关于这个问题，中国科普博览邀请寒武纪CEO陈天石来回答：

人工智能的这个定义，第一这个人工智能其实是比较复杂的事情，但是从字面上来说的话，人工智能就是，用人工的方式去实现的这个智能。其实更确切的说，就是说人造的智能。

人工智能的目标其实就是说，人是一种有智能的生物，那么机器如果想拥有智能的话，应该从哪个方面去做，应该实现哪些功能。

大的来说话，人工智能现在可能可以把它分为感知智能和认知智能两块。感知就是对应了人，比如说我们去看，去听，和物理世界进行交流，说白了就是说从物理世界来获取信息的这个过程就叫做感知。还有一块是认知智能，那就是说我们人进行思考，进行推理、联想、判断这些，更复杂和高级的这个行为。人区别于其他一般的动物，最大的区别其实在于认知智能。那么感知智能，其实很多动物它都具备一定的能力，比如说有眼睛就能看，有耳朵就能听，等等。那么所以人工智能其实要做的事就是感知和认知两块，去逼近这种自然界的生物的能力。

同时，也逐渐发展出一些生物界的，比如说人或者其他生物不具备的智能能力，比如说做非常大，非常复杂的这种运算，其实现在大家会觉得，这个就是简单的算术，计算器就能做，但从另一个角度来看，这也是机器一种智能的方式，因为人算不了那么快，算加减乘除，当然机器可以算的非常非常快。

所以简而言之就是，感知和认知两件事情。当然还有一些其他的维度，比如说从计算的角度看，计算的能力也是一种智能，我们叫计算智能，等等。

让我们试着来给人工智能下个定义！

人工智能（Artificial Intelligence，一般也简称AI）是指用机器去实现所有目前必须借助人类智慧才能实现的任务，它本质上是基于学习能力和推理能力的不断进步，去模仿人类思考、认知、决策和行动的过程。人工智能的发展以算法、计算和数据为驱动力，其中，算法是核心，计算和数据是基础。近些年，随着三大因素的共同进步，人工智能已经在机器视觉、语音识别、语义识别、图像识别、动作控制等众多领域实现重大突破，并开始广泛渗透到金融、客服、安防、医疗、无人驾驶、教育和家居等行业，为经济社会的转型升级发挥重要作用。Horizon Insights认为，2025年，机器人和人工智能对传统经济带来的冲击将达到14-33万亿美元/年。埃森哲的一项新研究也表明，随着人工智能的繁荣发展，到2035年，全球企业利润将实现38%左右的增长，共为16个行业增加大约14万亿美元。一些行业的年度增长数据将会翻一番，部分传统行业，例如制造业和食品服务业等，会增加一倍甚至更多。也因此，人工智能被认为将是引领新一轮产业革命的核心科技力量之一，业界普遍看好该产业未来将实现爆发式增长，并对其进行巨额投入。

人工智能是信息技术发展的必然结果。数据、算力和算法是信息技术的三大基石。近年大数据从海量数据处理方面、云计算从海量IT资源组织方面取得突破，从而释放了深度学习等传统机器学习算法的潜力，掀起了人工智能的浪潮。从云计算到大数据再到深度学习本质上是从算力到数据再到算法的迭代创新波浪。

人工智能将带来新一轮的产业革命。无人驾驶、服务机器人、智能家居对乘用车、家电产业产生巨大的变革。无人工厂、无人物流正成为企业重要的生产手段。智能客服、智能投资顾问、智慧医疗、智慧教育正塑造现代服务业的新形态。人工智能在生产生活中发挥的作用日渐显现。从农业社会到工业社会再到信息社会，生产生活的决策从依赖经验，到依赖信息，最终进化到依赖算法。基于大规模数据和算力，人工智能将主导人类生活和生产。人类的生活将从逐渐重视算法的建议到直接接受算法的指令。以餐饮为例，从一开始的在家自己做，到通过信息平台寻找美食，到最终由算法定制食谱自动下单。同时，人类的贸易、制造和投资也正从逐渐重视算法的决策支持到接受算法的自动驱动，比如从早期ERP系统提供定期的库存分析到目前大型电商平台的实时自动分布式库存管理。

