人工智慧是什麼？人工智慧為什麼重要？我們應該畏懼人工智慧嗎？為什麼忽然之間全部人都在議論人工智慧？
你可能會從網上知道人工智慧若作甚亞馬遜和Google的虛擬助理提供供應，或人工智慧若何一步步地代替全部的工作（有爭議的），可是這些文章極少很好的註釋人工智慧是什麼（或機器人是否將要交班）。本文將對人工智慧做出註釋，這份簡明指南將依賴領域的發展和重要的觀點出現推動革新和改進。
人工智慧是什麼？
今天距離人工智慧還有多遠？
人工智慧研究人員仍在努力決斷這個問題的基礎。我們若何教電腦來識別他們在圖象和靜態影像中看到的內容？之後，識別若何往裡面理解-不僅出現“蘋果”這個詞，並且知道蘋果是一種與桔子和梨相關的食品，人類允許吃蘋果，允許用蘋果做飯，並用它們來製作蘋果餡餅，並且聯絡到約翰尼·蘋果派的故事，諸如斯類。還有一個理解說話的問題——詞依據語境有多重寄義，定義老是在演變，每個人的看法都有一點點差別。電腦若何理解這類不固定的，千變萬化的說話構造？
人工智慧為什麼重要？
就像GottliebDaimler和CarlBenz沒有斟酌到汽車將若何從新定義城市的建造方式，或混濁或肥胖的影響，我們還沒有看到這類新型勞動力的長期影響。
AI為什麼此刻這麼熱烈，而錯誤30（或60）年前？
數十年來，計算機科學界的許多人認為，這個設法主張永遠不會決斷更龐雜的問題，而現如今它是重點科技公司的實現人工智慧的基礎，從谷歌、亞馬遜到Facebook，再到微軟。回想過去過去，研究人員此刻意想到，計算機還沒有龐雜到完全允許摹擬我們大腦中的數十億神經元，並且我們須要大量的資料來訓練這些神經網路，正如我們瞭解的那樣。
我們應該恐懼人工智慧嗎？
看過終結者如許的電影后，大家很輕易就會害怕像天網如許的全能的邪惡的AI。在人工智慧研究領域，天網被稱為一般的超級智慧，或人工通用智慧，這類軟體在各個方面都要比人腦更強大。
功能性AI術語表：
計算機視覺：人工智慧研究索求圖象和靜態影像識別和理解的領域。這個領域從瞭解蘋果的外不雅，到蘋果的功能用途，以及與之相關的理念。它是被用作主動駕駛汽車、谷歌圖象搜刮以及Facebook上主動貼標籤的重點手藝。
深度進修：一個神經網路被分層來理解資料中的龐雜結構和關係的領域。當一個神經網路的輸出成為另一個神經網路的輸入時，有效果地將它們疊加起來，由此出現的神經網路就是“深度”了。
機器進修：機器進修（ML）經常與術語人工智慧連繫在一路，是利用演算法從資料中進修的慣例。
很多的機器進修演算法是允許利用線性模型來決斷的。
自然說話處理：用於理解說話中思想的意圖和關係的軟體。
卷積神經網路：一個重點以來識別和理解圖象、靜態影像和音訊資料的神經網路，由於它有可能處理密集的資料，比如數百萬畫素的圖象或數千個音訊檔案樣本。
遞迴神經網路：一種用於自然說話處理的神經網路，它允許週期性地、接連地分析資料，這意味著它允許處理像單詞或句子如許的資料，同時在句子中保持它們的挨次和上下文。
無監督進修：機器進修演算法的一種，沒有給出無論關於它應該若何對資料推動歸類的資訊，並且必定找到它們之間的關係的演算法。像ＦacebookLeCun如許的人工智慧研究人員將無人監督的進修視為人工智慧研究的聖盃，由於它與人類自然進修的方式非常相似。“在無人監督的進修中，大腦比我們的模型好很多”，LeCun訴說IEEE光譜，“這就意味著我們的人工進修系統貧乏了幾個非常根基的生物體進修原理”。
