資料內(nèi)容：

1.1 人工智能 
信息技術(shù)是人類歷史上的第三次工業(yè)革命，計算機、互聯(lián)網(wǎng)、智能家居等技術(shù)的普及
極大地方便了人們的日常生活。通過編程的方式，人類可以將提前設(shè)計好的交互邏輯重復
且快速地執(zhí)行，從而將人類從簡單枯燥的重復勞動任務中解脫出來。但是對于需要較高智
能的任務，如人臉識別，聊天機器人，自動駕駛等任務，很難設(shè)計明確的邏輯規(guī)則，傳統(tǒng)
的編程方式顯得力不從心，而人工智能技術(shù)是有望解決此問題的關(guān)鍵技術(shù)。 
隨著深度學習算法的崛起，人工智能在部分任務上取得了類人甚至超人的水平，如圍
棋上 AlphaGo 智能程序已經(jīng)擊敗人類最強圍棋專家柯潔，在 Dota2 游戲上 OpenAI Five 智
能程序擊敗冠軍隊伍 OG，同時人臉識別，智能語音，機器翻譯等一項項實用的技術(shù)已經(jīng)
進入到人們的日常生活中?，F(xiàn)在我們的生活處處被人工智能環(huán)繞，盡管目前達到的智能水
平離通用人工智能(Artificial General Intelligence，簡稱 AGI)還有一段距離，我們?nèi)詧远ㄏ?br /> 信人工智能時代即將來臨。
接下來我們將介紹人工智能，機器學習，深度學習的概念以及它們之間的聯(lián)系與區(qū)
別。
 

1.1.1 人工智能 
人工智能是指讓機器獲得像人類一樣的智能機制的技術(shù)，這一概念最早出現(xiàn)在 1956 年
召開的達特茅斯會議上。這是一項極具挑戰(zhàn)性的任務，人類目前尚無法對人腦的工作機制
有全面科學的認知，希望能制造達到人腦水平的智能機器無疑是難于上青天。即使如此，
在某個方面呈現(xiàn)出類似、接近甚至超越人類智能水平的機器被證明是可行的。
怎么實現(xiàn)人工智能是一個非常廣袤的問題。人工智能的發(fā)展主要經(jīng)歷過 3 種階段，每
個階段都代表了人類從不同的角度嘗試實現(xiàn)人工智能的探索足跡。最早期人類試圖通過總
結(jié)、歸納出一些邏輯規(guī)則，并將邏輯規(guī)則以計算機程序的方式來開發(fā)智能系統(tǒng)。但是這種
顯式的規(guī)則往往過于簡單，很難表達復雜、抽象的規(guī)則。這一階段被稱為推理期。
1970 年代，科學家們嘗試通過知識庫+推理的方式解決人工智能，通過構(gòu)建龐大復雜
的專家系統(tǒng)來模擬人類專家的智能水平。這些明確指定規(guī)則的方式存在一個最大的難題，
就是很多復雜，抽象的概念無法用具體的代碼實現(xiàn)。比如人類對圖片的識別，對語言的理
解過程，根本無法通過既定規(guī)則模擬。為了解決這類問題，一門通過讓機器自動從數(shù)據(jù)中
學習規(guī)則的研究學科誕生了，稱為機器學習，并在 1980 年代成為人工智能中的熱門學科。 
在機器學習中，有一門通過神經(jīng)網(wǎng)絡來學習復雜、抽象邏輯的方向，稱為神經(jīng)網(wǎng)絡。
神經(jīng)網(wǎng)絡方向的研究經(jīng)歷了 2 起 2 落，并從 2012 年開始，由于效果極為顯著，應用深層神
經(jīng)網(wǎng)絡技術(shù)在計算機視覺、自然語言處理、機器人等領(lǐng)域取得了重大突破，部分任務上甚
至超越了人類智能水平，開啟了以深層神經(jīng)網(wǎng)絡為代表的人工智能的第 3 次復興。深層神
經(jīng)網(wǎng)絡有了一個新名字，叫做深度學習，一般來講，神經(jīng)網(wǎng)絡和深度學習的本質(zhì)區(qū)別并不

大，深度學習特指基于深層神經(jīng)網(wǎng)絡實現(xiàn)的模型或算法。人工智能，機器學習，神經(jīng)網(wǎng)
絡，深度學習的相互之間的關(guān)系如圖所示。