用戶7876371692468
作為一名科技工作者，我來回答一下這個問題。
雖然當前人工智能技術是科技領域的一個創新熱點，而且未來的發展前景也非常廣闊，但是要想把人工智能概念說清楚卻並不容易，因為目前關於人工智能的定義依然處在發展過程當中，而且人工智能涉及到的內容非常多，要想獲得一個精確的定義也存在一定的困難。
目前人工智能領域的研發思想主要是基於“合理性”展開的，包括“合理地思考”和“合理地行動”，這種研發思想雖然具有一定的侷限性，但是在研發上會更加清晰，也更容易實現。
從技術體系結構上來看，當前人工智能領域的研究涵蓋了六個大的方向，包括自然語言處理、計算機視覺、機器人學、機器學習（深度學習）、自動推理和知識表示，這些大的研究方向裡面還涉及到一系列細分方向，所以人工智能領域的研發空間還是非常大的。由於當前人工智能的技術體系尚不成熟，依然有大量的研究課題有待突破，尤其是在落地應用環節，所以目前人工智能領域的人才需求依然以研發型人才為主。
雖然人工智能目前依然處在發展的初期，但是目前也有大量的人工智能技術在嘗試落地應用，而且在一些生產環境下，已經獲得了一定的突破，這對於促進人工智能領域的整體發展也具有比較積極的意義。在當前產業互聯網的推動下，不少資源整合能力比較強的大型科技公司陸續推出了自己的人工智能平臺（目前主要集中在視覺和自然語言處理兩方面），相信隨著這些人工智能平臺的不斷完善，未來產業領域的智能化程度會不斷得到提升。
最後，人工智能的發展需要一個系統的過程，從某種角度上來看，當前已經進入了智能化時代，所以未來人工智能技術的普及程度一定會不斷提升。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
IT人劉俊明
經過近30年的沉默，“人工智能”一詞在過去兩年中已成為科技公司的公共關係戰場和在線媒體的熱情。它已被政府重視並受到投資界的追捧。結果，隨之而來的新聞發佈會和峰會論壇被提出，政府的戰略計劃被引入，各種各樣的新聞不勝枚舉，宣告“智能為王”時代的到來。
什麼是人工智能？目前的研究處於什麼階段？未來如何發展？這是每個人都普遍關注的問題。由於人工智能涵蓋了廣泛的學科和技術，因此很難在短時間內充分理解和理解人工智能，更不用說非專業人員了，即使對於該行業的研究人員而言也是如此。
因此，現在許多宣傳和決策過程都趨向於預先認可，這不可避免地引起一些思想和輿論的混亂。
自從去年使用微信以來，我經常收到來自朋友和家人的令人震驚的新聞頭條。我發現許多爭論都缺乏科學依據，因此變成了“娛樂AI”。博士學位在1970年代研究黑洞的物理學領域，從未研究過人工智能，但偶爾進行預測人類的終結。一些公司的公共關係部門和媒體利用他們的想象力將一些無辜的研究人員封印為“大師”和“大師”。最近，名詞還不夠。 9月初，有報道稱，一位受邀的美國教授被稱為“人工智能碩士”。這位教授的確是機器學習領域的領導者，但人工智能始於1956年，而這位教授剛剛出生。而且，機器學習只是人工智能的一個領域。視覺，語言和機器人等大多數其他重要領域都沒有涉及。因此，這樣的標題是荒謬的。 （肯定：我對這位學者本人沒有看法，估計他。我不一定知道這個頭銜）。當時我以為有些人會走出“達摩祖先，佛祖，孔雀王，太上老君，玉皇”的頭銜。在十月初，我聽說佛法研究所成立了，聲稱要粉碎美國，並引起轟動！更不用說普通人擔心失業，甚至該行業中的一些研究人員都想問我我的想法。
回頭看原來是你
現如今，人工智能已經被炒的非常火熱，似乎不管是不是科技圈的人士，都要在嘴邊聊上幾句人工智能，以顯示自己多麼與時俱進。
