1.什么是人工智能

人工智能（英语：Artificial Intelligence，缩写为AI）亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。简单的说人工智能被划分为3个阶段：

第一个阶段:弱人工智能

也叫“限制领域人工智能”或者“应用型人工智能”，指的是专注于解决特定领域的人工智能。

即使打遍天下无敌手的围棋程序AlphaGo这么牛，也仍然属于弱人工智能。因为它只会下围棋，对其他领域一无所知。

弱人工智能作为现在研究的主要方向，多以实用工具的形态出现，目前已取得了巨大的成就，对我们的生活有非常大的便利。

比如美图秀秀的一键美颜，今日头条的新闻推荐，苹果手机上的Siri智能语音助理，特斯拉的辅助驾驶等应用都用起来非常贴心。

第二个阶段：强人工智能

也被成为“完全人工智能”，是指可以胜任所有人类工作的人工智能。这类人工智能不但通过图灵测试简直跟玩一样，在表达，学习，规划，应变等能力上都达到了人类的水平。

到了这个阶段，就需要考虑人工智能有没有意识，能否挑战人类地位的问题了。

然而，这一阶段目前连影子都看不到，只会在科幻电影里出现。

第三个阶段;超人工智能

这是能全方位碾压人类最高智慧的人工智能。由于太过遥远，早已在我们的想象力之外，也可能这种情况计算机压根就无法实现。

从实用的角度考虑，管他是哪个级别的人工智能，只要能更好地解决问题，创造更多价值，把我们从低级重复的劳动中解放出来，就是好的人工智能。

因此，我们姑且认为，人工智能就是可以分析处理复杂问题，协助人类获取最大收益的计算机程序。

事实上，对于人工智能定义和分类现在已经很少有人关心了，有这精力还不如再优化下算法让图片识别的准确率提升一个百分点，让自动驾驶的安全性提高一个层次来得更有意义。

2.人工智能的发展历程

最早出现的弱人工智能是专家系统。顾名思义，这样的系统能像专家一样解决自己研究领域内的问题。

人类的智能很大程度上来自于知识和推理，因此专家系统以知识库为基础，再加上由众多规则组成的推理机，来输出专业的结果，完成人类专家短缺或专门知识十分昂贵的诊断、解释、监控、预测、规划和设计等任务。一般专家系统执行的求解任务是知识密集型的。这个专家系统如此成功最大的原因是领域选择完美。在数学这个领域，人类已经研究了几千年，积累了海量的知识，并以各种公理，定理，公式的形式传承了下来。加之常见的题目类型也就那么几种，常用的解题套路也都总结地非常完善了。把这些已知的知识点全部都转换成系统内运行的规则，在合理算法的加成之下，初中数学题当然迎刃而解。

虽然专家系统在规则明确的狭窄领域确实厉害，但缺点也非常明显。有很多的事情，规律异常复杂，我们自己都说不清道不明的，再想整出个规则库就简直是不可能了。比如，你看到了一个明星，不管他是什么角度，在做什么动作，穿什么衣服，戴没戴眼镜，剪没剪头发，大脑都能准确的分辨出来谁是谁，几乎出不了错。可是，你能说出判断这一切用的是什么规则吗？就算能说出个一二，也不过是大脑工作的冰山一角，用来构建的专家系统简直是漏洞百出。

于是，有人就想，大脑由上千亿个神经元组成，每一个神经元都只不过是处理简单信号的细胞，虽然每个神经元对自己在干什么一无所知，但海量神经元协同工作就产生了高度的智慧。何不用计算机来模拟这些神经元呢？

于是人工神经网络诞生了。典型的人工神经网络，一般是由几个，几百个，上千个甚至几百万个人工神经元构成，它们排列在一系列的层中，除了输入层和输出层之外，中间还有多个隐藏层，每个层之间彼此相连，就组成了错综复杂的深度神经网络。

输入信息会首先进入左侧的输入层，然后激发中间的隐藏层，最后从右侧输出层输出结果。

输入层和隐藏层的神经元的输入输出代表了待解决问题的若干变量和期望的输出结果之间的某种复杂关系，通过调整这些错综复杂的变量和权重，我们就能从输入得到正确的输出。

这些神经元所涉及的变量是怎么调整的呢？这个过程就叫深度学习。深度学习的操作方法就是给电脑输入海量的已知结果的数据，让电脑自己去调节这些神经元之间的变量和权重，最终利用已知的答案来验证输出结果对不对。

经过无数次的学习和训练，这些神经元之间的变量和权重分配也经过无数次的调整优化，系统的表现已经很好的时候，就可以把这些调整好的参数固定起来，用来解决未知问题了。

深度学习就是以这么一种不求甚解的实用主义思想为指导的。只要有足够的数据让能机器充分学习，能很好地解决问题，管它内部的是怎么运行的呢，白猫黑猫，抓住老鼠就是好猫。

从前面的描述可以看出，深度学习和专家系统是基于两种完全相反的指导思想的。专家系统试图用已知海量知识来解决未知问题，知其然，也知其所以然；而深度学习则是用海量数据让机器自己去总结规律来解决未知问题，知其然，但不知其所以然。

由于这个世界确实太复杂，已知的知识始终只是一座微不足道的小岛，因此目前专家系统逐渐无人问津，深度学习也几乎已经成为了人工智能的代名词。

那么基于人工神经网络的深度学习算法这么牛，为什么最近才大放异彩呢？这是因为有了大数据和云计算的加成。

随着近年来通信和网络带宽的大幅增长，计算机存储的大幅增长，以及对数据处理和分析能力的大幅增长，信息存储、交换和处理的过程产生了海量的数据，这些数据才能支撑起深度学习的输入需求。没有足够的学习样本，深度学习系统搭建地再完美也没用。

另一方面，通过海量数据进行深度学习需要超强的计算能力，这就需要由云计算平台组织起来的成千上万台计算机集群来协同完成。比如前面说过，世界最强的谷歌大脑就拥有由16000台计算机组成的可怕计算能力。

可以这么说，深度学习算法是灵魂，云计算是肉体，大数据则是粮食。这三者合力，揭开了人工智能应用的新篇章。

3. 总结

1. 人工智能是可以分析处理复杂问题，协助人类获取最大收益的计算机程序。目前业界主要关注弱人工智能。

2. 早期的人工智能以专家系统为主要方向，目前基于人工神经网络的深度学习是人工智能算法主流。

3. 基于深度学习的人工智能取得了巨大的进展，已经在悄悄地改变着我们的日常生活。

4. 人工智能目前还只是我们提高工作效率，改善生活质量的工具。人工智能的发展可能淘汰一批工作岗位，但可能会产生更多新的机会。

5.职场人应该在努力提升自己专业技能的基础上，还应该适时的去关注一些人工智能方面的知识，并提前做出相应的规划和准备。这样等到变化真正来临的时候，你才不会显得那么焦虑和慌张。