一、人工智能是机器人吗？
人工智能不是机器人。机器人只是人工智能的容器，人工智能自身只是机器人体内的电脑。机器人有时候是人形，有时候不是。人工智能是大脑的话，机器人就是身体——而且这个身体不一定是必需的。
二、什么是人工智能？
人工智能是对计算机系统如何能够履行那些只有依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、语言翻译等。
简言之，即通过模拟人类的思维、意识和行为来完成复杂的工作。
三、人工智能发展的三大基石
1. 摩尔定律
当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。换言之，每一美元所能买到的电脑性能，将每隔18-24个月翻一倍以上。这一定律揭示了信息技术进步的速度。
摩尔定律以Intel共同创办人Gordon Moore命名。数年以前，先进的系统设计只能在理论上成立但无法实现，因为它所需要的计算机资源过于昂贵或者计算机无法胜任。今天，我们已经拥有了实现这些设计所需要的计算资源。举个梦幻般的例子，现在最新一代微处理器的性能是1971年第一代单片机的400万倍。
2. 数据处理
得益于互联网、社交媒体、移动设备和廉价的传感器，这个世界产生的数据量急剧增加。随着对这些数据价值的不断认识，用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂，这是因为有些人工智能技术使用统计模型来进行数据的概率推算，比如图像、文本或者语音，通过把这些模型暴露在数据的海洋中，使它们得到不断优化，或者称之为“训练”——现在这样的条件随处可得。
3. 互联网和云计算
和大数据现象紧密相关，互联网和云计算可以被认为是人工智能基石有两个原因，第一，它们可以让所有联网的计算机设备都能获得海量数据。这些数据是人们推进人工智能研发所需要的，因此它可以促进人工智能的发展。第二，它们为人们提供了一种可行的合作方式来帮助人工智能系统进行训练。雇佣成千上万的人来描绘数字图像，这就使得图像识别算法可以从这些描绘中进行学习。
四、其他一些核心概念
1. 机器学习
机器学习指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力。
其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做预测。
比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越好。
2. 自然语言处理
自然语言处理是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。
自然语言处理通过建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
3. 计算机视觉技术
计算机视觉技术是指计算机从图像中识别出物体、场景和活动的能力。
计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。
比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
4. 语音识别技术
语音识别技术主要是关注自动且准确地转录人类的语音。
该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪音、区分同音异形异义词(“buy”和“by”听起来是一样的)方面存在一些困难，同时还需要具有跟上正常语速的工作速度。
语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列和语言中概率的声学模型等。