人工智能的定義是讓機器實現原來只有人類才能完成的任務，其核心是算法。
例如下圖所示就是讓機器模擬人各種能力的人工智能領域示意圖：
當然一方面人工智能的確是未來的方向，而另一方面則是因為人工智能有可能是科技圈中的下一個黑天鵝。說不定什麼時候，一隻獨角獸就會從中誕生。
但在此之前，一定要正確的認清什麼才是真正的人工智能。
偽人工智能橫行
現在大多數人工智能都屬於偽人工智能。為什麼這麼說，可以從以下兩個方面來解釋。
第一，人工智能不是一下就能做出來的，需要時間以及實驗的積累。
而做出人工智能的這些人才也是一樣，他們需要切實的接觸到真正的人工智能當中，不過這樣的人才在全世界也就寥寥幾百個。
但是好像在一瞬間，在中國就有幾萬個人工智能方面的人才被選拔了出來，可想而知這樣的人才是真正的人工智能專家嗎？
這些人才往往被大公司冠以年薪30萬或50萬瘋搶，雖然裡面的確有很多優秀的人才，但是這樣未免顯得太過著急。從人才培養角度來看，人工智能領域還存在著大量的泡沫。
第二，許多項目只不過是換了個‘馬甲’。
許多創業公司喜歡為自己的項目貼上一個標籤，這樣的話不但可以吸引眼球，更能得到投資人的青睞。
雖然不能說這種做法是錯誤的，但這顯然也不是真正的人工智能，甚至會誤導其他人對於人工智能的認知。
比如許多項目在貼上人工智能標籤之前非常簡單，只是一些如同機器人學習，或者算法研究之類的項目，如今搖身一變全都成為了人工智能。
什麼才是真正的人工智能？
我們既不是專家，也不是專門研究這種領域的學者，有沒有簡單的方法直接辨別什麼是人工智能，什麼是偽人工智能？
答案是有的。
舉一個簡單的例子，之前人們也嘗試教計算機下國際象棋。計算機經過學習之後，與人們依然互有勝負，在最終完全戰勝人類的時候，時間已經過去了10年。
而谷歌的AlphaGo，從什麼都不會到圍棋中不可戰勝的存在只用了短短一年的時間。
由此可以看出，真正的人工智能體現在其卓越的學習能力。
如果你隔一段時間，大概3個月左右去看一個算法的進步，比如面部識別，如語音識別，如果該算法進步只是代數級，沒有達到指數級，那麼這種算法可能更多的是機器學習，還未達到人工智能水平。
既然已經辨別了什麼是真正的人工智能，那麼對於人工智能而言，什麼才是最重要的。
可能有些人會說算法，有些人會說設備，有些人會說編程技術。雖然它們也是構成人工智能中重要的一環，但是這些都不是最重要的。
對於真正的人工智能而言，最重要的永遠是大數據，只有擁有完整的數據，人工智能才能真正的發展起來。就像是一把寶刀，需要有一塊好的磨刀石才能讓它更加銳利，而大數據恰好就是這塊最好的磨刀石。
就像是谷歌的AlphaGo，有人說為什麼AlphaGo不去下象棋，而是隻在圍棋領域中稱雄呢。
AlphaGo的專家則表示，不是他們不想這麼做，而是無法這麼做。因為在圍棋中，日本人一直以來有保存棋譜的習慣，在每個棋譜上都標註了什麼是第1手，什麼是第100手，這樣很容易被AlphaGo學習。
但是對於象棋來說，自古以來大多數都是殘局。雖說殘局也很精彩，但是對於AlphaGo來說，它不知道殘局形成的原因，對之前的步驟一無所知，這樣就會對它的認知造成障礙。
這也說明，完整的數據對於人工智能多麼重要。任何拋開數據談人工智能的，全都是耍流氓。
人工智能中的獨角獸
目前，中國的大部分數據全都被BAT所掌握著，國外則是Facebook、Google、亞馬遜之類的企業。對於創業者而言，想要打破數據的壟斷具有相當大的挑戰，但也不是沒有機會。
比如說醫療數據，BAT就還沒有形成壟斷。金融方面數據，更多的掌握在金融公司手中，這些互聯網企業也沒有。
