前言：本书使用的控制核心为树莓派3B+，其软件环境为：操作系统 Raspbian“Jessie”，Python 版本 3.5.3，OpenCV 版本 3.4.4。

人工智能（Artificial Intelligence，AI），也被称作机器智能，指由人制造的机器所表 现出来的智能。

通常人工智能是指通过计算机程序实现的智能技术，因此常常被视作计算机 科学的一个分支。 人工智能的研究具有高度的技术性和专业性，各分支领域都是深入且各不相通的，因而 涉及范围极广。人工智能的核心问题包括构建能够跟人类相似甚至超越人的推理、知识、规 划、学习、交流、感知、移动和操作物体的能力等。 虽然人工神经网络下的深度学习算法在20世纪80年代已有了突破性进展，但由于计 算机计算能力的限制，其在人工智能领域的应用还没有发挥出应有的威力。近年来，随着超 级计算机算力的飞速提升，加之深度学习算法的进一步优化，人工智能在视频识别、语言分 析、棋类游戏等单方面的能力已经达到了超越人类的水平。另一方面，一个人工智能程序能 够同时解决这几方面的不同问题，充分体现了人工智能的通用性。 人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约 翰·麦卡锡在1956年的达特茅斯会议上提出的：人工智能就是要让机器的行为看起来就像 是人所表现出的智能行为一样。随着人工智能60余年的发展，这个定义方式也在受到冲击。 总的来说，人工智能的本质就是对人的思维的信息过程的模拟。

人工智能的新浪潮

进入21世纪后，计算机芯片的运算能力得到了飞速的提升。在这一背景下，人工智能 算法也取得了重大发展。基于强劲的运算力，人工神经网络在语音识别、图像分析、视频理 解等诸多领域都创造了新的成功。 2016 年，谷歌（Google）旗下DeepMind开发的人工智能围棋程序AlphaGo通过 人工神经网络深度学习训练，在一场举世瞩目的人机大战中以4:1战胜了围棋世界冠军李世 石九段。这次成功点燃了社会对于新时代人工智能的巨大热情，人们开始意识到人工智能在 很多领域的能力已经远超人类。 DeepMind团队在2017年末推出了增强版的人工智能下棋程序AlphaZero。它与初 版的AlphaGo相比有几点重大的改变：一是AlphaZero只需要棋类的基本规则作为训练 的基础，不需要任何人类棋谱作为参考；二是它采用了更为通用的算法，可以延展到将棋与 国际象棋中。在短时间（34小时内）训练后，AlphaZero成功击败了围棋、将棋、国际象 棋领域的当时最强的AI程序。这一成果让人们更清晰地认识到了机器自我学习的潜力，并 对人工智能具备更强的通用性充满期待。

人工智能应用现状

人工智能的概念覆盖了机器视觉、语音识别与人机交互、自动驾驶等多个范畴，在当今社会中已有着大量的运用。 

机器视觉

机器视觉是指在人工智能系统中配备有视觉仪器并通过视觉仪器捕捉到的情报进行分析 处理。机器视觉目前被广泛应用于安防、车牌识别系统、医疗辅助诊断、工业化生产线中。 在安防领域，机器视觉可以从大量监控视频数据中提取出有效的信息，从而辅助警方侦 破案件；在医疗辅助诊断方面，机器视觉可以对医学影像进行分析，从而减少误诊或漏诊； 在工业化生产中，机器视觉则可以对物品进行分类与分拣。 

语音识别与人机交互 

正确识别并理解人类语言一直以来都是人工智能研究的重要课题。近年来，这一领域也得到了高速发展。现在的人工智能系统能够以相当高的准确率将人类说的话转化为文本，并 基于对语义的理解判断用意，进而做出针对性的答复。这一流程包含语音文字转化、自然语 言理解等多个环节。

自动驾驶 

自动驾驶技术目前发展速度极为迅猛，大量的传统车企和科技公司纷纷投身于这一巨大 的市场。Google旗下的自动驾驶汽车已经在小范围投入商业使用，而特斯拉汽车已经通过 OTA（Over the Air）升级具备了部分自动驾驶功能。按照目前的发展趋势，自动驾驶汽车 大范围投入实际使用已近在咫尺。 自动驾驶汽车显然是一个基于人工智能的复杂系统，它需要借助车载的大量传感器实时 监测数据并进行分析，选择合适的行驶路线，保证高效、安全地运行。