人類最引以為傲的就是其高于地球生命的智慧：超強的分析能力、學習能力、記憶能力，豐富的情感，引領人類進步的各種發明創造；人類為何如此聰慧？到底什么是智能？聽說最近ai猛上天了，人工智能到底是怎么回事？

什么是智能？

經過訓練，能夠理解人類的一些行為并作出反應的狗（扔球，喂食），我們通常會說這狗很聰明；有些小孩子能夠很快的學習知識并且舉一反三，我們也會說這孩子好聰明；再舉一些詳細的例子：

啼哭是人類嬰兒的本能，為的是在受到傷害時及時提醒父母孩子不舒服或者有情況；這時候父母會極度關心或者安撫從而讓孩子得到舒緩；但是有些小孩就將啼哭作為一種手段應用到自身的需求上：學會裝病獲取同情，學會假裝啼哭獲得父母關注，通過哭來得到自己想要的；這就是人類更為智能的地方，狗、貓等生物就不會這樣；

我們小時候都有過通過卡片認識小動物的學習過程；一開始大人拿著卡片指著一只貓告訴你這個是貓，你觀察了下這東西有毛，這么大小，有胡須，有尾巴等等特征；然后你記住了。然后你在路上見了一直貓，和你之前卡片上見到的一樣，頓時你對貓的認識很清晰了；后來你見了一只顏色不太一樣的貓，你感覺是貓，后來得到確定后你對貓的認知更加準確了；最后你去過好多地方，見過了好多種貓后，不管遇到什么類型的貓，你都可以有準確的判斷了

從上面例子我們可以看到一個什么樣的行為會被認為是智能。我可以這么總結它：

個體能夠分析（看到的，聽到的，感覺到的）并將信息輸入

從各種特征點中提取規律，建立認知并且記錄下來

新建立的認知在后續的信息輸入過程中不斷修正強化從而變得更加聰慧

這就是人類智能的基礎，一個小小的認知也許單獨看起來只是有點聰明，但是人類數十億神經元能夠建立大量的認知，大量的認知一同涌現起來就是我們所看到的人類智慧！我們能夠通過強化認知不斷學習的能力以及大腦容量的數十億級別的神經元所能夠建立的無數認知推動我們走向了地球生態最高峰；

人工智能

如今的機器學習就是仿照生物智能的邏輯來建立的：計算機能夠從某個任務的大量練習中不斷得提高其處理任務的性能（正確率）的過程：

? ?所謂某個任務就對應認識貓這個任務

? ?家長給出的小卡片就是通常所說的訓練集

? ?通過訓練集所建立的初步認知對應機器學習中的模型（帶有各種參數的數學函數）

? ? 而初步模型之后你又看到一些貓相當于驗證集（用來驗證之前的模型是否準確）此時你的認知可能有所調整與加強（模型參數調整）

? ? 最后你看到一些沒見過的貓（測試集），通過你的已有認知（模型）告訴你這個是不是貓。這時候輸出結果的好壞代表你所建立模型的準確性

機器學習是實現人工智能的主要方法

概念性問題

監督學習：給定樣本數據（已知關系）告訴計算機各種情況下的正確輸出結果；然后再輸入沒有發生過的情景，讓計算機給出預測結果；比如：回歸問題與分類問題（上述認識貓就是監督學習的分類問題）

無監督學習（給一堆樣本數據（未知關系），并不告訴計算機什么是正確的；讓后讓計算機自己去悟出規律 ? ? 比如：聚類，關聯規則挖掘，離群點檢測半監督學習：監督學習與無監督學習結合（主要是標注數據成本過高，希望通過無標注數據來得出模型）

強化學習：通過對未知環境一邊探索一邊建立環境模型以及學得一個最優策略（決策過程），可以認為強化學習是有時間延遲標記信息的有監督學習。

遷移學習：運用已有的知識來學習新的知識，核心是找到已有知識和新知識之間的相似性，用成語來說就是舉一反三。（感覺生物智能有這種特性）

深度學習：運用神經網絡算法的機器學習；其實是將復雜問題分解為簡單的單維度問題以便計算機處理；從而使計算機處理相對復雜的東西；

從機器學習幾種概念來看，很明顯數據很重要。大量且優質的數據能夠提高模型的準確性；算法模型很重要，學術上的一點突破可能就是一類問題的解決；

人工智能是近年來非常火的方向，對其發展保持樂觀態度；如果真能實現我們所暢想的AI，那么人類與電子世界的交互方式就會發生變革，抽象的說就是我們與計算機之間的黑箱子更大了，進一步解放了人類，所有的操作，指令，效率將發生非常大的變化，一些創造力低、不斷重復的工作可能會消失；

接下來會不斷學習，準備迎接下一波可能會到來的科技紅利