：手写识别
- 机器视觉
- 自然语言处理：机器翻译
- 自然语言理解
- 知识推理
- 自动控制
- 游戏理论和人机对弈：象棋、围棋、德州扑克、星际争霸
- 数据挖掘
6、机器学习架构
- 加速芯片：CPU、GPU、FPGA、ASIC（TPU）
- 虚拟化：容器（Decker）
- 分布式结构：Spark
- 库和计算框架：TensorFlow、scikt-learn、Caffe、MXNET、Theano、Torch、Microsoft CNTK
7、可视化解决方案
8、云服务
- Amazon ML
- Google Cloud ML
- Microsoft Azure ML
- 阿里云ML
9、数据集和竞赛
- ImageNet
- MSCOCC
- Kaggle
- 阿里天池
10、其他相关技术
- 知识图谱
- 统计语言模型
- 专家系统
- 遗传算法
- 博弈算法：纳什均衡
三、应用领域
1、互联网和移动互联网应用
- 搜索引擎
- 内容推荐引擎
- 精准营销
- 语音和自然语言交互
- 图像和视频内容理解、检索
- 用户画像
- 反欺诈
2、自动驾驶、指挥交通、物流、共享出行
- 自动驾驶汽车：传感器、感知、规划、控制、整车集成、车联网、高精度地图、模拟器
- 智慧公路网络和交通标志
- 共享出行
- 自动物流车辆和物流机器人
- 智能物流规划
3、智能金融
- 银行业：风控和反欺诈、精准营销、投资决策、智能客服
- 保险业：风控和反欺诈、精准营销、智能理赔流程、智能客服
- 证券、基金、投行等：量化交易、智能投顾
4、智慧医疗
- 医学影像智能判读
- 辅助诊断
- 病例理解和检索
- 手术机器人
- 康复智能设备
- 智能制药
5、家用机器人和服务机器人
- 智能家居
- 老幼伴侣
- 生活服务
6、智能制造业
- 工业机器人
- 智能生产系统
7、人工智能辅助教育
- 智慧课堂
- 学习机器人
8、智慧农业
- 智慧农业管理系统
- 智慧农业设备
9、智能新闻写作
- 写稿机器人
- 收集资料机器人
10、机器翻译
- 文字翻译
- 声音翻译
11、机器仿生
- 动物仿生
- 器官仿生
12、智能律师助理
- 智慧法律咨询
- 案例数据库机器人
13、人工智能驱动的娱乐业
14、人工智能艺术创造
15、智能客服