关于人工智能，学界至今未有普遍承认的定义。1956年的达特茅斯会议首次提出人工智能

的概念，将其定义为使一部机器的反应方式像一个人，在行动时所依据的智能。麻省理工大学的Patrick Winston则认为，人工智能是关于知识的学科，怎样表示知识以及怎样获得知识并使用知识的学科。

达特茅斯会议后，人工智能因感知神经网络软件的出现和神经网络及BT算法的出现先后迎来两次发展热潮。目前，人工智能发展正处于第三次热潮，这主要源于三个重要因素：计算能力、深度学习算法和大数据。随着云计算技术和芯片处理能力的迅速发展，GPU、FPGA等并行计算工具及人工智能专用芯片的使用使得人工智能的发展成为可能。建立在大数据基础上的深度学习算法使得机器更加 “智能”，大大提升了机器学习的效率。

普遍认为，人工智能可能带来颠覆性变化。麦肯锡全球研究院就认为人工智能正在促进人类社会发生转变。这种转变将比工业革命“发生的速度快 10倍， 规模大300倍，影响几乎大3000倍”。目前，人工智能的发展已经进入前所未有的高峰期，据乌镇指数，2012-2016年，全球人工智能企业新增5154家，是此前12年的1.75倍。仅2016年的融资规模就达到92.2亿美元，是2012年的5.87倍，与2000年-2013年累积融资规模相当。

2016年1月，全球首款智能驾驶公交车在荷兰投入运营。如今人工智能的产品无处不在，例如Apple的Siri，谷歌的无人车，IBM的Watson。这使的社会各界对人工智能的关注前所未有地高涨。值得注意的是，虽然人工智能已经无处不在，但目前的人工智能还是处在弱人工智能阶段，只能解决特定的具体任务类问题。关于意识起源、人脑机理等方面的基础理论研究仍有待突破。

试着从人工智能“工作流程”的角度解答一下您的问题。

人工智能(AI)正席卷全球，目前已有很多创新用例，几乎应用于所有行业。虽然说，要做出用智能机器人代替医生这种听起来就很科幻的东西，还有几十年的路要走，但现在人工智能也正为各行各业的专家们，提供着决策与解决问题方面的帮助。也会为我们消费者提供一些非常便利的功能，比如听歌识曲。

大多数人关注的是AI的一些成果性的东西，一些实际的用例。当然，还有霍金的“人工智能威胁论”。但对于我来说，我更喜欢透过外表去看这台“机器”是如何“运转”的，此处我们会谈到需要去理解的四个基本要素：分类、分级、机器学习和协同过滤。

分类涉及到创建特定于待解决问题领域的度量(如金融、网络)。分级包括确定数据与待解决问题的相关程度。机器学习涉及到异常检测、群集、深度学习和线性回归。协同过滤涉及到跨大数据集去寻找应用模型。

分类

AI需要大量与解决问题相关的数据，创建一个人工智能解决方案的第一步是创建一个我称之为“设计意图指标”，用于将问题进行分类。无论用户试图建立一个系统去帮助医生诊断癌症还是去帮助IT管理员诊断无线网络问题，都需要定义度量，使问题被分解成一个一个的小块。例如，在无线网络中，关键指标是用户连接时间、吞吐量、覆盖面积和漫游。在癌症诊断方面，关键指标则是白细胞计数、种族背景和X射线扫描。

分级

一旦用户的待解决问题有了一个明确的分类，下一步就是对每个分类进行分级，帮助用户走向可获得有意义结论的方向。例如，在训练人工智能系统时，用户首先必须对问题属于单纯性文本还是双关语进行分等，然后按时间、人、事或位置进行分等。在无线网络中，一旦用户知道问题的类别，就需要开始对导致问题出现的因素进行分等：关联规则、认证、动态主机配置协议(DHCP)或其他的无线、有线和设备因素。

机器学习

现在的问题是将其划分为元数据的特定领域块，用户需要将这些信息“喂给”神奇的、强大的计算机，让其进行吞食及学习，也就是机器学习。机器学习领域有很多算法和技术，使用神经网络的监督机器学习(即深度学习)现在已经成为最受欢迎的方法之一。神经网络的概念现于1949年，随着计算和存储能力的增强，神经网络已经开始被训练用以解决各种实际问题，从图像识别到自然语言处理再到网络性能预测。其他的应用包括异常特性发现、时间序列异常检测和事件关联根本原因分析。

