近幾年各界對人工智能的興趣激增，自2011年以來(lái)，開(kāi)發(fā)與人工智能相關(guān)的產(chǎn)品和技術(shù)并使之商業(yè)化的公司已獲得超過(guò)總計20億美元的風(fēng)險投資，而科技巨頭更是投資數十億美元收購那些人工智能初創(chuàng )公司。相關(guān)報道鋪天蓋地，而巨額投資、計算機導致失業(yè)等問(wèn)題也開(kāi)始浮現，計算機比人更加聰明并有可能威脅到人類(lèi)生存這類(lèi)論斷更是被媒體四處引用并引發(fā)廣泛關(guān)注。
1、人工智能的定義
人工智能領(lǐng)域苦于存在多種概念和定義，有的太過(guò)有的則不夠。作為該領(lǐng)域創(chuàng )始人之一的NilsNilsson先生寫(xiě)到：“人工智能缺乏通用的定義。”一本如今已經(jīng)修訂三版的權威性人工智能教科書(shū)給出了八項定義，但書(shū)中并沒(méi)有透露其作者究竟傾向于哪種定義。對于我們來(lái)說(shuō)，一種實(shí)用的定義即為——人工智能是對計算機系統如何能夠履行那些只有依靠人類(lèi)智慧才能完成的任務(wù)的理論研究。例如，視覺(jué)感知、語(yǔ)音識別、在不確定條件下做出決策、學(xué)習、還有語(yǔ)言翻譯等。比起研究人類(lèi)如何進(jìn)行思維活動(dòng)，從人類(lèi)能夠完成的任務(wù)角度對人工智能進(jìn)行定義，而非人類(lèi)如何思考，在當今時(shí)代能夠讓我們繞開(kāi)神經(jīng)機制層面對智慧進(jìn)行確切定義從而直接探討它的實(shí)際應用。值得一提的是，隨著(zhù)計算機為解決新任務(wù)挑戰而升級換代并推而廣之，人們對那些所謂需要依靠人類(lèi)智慧才能解決的任務(wù)的定義門(mén)檻也越來(lái)越高。所以，人工智能的定義隨著(zhù)時(shí)間而演變，這一現象稱(chēng)之為“人工智能效應”，概括起來(lái)就是“人工智能就是要實(shí)現所有目前還無(wú)法不借助人類(lèi)智慧才能實(shí)現的任務(wù)的集合。”
2、人工智能的歷史
人工智能并不是一個(gè)新名詞。實(shí)際上，這個(gè)領(lǐng)域在20世紀50年代就已經(jīng)開(kāi)始啟動(dòng)，這段探索的歷史被稱(chēng)為“喧囂與渴望、挫折與失望交替出現的時(shí)代”——最近給出的一個(gè)較為恰當的評價(jià)。
20世紀50年代明確了人工智能要模擬人類(lèi)智慧這一大膽目標，從此研究人員開(kāi)展了一系列貫穿20世紀60年代并延續到70年代的研究項目，這些項目表明，計算機能夠完成一系列本只屬于人類(lèi)能力范疇之內的任務(wù)，例如證明定理、求解微積分、通過(guò)規劃來(lái)響應命令、履行物理動(dòng)作，甚至是模擬心理學(xué)家、譜曲這樣的活動(dòng)。
但是，過(guò)分簡(jiǎn)單的算法、匱乏的難以應對不確定環(huán)境（這種情形在生活中無(wú)處不在）的理論，以及計算能力的限制嚴重阻礙了我們使用人工智能來(lái)解決更加困難和多樣的問(wèn)題。伴隨著(zhù)對缺乏繼續努力的失望，人工智能于20世紀70年代中期逐漸淡出公眾視野。
20世紀80年代早期，日本發(fā)起了一個(gè)項目，旨在開(kāi)發(fā)一種在人工智能領(lǐng)域處于領(lǐng)先的計算機結構。西方開(kāi)始擔心會(huì )在這個(gè)領(lǐng)域輸給日本，這種焦慮促使他們決定重新開(kāi)始對人工智能的投資。20世紀80年代已經(jīng)出現了人工智能技術(shù)產(chǎn)品的商業(yè)供應商，其中一些已經(jīng)上市，例如Intellicorp、Symbolics、和Teknowledge。
