一、什么是智能
什么叫智能，智能是什么？
这个问题简单吗，看似简单；能回答清楚吗？非常难！这是一个深刻的哲学问题，是一个有关于人何以为人的哲学问题！
Intelligence has been defined in many ways to include the capacity for logic, understanding, self-awareness, learning, emotional knowledge, reasoning, planning, creativity, and problem solving. It can be more generally described as the ability to perceive or infer information, and to retain it as knowledge to be applied towards adaptive behaviors within an environment or context.
维基百科是这么描述的：
智能是逻辑能力、理解力、自我意识、学习、情感认知、推理、规划、创造、及解决问题等种种能力的统称。可概括的理解为——感知并处理信息，进而将信息转换为知识并在特定环境中利用知识的能力！
这个定义很好，很契合本人对智能的思考，也符合程序员的思维方式！就是——信息！信息！信息！简而言之，智能就是信息处理的能力！
信息处理包括信息的定义，获取，转换，存储，传输。人脑就是一台异常精密的信息处理系统，信息就是人的灵魂，人的喜怒哀乐，思考，决策，遗忘，欲望，信念，都是信息在神经系统中转换处理的结果；除此之外，人类还有无语伦比的控制与输入输出系统，人的眼耳鼻舌，人遍布全身的感知传感器，让人能够精确的获取到“声色香味触”相关的各种信息；人的口（发声）、手（精确控制）、足（移动），则赋予人信息传输及与环境交互的能力。
- 获取数据、信息和知识的能力，声音，图像，文字，声色香味触；
- 将获取的数据、信息、知识，转化为系统掌握的知识，叫做信息加工，存储在知识系统中；
- 知识创造，通过联想、创作、归纳、分析、概括等等，促进自身知识系统的进化；
- 影响力，通过输出将信息反馈给外界，并产生影响；传播，分享，教授；
人很智能，人很完美，很高级！但是，如果信息就是灵魂的话，那么石头也有灵魂，树也有灵魂，因为它们至少能获取并存储信息，比如年轮就是一种信息，比如陨石中的信息！今人不见古时月，今月曾经照古人，君不见，恰是这些冰冷、无情的石头，储藏着宇宙远古的秘密。
另外，在我看来，所谓意识（Consciousness）、自我（self-awareness）、思维（mind）等等概念，无非是人类对大脑神经系统信息处理的方式进行的归类，是人类为了理解自己而抽象出来的概念。
二、人工智能
如果智能的定义为：信息处理的能力！那么人工智能的定义应该是——帮助人类提升信息处理能力的理论、方法、技术和工具。
由此可见，人工智能的范围很广，在人类发展的不同阶段，人工智能的狭义概念也大不相同，在古代，飞鸽传书就已经很高级了，大大提高了人类信息传输的效率，活字印刷也很智能。文言文作为一种书写系统，在古代信息传输与存储不便的情况下，其所具有的信息压缩的特性，对中华文明的统一性与连续性起到举足轻重的作用，尽管常常需要解码（经典注解）。文言文很智能，至少比其它几个古文明的书写系统更智能！
目前，人工智能特指计算机科学的一门分支学科，它研究、开发用于 模拟（像人一样行动，如弹琴，跳舞，像人一样交流，交谈，像人一样思考，有感情） 或 扩展（跑到更快，记得更多，想的更深，像AlphaGo） 人类智能的机器或系统。人工智能涉及到计算机科学、心理学、哲学和语言学等学科知识。
简而言之，人工智能发展的驱动力就是：
- 人很优秀，要创造出来像人一样的机器，来完成本应由人来完成的那些事情，比如自动驾驶，机器翻译（语音识别，语言理解），机器战警，工业机器人，机器外科医生等等。
- 人不完美，人跑的慢，声音传不远，活不长，记得少，等等等等，所以需要扩展人的能力，比如大数据存储与检索，移动通信，智能决策，机器学习。
人工智能有以下问题域：
- 推理（Reasoning）与决策（Decision）：信息论，统计与概率，决策树，…
- 知识（Knowledge）: 存在论，本体论与认知论，世界观，
- 规划（Planning）：方法论，目标、过程、方法
- 学习（Learning）：训练，归纳，
- 语言（Natural Language Processing）：语音/文字识别，语义理解，翻译，表述，问答
- 感知（Perception）：视觉（vision），听觉，计算机视觉，语音识别…
- 移动（Motion）与控制（Manipulation）：自动驾驶，工业机器人
- 社交（Social）：机器人女友，情感，siri
三、机器学习
Machine learning is a field of artificial intelligence that uses statistical techniques to give computer systems the ability to “learn” (e.g., progressively improve performance on a specific task) from data, without being explicitly programmed.
机器学习是人工智能的一个分支，通过研究人类的“学习”机制，赋予机器“学习”的能力！由此可见，机器学习是一门专注于研究人类是如何“学习”的技术，研究对象是人类的学习机制（过程和方法），然后将研究成果转换为计算机语言或算法，让机器具备学习的能力，再结合计算机特有的存储与计算能力，来解决现实问题。
那么，什么是学习？学习的本质是什么呢？
- 学：就是获取数据或信息！（大数据）
- 习：反复的做（调整）！（训练）
学习的目的是“得道”，道就是规律，是知识，“形而上者谓之道，形而下者谓之器"。在机器学习中，就是训练后的模型。金木水火土，阴阳八卦，七经八脉…这些其实本质上也都可以视为“模型”，在我看来跟神经网络训练出来的模型也没有什么区别，只不过它们是超验的，难以证伪的，不科学。
数据/信息不等同于知识，比如，( 6670, 6300, 5464 )，如果不加描述，这三个数据毫无意义，信息量为0；如果告诉你，这些数据是某些河流的长度，它们就具有信息了；如果再进一步指出，它们分别是（尼罗河，长江，黄河）的长度，它就成了知识点。
通过不断的“学”来获取数据/信息，通过不断的“习”来发现规律。
人类的学习系统复杂、精妙和神秘，因此机器学习作为一门研究和模拟人类学习机制的学科，极富有挑战。
机器学习的主要任务是：
- 分类：k-近邻算法，朴素贝叶斯算法，支持向量机，决策树
- 回归：线性回归，局部加权线性回归，Ridge回归，Lasso最小回归系数估计
- 聚类：K-均值，DBSCAN
- 密度估计：最大期望算法，Parzen窗设计
分类与回归的主要区别是数据类型不同，分类算法处理离散（discrete）数据，回归算法处理连续（continuous ）数据。
从类型上，可分为监督式（Supervised）学习，非监督式(Unsupervised)学习，半监督式(Semi-supervised)学习，主动学习(Reinforcement learning)，强化学习(Active learning)
Machine learning is sometimes conflated with data mining,[5] where the latter subfield focuses more on exploratory data analysis and is known as unsupervised learning.
机器学习有时也称作数据挖掘，两组概念上有重叠的部分，但视角不同，后者更强调“探索性数据发现”，也就是所谓“非监督性学习”。数据挖掘的目的本来就是知识发现（Knowledge Discovery），而发现知识这一过程的本质其实就是学习，因此机器学习与数据挖掘这两个概念常常交织在一起。