持续编辑一段时间。
2016年开始谷歌开发的人工智能程序Alpha Go通过下围棋陆续战胜了包括李世石、柯洁等在内的世界顶尖高手。一时间人工智能瞬间“火”了。人工智能、人工智能成为2017年、2018年最火热的话题之一。
本段摘自网络：
从1956年达特茅斯会议上“人工智能”概念第一次被提出，到如今我们看到基于人工智能技术的无人驾驶、智能风控、疾病诊断、个性化推荐等实际应用浸入商业与生活的方方面面，AI(Artificial Intelligence)已经走过了62年。
它不像互联网商业模式创新那样极速颠覆世界，也不像过去工业革命那样摧枯拉朽。但毫无疑问的是，人工智能正在步步为营地影响人类世界的当下与未来。
今天，北京有百度世界大会，南京有腾讯开放合作伙伴大会。他们都花了极大的篇幅探讨各自人工智能的进展。当然还有更多的从业者，阿里、京东、搜狗、滴滴、字节跳动、美团、商汤、科大讯飞等，也都在人工智能行业深度耕耘。
无论是政策层面，还是大公司布局层面，人工智能站在了一个前所未有的高度，AI早已不只是一个前沿的概念。那么究竟AI有哪些应用落地?商业化前景又是如何?到了“收割”的季节了吗?未来还有哪些可能性?
作为一个研究生时期（14-17年）方向为机器学习、机器视觉、图像算法，现在主做图像算法的从业人员。感觉AI在非专业的技术领域、生活领域的理解中存在很大的误区，往往被噱头化、泡沫化。从自己的角度花一段时间慢慢梳理人工智能，并附上自己的理解。增强自己对AI的全面理解，并尽量科普之。
人工智能其实算是一个学科，而且是自动化的一个分支。
自动化（Automation）是指机器设备、系统或过程（生产、管理过程）在没有人或较少人的直接参与下，按照人的要求，经过自动检测、信息处理、分析判断、操纵控制，实现预期的目标的过程。自动化设备主要是通过人为设定，是及其按照指定命令进行指定操作，自动化的前提是，人已经把整个过程完全设计好了，再复杂的自动化程序每一个步骤都是明确清晰的，只解决一个问题或一串问题，对于相似问题必须重新设定另一套程序。
而人工智能则不尽然，从传统的机器学习和从前也有现在火爆的深度学习两个方面分别讨论：
（1）传统的机器学习设计之初是人在主观的前提下根据问题的表现形式通过分析判断加科学计算形成的数学模型（或称为规则，数学思想主要是统计分析、概率论），解决的问题是无法遍历的，虽然只有一套程序但却适用于同类问题的绝大部分情况；
（2）深度学习（以前叫神经网络，现在的本质仍然是神经网络）的网络模型和传统的机器学习模型建立并不一样，神经网络的建立不再看问题的表现形式来设计对应的功能，而是通过所谓的模拟人类脑神经的信息传递模式设计的网络状的带有很多可调参数的数学模型（由于模型的建立并非针对某类或特定类别问题，因此这种模型的种类并不多），这些网络通过对问题样本进行复杂的人为很难形象化理解的方式归纳问题的处理方法，形成一套程序，利用这套程序处理某类问题。
（3）也许由于人为设计的传统的机器学习程序相对简单，在某些问题的处理上，那些复杂到人难以理解的深度学习神经网络解决问题的能力更强，这也是为何深度学习能够使人们在忽略强计算力高复杂度的情况下快速风靡人工智能领域的根本原因。
人工智能（Artificial Intelligence, AI）亦称机器智能，是指由人工制造出来的系统所表现出来的智能，可以概括为：研究智能程序的科学。这门科学的出发点是 研究如何使程序能够像人一样思考、行为，以及如何保持理性，这里的理性可以理解为效用最大化。
人工智能的基本知识和应用领域主要有机器学习、概率推理、机器人技术、计算机视觉、自然语言处理、和专家系统等。
现在的人工智能分三个级别：弱人工智能、强人工智能、超人工智能。
1、弱人工智能
也称限制领域人工智能或应用型人工智能，指的是专注于且只能解决特定领域问题的人工智能。毫无疑问，今天我们看到的所有人工智能算法和应用都属于弱人工智能。Alpha Go其实也是一个弱人工智能。。
2、强人工智能
强人工智能又称通用人工智能或完全人工智能， 指的是可以胜任人类所有工作的人工智能。一个可以称得上强人工智能的程序， 大概需要具备以下几方面的能力：存在不确定因素时进行推理，使用策略，解决问题，制定决策的能力；知识表示的能力，包括常识性知识的表示能力；规划能力；学习能力；使用自然语言进行交流沟通的能力；将上述能力整合起来实现既定目标的能力。
3、超人工智能
假设计算机程序通过不断发展，可以比世界上最聪明、最有天赋的人类还聪明，那么由此产生的人工智能系统就可以被称为超人工智能。超人工智能的定义最为模糊，因为没人知道， 超越人类最高水平的智慧到底会表现为何种能力。如果说对于强人工智能，我们还存在从技术角度进行探讨的可能性的话，那么，对于超人工智能，今天的人类大多就只能从哲学或科幻的角度加以解析了。
人们经常会看到新闻报道中人工智能与基于规则的专家系统被混为一谈。现在，人工智能经常会与多层卷积神经网络混淆。这有点像把物理和蒸汽机的概念搞混了。人工智能探究如何在机器中创造智能意识，它不是在研究中产生的任何一个特定的技术。
部分材料摘自网络。不做商业用途，链接也不清，不再注明。
政策信息：
提及的政策梳理比较清晰：《北京人工智能产业发展白皮书(2018)》解读 http://www.chinairn.com/scfx/20180703/091823330-2.shtml