我們對一個事物的認識模糊往往是因為宣傳過剩沖淡了理論的真實，我們陷在狂歡裡，暫時忘記為什麼要狂歡，如何踏上這趟飛速發展的列車成為越來越多人心心念唸的事情。人工智慧的浪潮更像是新聞輿論炒起來的話題，城外的人想進去，城內的人也不想出來。

當我們談人工智慧的時候我們在談什麼，不同的人的眼裡它有不同的樣子，對一些人來說它只是一個詞語，或者一個產品形態比如機器人；對一些人來說它是不斷提升的演算法和技術、機會與商機；當然對一些人來說它是VC可能識別錯了的包裝，代表金錢……新聞宣傳讓AI變成了厲害的代名詞，成功地讓人們聽到AI就興奮不已，想象未來可期。

宣傳是有用的，對AI抱有熱情並開始為之學習努力的人是受益者，而僅僅限於討論AI很厲害的人在為泡沫做貢獻。如果是談“AI很厲害”這句話，那AI很厲害，他不厲害。術業有專攻，講理論的講理論，講方法的搞實踐，搞宣傳的搞泡沫。當我們談人工智慧的時候不能停在詞語表面，那是在禁錮思想。

1當我們談人工智慧，我們說它的定義

它是一門科學

人工智慧（Artificial Intelligence, AI）亦稱機器智慧，是指由人制造出來的機器所表現出來的智慧。通常人工智慧是指通過普通計算機程式的手段實現的類人智慧技術。該詞同時也指研究這樣的智慧系統是否能夠實現，以及如何實現的科學領域。

約翰·麥卡錫於1955年的定義是——“製造智慧機器的科學與工程。”

2當我們談人工智慧，我們看看它的歷史

（來自維基百科）

人工智慧研究的起點被認定為1956年的達特茅斯（Dartmouth）學術會議，約翰·麥卡錫等人進行了1個月的討論，討論為計算機程式設計使其能夠使用語言、神經網路、自動計算機、隨機性與創造性等議題。催生了第一次人工智慧浪潮的出現，在1956年—1974年。期間出現增強學習的雛形，感知器、搜尋式推理，發明了能證明應用題的機器、簡單人機對話的的機器等。但很快人們發現這些東西只能做簡單的專門的任務，突破有很大難度，同時此時的人工智慧所基於的數學模型和數學手段被發現有一定的缺陷，從而進入了瓶頸期。

20世紀80年代，是人工智慧的第二次浪潮。做專家系統、知識工程，1986年提出的多層神經網路和BP反向傳播演算法，證明了神經元網路的學習訓練過程可以收斂。89年出現了與人類下象棋的智慧機器。這個時期AI研究人員首次提出：基於對事物的推理能力比抽象能力更為重要，這也促進了計算機視覺、自然語言的發展。但仍然很難走出實驗室。

專家系統：專家系統是早期人工智慧的一個重要分支，它可以看作是一類具有專門知識和經驗的計算機智慧程式系統，一般採用人工智慧中的知識表示和知識推理技術來模擬通常由領域專家才能解決的複雜問題。

一般來說，專家系統=知識庫+推理機，因此專家系統也被稱為基於知識的系統。一個專家系統必須具備三要素：領域專家級知識、模擬專家思維、達到專家級的水平。

       在2006年，傑夫·辛頓(Geoffrey Hinton)提出多層神經網路的深度學習演算法，聯合楊立昆(Yann LeCun)、約書亞·本吉奧(YoshuaBengio)發表了具有突破性的一篇論文《A Fast Learning Algorithm for Deep Belief Nets》從理論上解決了原有神經網路規模無法擴充套件，只能處理單一情況無法處理複雜情況的問題，直接推動深度學習理論取得突破，形成了人工智慧的第三次浪潮。無人駕駛、siri、微軟小冰、谷歌AlphaGo、理論研究演算法升級，商業模式的逐步落地……加碼宣傳再次重新來過，越來越多的事件刺激對人工智慧沉寂的神經。

3當我們談人工智慧，我們看看它的分類

全球著名計算機視覺專家，統計與應用數學家、人工智慧專家朱鬆純把它歸為以下幾大類：

 1、計算機視覺（暫且把模式識別，影象處理等問題歸入其中）、

 2、自然語言理解與交流（暫且把語音識別、合成歸入其中，包括對話）、

 3、認知與推理（包含各種物理和社會常識）、

 4、機器人學（機械、控制、設計、運動規劃、任務規劃等）、

 5、博弈與倫理（多代理人agents的互動、對抗與合作，機器人與社會融合等議題）。

 6、機器學習（各種統計的建模、分析工具和計算的方法）

人工智慧學科分散，每一個學科拿出來說都有自己深度的理論體系。從事相關研究的人員往往只涉及某個學科的某個具體的問題，比如人臉識別只是計算機視覺這一學科中的一個問題。

市場上的公司將不同學科領域與不同行業結合起來，變得榜上有名，不同的分類我們也許都能說出來幾個榜上有名的公司，做計算機視覺的曠視，自然語言的訊飛，機器人的大疆……還有就是大型網際網路公司所代表的AI技術力量，以及一些專門垂直領域的公司。

4當我們談人工智慧，我們說它是風口

2017年，國務院釋出《國務院關於印發新一代人工智慧發展規劃的通知》，人工智慧上升到國家戰略的高度。

2017年，有運營了幾年的初創公司憑藉過硬的技術浮上水面，被大眾熟知；有成立一兩年的公司迅速出生，迎接VC對人工智慧的青睞。風口從人工智慧這個詞往下延伸到各個行業、或者場景中，變成AI+，金融、安防、駕駛、醫療、教育、新零售、文化娛樂……不斷的探索與行業的結合。

2017年，<總理為原創的中國人臉識別技術點贊>成為各大新聞頭條，曠視科技CEO印奇在發言環節，提到曠視科技在深度學習上的核心技術系統Brain++，總理和印奇再三確認：“我們中國年輕人有志氣這很好，但你一定要很誠實地告訴我，這是不是咱們中國自己原創的？”重視和決心可見一般。總理表示，整個人工智慧行業，其實本質上是一個技術和大資料結合的行業，中國人口基數大，在大資料層面有得天獨厚的優勢。

在政策的支援下，各方面的資源向人工智慧湧來，擁有頂尖的技術和落地能力才可以站穩腳跟。

以深度學習為代表的人工智慧再次掀起的高潮，彷彿一劑興奮劑。深度學習也似乎變成人工智慧的代名詞，但是深度學習只是機器學習的一個流派。雖然現在談到人工智慧還是相對模糊的階段，但是我們看到越來越多的公司有著頂尖的演算法，有了自己的產品，並很好的落地，得到矚目，也讓越來越多的人看到機會和希望，紛紛踏入這個圈子或者投身創業。

人工智慧的春天再次來臨，會不會進入寒冬看我們在這一波浪潮中如何去做。浪潮的來臨創造了更多的機會，相信我們所投入的更多的熱情也會讓這個行業煥發出更多的活力。行業的發展離不開技術的勝利，也離不開社會的推動，也許多年之後回過頭，看到自己經歷的時代，會驚喜自己是浪潮中的弄潮兒。