20世紀80年代末，幾乎一半的“財富500強”都在開(kāi)發(fā)或使用“專(zhuān)家系統”，這是一項通過(guò)對人類(lèi)專(zhuān)家的問(wèn)題求解能力進(jìn)行建模，來(lái)模擬人類(lèi)專(zhuān)家解決該領(lǐng)域問(wèn)題的人工智能技術(shù)。
對于專(zhuān)家系統潛力的過(guò)高希望徹底掩蓋了它本身的局限性，包括明顯缺乏常識、難以捕捉專(zhuān)家的隱性知識、建造和維護大型系統這項工作的復雜性和成本，當這一點(diǎn)被越來(lái)越多的人所認識到時(shí)，人工智能研究再一次脫離軌道。
20世紀90年代在人工智能領(lǐng)域的技術(shù)成果始終處于低潮，成果寥寥。反而是神經(jīng)網(wǎng)絡(luò )、遺傳算法等科技得到了新的關(guān)注，這一方面是因為這些技術(shù)避免了專(zhuān)家系統的若干限制，另一方面是因為新算法讓它們運行起來(lái)更加高效。
神經(jīng)網(wǎng)絡(luò )的設計受到了大腦結構的啟發(fā)。遺傳算法的機制是，首先迭代生成備選解決方案，然后剔除最差方案，最后通過(guò)引入隨機變量來(lái)產(chǎn)生新的解決方案，從而“進(jìn)化”出解決問(wèn)題的最佳方案。
3、人工智能應用領(lǐng)域
1）銀行業(yè)
自動(dòng)欺詐探測系統使用機器學(xué)習可以識別出預示著(zhù)欺詐性付款行動(dòng)的行為模式；借助語(yǔ)音識別技術(shù)能夠自動(dòng)完成電話(huà)客服；聲音識別可以核實(shí)來(lái)電者的身份。
2）醫療健康領(lǐng)域
美國有一半的醫院采用自動(dòng)語(yǔ)音識別來(lái)幫助醫生自動(dòng)完成醫囑抄錄，而且使用率還在迅速增長(cháng)；機器視覺(jué)系統自動(dòng)完成乳房X光檢查和其他醫學(xué)影響的分析；IBM的Watson借助自然語(yǔ)言處理技術(shù)來(lái)閱讀和理解大量醫學(xué)文獻，通過(guò)假設自動(dòng)生成來(lái)完成自動(dòng)診斷，借助機器學(xué)習可以提高準確率。
3）生命科學(xué)領(lǐng)域
機器學(xué)習系統被用來(lái)預測生物數據和化合物活動(dòng)的因果關(guān)系，從而幫助制藥公司識別出最有前景的藥物。
4）媒體與娛樂(lè )行業(yè)
許多公司正在使用數據分析和自然語(yǔ)言生成技術(shù)，自動(dòng)起草基于數據的的公文材料，比如公司營(yíng)收狀況、體育賽事綜述等。
5）石油與天然氣
廠(chǎng)商將機器學(xué)習廣泛運用在礦藏資源定位、鉆井設備故障診斷等眾多方面。
6）公共部門(mén)
出于監控、合規和欺詐檢測等特定目的，公共部門(mén)也已經(jīng)開(kāi)始使用認知技術(shù)。比如，喬治亞州正在通過(guò)眾包的形式來(lái)進(jìn)行財政披露和競選捐助表格的數字化，在這個(gè)過(guò)程中他們就采用了一套自動(dòng)手寫(xiě)識別系統。
7）零售商
零售商利用機器學(xué)習來(lái)自動(dòng)發(fā)現有吸引力的交叉銷(xiāo)售定價(jià)和有效的促銷(xiāo)活動(dòng)。
8）科技公司
它們正利用機器視覺(jué)、機器學(xué)習等認知技術(shù)來(lái)改進(jìn)產(chǎn)品或者開(kāi)發(fā)全新產(chǎn)品，比如Roomba機器人吸塵器，Nest智能恒溫器。
*內容轉載自：本文為博主duozhishidai原創(chuàng )文章
https://blog.csdn.net/duozhishidai/article/details/84947920