到底是什么？这不是一个一拍脑袋就能回答的简单问题。为了尝试解答这一问题，我们需要回到这个术语起源之时。

　　人工智能在1955年左右开始成为一门真正的科学。那一年达特茅斯学院（DartmouthCollege）的数学教授约翰·麦卡锡（JohnMcCarthy）决定发起一个项目，探索“人工智能”的可能性和局限性。“人工智能”这个词就是约翰在上一年刚创造的新术语。该项目的目标是“找到某些途径，使机器能够使用语言、形成抽象概念、解决目前留给人类的各种问题，并改进它们自己”。为了做到这一点，他召集了另外三名计算机科学家：马文·明斯基（MarvinMinsky）、纳撒尼尔·罗彻斯特（NathanielRochester）和克劳德·香农（前文讨论首个象棋计算机程序时提到过他），组成一个小组。这四名小组成员都致力于研究“可以思考的计算机”。

　　他们的目标是“探索如何让机器使用语言，形成抽象概念，解决目前留给人类的各种问题，并改进它们自己”。随后，他们又为这一目标增加了一条非常“乐观”的预测，说它乐观主要是因为考虑到那是在1955年提出的：“我们认为，如果精心选拔的一组科学家共同研究一个夏天，这些问题中的一个或多个可以取得重大进展。”

　　后来麦卡锡后悔使用“人工智能”来描述这个概念，他觉得这个词的起点太高了。他真希望自己当时把它叫作“计算智能”。许多业内人士直到现在仍然同意这一观点，并竭力与“人工智能”这个术语保持距离，但是他们这么做似乎往往是出于商业动机，企图在人工智能领域再开辟一个新的领域，好让他们可以自称为先驱。

　　现在我们认为“人工智能”这个词很棒，但存在两个问题：“人工”和“智能”。“人工”这个词的问题在于它有两种完全不同的意思，容易产生歧义。用“人工”做修饰语，是不是意味着它看起来像智能但实际上不是？就像“人工草坪”中的“人工”一词？给人一种不是真实的感觉？或者应该把“人工”这个词理解为真正的智能，但却是人造的，区别于自然或生物创造的？同样，“智能”这个词也是一个问题，因为对什么是智能没有一致的定义。而各种候选定义对“智能”的解读范围又太过宽泛，让人摸不着头脑。我觉得更象是自动化或者机器智能。

　　俗话说，“谁带你入场，你就该和谁跳舞”。自我们知道“人工智能”这个词起，一直走到今天这一步，它已经成为了约定俗成的叫法，带我们入场了。而且考虑到中国跳棋（ChineseCheckers）既不起源自中国（Chinese），也不是西洋跳棋（Checkers），阿拉伯数字是在印度创造的，考拉熊不是熊，那么使用人工智能这个术语可能也没问题。

　　关于人工智能，最宽泛的定义是：对数据或其环境做出反应的技术。这意味着带有烟量传感器的喷水灭火系统也是人工智能的一种。除此之外，还有一种更严苛的定义：人工智能是一种可随机应变的技术。从这个意义上说，一个可以根据你喜欢的房间温度来自动调节温度的机器是人工智能，但自动喷水灭火系统就不属于人工智能了。

　　但是真的很重要的一点是，今天当人们谈论人工智能时，这个词表示了两种截然不同的含义：“狭义人工智能”（narrowAI）和“通用人工智能”（generalAI）。我们现在所拥有的AI只是狭义人工智能，这也是迄今为止我们唯一知道该如何构建的人工智能种类，它也被称为“弱人工智能”（weakAI）。狭义人工智能是指计算机解决特定问题或执行特定任务的能力，在现实生活中用途很多。

　　另外一种人工智能有三个不同的学名：通用人工智能（generalAI）、强人工智能（strongAI）或人工通用智能（arialgeneralintelligence，简称AGI）。这三个名称可以互换使用，但从现在开始，我会特定使用AGI来指代像你我一样聪明和多才多艺的人工智能。Roomba真空吸尘器、苹果智能语音助手Siri、无人驾驶汽车都是狭义人工智能，一个可以卸载洗碗机的假想机器人也是狭义人工智能。但如果你想要一个MacGyver机器人［1］，那就需要AGI，因为MacGyver必须对能够应对以前没有遇到的情况。AGI目前还不存在，即使AGI有实现的可能性，也没有关于如何构建它的协议。就目前而言，我们只关注狭义人工智能，尽管它的名字听起来有点弱，但它确实是一项了不起的技术。狭义人工智能并不是“简单的人工智能”，因为人类在人工智能领域投入的的绝大多数金钱和汗水，都用在研发这类人工智能上了。

　　但是我们回过头来再想想，当初约翰·麦卡锡发起的项目，其目的是探索“人工智能”的可能性和局限性，该项目的目标是“找到某些途径，使机器能够使用语言、形成抽象概念、解决目前留给人类的各种问题，并改进它们自己”。而现在我们研究人工智能，宣传人工智能，都在宣扬人工智能AI的什么，都在大势宣扬人工智能AI能做什么事情，替换人类的工作，人类又将面临失业……等等，这是否出与数学家麦卡锡最初的目标不一致呢？

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容图片侵权或者其他问题，请联系本站作侵删。侵权投诉

　　是计算机识别，推理和行动的实践方法，完全赋予机器模拟人类行为的能力，尤其是认知能力。

　　的三大核心，是深度学习算法、数据和算力。在这三大要素中，大数据的获取和处理难度在下降，算法也在深度学习模型的基础上不断优化，而统

　　。为什么讲这三个东西呢？因为这三个东西现在非常火，并且它们之间好像互相有关系：

　　（AI）包括自然科学的各个学科，主要是计算机的研究，该计算机用于对某些类型的

　　个子学科，但现在已经衍生到各个领域。具体到各种学科的知识，实际应用则更加庞杂。

　　的商业化有三大核心，即技术、数据和场景，科技巨头们拥有数据上的优势，目前的焦点在于

　　在算法和深度学习等方面已经取得的成果，却为解决已有的用户痛点提供了契机。

　　能力，具体包括语音能力、图像能力、自然语言处理能力和用户画像能力。我已经提及了