一、什么是AI？

AI（ 的縮寫）。

結合起來，AI，就是“人工的、人造的智能”，用人為的手段，創造智能。

標準的定義：

AI，是研究、開發用于模擬、延伸和擴展人的智能行為的理論、方法、技術及應用系統的一門綜合性科學。

首先，AI的本質屬性，是一門科學，是一個技術領域。它涉及到了計算機科學、數學、統計學、哲學、心理學等多種學科的知識，但總體上，歸類于計算機學科之下。其次，AI的研究目的，是讓一個“系統”具備智能。這個“系統”，可以是一套軟件程序，也可以是一臺計算機，甚至是一個機器人。第三，什么樣的水平，才叫做真正的智能。這是問題的關鍵。目前看來，能夠像人一樣感知、理解、思考、判斷、決策，就是實現了人工智能。配合機器人、機械臂等物理載體，AI也可以實現行動能力。

綜合以上三點，理解AI的定義就比較容易了。

二、AI和普通計算機有什么區別？

AI，目前仍然是基于計算機的基本玩法，采用的是半導體芯片技術（所以經常會被稱為“硅基”），以及計算機的一些體系和平臺。

那么，它和傳統的計算機程序，有什么區別呢？

傳統的計算機程序，就是一個規則的集合。程序員通過代碼告知計算機規則，計算機根據規則，對輸入數據進行判斷和處理。

例如經典的“if……else……（如果……否則……）”語句——“如果大于65歲，就退休。否則，繼續上班”。

然后，計算機程序會根據這個規則，對所有輸入年齡數據進行判斷和處理。

但是，在現實生活中，很多要素（例如圖像和聲音）是極為復雜和多樣的，我們很難給出固定的規則，讓計算機實現高準確率的判斷和處理。

例如，判斷一只狗是不是狗。

狗有很多品種，每種狗有不同的顏色、體型、五官特征。狗在不同的時間，也有不同的表情、姿勢。狗還會處于不同的背景環境下。

所以，計算機通過攝像頭捕捉到的狗的影像，是無窮盡的。很難通過有限數量的規則，去幫助計算機做出判斷。

想要讓計算機實現像人一樣的智能，不能采用簡單的規則驅動，而是應該像教孩童一樣，不斷輸入數據和答案，讓他自行總結特征，形成自己的判斷規則。

換言之，在經典的程序設計中，人們輸入的是規則（即程序）和數據，系統輸出的是答案。

而AI的計算過程，分為兩個步驟：

第一個步驟，輸入的是數據和預期得到的答案，系統輸出的是規則。

第二個步驟，將輸出的規則應用于新的數據，然后再輸出答案。

第一步，我們可以稱之為“訓練”。第二步，才是真正“干活”。

這就是傳統計算程序和現在主流AI技術的一個典型區別。（注意，我說的是“現在主流AI”。有一些“歷史AI”和“非主流AI”，玩法不一樣。不能一概而論。）

三、AI有哪些類別？

前面說了，人工智能是一個非常龐大的科學領域。

從1950年代正式誕生以來，圍繞人工智能，已經有很多科學家進行了大量的研究，也輸出了很多非常了不起的成果。

這些研究，根據思路方向的不同，被分為了很多種學派。比較有代表性的，是符號主義學派、聯結主義學派、行為主義學派。

這些學派并沒有對錯之分，相互之間也有一些交叉融合。

早期的時候（1960-1990），符號主義（以專家系統、知識圖譜為代表）是主流。后來，從1980年開始，聯結主義（以神經網絡為代表）崛起，一直到現在，都是主流。

將來，也許有新的技術崛起，形成新的學派，也不一定。

除了方向路線之外，我們也可以從智能水平以及應用領域等方面對AI進行分類。

按智能水平，可以分為：弱人工智能（Weak AI）、強人工智能（ AI）、超人工智能（ AI）。