2021 开年巨献 —— 系列文章《AI 入行那些事儿》，为您讲述：
-
人工智能的基础原理、发展历程、当前应用
-
成为 AI 技术人员所需的入门技能和学习途径
-
以及求职、面试的全过程
什么是人工智能
在说到人工智能时，大家是否会想到斯皮尔伯格导演的一部电影——《人工智能》？在这部电影中，主人公是个以小男孩形象出现的机器人，能说话，能走路，能做很多复杂的事情。
这也是很多人想象中的，人工智能的样子，那么，实际的人工智能真的是这个样子吗？本书中要谈的人工智能又是什么呢？
这部电影的英文名是《 ARTIFICIAL INTELLIGENCE 》，这也是本书中要谈的“人工智能”的英文名，它的缩写“AI”现在大家耳熟能详。然而，在现实中，人们还无法制造出电影里描述的那种机器人。
我们所说的人工智能，一般是这样定义的：由人所制造出来的机器所表现出来的智能。
说得具体一点，如果一台机器能够以一种完全自如的方式（比如可以用人类的语言直接给机器下达指令，而不需要输入专门为机器编制的指令代码）来完成一件事情（哪怕是一件很小的事情），那么我们就可以说这台机器实现了人工智能。
“人工智能”这个词由“人工”和“智能”两部分组成：
-
“人工”的意思是人工智能的对象是人造的。
像我们日常可以见到的那些受过训练的动物就不是人工智能，因为它们虽然可以独立完成一项工作，却不是人造的。
-
“智能”的意思就是人工智能的对象能够独立完成一项工作。
在一般人看来，这项工作可能很简单，实际上，要完成它需要经过许多步骤。情况不同，这些步骤的差别可能会非常大，机器需要自己去应对各种可能发生的状况来完成工作。
有的机器只能在特定情况下完成某一项工作，换一个场景，就需要人的干涉，对机器的设置进行一些改变，才能正常工作，这样的机器就不能称为人工智能了。
人工智能的起源
人工智能这个概念是英国数学家图灵在1950年提出的，这一年他发表了一篇划时代的论文——《计算机器与智能》（COMPUTING MACHINERY AND INTELLIGENCE）。
在这篇论文中，他首次提出了人工智能的概念，当时他给这个概念起的名字叫做“会思考的机器”（Thinking Machine）。
他认为，一台会思考的机器，首先需要拥有感知能力，即“能看“、“能听”，而这台机器“能看”、“能听”的，不仅仅是人类给出的指令，也包括自然界的各种事物。它应该能“看到”周遭环境的状态和自然界的景象，能够“听到”人说出的语言和其它声音。
在“看到”和“听到”之后，它还能理解这些图景和声音到底代表了什么意思。这就是早期人们认为人工智能所应该拥有的能力，然而时至今日，这些能力也还没有完全实现。
在这篇论文中，图灵还提出了著名的“图灵测试”。在这个测试中，如果一个测试者无法判断和他进行交流的是一台机器还是一个人，或者把和他交流的机器当成了一个人，那么这台机器就通过了图灵测试，就可以认为它拥有了人工智能。
而到目前为止，还没有哪个产品能在大范围内通过广义上的图灵测试。
1956年，著名的达特茅斯会议召开。来自全世界的计算机科学家、数学家、信息学家们聚集在一起，首次提出了“人工智能”这个名字，这标志着“人工智能”的正式诞生，1956年也因此被称为人工智能元年。
人工智能的发展
在此之后，人工智能的发展起起落落，它曾在1958年前后和1986年前后经历了两次高潮，在每次高潮之后它又迅速跌落到谷底，到了今天，它又达到了一个新的高潮（见下图）。
每次人工智能高潮的出现都和新技术的提出有关，第一款神经网络感知机的提出，把人工智能推上了第一次高潮，反向传播算法的提出，又把它推上了第二次高潮。
而人工智能发展过程中的低谷，又往往是因为人们发现新技术实际上所能起的作用有限——这种有限在今天看来，其实是受制于当时计算机的运算能力。
现在我们正在经历人工智能的第三次发展高潮，推动这次高潮的正是运算力的大幅度提升。
2006年，加拿大多伦多大学的乔弗里·辛顿（Geoffery Hinton）教授发表了关于深度神经网络的论文。在此之前，神经网络曾经两度陷入低谷，这次他的论文又把神经网络的研究推向了高潮，成为人工智能第三次发展高潮的标志。
之前普遍采用CPU进行运算，而辛顿教授的论文提出GPU也可以用来做运算，而且使用起来更加简单。在算法优化之后，使用GPU的运算力是CPU的很多倍。GPU的出现使得神经网络凭借运算力的大幅度提升实现了前所未有的突破。
显然，人工智能的第三次浪潮与硬件的升级换代有着密不可分的关系。
