一【发展历史】
这幅有关“人工智能发展成熟度曲线”的漫画，形象地展示出人们在此前两次人工智能热潮中，从被人工智能在某些领域的惊艳表现震撼，到逐渐认识到当时的人工智能还有各种局限，以至于产生巨大心理落差的有趣过程。
人工智能基本可以分为三个阶段：符号阶段，统计学习阶段，神经网络。
1 . 符号阶段
这个阶段技术原理：人为指定逻辑 =》 机器执行逻辑并产生结果
这个是图灵机的原型，图灵的基本思想是用机器来模拟人们用纸笔进行数学运算的过程。
在这个阶段，是人制定规则，然后由机器去执行这些规则，进行推理和预测。
但是，这个阶段是有问题，什么问题？
比如：一个医疗专家系统（用于判断病情）
问题1：世界是复杂的，混沌的，老专家的经验能转为计算机的规则和逻辑的部分也是有限的，是没有办法穷举的。
问题2：而且不同病情有相同的症状，导致无法准确的判断病情，所以这个阶段自身存在的知识获取难、知识领域窄、推理能力弱、实用性差等问题逐步暴露。
因此从 1976 年开始，人工智能的研究进入长达 6 年的萧瑟期。
2 . 统计学习阶段
这个阶段技术原理：数据 + 算法 =》机器学习逻辑 =》 根据学习的逻辑产生结果
这个阶段是通过数据加算法改变自身的学习，所以又可以称为机器学习，有了简单模拟人的思维，这个阶段的思维是学习来的，规则也是学习来的，而 “ 符号阶段 “ 是人给机器制定规则，机器帮人决策，和前一个阶段有着本质的区别。
举几个例子：
- 房价预测（线性回归算法）
通过面积预测房价这里只关心面积和房价的二维关系，其实现实中是多维关系，比如：房价和区域，房价和房间数，房价和楼层等等。
- 图片处理（聚类算法）
彩色照片转换成素描这个例子是把彩色照片转换成素描产品，其实原理就是通过机器的学习的聚类算法（属于无监督学习）
但是统计学习阶段很难准确模仿人的直觉，比如：声音识别，人脸识别，情绪识别等。
3 . 神经网络
这个阶段技术原理：数据 + 模拟人的大脑结构 =》机器学习逻辑 =》 根据学习的逻辑产生结果
这个阶段就是把上一个阶段的 算法 换成了 模拟人的大脑结构（神经元），每个神经元代表不同的维度，把这些维度结合综合分析，然后得出结果，这就非常接近人的思维逻辑了，比如看一张照片，确认照片里的人是谁，我们能快速的认出来，但是却无法解释我们是如何分辨的，其实就是一种直觉，说不清，道不明，神经网络也是如此，就像一个黑盒子，你不知道里面是如何运作的。
正因为如此，所以结构复杂，结果非常难以预测，在有些情况下（比如数据量或算力不够大），神经网络还不如普通的机器学习算法，比如SVM（支持向量机）。
3.1神经网络模仿人的大脑结构：
3.2.实现原理：
图中的小圆圈其实是一个个的神经元，每个神经元负责某一个特征，神经元之间相互联系，然后把所有的特征组合为更高级的复杂特征。神经元越多，神经网络越复杂，就和人的神经元一样，大脑不断的学习，树突不断在增加。
神经网络也是有问题，甚至不能简单的异或逻辑运算，需要大量的数据学习，大量的数据学习需要大量的算力。
直到大数据和GPU的出现，有了充足的数据和强的算力，让训练复杂的神经网络变为现实，以往打游戏的显卡NVIDIA ，成为了专业人工智能驯兽师。
二 【关于大数据和人工智能】
某些复杂系统面前， 数据在增长，大数据的洞见确没有增长。
因为大数据预测遇到了噪声失效。
例如：
美国大选，数据上看是希拉里占优势，但是还是出现了黑天鹅事件，特朗普赢了。
所以多维度，多因素的复杂系统面前，大数据预测往往就失效了，这个时候大数据 + 人工智能也许是更好的解决方案。
三 【机器学习分类】
1.根据学习模式分类
-
监督学习
监督学习
通过告诉计算机哪些是猫，哪些是狗，让计算机不断的学习猫和狗，通过这种指引的方式，计算机就掌握辨别猫和狗的能力，其实就是给图片打上猫和狗的标签，这个过程是有人参与的，所以叫监督学习。
- 非监督学习
通过给计算机大量猫和狗的图片，让计算机发现其中猫和狗特征的规律，然后把猫和狗分类，这里学习到是猫和狗的特征规律，计算机并不知道猫是猫，狗是狗。
-
强化学习
强化学习
例如一家日本公司 Fanuc，工厂机器人在拿起一个物体时，会捕捉这个过程的视频，记住它每次操作的行动，操作成功还是失败了，积累经验，下一次可以更快更准地采取行动。
四 【人工智能的应用】
1.文本分类
2.智能交通
借助海量的出行数据、 实现智能交通
3.照片物体识别
4.可以识别人的情绪：
5.声音识别
智能家居，智能汽车
6.翻译
百度翻译，有道翻译，谷歌翻译
7.AI设计师
8.艺术
-
人工智能作画
人工智能作画
- 人工智能作曲
https://weibo.com/tv/v/FAnoH06yM?fid=1034:7699ef2713fe6646ed0c56d34619de21
这是一首人工智能作曲+演奏，由人类填词演唱的歌曲。作曲软件名叫Amper，背后的技术是alpha go公司旗下的一款专门用来合成声音的生成式神经网络 - DeepMind WaveNet。整首歌的谱写和演奏能够通过Amper一键完成，不需要人类的参与
9.金融
比如：机器代替人去筛选研报，阅读研报，给出分析数据
比如：预测股价
10.农业
11.医疗,目前主要还是在图像识别阶段，比如看片。。。
12.围棋：
13.无人驾驶
五【总结】
人工智能包含机器学习
机器学习包含表征学习
表征学习包含深度学习
不管是哪一种学习，都不是相互排斥的，在实际应用中，往往是结合各自的优点组合使用的。
符号阶段：人为指定逻辑 =》 机器执行逻辑并产生结果
统计学习阶段：数据 + 算法 =》机器学习逻辑 =》 根据学习的逻辑产生结果
神经网络：数据 + 模拟人的大脑结构 =》机器学习逻辑 =》 根据学习的逻辑产生结果目前人工智能的整体水平大概和一只猫的水平差不多，虽然能完成比较复杂的逻辑运算，但还是一个傻瓜，只是在某些方面很擅长，比如下围棋。所以人工智能会颠覆很多行业，但是要达到人类一样智能水平还有很长的一段距离。