在這兩個領域，不管你的技術水平如何，至少在數據方面是在同一起跑線上，這對於創業者或後進入的公司是一個難得機遇。同時，下一個巨頭也有可能在這兩個領域誕生。
就拿醫療來說，國外已經有許多家企業與醫院達成協作，直接讀取醫院中的病例以及X光片或者CT片。
醫生一天看10張並且分析出症狀都已經是非常有經驗了，而人工智能，則可以在1個小時內看10萬張，效率不可同日而語。
對於醫生而言，診斷病因需要基於自己的經驗積累。但是對於人工智能來說這就太簡單了，通過圖像和最終診斷結果的閉環學習，人工智能很快就能對X光片或CT片進行病因分析。當然這一過程需要不斷完善，才能提升正確性及智能化。
在國外由於隱私保護非常嚴密，很多數據無法開放，因此無法做到大量數據錄入。
但是由於如今中國民眾對於隱私保護還沒有那麼嚴格，因此中國企業還是有機會在這個領域中實現超越的。
只要有了大數據，特定領域超越BAT也不是不可能的。
所以說，數據才是人工智能中最重要的一環。
女王朱瓊
首先，這個問題本身存在問題：人工智能和手機本身並不是同類型的產品，也就沒有像手機普及一說。這個問題可能是將具有高度類人智慧的人形機器等同於人工智能本身了。
我的結論是：人工智能如今已經普及，已經成為互聯網的大腦。
那麼，什麼是人工智能？
在古希臘時期的神話中，赫菲斯托斯就曾用粘土製作了一個名為潘多拉的女人，眾神給予了潘多拉眾多禮物，其中就包括人類的語言能力。
電影《機械姬》中有一個美麗的人形機器人，在工程師測試其智能程度的過程中，使用欺騙、魅惑等方式，讓工程師心甘情願的幫她逃離實驗室，人類被這種具有人工智能的人形機器人玩弄於股掌之間。
然而，現實生活中的人工智能卻不是這些樣子。當人類第一次構建可編程計算機的時候，就已經在思考人工智能的問題，隨著人類對計算機和自身瞭解的增強，人工智能的定義也從“與人類思考方式相似的計算程序”進化為“會學習的計算機程序”，並進一步成為具有眾多實際應用和課題研究的一個領域。
人工智能的開發者們，希望能通過人工智能解決某種具體的問題，比如自動化處理常規勞動、理解語音或圖像、幫助醫學診斷、自動駕駛。也出現了一些真實的機器人，他們大多不是“人型”的，比如送貨無人機、物流倉庫中的搬運機器人等等。
為了解決這些問題，誕生了一種名為“深度學習”的方法。深度學習可以讓計算機從經驗中學習，並根據層次化的概念體系來理解世界。層次化的概念讓計算機構建較簡單的概念來學習較複雜的概念，如果將這些概念繪製成圖，我們可以得到一張“深”（層次很多）的圖，所以這種方法被稱作“深度學習”。
其實，人類研究人工智能已經有很長時間了。IBM的人工智能“深藍”（Deep Blue）在1997年擊敗了國際象棋世界冠軍Garry Kasparov。其主要工作原理就是“深度學習”。
同樣的，還有Google旗下Deep Mind人工智能研發團隊研發的人工智能AlphaGo，曾與圍棋大師李世石、柯潔進行比賽，分別以4比1和3比0的成績勝出。
2019年1月，同樣是Deep Mind研發的人工智能AlphaStar在《星際爭霸2》比賽中以10比1的成績擊敗人類職業選手。這也是人工智能發展的有一個里程碑式的事件。
“深度學習”只是人工智能領域中研究的一個方向。在研究人員的努力下，人工智能如今已經深入到人們生活的方方面面。
蘋果 Siri、百度度秘、 Google Allo、微軟小冰、亞馬遜 Alexa等智能助理已經成為人們生活的一部分。
除了這些看起來就很“智能”的產品，人們沒有感知到的還有很多，比如每一張照片的防抖、背景虛化效果、夜景模式、美顏效果，背後都是人工智能算法的功勞。