协同过滤

大多数人在线上视频网站看视频或电商平台购物的时候，都会体验到协同性的过滤，并收到他们可能喜欢的电影或商品的推荐。除了推荐，协同过滤还被用来对大量数据进行排序，并在人工智能解决方案的制定上落下最后一笔。在这一过程中，所有的数据收集和分析都变成了有意义的见解和行动。无论是在游戏中，还是对医生、网络管理员，协同过滤都是能够提供高可信度答案的手段。它就像一个虚拟助手，能够帮助你解决各种复杂的问题。

人工智能仍然是一个新兴的领域，但它的影响是深远的，也会越发强烈，因为它会慢慢成为我们生活的一部分。选择一个人工智能解决方案，其实和选购汽车很相似，我们不仅要看车的外形，还要了解引擎盖下面那些真正能够代表车的性能的东西。这样，我们才能知道这辆车是否能达到我们的需求。

觉得这个回答对于理解人工智能有帮助就点个赞吧！

有关人工智能的相关知识很多，各种概念满天飞，一般人弄得云里雾里的。经常有几个词会被混用，我认为至少要理清楚四个相关概念：人工智能、机器人、IOT（物联网）、虚拟现实与增强现实。这些都是未来趋势，但比较容易混淆。

了解人工智能，至少要区别这些概念吧。

简单的说，人工智能主要指算法，相当于人的大脑，运用功能模拟的方法，制造电脑模拟人脑的部分功能，把人的部分智能活动机械化，其中更侧重在模拟的算法。

人工智能由高科技人才和实验室支撑着，偏重前沿技术领域。如谷歌收购的DeepMind就属于深度学习算法公司，重在高科技人才对算法的新研发。

机器人更多的是各项科技的整合。机器人整机，相当做整个人的概念。牵扯的东西很多很多，既要能行动，又要能够交互。机器人是各个科学的结晶，从材料科学、机械工程、电子工程、计算机工程、软件工程等。如中国目前出名的机器人公司“优必选”。

IOT是什么？它是Internet Of Things的缩写，指的是智能家具、可穿戴，这些可以连上网的低智能含量的东西，统称为物联网。这类东西有运算能力，也叫智能，但算法的复杂度远达到被称为人工智能的地步。另外，它们也称不上是机器人，因为这个东西实在太简单，太简陋了。较为常见的智能灯泡、茶座，智能手表等，都叫IOT。如中国人工智能新秀“出门问问”，就有研发可问答的智能穿戴时尚手表。

当然，如果把大家伙连上网也算，比如工业互联网、农业互联网，都算物联网的话，就复杂许多了，变成万联网了。

另一个大的发展方向是虚拟现实和增强现实。

这两年美国CES国际消费电子展览，增强现实领域的产品尤为出彩。它是人感官的延伸，它其实不是机器人，更像把人变成朝人机混合体发展。

你带着增强现实的眼镜，其实你看到的世界是经过增强的，利用的算法不是指导一个机器人去行动，而辅助人类去行动。比如增强现实眼镜和所谓车载的HOD辅助驾驶。它通过人对环境的理解，做出更好的行动。

将来增强现实眼镜会做成隐性眼镜的大小，之后就直接做成眼球，把人的眼球换掉，换成人工的眼球。可以推测，朝这个方向发展下去，会诞生更多的人机混合体。

目前人类的识别还是比计算机识别强许多，大多数所谓人工智能的计算机，它们只能做简单识别。计算机识别能力不及蜜蜂，哪些是花，哪些是蜂巢，它们都识别不了。人脑在做另外一些事情上就特别差，比如说做数学预算。把二者的优势结合起来，做一个变形处理器，就跟做增强现实眼镜一样，在我们大脑里再装一个处理器，基于符号运算的变形处理器，专门做主处理器没有优势的事，这个方向就是人机混合体。

