AlphaGo的战无不胜和百度机器人小度连续打败最强大脑选手再次引爆了人工智能。
过往提到机器人，可能往往是想到机器人帮我们扫地，削苹果，替代人们做各种各样的体力劳动，但当机器人拥有了人工智能，甚至打败人类的大脑的时候，却让我们感到不安和恐惧。
怎么才能战胜不安和恐惧，只有放开怀抱去拥抱未来，拥抱人工智能，去了解他，控制他，训练他。我们从不害怕汽车跑的比我们快，我们只会去操作汽车去到我们想要去的地方，对于人工智能同样应该抱有这样的态度。
李开复博士在一篇演讲中提到，在很快很快的未来，有50%以上的人会因为人工智能失业，但我们也可以预想，有更多的人会因为人工智能受益，它能帮助人类解决问题，能取代重复性的工作，能创造商业价值。你可以想想，为什么AlphaGo这么厉害？就是因为它可以动用到几千台机器每天和自己对弈上万盘的围棋，而这人是做不到的；未来的自动驾驶依靠各种传感器在路上搜集数据，这同样是人办不到了，所以人工智能在未来的快速发展是一个必然的过程。
人工智能也有软肋，也会犯错误，所以人工智能不会代替人类，智能辅助人，各行各业都有人工智能做不到的，做不好的，正是体现人类价值的地方，同样，我们程序员更不会失业，成千上完的机器人需要更多的人才去维护，控制，训练；人工智能需要爸爸，而我们就要做人工智能的爸爸。
人工智能是什么
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的一个完整过程是：
1.感知（视觉、语音、语言）
2.决策（预测和判断）
3.反馈
人工智能可以做什么
语音识别
比如siri进行语音识别和语义识别，属于人工智能的范畴
自然语言理解
数据挖掘
计算机视觉
图像识别
影响人工智能发展的先决条件
物联网
物联网提供了计算机感知和控制物理世界的接口和手段，它们负责采集数据、记忆、分析、传送数据、交互、控制等等。摄像头和相机记录了关于世界的大量的图像和视频，麦克风记录语音和声音，各种传感器将它们感受到的世界数字化等等。这些传感器，就如同人类的五官，是智能系统的数据输入，感知世界的方式。
大规模并行计算
人脑中有数百至上千亿个神经元，每个神经元都通过成千上万个突触与其他神经元相连，形成了非常复杂和庞大的神经网络，以分布和并发的方式传递信号。这种超大规模的并行计算结构使得人脑远超计算机，成为世界上最强大的信息处理系统。近年来，基于GPU图形处理器的大规模并行发展迅速，使得人工智能发展更进一步。
大数据
如果我们把人工智能看成一个无限潜力的婴儿，某一领域专业的海量的深度的数据就是喂养这个天才的奶粉，奶粉的数量决定了婴儿是否能长大，而奶粉的质量则决定了婴儿后续的智力发育水平。
深度学习算法
人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以进行深度机器学习。
人工智能的理论基础
如今很多人工智能使用到的算法，其实早在几百年前的牛顿，高斯，傅里叶时代就已经诞生，只是受到各种大环境不成熟的影响，到现在才发挥出他强大的威力。
人工智能技术分类
人工智能的实现一般是通过建模和训练，从建模方法和训练方式的不同，往往可以被划分为监督学习，非监督学习，深度学习。
监督学习
监督学习，简而言之，就是分类算法，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（模型属于某个函数的集合）
比如我们买房子关注的学校，交通，环境，开发商实力，户型等等，我们可以把这些数据赋予一定的系数，然后得到一个房子价值分数。然后通过大量的市场数据，得出一个样本调查，分析价格和价值的样本关系。这样的话就可以知道我们后面的选择。
非监督学习
在无监督学习中我们用的数据会和监督学习里的看起来有些不一样，在无监督学习中没有属性或标签这一概念，也就是说所有的数据都是一样的，没有区别，所以在无监督学习中，我们只有一个数据集，没人告诉我们该怎么做，我们也不知道每个数据点究竟是什么意思，计算机拿到这样一堆数据，会去做一些事情，按照他的理解找到一些聚类，下次当有一个新样本的时候，就会把他放到特定的聚类中。这个在医学研究中用途广泛。
深度学习
神经元，逐层抽取，纵向图像识别。它的特点是使用了多层网络，能够学习抽象概念，同时融入自我学习，而且收敛相对快速。
举个例子，比如说我现在叫人工智能去识别一个动物是猪还是狗，深度学习就是通过多维度的去搜索，比如毛发，体型，眼睛，鼻子，逐层抽象出相关的概念，然后做出理解，最终做出判断和决策。
本文只是一个开端，接下来我会一一展开，探索人工智能的奥秘。