回到這個問題，雖然問題本身有些歧義，但是我們現在看到的是，人工智能正在改造我們的手機，讓它從一個通訊工具、生產力工具、娛樂工具轉變為我們人體延申的一部分，變成我們第二個大腦。
民間唱反調藝術家
對於人工智能，百度詞條上是這麼解釋的：人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
從不同的角度來講，人工智能的解釋也會不同，比如在計算機領域的人士看來，人工智能屬於計算機科學的一個分支，而對於生物學、心理學、神經科學等領域的人士看來人工智恩那個也屬於它們的學術範圍，甚至有些學哲學的人也在刷存在感。
簡單解釋來講，人工智能就是在科技發達的當今社會里，人們研究出的用機器代替人類完成複雜工作的程序，給機器賦予人類的思考、學習和工作的模式。當然，這種"複雜工作"往往是人類都無法完成的，所以很多人開始擔心未來人工智能將會取代人類，甚至對人類的安全造成威脅，生活中也不乏看到一些人工智能控制人類的電影。
至於人工智能能不能像手機一樣普及，答案一定是肯定的，5G時代的到來就是人工智能普及的開始。其實，你現在放下手機，自己觀察一下週邊的生活就會發現，人工智能早就悄無聲息的滲入到社會中了，比如超市的無人收款臺，買東西時的刷臉支付，高鐵、地鐵、飛機的無人駕駛，車位引導，家裡的掃地機器人，智能音箱......都屬於人工智能在生活中的應用。
再不久的將來，人工智能的應用將會更加廣泛，像手機一樣普及也是早晚的事兒，而且手中的智能手機也會變成人工智能手機。
更多優質內容，請持續關注鎂客網~
鎂客網
人工智能簡稱AI，就是利用計算機去模擬、延伸、擴展人的智能，使我們的計算機能和人一樣的去思考和學習，使機器變得更加的聰明，更準確的去控制。人工智能的應用非常的廣泛，其實我們生活中已經廣泛使用了！手機 智能電視 智能音箱 智能家居產品等等都已經廣泛應用在我們的生活中了！
人工智能是在互聯網 大數據 雲的廣泛應用和不斷髮展的基礎上誕生並發展的。他有自學能力，使用的人越多，人工智能越智能！
海星哥說
人工智能簡稱AI，就是利用計算機去模擬、延伸、擴展人的智能，使我們的計算機能和人一樣的去思考和學習，使機器變得更加的聰明，更準確的去控制。人工智能的應用非常的廣泛，如我們常見到的智能控制，智能材料，智能家電等。人工智能在不久的將來應該會像手機一樣的普及。
環球科技坊
樓下幾位介紹人工智能的時候都不提圖靈測試了嗎？現在所謂的人工智能哪個通過了這個測試呢？無非就是大數據+模糊判斷罷了。
抖抖28728708
不好普及，中國人口眾多，先挺高國民教育，讓每個人都能接受到高科技教育後，才開始普及應該會好點
菲利克斯Felix
人工智能事實上已經開始普及了。
小到手機裡的各種語音助手，大到機場高鐵的人臉檢票，這都是人工智能應用的案例。
至於為什麼很多人沒有感覺，可能是因為在很多人的潛在意識裡，電影裡的那種有思維意識、無所不能的技術才是真的人工智能。
事實上，人工智能是可以分為強人工智能與弱人工智能的。
1.強人工智能：
強人工智能就像電影裡的場景一樣，智能機器是有意識，能夠進行自我思考的。以目前的技術水平要想達到這樣的場景還需要很長的一段路。
2.弱人工智能：
看起來像智能，但沒有真正的意識，無法進行自我思考。這是目前很多人工智能產品的現狀。比如，我們上面提到的語音助手，人臉識別等等，這些應用是有人工智能技術加持的，但是產品本上是無法進行自我思考，也沒有像人一樣意識的。
目前來看，弱人工智能已經普及，但是強人工智能仍需要很長一段路。
