奧創就是邪惡的人工智慧的代表
近來人工智慧成為大熱話題， 儼然是移動互聯網之後下一個風口。 每個人都在討論， 人工智慧如何改變未來社會生活，
但按我說， 其實很多人對人工智慧的瞭解， 在過去僅限於在科幻電影（如《複聯2：奧創紀元》）中， 而在最近的新聞熱點， 也就增加了對阿爾法狗的認知。 很多人其實， 對人工智慧的定義， 還沒有一個深刻的認識。
斯皮爾伯格導演的《人工智慧》是較早關注人工智慧中的情感的題材的電影
阿爾法狗的出現將全世界的關注點都集中在人工智慧上
李開複老師在他的新書《人工智慧：李開複談AI如何重塑個人、商業與社會的未來圖譜》中，
李開複老師最近的演講，
基本都離不開人工智慧
這個是相對比較主觀和寬泛的定義， 人們在既有對電腦程式的認識基礎上，
這樣的定義， 有點類似與過去人們對於神明的定義， 凡是無法理解的， 皆為神明所為。
2.與人類思考方式相似的電腦程式這個定義相對于第一個定義來講，
人類過紅綠燈也是經歷了一系列思考
（1）紅燈代表有其他車輛會經過我要去的區域， 綠燈代表沒有其他車輛會經過我要去的區域。 （知識基礎）
（2）車輛是危險物體， 與車輛碰撞會造成我的人身產生傷亡。 （知識基礎）
（3）生命安全高於一切， 凡是不利於生命安全的事情一概不做（知識基礎）
（4）因為紅燈的時候過馬路會危害生命安全，所以我選擇綠燈的時候才過。（邏輯規則）
在以上的例子中，人要先學會前三條常識，然後根據第四條規則做出判斷。真實的情況要比上述複雜得多，所以人們才會在沒車或者趕時間的時候闖紅燈，也在其他車闖紅燈的時候選擇不過綠燈。
而對於機器來講，規則只有紅燈停綠燈走。
於是人們認為，只要在機器上輸入足夠多的知識基礎和足夠多的邏輯判斷規則，機器也會跟人類一樣思考。
人類試圖解析大腦思考的工作原理
這個論斷的問題在於，人類如何思考，這已經是一個哲學問題了，換句話說，人類都還沒搞清楚自己的是如何思考的，又怎麼教會機器呢？古人雲舉一反三，也就是說人類的邏輯規則本身是通過類比推算而來的，而機器只能通過窮舉的方式去形成規則。
後來這個研究方向（專家系統）也逐漸被科學家們拋棄，而深度學習成為了主流的人工智慧技術。
3.與人類行為相似的電腦程式這個定義則是從結果出發，具有濃厚的實用主義色彩。簡單說，我不管你是怎麼做到的，只要你能做到跟人類做到的事情，你就是人工智慧。這個思想簡單粗暴，但是卻是深度學習的基本思路之一。深度學習模型，其實是把資料分解成各種各樣信號，然後通過海量資料去訓練，最後得到一個模型，至於這個模型的含義是怎樣我們不關心，只要最終的結果能夠滿足需求則是一個好的演算法。
人臉識別就是經過海量資料訓練的結果
4.會學習的電腦程式這個定義相對于上一個定義更關注了實現過程，原因在於現在主流的人工智慧技術就是深度學習。而且不可否認，人類的所有判斷其實也是基於學習的基礎，雖然這個量級是不能跟機器相比的。這個定義賦予了人工智慧生命力，主要是因為機器能夠自行去總結規律和認識這個世界，不再需要人類幫忙定義規則。
5.根據對環境的感知，做出合理的行動，並獲得最大收益的電腦程式這個結論開複老師稱之為教科書式的定義，全面均衡，偏重實證。我覺得這個定義是第三個定義的拓展版，人類行為本身就是一個感知外部環境，根據收益的判斷做出合理行動的過程。但這個定義優勢在於，他將人類行為拆成了三個部分：感知環境、判斷收益、執行計畫。基於這個定義，人工智慧的研究方向也就基本分成三個部分：如何收集外部資訊並轉化成機器語言、如何給機器的運算結果評分、如何做出決定。目前主流的研究方向，基於海量資料的深度學習，就是完成這三個部分的過程。這個也是維琪百科使用的綜合定義，相對來講，百度百科的定義（如下）則相對片面，著重於講機器模仿人類智慧（上述的第二種定義），其實也是現有大部分人的誤區。