人工智能和机器人，是奔着独立的物种进化发展的；IOT奔着小智能零件大面积地智能普及而去；虚拟现实与增强现实奔着人机混合体的方向发展，这就是几大领域的区别。

这四个方向代表着不同的未来。很多人不懂智能领域的投资，听到很多概念但又不知道这些概念的区别，导致投资动作混乱，错误横出。

当下很多实力强大的大公司如谷歌、百度开始全面覆盖各领域。但作为小公司和初创企业，应深入到细分市场，专挖一块。如当今上榜世界100强AI的国内四家公司，他们的成功无不在于在细分市场上的能力。比如，优必选专心于机器人市场，出门问问主要研发可穿戴智能手表。

人工智能是什么？这是一个非常宽泛的问题，笔者想从以下几个方面来解释。

一、人工智能并不高不可攀，生活中已经存在

人工智能并不想想象中的那么高大上，最普通的就是在我们的手机使用中。这其中有苹果的Siri、百度度秘、微软小冰等工作类软件，以及美图秀秀自动美化等功能类软件。

二、人工智能有三种——弱人工智能、强人工智能、超人工智能

简单来说弱人工智能就是我们现在已经出现的人工智能，它的特点是可以根据人类的需要进行相应的人工智能计算，例如Alpha Go就是典型的弱人工智能，他通过人们给它的棋谱并通过人们给它的程序计算得出最优的方案。

强人工智能是我们正在研制的人工智能，也是所谓的可以深度学习的人工智能。如果还拿Alpha Go来举例的话，强人工智能的Alpha Go应该是只提供围棋的规则，然后它通过自己学习来战胜人类，这就是强人工智能。

超人工智能的定义界限就更加模糊，它是指超越人类最高水平的智慧，这种智慧没有人知道是什么。通俗的讲，这就好比人们幻想的超能力。

三、人工智能的主要应用

人工智能在未来将会充斥着生活的每个角落，大体有这三个方面：自动驾驶、智慧生活、智慧医疗。这三个方向正是人工智能最有潜力超越人类的三个方面。人工智能的大数据计算分析，自主学习判断能力将会为它在这些方面提供巨大的优势。

拨开喧闹复杂的表象，一文结构化读懂人工智能产业图谱

笔者本周最早以人工智能2.0事件为切入点，梳理了人工智能领域的几个方面。在搜集资料过程中，要想理清思路搞清楚，发现有很多资料和说法因在不同层次，容易造成理解上的混乱。今天笔者试图从结构化视角入手，让没有技术基础的人，也能搞清楚人工智能产业图谱。

文 | 刘成军，造奇智能产业新媒体创始人兼主编，智能产业深度观察

你有没有发觉，也不确定从什么时间开始，有关人工智能的论坛、大会突然冒出来，一个接一个，甚至更多与之没有多大关系的论坛，都会有人工智能的分论坛。有关智能制造热度的余温仍在，赶潮的人们又迫不及待地追向下一个热点。

都知道这个世界的常态是“变化”，可是，你有没有觉得，追赶的变化越多，人变得越来越兴奋，却越来越看不懂这个星球了？当你在问“这个星球怎么了”的时候，其实，最该问的是“我肿么了”？

回到话题中来，其实，人工智能技术已在金融、保险、媒体、消费等领域有应用。本轮制造业的变革已然超越工业企业和领域本身，随着大数据、云计算能力的提升，更多的科技、信息技术在充分发展之后，开始深入应用到制造业态中，并带来重构效应。

所以，关注先进科技和新一代信息技术，及其在制造业各个场景里的应用，是非常重要的事情。

趋势的发展总离不开当初的初心，让我们回到历史的起点。记的是1956年，美国计算机协会组织的达特莫斯（Dartmouth）学会上提出“人工智能”一次，主要由计算机专家和数学专家组成，John McKarthy、Marvin Minsky、Nathaniel Rochester、Claude Shannon等，当时初定义为：“使一部机器的反应方式就像是一个人在行动时所依据的智能”。

来，让我们正经一把，看看人工智能的正儿八经的定义，：

人工智能（Artifical Intelligence）是指使用机器代替人类认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。

