淨水霽月

理解 AI 的基本原理，會發現事物的本質往往並沒有大家說的那麼複雜。

人工智能發展出很多不同分支，技術原理也多種多樣。

深度學習

深度學習的原理是這樣的： 機器從「特定的」大量數據中總結規律，歸納出某些「特定的知識」，然後將這種「知識」應用到現實場景中去解決實際問題。

<strong>

之前有很多事情計算機是做不了的，但是現在人工智能可以做了。

但是，當下的人工智能是從大量數據中總結歸納知識，這種粗暴的「歸納法」有一個很大的問題是： 只關注現象，不關注為什麼。

即便是人類的經驗，並不都是準確的，往往也要違背經驗的事情發生，比如“黑天鵝”等。 也正是因為歸納邏輯，所以需要依賴大量的數據。

數據越多，歸納出來的經驗越具有普適性。

隨著深度學習 + 大數據的成熟發展，人工智能發揮出了巨大的威力，並且 AI 的表現已經超越人類，可以達到“可用”的階段，而不只是科學研究。

卷積神經網絡 – CNN

卷積神經網絡 – CNN 很擅長處理圖像。而視頻是圖像的疊加，所以同樣擅長處理視頻內容。

1. 圖像分類、檢索

2. 目標定位檢測

3. 目標分割

4. 人臉識別

5. 骨骼識別

總結

深度學習在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果。深度學習使機器模仿視聽和思考等人類的活動，解決了很多複雜的模式識別難題，使得人工智能相關技術取得了很大進步。

鏈求君

需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。

需要算法的積累：人工神經網絡，支持向量機，遺傳算法等等算法;當然還有各個領域需要的算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM;總之算法很多需要時間的積累。

需要掌握至少一門編程語言：畢竟算法的實現還是要編程的;如果深入到硬件的話，一些電類基礎課必不可少。

捷捷小可愛

人工智能其實是一項複雜的技術，需要的基礎技術尤其是數學方面非常多。

主要包括：

1. 線性代數：包括張量、矩陣、範數、特徵分解等一些列知識

2. 概率論以及信息論：各種概率分佈，離散、連續、質量函數、密度函數，香農熵，交叉熵等等。
3. 機器學習基礎知識：擬合、估計、監督、無監督、梯度下降等等。
4. 卷積網絡，各種神經網絡，CNN，RNN...
5. 編程語言，比如python
6. 機器學習庫：tensorflow、pytorch

綜上，要學的東西真的非常多。

墟里虛實

人工智能是一門研究用計算機來模仿和執行人腦的某些智力功能的交叉學科，所以人工智能問題的求解也是以知識為基礎的。

知識圖譜

如何從現實世界中獲取知識、如何將已獲得的知識以計算機內部代碼的形式加以合理的表示以便於存儲，以及如何運用這些知識進行推理以解決實際的問題，即知識的獲取、知識的表示和運用知識進行推理是人工智能學科要研究的3個主要問題。

在人們的日常生活及社會活動中，“知識”是常用的一個術語。例如，人們常說“我們要掌握現代科學知識”，“掌握的知識越多，你的機會就越多”等。人們所涉及的知識也是十分廣泛的，例如，有的知識是多數人所熟悉的普通知識，而有的知識只是有關專家才掌握的專門領域知識。那麼，到底什麼是知識？知識有哪些特性？它與通常所說的信息有什麼區別和聯繫？

現實世界中每時每刻都產生著大量的信息，但信息是需要用一定的形式表示出來才能被記載和傳遞的。尤其是使用計算機來進行信息的存儲及處理時，更需要用一組符號及其組合進行表示。像這樣用一組符號及其組合表示的信息稱為數據。

數據與信息是兩個密切相關的概念。數據是記錄信息的符號，是信息的載體和表示。信息是對數據的解釋，是數據在特定場合下的具體含義。只有把兩者密切地結合起來，才能實現對現實世界中某一具體事物的描述。