人工智慧是對人的意識、思維的資訊過程的類比。人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得電腦知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，電腦視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。
從國外一些專家的定義來看，其實也是眾說紛紜。
尼爾遜教授對人工智慧下了這樣一個定義：“人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。”（定義五）
而另一個美國麻省理工學院的溫斯頓教授認為：“人工智慧就是研究如何使電腦去做過去只有人才能做的智慧工作。”（定義三）
這些說法都逃不開上述的五種定義。
追本溯源，人類研究人工智慧，其契機應該是某一天，人們發現他們在使用的機器是無法像人類一樣思考的，有一些工作（比如跟人類對話、在茫茫人海中認出罪犯、甚至於藝術創作、詩詞歌賦）他們無法完成，是缺了”智慧“這個東西。“智慧”這個東西是自然界或者是上帝賜予生物的奢侈品（即使是一隻老鼠，其逃生的本能也比機器強）。人類偏偏不服輸，覺得自己既然可以創造那麼多自然界本來沒有的東西（房屋、汽車、飛機），也可以創造出人工的“智慧“。所以，讓機器可以跟人一樣滿足人類生產生活需要，這是目的。
我們再回到機器這個主體上，機器的發明，是人類為了在某些重複勞動上將人解放出來，或者是不想再通過手把手教的方式培訓新人，將步驟固化下來並提供動力讓其保持工作，就成了機器。如果機器也需要人手把手去教，去鍛煉，那麼這個機器也就沒有存在的意義了。所以，機器需要自我學習，學習如何去完成人類交給的任務和使命。舉回阿爾法狗的例子，在設計代碼中人類交給的任務，必然是贏得棋局的勝利，而不是在柯潔下每一手棋的時候應該如何回擊這類具體的指令。至於如何贏，你自己去學習，去摸索，去鍛煉。自我學習，這是手段。
至於如何感知外部、如何獲得資料，這只是手段，阿爾法狗還需要有科學家幫忙把棋放在棋盤上，也需要有相應的輸入裝置告知對手下棋下在哪個方位。他在自我訓練的時候，還需要有科學家輸入海量棋局資料。這僅僅是因為人工智慧還未真正發展到成熟階段，正比如小朋友剛出生的時候，還需要有人餵奶，有人扶著學走路，但我們不會把成人才當做智慧生物。人工智慧的最終形態，必定不止是自己會學習，而且是自己會去找知識、資料學習。
綜上所述，人工智慧應該是能夠自我學習直至滿足人類生產生活需要的機器程式。
這裡則牽扯到另一個問題，究竟人工智慧最終有沒有發展至威脅人類安全的地步？我認為取決於人類，至於為什麼，我會另外起一篇文章來闡述，敬請期待。
駭客帝國就是人工智慧統治人類的題材電影
（4）因為紅燈的時候過馬路會危害生命安全，所以我選擇綠燈的時候才過。（邏輯規則）
在以上的例子中，人要先學會前三條常識，然後根據第四條規則做出判斷。真實的情況要比上述複雜得多，所以人們才會在沒車或者趕時間的時候闖紅燈，也在其他車闖紅燈的時候選擇不過綠燈。
而對於機器來講，規則只有紅燈停綠燈走。
於是人們認為，只要在機器上輸入足夠多的知識基礎和足夠多的邏輯判斷規則，機器也會跟人類一樣思考。
人類試圖解析大腦思考的工作原理
這個論斷的問題在於，人類如何思考，這已經是一個哲學問題了，換句話說，人類都還沒搞清楚自己的是如何思考的，又怎麼教會機器呢？古人雲舉一反三，也就是說人類的邏輯規則本身是通過類比推算而來的，而機器只能通過窮舉的方式去形成規則。
後來這個研究方向（專家系統）也逐漸被科學家們拋棄，而深度學習成為了主流的人工智慧技術。
3.與人類行為相似的電腦程式這個定義則是從結果出發，具有濃厚的實用主義色彩。簡單說，我不管你是怎麼做到的，只要你能做到跟人類做到的事情，你就是人工智慧。這個思想簡單粗暴，但是卻是深度學習的基本思路之一。深度學習模型，其實是把資料分解成各種各樣信號，然後通過海量資料去訓練，最後得到一個模型，至於這個模型的含義是怎樣我們不關心，只要最終的結果能夠滿足需求則是一個好的演算法。