也就是说，凡是使用机器替代人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。

现在想来，当初那些提出人工智能的脑袋是多么聪明，不但自己特聪明，还想让计算机像人一样更聪明，让计算机帮人们处理一些自身能力边界之外的事情。Oh my God ！

60年来，人工智能在经历了诞生、黄金时代、遭遇障碍、繁荣、低潮等数个阶段之后，人工智能迎来了爆发期。在这段历程中，供出现了三个学派：逻辑学派、连接学派和行为学派。

如今，在中国工程院潘云鹤院士看来，人工智能已发展到AI2.0的当口，即基于重大变化的信息新环境，发展新目标的新一代的人工智能。对于中国人工智能2.0的重点方向在哪？潘院士给出了五个主要方向：大数据智能、群体智能、跨媒体智能、人机混合增强智能、自主智能系统。

其实，对于绝大部分非技术派人员，只要简要了解其发展节奏就好了。可以利用时间，更多的关注应用场景领域和产品类型，这样更能享受AI+产品/服务带来的。

从驱动力视角看人工智能发展阶段

对于人工智能60年来的历程，会有很多视角去观察和总结。在这里，笔者选择从驱动力视角梳理三个阶段：技术驱动阶段、数据驱动阶段，场景驱动阶段。

1、技术驱动阶段：集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用。计算力的三驾马车：芯片、超级计算机、云计算。

值得一提的是，人工智能领域作为一个数据密集的领域，传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题，继CPU之后，相继出了GPU、NPU、FPGA、DSP等“AI”芯片。

2、数据驱动阶段：算法和计算力将变成人工智能领域的基础设施——“水、电、媒”。人工智能发展的第二阶段，算法和计算力已基本不存在壁垒，数据将成为主要驱动力，推动人工智能更迭。

此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础上可以精确地描绘消费者画像，制定个性化营销方案，提高成单率，缩短达到预设目标的时间，推动社会运行效率提升。

当然，针对不同行业特点，会出现技术驱动型应用领域和数据驱动型领域并存的局面。

来源：中国人工智能产业创新联盟

人工智能发展的第三阶段，场景作为主要驱动力，不仅可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策。

这也是为何在2017年贵阳数博会上，马云说数据是能源，在新工业时代最重要；李彦宏说算法是驱动引擎，而马化腾认为场景最重要，也就是说数据只有来源于场景，更有效的算法唯有反馈和应用到场景里，才能真正创造价值。

所以，AI+场景（各个具体行业）才是未来。

AI产业链：技术支撑层、基础应用层和应用场景层

这是本文的关键，就是以结构化视角观察人工智能产业链，只要掌握了这个分析版图和框架，就会对人工智能新闻事件呈现的纷繁之象看得清楚。

来源：36氪人工智能报告

技术支撑层主要由AI芯片、传感器等硬件和算法模型（软件）等两部分构成，其中传感器与IoT的感知层相似，包括GPU、FPGA、NPU等在内的AI芯片负责运算，算法模型则负责训练数据；

基础应用层的技术主要是为了让机器完成对外部世界的探测，主要由计算机视觉、语音识别等感知层和语义识别等认知层构成，这些技术是机器能够做出分析判断的基础。此外，在感知与认知技术之下还有数据标注作为其底层支撑。

来源：36氪人工智能报告

应用场景层是集成了某种或多种基础应用技术的、面向如工业、自动驾驶、家居、仓储物流、金融、医疗等不同应用场景的产品或方案。

来源：36氪人工智能报告

人工智能与你何干？

人工智能将深刻影响各个领域，在由中国人工智能产业创新联盟编制的中指出，无论你是在To C 企业还是To B 企业里，都有可能与人工智能有关。

总体来讲，人工智能对于人类和从事的职业来讲，有两个角色，一是替代人工，一是辅助角色，前者将随着技术的成熟度和广泛的场景应用，将逐渐对其中岗位完成替代，目前已经在翻译、生产线等岗位变成现实。而在一些创意、经营分析与决策方面，人工智能起着辅助角色，要协助这些岗位的核心人员处理的更快、更好、更如意。