三者關係圖

另外，數據和信息又是兩個不同的概念，相同的數據在不同的環境下表示不同的含義，蘊涵不同的信息。比如，“100”是一個數據，它可能表示“100元錢”，也可表示“100個人”，若對於學生的考試成績來說，可能表示“100分”。同樣，相同的信息也可以用不同的數據表示出來。比如，地下工作者為了傳達情報信息，可以用一首詩詞的每一句的第一個字組成一句話，或詩的斜對角線上的字組成的一句話來傳達信息，也可能會用一個代碼或數字來表示同一信息。

正如上述，現實生活中，信息是要以數據的形式來表達和傳遞的，數據中蘊涵著信息，然而，並不是所有的數據中都蘊涵著信息，而是隻有那些有格式的數據才有意義。對數據中的信息的理解也是主觀的、因人而異的，是以增加知識為目的的。

比如，你看到0571－8888888這樣的數字，你可能會根據自己已有的知識猜測到它是一個電話號碼，但不知道它是哪個城市的電話號碼，但如果你通過一些方法確定0571是杭州市的區號後，以後再碰到相同格式的數據時，你就會知道它代表杭州市的一個電話號碼，實際上你的知識也就增加了。不同格式的數據蘊涵的信息量也不一樣，比如，圖像數據所蘊涵的信息量就大，而文本數據所蘊涵的信息量就少。

數據處理

信息在人類生活中佔有十分重要的地位，但是，只有把有關的信息關聯到一起的時候，它才有實際的意義。一般把有關信息關聯在一起所形成的信息結構稱為知識。知識是人們在長期的生活及社會實踐、科學研究及實驗中積累起來的對客觀世界的認識與經驗，人們把實踐中獲得的信息關聯在一起，就獲得了知識。

終上所述，知識、信息和數據是3個層次的概念。有格式的數據經過處理、解釋過程會形成信息，而把有關的信息關聯再一起，經過處理就形成了知識。知識是用信息表達的，信息則是用數據表達的，這種層次不僅反映了數據、信息和知識的因果關係，也反映了它們不同的抽象程度。人類在社會實踐過程中，其主要的智能活動就是獲取知識，並運用知識解決生活中遇到的各種問題。

科技知識小常識

自然語音與機器視覺這兩個重要條件是人工智能的技術基礎。

人工智能是指，人工與智能工具有機結合並通過訓練過的知識與技能幫助我們解決一些重複或危險的工作。

人工智能的進化是有一定邏輯關係的，先從認知開始（通過邏輯訓練學習與深度學習，並進化成神經網絡自我訓練學習的過程）再到感知（機器識別，人工智能通過訓練學習過的知識與動作通過各類傳感器進來辯別，通俗的講，也就是給機器裝上各類器官組織：視覺傳感器，語音識別傳感器、溫度傳感器等）；

人工智能從認知到感知這個過程已經初步實現，例如人臉識別，體溫監測、空氣監測、車輛監測等，進而進行下一步：決策；

最後再執行。

認知一感知一決策一執行，這是人工智能的工作原理。

更準確的說，人工智能離不開語音識別、機器視覺及高分辯傳感器，這是人工智能的技術基礎。

MoFei在線

人工智能的技術基礎知識比較寬泛，包括數學、物理、哲學、認知科學、計算機科學、經濟學、心理學、信息論、控制論、決定論和不確定性原理等等一系列理工學科，學習人工智能需要的時間非常漫長，估計這輩子搭進去也就玩兒個概念吧。不過遊戲中的AI就比較簡單了，屬弱人工智能類型，通過編程模仿人類邏輯思維模式就可以實現。您要想在遊戲中添加AI屬於對遊戲進行二次開發，還不如自己重新寫個小遊戲，然後一步步去實現和優化你的算法和策略，建議使用鬥地主這類遊戲進行練習，簡單明瞭。其實現在充斥在我們生活中的各種打著“人工智能”旗號的產品、方案都是噱頭，離人工智能的核心還差著十萬八千里，而且人工智能真正的目標也不是“讓機器像人類一樣思考”這麼簡單，如果頭條的家人們真的對人工智能非常有興趣，建議你讀一下Luger George和Stubblefield William寫的Artificial Intelligence: Structures and Strategies for Complex Problem Solving，好像有中文譯文版的，出版社家人們自己查一下吧。

