基本概念：

什么是人工智能

人工智能的概念：机器模拟人的意识和思维（“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。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。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能）

补充：

强人工智能(BOTTOM-UP AI)

强人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。
强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

弱人工智能(TOP-DOWN AI)

弱人工智能观点认为不可能制造出能真正地推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。

人工智能研究价值：

例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。
通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。
人类的实践过程同时包括经验和创造。这是智能化研究者梦寐以求的东西。

2013年，帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法，该方法导出了研究函数性质的新方法。作者发现，新数据分析方法给计算机学会“创造”提供了一种方法。本质上，这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的，是普通人无法拥有但计算机可以拥有的“能力”。从此，计算机不仅精于算，还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力，否则计算机真的有一天会“反捕”人类。
当回头审视新方法的推演过程和数学的时候，作者拓展了对思维和数学的认识。数学简洁，清晰，可靠性、模式化强。在数学的发展史上，处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来，而数学定理最大的特点就是：建立在一些基本的概念和公理上，以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说，数学是最单纯、最直白地反映着（至少一类）创造力模式的学科。

重要人物：

艾伦·麦席森·图灵（Alan Mathison Turing）
人物简介：1912 年 6 月 23 日－1954 年 6 月 7 日，英国数学家、逻辑学家，被称 为计算机科学之父，人工智能之父。
相关事件：
（1）1950 年在论文《机器能思考吗？》中提出了图灵测试，一种用于 判定机器是否具有智能的试验方法：提问者和回答者隔开，提问者通过一些装置 （如键盘）向机器随意提问。多次测试，如果有超过 30%的提问者认为回答问题 的是人而不是机器，那么这台机器就通过测试，具有了人工智能。也就是工智能 的概念：“用机器模拟人的意识和思维”。 （2）图灵在论文中预测：在 2000 年，会出现通过图灵测试具备人工智能的机器。 然而直到 2014 年 6 月，英国雷丁大学的聊天程序才成功冒充了 13 岁男孩，通过 了图灵测试。这一事件比图灵的预测晚了 14 年。（3）在 2015 年 11 月 science 杂志封面新闻报道，机器人已经可以依据从未见 过的文字中的一个字符，写出同样风格的字符，说明机器已经具备了迅速学习陌 生文字的创造能力。

消费级人工智能产品：

国外

（1）谷歌 Assistant
（2）微软 Cortana
（3）苹果 Siri
（4）亚马逊 Alexa

国内

（1）阿里的天猫精灵
（2）小米的小爱同学

人工智能先锋：

（1）Geoffrey Hinton：多伦多大学的教授，谷歌大脑多伦多分 布负责人，是人工智能领域的鼻祖，他发表了许多让神经网络得以应用的论文， 激活了整个人工智能领域。他还培养了许多人工智能的大家。比如 LeCun 就是他 的博士后。
（2）Yann LeCun：纽约大学的教授，Facebook 人工智能研究室负责人，他改进 了卷积神经网路算法，使卷积神经网络具有了工程应用价值，现在卷积神经网络 依旧是计算机视觉领域最有效的模型之一。
（3）Yoshua Bengio：蒙特利尔大学的教授，现任微软公司战略顾问，他推动了 循环神经网路算法的发展，使循环神经网络得到工程应用，用循环神经网络解决 了自然语言处理中的问题。