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。
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。
即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。
人工智能中的独角兽
目前，中国的大部分数据全都被BAT所掌握着，国外则是Facebook、Google、亚马逊之类的企业。对于创业者而言，想要打破数据的垄断具有相当大的挑战，但也不是没有机会。
比如说医疗数据，BAT就还没有形成垄断。金融方面数据，更多的掌握在金融公司手中，这些互联网企业也没有。
在这两个领域，不管你的技术水平如何，至少在数据方面是在同一起跑线上，这对于创业者或后进入的公司是一个难得机遇。同时，下一个巨头也有可能在这两个领域诞生。
就拿医疗来说，国外已经有许多家企业与医院达成协作，直接读取医院中的病例以及X光片或者CT片。
医生一天看10张并且分析出症状都已经是非常有经验了，而人工智能，则可以在1个小时内看10万张，效率不可同日而语。
对于医生而言，诊断病因需要基于自己的经验积累。但是对于人工智能来说这就太简单了，通过图像和最终诊断结果的闭环学习，人工智能很快就能对X光片或CT片进行病因分析。当然这一过程需要不断完善，才能提升正确性及智能化。
在国外由于隐私保护非常严密，很多数据无法开放，因此无法做到大量数据录入。
但是由于如今中国民众对于隐私保护还没有那么严格，因此中国企业还是有机会在这个领域中实现超越的。
只要有了大数据，特定领域超越BAT也不是不可能的。
所以说，数据才是人工智能中最重要的一环。
如果我们说某个程序能像人一样思考，那么我们必须具有某种办法来确定人是如何思考的。我们需要领会人脑的实际运用。有三种办法来完成这项任务：通过内省一一试图捕获我们自身的思维过程；通过心理实验—观察工作中的一个人；以及通过脑成像察工作中的头脑。只有具备人脑的足够精确的理论，我们才能把这样的理论表示成计算机程序。如果该程序的输入输出行为匹配相应的人类行为,这就是程序的某些机制可能也在人脑中运行的证据。
例如，设计了GPS，即“通用问题求解器”( General Problem Solver)的艾伦·纽厄尔( Allen Newel)和赫伯特，西蒙( Herbert Simon)(Newe和 Simon,1961)并不满足于仅让其程序正确地解决问题。他们更关心比较程序推理步骤的轨迹与求解相同问题的人类个体的思维轨迹。认知科学( cognitive science)这个交叉学科领域把来自A的计算机模型与来自心理学的实验技术相结合，试图构建一种精确且可测试的人类思维理论。
认知科学本身就是一个迷人的领域，值得写几本教材和至少一部百科全书( Wilson和Kel,199)我们将偶尔评论AI技术与人类认知之间的异同。然而，真正的认知科学必然基于真实人或动物的实验调查与研究。我们把那方面的内容留给其他书籍，因为我们假定读者只有一台用于实验的计算机。
在A的早期,不同途径之间经常出现混淆:某位作者可能主张一个算法很好地完成一项任务，所以它是人类表现的一个好模型,或者反之亦然。现代作者区分这两种主张；这种区分使得AI和认知科学都能更快地发展。这两个领域继续相互丰富,通过将神经生理学证据吸收到计算模型中，这种相互作用在计算机视觉中体现得最明显。
热门跟贴