歡迎來到人工智能時代。除非你過去十年一直躲在深山老林裡，否則你會在你的生活中遇到不同形式的人工智能產品或解決方案。如果你和我一樣，歡迎人工智能帶來的創新，你會很興奮。但是，當涉及到理解人工智能生態系統時，你可能會感到困惑。什麼是人工智能生態系統？人工智能生態系統一般指人工智能、機器學習、深度學習這三大部分（為主）。
AI的起源
人工智能的起源可以追溯到60多年前，在1956年舉行的第一屆人工智能會議。它的舉辦是基於目前留給人類的問題可能會促使人類取得重大進展這一觀點。為了探索這個推斷的可能性，達特茅斯學院、哈佛大學、IBM和Bell合作發起了一個新項目。在這個項目中，人工智能致力於自動化和計算機研究，即計算機處理語言、神經元網絡和自我改進。
這裡需要強調的是，當今最先進的人工智能工具和解決方案都是20世紀50年代中期科學成果的衍生品。你能想象Siri是建立在1958年由McCarty發明的唇部計算機語言上嗎？如果你認為這只是一個偶然，那麼你應該看看IDC關於這個話題的更多論文。還有，在他們最新的報告中，IDC估計人工智能市場到2020年將達到470億美元產值。離現在只有兩年了。如今人工智能已經融入了我們生活，不僅高科技公司投資人工智能，其他行業也是如此。
傑夫·伊梅爾特曾表示, “你今天可能會作為一家工業公司的員工醒來，但或許明天你就會以軟件和分析公司員工的身份醒來。”
通用電氣CEO的這句名言突出了他對軟件的態度，無論你是哪一家公司，軟件都是你產品/服務提供的一部分。然而，通用電氣還是沒有跟上時代的步伐。因為伊梅爾特沒有說到做到。通用電氣是在2016年才開始利用人工智能與機器學習進行他們數字化轉型之旅的。
區分一般人工智能、機器學習和深度學習
作者在這裡對AI下了個簡短的定義:AI是指將硬件和軟件系統結合起來模擬人類智慧。
如果你想處理一些高難度的問題，比如區分不同類型的圖像或者和你下棋，這些都需要應用人工智能。但是你要知道，人工智能不是萬能的。比如說，你的電子棋盤是無法識別狗的圖片的，即便它是一個有狹窄的焦點和技能調整精細的人工智能。
在2000年，大約有5萬種電腦病毒被監測到。而2015年，幾乎每天都有近百萬的新病毒被監測到。而今更是每天高達三百萬。因此，想要列出所有能威脅計算機系統的病毒幾乎是不可能的。病毒指數的爆炸式增長使人力計算或人工操作計算機計算受到了阻礙。面對這種困境，人們提出了一個新概念——機器學習。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要使用歸納、綜合而不是演繹。例如，Symantec正在開發一套機器學習技術。試圖通過檢查一個文件的數千個靜態特徵，然後深入瞭解程序的動態行為，最後檢查該文件與其他文件的關係，以確定該文件是否受到病毒的威脅。
“許多成功的機器學習往往都建立在手工工程的特徵上。研究人員手動編碼此次任務的相關信息，然後讓機器在此基礎上進行學習。”喬治·達爾說到。
更深層次的創新是深度學習。在這裡，你想要“讓系統儘可能多地設計自己的特徵”喬治·E·達爾(GeorgeE.Dahl)說。此時，要求機器學習系統的分析算法自動化，並對其自身及其特徵進行創新。深度學習現在多用來處理新的工業挑戰，如無人駕駛車輛的計算機視覺、語音識別和人類語音接口的自然語言處理。
關鍵差異
現在，為了把機器學習和深度學習區分開來，你可以簡單的認為，深度學習主要是靠計算機自己來完成的，而機器學習是通過人類干預來完成的。
更詳細地說，深度學習能夠創建一個大規模的神經連接網絡，也就是所謂的神經網絡。神經網絡是模仿人腦來引導機器自主學習、進行“思考”，而不需要人類的監督。
軟件公司、工業公司和商業公司是人工智能領域的主力軍。他們多用人工智能來處理自動車輛、圖像識別、語言翻譯和自然語言分析等問題。
補充
對於人工智能感興趣的商業部門有：
金融業：防止欺詐、搶劫。
汽車業:語音識別、計算機視覺、汽車聯網、虛擬助理、自動駕駛等。
數據業:安全入侵檢測、數據隱私、惡意軟件攻擊等。
醫療業:保健和快速診斷。
營銷業:用戶體驗等。
閱讀更多 AI中國 的文章