人臉識別就是經過海量資料訓練的結果
4.會學習的電腦程式這個定義相對于上一個定義更關注了實現過程，原因在於現在主流的人工智慧技術就是深度學習。而且不可否認，人類的所有判斷其實也是基於學習的基礎，雖然這個量級是不能跟機器相比的。這個定義賦予了人工智慧生命力，主要是因為機器能夠自行去總結規律和認識這個世界，不再需要人類幫忙定義規則。
5.根據對環境的感知，做出合理的行動，並獲得最大收益的電腦程式這個結論開複老師稱之為教科書式的定義，全面均衡，偏重實證。我覺得這個定義是第三個定義的拓展版，人類行為本身就是一個感知外部環境，根據收益的判斷做出合理行動的過程。但這個定義優勢在於，他將人類行為拆成了三個部分：感知環境、判斷收益、執行計畫。基於這個定義，人工智慧的研究方向也就基本分成三個部分：如何收集外部資訊並轉化成機器語言、如何給機器的運算結果評分、如何做出決定。目前主流的研究方向，基於海量資料的深度學習，就是完成這三個部分的過程。這個也是維琪百科使用的綜合定義，相對來講，百度百科的定義（如下）則相對片面，著重於講機器模仿人類智慧（上述的第二種定義），其實也是現有大部分人的誤區。
人工智慧是對人的意識、思維的資訊過程的類比。人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得電腦知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，電腦視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。
從國外一些專家的定義來看，其實也是眾說紛紜。
尼爾遜教授對人工智慧下了這樣一個定義：“人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。”（定義五）
而另一個美國麻省理工學院的溫斯頓教授認為：“人工智慧就是研究如何使電腦去做過去只有人才能做的智慧工作。”（定義三）
這些說法都逃不開上述的五種定義。
追本溯源，人類研究人工智慧，其契機應該是某一天，人們發現他們在使用的機器是無法像人類一樣思考的，有一些工作（比如跟人類對話、在茫茫人海中認出罪犯、甚至於藝術創作、詩詞歌賦）他們無法完成，是缺了”智慧“這個東西。“智慧”這個東西是自然界或者是上帝賜予生物的奢侈品（即使是一隻老鼠，其逃生的本能也比機器強）。人類偏偏不服輸，覺得自己既然可以創造那麼多自然界本來沒有的東西（房屋、汽車、飛機），也可以創造出人工的“智慧“。所以，讓機器可以跟人一樣滿足人類生產生活需要，這是目的。
我們再回到機器這個主體上，機器的發明，是人類為了在某些重複勞動上將人解放出來，或者是不想再通過手把手教的方式培訓新人，將步驟固化下來並提供動力讓其保持工作，就成了機器。如果機器也需要人手把手去教，去鍛煉，那麼這個機器也就沒有存在的意義了。所以，機器需要自我學習，學習如何去完成人類交給的任務和使命。舉回阿爾法狗的例子，在設計代碼中人類交給的任務，必然是贏得棋局的勝利，而不是在柯潔下每一手棋的時候應該如何回擊這類具體的指令。至於如何贏，你自己去學習，去摸索，去鍛煉。自我學習，這是手段。
至於如何感知外部、如何獲得資料，這只是手段，阿爾法狗還需要有科學家幫忙把棋放在棋盤上，也需要有相應的輸入裝置告知對手下棋下在哪個方位。他在自我訓練的時候，還需要有科學家輸入海量棋局資料。這僅僅是因為人工智慧還未真正發展到成熟階段，正比如小朋友剛出生的時候，還需要有人餵奶，有人扶著學走路，但我們不會把成人才當做智慧生物。人工智慧的最終形態，必定不止是自己會學習，而且是自己會去找知識、資料學習。
綜上所述，人工智慧應該是能夠自我學習直至滿足人類生產生活需要的機器程式。
這裡則牽扯到另一個問題，究竟人工智慧最終有沒有發展至威脅人類安全的地步？我認為取決於人類，至於為什麼，我會另外起一篇文章來闡述，敬請期待。
駭客帝國就是人工智慧統治人類的題材電影