從2016年3月的AlphaGo圍棋比賽中以4-1擊敗李世石距現在已經三年了。近年來，在谷歌等大公司的牽制下，“人工智能”一詞屢見不鮮。隨著人機戰爭的結束，“人工智能”風口也被引爆到了極致。在任何地方都可以看到“智能”項目：智能語音、智能揚聲器、智能電話機器人、智能手表（手環）、各種智能家居等等。

成都創新互聯公司一直在為企業提供服務，多年的磨煉，使我們在創意設計，營銷型網站到技術研發擁有了開發經驗。我們擅長傾聽企業需求，挖掘用戶對產品需求服務價值，為企業制作有用的創意設計體驗。核心團隊擁有超過10多年以上行業經驗，涵蓋創意，策化，開發等專業領域，公司涉及領域有基礎互聯網服務成都服務器托管、成都app開發、手機移動建站、網頁設計、網絡整合營銷。

如今，人工智能是“深度學習”的突破的產物（難怪算法部那么難擠進）。深度學習算法本質上是一種神經網絡，早在20世紀40年代就提出了，神經網絡并在80年代達到了研究熱潮。

如果要深糾“深度學習”算法只不過是將神經網絡的隱含層加多了而已，本質上還是神經網絡。 而“神經網絡”算法，所依賴的數學基礎就是概率論。簡單點說，語音識別算法在語料庫中找到最接近的文本；自動駕駛算法算出最安全的行車路線；AlphaGo下棋時，總是算出勝率最大的落子等等。

如果只是從算法層面去看待人工智能，那么現在的人工智能所用有的也僅僅是算法層面上的升級，相較于80年代是沒有核心本質上面的區別，還不具備自主思考的能力，那么為什么曾經的人工智能與現在的差別如此之大呢？例如電話機器人，在人機交互體驗上逐漸有取代客戶的趨勢？關鍵點還是在于大數據。

追本溯源的話，早在1980年，著名未來學家托夫勒在其所著的《第三次浪潮》中就熱情地將“大數據”這一個概念提出，并稱之為 “第三次浪潮的華彩樂章，但是直到2011年6月，世界著名的管理咨詢公司麥肯錫公司才發表了以一次大數據報告，這也是大數據的首次實際應用。

現在，“大數據”這個詞經常和“人工智能”一起提到。它還有一個很俗氣的名字——“許多許多的數據”。例如，用戶數據（網頁、用戶瀏覽或購買的物品，甚至一些聊天軟件的內容）、流量數據、天氣數據、股市數據等，隨著互聯網用戶數量的激增和

按照現在業界的認可，人工智能有三個層次： 

一、運算智能

快速計算和記憶存儲能力。 

二、感知智能

視覺、聽覺、觸覺等感知能力。人和動物都具備，能夠通過各種智能感知能力與自然界進行交互。自動駕駛汽車，就是通過激光雷達等感知設備和人工智能算法，實現這樣的感知智能的。  

三、認知智能

通俗講是“能理解會思考”。人類有語言，才有概念，才有推理，所以概念、意識、觀念等都是人類認知智能的表現。

其實上面1，2兩個智能都在軟件層面上實現了，人機互相的接口做得更容易讓人使用，但距離真正智能還是有差距。但是商業的力量很可怕, 可以改變一個詞匯的意思！ 現在“智能”兩字幾乎等同于“好用”，如果一個產品換成好用后，完全說得通，并且更好理解，只不過沒有“智能”二字高大上而已，沒有“智能”二字更具商業宣傳價值而已。

類似某某家具，打著人工智能旗號，其實就是在固定程序下面的框架式回答，甚至技術的最高原理只與感應燈原理類似。

知道了最近幾年的“人工智能”是商業詞匯，但我們能做的確實不多。畢竟也是大佬們玩的游戲，作為吃瓜群眾的我們不可能讓人們去忘記“人工智能”這個詞。不過，我們自己可以做到加強一下就這個詞匯的抵抗力，在選購商品時如果出現“人工智能”家居之類的詞匯，得看它是否真的是自己所需，還只是打了這個標簽。

從圖靈機-馮諾依曼體系結構到現在可以說是沒有本質上的突破。如果要硬說是進步，應該是芯片和5G的進步提高了AI的運算能力，就好似上文中提到的智能電話機器人，一款電話機器人好不好用還是看數據和系統運算能力。

雖然現在這場“人工智能”熱潮有點兒名不副實，但信息技術給予一些企業的幫助是實實在在的特別是外呼型的企業，能夠帶去不小的便利。這是一個不錯的時代，至少我們還有期盼，等基礎物理學的突破。量子、弦論或M理論的完備，全新數學分支的創建。為實現有別于概率的智能算法提供理論支持，腦生物學的突破。徹底弄明白人腦結構、為何會產生意識，并且為之建立精準的數學模型。 打破圖靈機-馮諾依曼體系結構計算機的出現時候，就是真正人工智能實現的時候吧！