AI顾名思义就是英文单词Artificial intelligenc，即人工智能。
其实人工智能并不是什么触不可及的东西， 包括苹果 Siri、百度度秘、微软小冰等智能助理和智能聊天类应用 以及美图秀秀的自动美化功能，都属于人工智能。 甚至一些简单的，套路固定的资讯类新闻，也是由人工智能来完成的。
当然，现在的主流搜索引擎以及翻译技术也都在尝试 ，利用人工智能来为广大网友提供更为精准的搜索服务。 至于以实物存在的人工智能，当属现在物流仓库的小黄机器人了。 他们正代替人类完成繁重的商品摆放、整理，快速出库、入库等操作。
现在人工智能并没有发展到像电影中的机器人一样，那么高智能化的程度，今天的家庭机器人还远无法像大家奢望的那样， 以人形外貌出现在主人面前。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。
人工智能的主要技术：深度学习+大数据
简单地说， 深度学习就是把计算机要学习的东西看成一大堆数据， 把这些数据丢进一个复杂的、包含多个层级的数据处理网络，然后检查经过这个网络处理得到的结果数据是不是符合要求 ——如果符合， 就保留这个网络作为目标模型，如果不符合，就一次次地、锲而不舍地调整网络的参数设置，直到输出满足要求为止。
这就好比输入一股水流，计算机只要调节中间层层阀门，如果可以在预期的管道出口看到水流，那么就说明这个管道符合要求。而我们要做的，只是告诉计算机输入和预期的结果，让他自己找规律。当然，新的输入进入时，我们也要保证已经调节好的管道不变化。
也就是说，深度学习算法是有计算机自己凑出来的模型。这样反倒更加实用，更能够从本质上解决问题。
当然，搭建好的“管道”只有通过各种类型“水流”的检验，才能变得越来越接近真实的世界，值得一提的是，大数据正是为这些“管道”提供了源源不断的“水流”。
我们知道深度学习、大规模计算、大数据都是在2010年前后逐渐步入成熟的。
人工智能主要用在以下领域：自动驾驶、智慧生活、智慧医疗
一、自动驾驶：最大的应用场景
自动驾驶是现在逐渐发展成熟的一项智能应用。可以想象，自动驾驶一旦实现，可以带来如下改变：
1、完全意义上的共享汽车成为可能。大多数汽车可以用共享经济的模式，随叫随到。因为不需要司机，这些车辆可以保证24小时待命，可以在任何时间、任何地点提供高质量的租用服务。
2、汽车本身的形态也会发生根本性的变化。一辆不需要方向盘、不需要司机的汽车，可以被设计成前所未有的样子。
3、未来的道路发生变化。它们也会按照自动驾驶汽车的要求来重新设计，专用于自动驾驶的车道可以变得更窄，交通信号可以更容易被自动驾驶汽车识别。
二、智慧生活
目前的机器翻译水平， 大概相当于一个刚学某种外语两三年的中学生做出的翻译作业。 对于多数非专业类的普通文本内容， 机器翻译的结果已经可以做到基本表达原文语意， 不影响理解与沟通。但假以时日，不断提高翻译准确度的人工智能系统，极有可能像下围棋的Alpha Go那样悄然越过了业余译员和职业译员之间的技术鸿沟， 一跃而成为翻译大师。
那时候，不只是手机会和人智能对话，我们每个家庭里的每一件家用电器，都会拥有足够强大的对话功能，为我们提供方便的服务。
三、智慧医疗：AI将成为医生的好帮手
大数据和基于大数据的人工智能， 为医生辅助诊断疾病提供了最好的支持。事实证明，就在今年2月，经过深度学习的神经网络在诊断某些皮肤病方面的表现比大部分医生还要好。在AI的帮助下， 我们看到的不会是医生失业， 而是同样数量的医生可以服务几倍、 数十倍甚至更多的人群。医疗资源分布不均衡的地区， 会因为AI的引入，让绝大多数病人享受到一流的医疗服务。