故溫溫

我試著按照自己的理解去分析（以下內容純個人門外漢理解，非搬磚，純手寫）

人工智能的技術基礎應包含硬件和軟件兩個大項！

一、硬件應該包含數據處理，數據交換和數據存儲。

（1）數據處理，起決定作用的就是cpu處理能力的發展。

（2）數據交換，就是網絡鋪設的發展，我們現在都說5g.其實5g速度在現在的大數據面前是遠遠不夠用的。

（3）數據儲存，就是硬盤的讀寫能力，我個人覺得最制約人工智能的技術發展，目前來看應該是數據存儲調用的瓶頸是最大的。

通俗點，我們把人工智能和真正的人做對比。數據處理就是我們大腦。說實在的，現在cpu的每秒處理能力已經遠遠甩開人類大腦的處理能力了。

（以下屬於個人幻想

能量守恆大家都知道吧，cpu每秒處理消耗的能量比人類不知道大多少。可能有人覺得我瞎扯蛋，這有可比性嗎？但我們仔細想想，處理的最終極限終是要回歸到能量的消耗上的。當然這已經有點幻想的存在了！）

數據交換，其實數據交換的制約就在於數據儲存，因為數據傳導能力本身是遠遠高於數據儲存能力的，只不過是網絡鋪設的問題，數據本身的傳導是不存在瓶頸的。

現在人工智能最大的問題就在於數據儲存，說技術可能不太好理解。我做個簡單對比，一個人站在山巔，快速覽望四周，總不會存在看不過來，畫面卡的情況吧。但是如果用最牛逼最新進手機同樣的轉一圈，你盯著手機畫面看，必然存在畫面撕裂，抖動的！這還是手機分辨率和肉眼分辨率完全不是一個量集的比較。

（二）軟件，就是算法！

這是非常深奧，非常專業的東西。這裡肯定是沒辦法講的出什麼的。我們需要了解的是算法就好比一個人的腦域開發度，同樣的硬件條件下的效率問題。

幽默爆笑的貓貓

很多人不理解現在的人工智能系統是怎麼工作的，一般都會問，這些系統下象棋或者玩王者榮耀，都遠超職業選手，那他們的智力水平，或者IQ是不是很高？

其實不然，目前基於深度學習的人工智能系統，是通過無數個任務，我們叫task，來獲得能力的，通過上千萬次，甚至上億次的反覆訓練，才能夠得到接近於正確的結果。但是，人類獲得知識的方法，並非如此，動物也不是這樣（手動狗頭）。

在智力水平方面，特別是在認知能力和推理能力方面，現在的人工智能系統甚至不及三歲小孩，這是因為小孩的學習具有一種主動性，主觀能動性，他們是通過觀察這個世界來學習的，是先構建了一個世界，而不是通過一些task的堆砌。

就像我們學習英語，你如果是簡單的單次堆砌，肯定不如在英語環境下主動學習，效果好。

AI科普

人工智能:顧名思義就是指利用計算機技術，通過對人的意識、思維過程模擬，來生產出一種新的能以人類智能相似的方式做出反應的智能機器。

由此可見，人工智能的基礎技術是對人類的意識和思維過程的模擬，並利用大數據和雲計算等一系列現代技術來生產出能與人類智能相似的智能機器。

股民老羅

我認為5G才是撐起人工智能的技術基礎。

5G具有更大的帶寬、更快的傳輸速度、更低的通訊延時、更高的可靠性。

對於人工智能，需要機器具備學習能力，並可以對數據進行過濾、整理甚至深度分析！

剛好5G以她更寬、更高速、精準的數據傳輸，像一條信息高速公路一樣，為人工智能的發展提供了肥沃的土壤。比如無人駕駛、大型的倉儲場所，阿爾法狗等等，都是需要快速精準的收集數據、處理數據，並且對數據進行深度分析加工！這些都是在5G基礎上的發展和應用。

關鍵字: 人工智能 基礎 科技