一切正在起变化，当明白这种结构图时，就要思考自己的职业方向了。

欢迎关注【军观察】头条号，聚焦智能制造、科技创新（人工智能等）、内容创业的产业新媒体

我们特别喜欢下定义，但是凡是定义，都不是那么准确和全面。因为任何一个概念也都是随着时间变化而变化的。如果给一个概念下个定义，那么谷歌所有关于这个概念的搜索结果都是它的内涵和外延。我们可以试着简单描述一下，但是不下定义。

从18世纪第一次机械化工业革命开始，人类便把科学技术注入到社会的生产过程中，给社会方方面面带来改变。很多媒体也在称我们正在迎来第四次智能化工业革命——人工智能将成为这个世界新电力（吴恩达）。早在1956年的达特茅斯会议上就诞生了人工智能AI，但当时人工智能还仅仅起步于一个概念和设想，碍于当时软硬件和技术的限制没有得到更多的关注，而如今限制人工智能的三大地基均已解封：数据井喷式的发展，计算能力的快速提升，以及算法上的突破让人工智能再次进入黄金时代。再加上各种商业应用铺展开来，使得各界的研究学者对这个领域的推动是巨大的。

人工智能遍布我们生活的方方面面，它将加速解决包括金融、科学、医学、教学在内的各个重大领域内的问题，未来它将成为新时代的技术核心。看看我们的周围，我们每天使用的手机中的虚拟个人助理，只要你说出命令，它们就会自动分析信息完成指令给你想要的答案；无人驾驶或自动驾驶汽车的设计也是基于人工智能，汽车能自己“看到”路况，做出相应的决策，尽管目前技术还没有十分成熟，但其日后发展的潜力也是巨大的；还有我们在互联网上留下的一举一动，人工智能都在分析我们的行为，为我们提供更加私人个性化的服务，通过了解我们的喜好，为我们推荐更多可能满足我们口味的音乐、美食、电影、和服饰等。未来，人工智能的应用场景将越来越多，我们将继续拓展人工智能的广度和深度，切合实际地为我们的生活助力。简单讲，人工智能是聪明的算法来帮忙人们解决一些以前解决不了的问题。帮助人们提高生产力。

虽然1956年就提出了人工智能的概念，但是直到今天要想解释清楚什么是人工智能依然是件比较困难的事情，因为人工智能涉及到的领域太广泛了。早期我们希望做一个能像人一样思考的智能体，但是具备合理思考的智能体也许更重要。所以，现在我们在研究领域更多谈论的是智能体（Agent），而不是人工智能。

虽然解释人工智能的概念比较复杂，但是人工智能研究的内容却是比较明确的，目前集中在以下几个大的方面：

1. 自然语言处理。主要研究人与智能体之间用自然语言进行沟通交流的理论和方法，人与智能体之间的语言沟通对未来智能体的应用意义重大。
   

2. 知识表示。对知识的描述，描述知识的数据结构。人工智能领域目前有多种知识表示方法，包括说明型表示、过程型表示。
   

3. 自动推理。从已知条件得出一定推理的过程。
   

4. 机器学习。从杂乱无章的数据中寻找出一定的规律，机器学习涉及到数据收集、整理、训练算法、验证算法等过程。
   

5. 计算机视觉。让智能体能像人一样“看见”世界（或特定场景）。
   

6. 机器人学。具备一定移动能力的智能体。
   

以上六大部分涵盖了绝大部分人工智能研究的内容，所以目前解释人工智能都从这几个方面来进行具体的解释。

人工智能涉及的领域广、难度高、研发周期长，所以做人工智能是一个系统的过程，需要有长时间的积累。另外，人工智能对基础学科的要求比较高，而目前我国的基础学科总体上来说还是比较薄弱的。虽然如此，人工智能领域我们也有自己的优势，比如数据的积累、大环境的支持等等。

目前在很多特定场景的智能体研究方面，我们已经做出了一些成绩。

我在头条上会陆续写一些关于人工智能方面的科普文章，感兴趣的朋友可以关注我，相信一定会有所收获。

{!-- PGC_VIDEO:{\"status\": 0, \"thumb_height\": 360, \"group_id\": 6481508054314516749, \"media_id\": 5567486222, \"vname\": \"\u9ed8\u91cc\u6c99\u7eb3\u6c49\u77ed\u89c6\u9891.mov\