“人工智能”一词最初是在1956年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能就其本质而言，是对人的思维的信息过程的模拟。20世纪70年代以来，人工智能被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
1.什么是人工智能
目前，对人工智能还没有广泛认可的统一定义，很多专家学者给出了一些有代表性的解读。最早提出这一概念的约翰·麦卡锡认为：“人工智能就是要让机器的行为看来像人所表现出的智能行为一样。”美国麻省理工学院Winston教授在《人工智能》一书中指出：“人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。”美国斯坦福大学Nilson教授认为：“人工智能是关于知识的学科，是怎样表示知识、获得知识并使用知识的学科。”我国《人工智能辞典》将人工智能定义为：“使计算机系统模拟人类的智能活动，完成人用智能才能完成的任务”。综合来看，人工智能（Artificial Intelligence），英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，它的目标是希望智能机器或智能系统拥有像人一样的智力能力，可以替代人类实现识别、认知、分类和决策等多种功能。
人工智能是计算机科学的一个分支，除了计算机科学以外，人工智能还涉及信息论、控制论、神经生理学、自动化、仿生学、生物学、心理学、数理逻辑、语言学、社会科学、医学和哲学等多门学科。
2.人工智能相关技术
人工智能作为当下科技领域最热门的技术，吸引了众多行内和行外人士的关注。目前，AI技术主要包括机器学习、计算机视觉、语音识别、自然语言处理、专家系统、机器人、大数据等方面。人工智能技术的发展和应用需要一系列技术的支撑，包括物联网技术、云计算技术、边缘计算技术、大数据技术等。
（1）机器学习。
机器学习（Machine Learning），是指让机器具备人一样学习的能力，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心，是使计算机具有智能的根本途径。机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。机器学习已经有了十分广泛的应用，例如：专家系统、自动推理、数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和智能机器人等。国内外专注于机器学习的公司有亚马逊、苹果、谷歌、优必选、图灵机器人、极智嘉科技等。
（2）计算机视觉。
计算机视觉（Computer Vision），是研究如何使机器“看”的科学，更进一步地说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并经过图像处理系统的专业分析得到被摄目标的形态信息，按照需求进行各种运算，提取目标的特征值，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。目前，计算机视觉主要应用在人脸识别、图像识别方面（包括静态、动态两类信息）。人脸识别，亦叫人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别技术是采用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行处理的一系列相关技术。图像识别，是计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。图像识别过程包括图像预处理、图像分割、特征提取和判断匹配。
计算机视觉有着广泛的细分应用，包括安防监控、医学图像分析、人脸识别、自动化控制、无人驾驶、无人机、3D处理、VR/AR、智能家居、金融服务等方面。凭借着应用场景的广泛性，计算机视觉有望发展成为下一个智能时代的标配。国内外代表性公司有Hawk-Eye、英特罗实验室、海康威视、大华股份、商汤科技、云从科技、依图科技、旷视科技、速感科技、云天励飞、格灵深瞳等。
（3）语音识别。
语音识别（Speech Recognize），是指通过识别及理解过程，使计算机可以将语音信号变换为等价文字信息或命令的技术，通俗易懂的讲法就是将语音转化为文字，并对其进行识别认知和处理。通过语音识别技术，计算机与人可以以语音的方式直接交流，计算机接收到语音信号后能够理解人的意图，并根据意图作出相应的反应。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。
人工智能落地最成功的就是语音识别技术。目前，国内的语音识别研究已经涉及小波技术、高级人工智能、机器学习等多个领域，主要应用在车联网、智能翻译、智能家居、医疗听写、自动驾驶、语音书写、计算机系统声控、电话客服等方面，国内外最具代表性的企业有Nuance、MSRA、苹果、谷歌、科大讯飞、云知声、百度、普强信息等。国外Google、Apple、MSRA语音识别的基础研究做得比较久，技术上也比较好，苹果Siri语音助手就是典型应用。国内语音识别巨头科大讯飞发展时间比较长，在语音技术领域位于行业领先位置，而云知声则发展很强劲，搜狗语音输入法、易信、乐视TV、小米等产品都采用了云知声的语音识别技术。(www.xing528.com)
（4）自然语言处理。
自然语言处理（Natural Language Processing），是使用自然语言与计算机进行通信的技术，研究的是实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理使计算机能够理解和运用人类语言，进而通过人机之间的语言通信来代替人的部分脑力劳动，如整理资料、摘录文献、解答问题等。自然语言处理机制涉及两个流程：自然语言理解和自然语言生成。实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等，前者称为自然语言理解，后者称为自然语言生成。
自然语言处理研究的内容和范围包括文本朗读/语音合成、语音识别、中文自动分词、词性标注、句法分析、自然语言生成、文本分类、信息检索、信息抽取、文字校对、问答系统、机器翻译、自动摘要、文字蕴涵等。典型的例子包括：多语种数据库和专家系统的自然语言接口、各种机器翻译系统、全文信息检索系统、自动文摘系统等。国内外代表性的企业有Google、阿里巴巴、百度、BAT、京东、科大讯飞、爱特曼、思必驰、三角兽科技、森亿智能、又学教育等。
（5）专家系统。
专家系统（Expert System），是运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。
专家系统的发展已经历了三个阶段，正向第四代过渡和发展。目前，在总结了前三代专家系统的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。专家系统的应用非常广泛，包括信息管理、教学系统、医院和医疗设施、员工绩效评贷款分析、病毒检测、维修和保养项目、仓库优化、财务决策知识发布、过程监控和控制、监督工厂和控制器的运行、股市交易、航空公司时刻表和货运时间表等领域。
（6）机器人。
机器人（Robot），即机器+人工智能，是自动执行工作的机器装置。将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、制动器以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。机器人的研究经历了三代发展过程：第一代程序控制机器人、第二代自适应机器人、第三代智能机器人。智能机器人主要指运用信息技术使机器人具备人的智慧，让机器人学会学习知识并掌握先进技术。智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。由此可知，智能机器人至少要具备三个要素：感觉要素、反应要素和思考要素。
智能机器人在当今社会变得越来越重要，越来越多的领域和岗位都需要智能机器人参与，这使得智能机器人的研究也越来越频繁。美国是机器人的发源地，其机器人技术在国际上仍一直处于领先地位，在军用、医疗、家用服务机器人产业都占有绝对的优势。国内智能机器人行业的研发主要集中于家庭机器人、教育机器人、工业/企业服务机器人和智能助手等方面。国内代表性机器人企业有百度、阿里巴巴、科大讯飞、优必选、思必驰、北京智能管家、深兰科技、云问科技等。
（7）大数据。
大数据（Big Data），或者称之为巨量资料，是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围，需要全新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
人工智能与大数据密不可分，大数据是AI智能化程度升级和进化的基础。近期，人工智能之所以能取得突飞猛进的进展，不能不说是因为这些年来大数据长足发展的结果。随着各类感应器和数据采集技术的发展，我们开始拥有以往难以想象的海量数据，同时，也开始在某一领域拥有深度的、细致的数据，这些都是训练某一领域“智能”的前提。而大数据智能应用的终极目标就是实现海量数据条件下的人类深度洞察和决策智能化，最终走向普适的人机智能融合。拥有大数据，AI才能够不断地进行模拟演练，不断向着真正的人工智能靠拢。结合了大数据和5G的人工智能，已经广泛应用到各个领域，包括银行、保险、医疗、教育、农业、工业、商业、服务业等各个方面。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
