人工智能

神经网络正席卷着计算世界。在它们的帮助下，研究人员得以推进机器学习的进程。面部识别、对象识别、自然语言处理、机器翻译……这些原本都是人类才有的技能，现在逐渐成为了机器的常规配置。

由于神经网络能够推动人工智能的发展，这给了研究人员更大的动力来创建更强大的神经网络。而这项研究的关键是创建类似神经元（neurons）的电路，即神经形态芯片（neuromorphic chip）。那么，如何使电路的速度得到显著提升？

现在，这一问题或许有了答案。据MIT报道，普林斯顿大学的Alexander Tait团队创建了全球首个光电子神经网络，并展示了其在计算上的超速度。

1.什么是人工智能？ 
是对让计算机展现出智慧的方法的研究。计算机在获得正确方向后可以高效工作，在这里，正确的方向意味着最有可能实现目标的方向，用术语来说就是最大化效果预期。人工智能需要处理的任务包括学习、推理、规划、感知、语言识别和机器人控制等。

常见误解

「它是一个特定技术」。例如在二十世纪八十年代到九十年代，人们经常会看到新闻报道中人工智能与基于规则的专家系统被混为一谈。现在，人工智能经常会与多层卷积神经网络混淆。这有点像把物理和蒸汽机的概念搞混了。人工智能探究如何在机器中创造智能意识，它不是在研究中产生的任何一个特定的技术。

「这是一个特定类别的技术方法」。例如，经常有人用符号化或逻辑化的方法将人工智能与「其他方法」相互比较，如神经网络和遗传编程。人工智能不是一种方法，它是一个课题。所有这些方法都是在对人工智能进行研究的产物。

「这是一小群研究者的方向」。这个误解与前几个错误有关。一些作者使用「计算智能」指代几个特定的研究者群体，如研究神经网络，模糊逻辑和遗传算法的研究者。这是非常片面的，因为这种分类让人工智能的研究陷入孤立的境地，让研究成果不能得到广泛的讨论。

人工智能的机器为交互类游戏带来了更多的个性和不可预测性。
2013年的电影《她》中，主人公Theodore在一次玩电脑游戏时惊讶地发现了一个很有个性的人工智能人物。这个满足脏话的小外星人指引着他一直晋级。《她》是一部科幻电影，但是电影中出现的拟人的交互游戏很快就成为现实了。

机器学习就是人工智能模仿我们、它自己和我们为它编写的特征。于是，脑洞很大的游戏开发者模仿这部电影的思路开发了一个游戏叫做《嫌疑人》。利用机器学习可以使玩家与科幻犯罪小说大师Markus Winter对话。如果想要将人质解救出来就要利用一些谈判技巧，以智取胜。类似于与聊天机器人对话，玩家将对Winter的话打字输入，AI通过运算回话。

商业正在深挖人工智能的价值，通过虚拟助手可以帮顾客搭配衣服、叫车等几乎一切服务，不需要等着下一个有空的服务员。如今，当顾客通过应用程序要求H&M造型师给出搭配建议或是大通银行的工作人员查询账户信息，基本上都是聊天机器人在终端应答。

这些虚拟的助手与真人不同，他们会全力提供服务，聊天机器人比真人更快更准确，并且随叫随到。
<center><img src="http://intel.eetrend.com/files/2016-11/wen_zhang_/100004138-13768-1.jpg…; alt=“” width="600"></center>

这些助手根据对话的要求提供快捷自然的回复。例如，H&M的聊天机器人可以根据上衣搭配饰品，其他的机器人可以用Facebook的信息平台用Uber叫车，微信可以通过亚洲的几家银行付款。

微软公司的研究人员最近打造了一套人工智能（AI）系统，该系统似乎能够像自然人那样非常有效地识别会话性语言。这一系统还存在一些限制，但毫无疑问，此新系统与几年前的人工智能产品相比，的确有了真正的巨大提升，这种提升也得益于深度神经网络的推动。

深度神经网络涉及到非常复杂的算法。这些极度复杂的算法能够通过分析大量的数据，来教会他们自己处理非常特殊的任务。微软的这套新系统已经通过找到传统科技支持的语音呼叫方式，学会了语言识别功能。但要知道，推动近期人工智能革命潮流的并非只有算法，事实上还包括这些算法背后的硬件设备。微软的语言识别系统高度依赖大型GPU（图形处理器）。众所周知，GPU芯片原本是针对制图业务而设计，但事实却表明，这种芯片也非常适合于人工智能产品运营模式。

如今，像微软、谷歌 (微博)、 Facebook 之类的互联网巨头都在大力使用GPU来培训他们的深度神经网络服务。但与此同时，他们与都倾向于使用其它更加专门化的芯片，特别是那些能够帮助他们加速深度神经网络开发、而不仅仅是培训深度神经网络的芯片。例如，谷歌最近就打造了自己的人工智能处理器，除此之外， IBM 也不甘落后，正在打造另一种芯片。

北京时间11月18日，英特尔公司宣布推出一系列涵盖从前端到数据中心的全新产品、技术及相关投资计划，旨在拓展人工智能 (AI) 的发展空间并加速其发展速度。英特尔认为，人工智能将变革企业业务的运营方式以及人类与世界交互的方式。为此，英特尔正在整合优势，为人工智能提供最为广泛的技术选项，将其潜能在各个领域中充分释放，包括智能工厂、无人机、体育、欺诈检测和无人驾驶汽车等等。

英特尔首席执行官科再奇分享了英特尔对人工智能前景及复杂性的洞察。他指出，人工智能需要众多的领先技术的支撑，以及远超初期采用者范围的更大规模的生态系统。随着目前的算法日益复杂以及所需数据集的不断增加，科再奇表示，英特尔深刻洞察这些需求，并且完全有能力提供所需的技术来驱动这一计算转型。

“英特尔具有独一无二的优势赋能并加速人工智能的创新，”科再奇表示，“英特尔一直致力于人工智能的发展，且已投入大量的技术资源和开发人员来推进人工智能在企业和社会中的应用。”

强健的英特尔人工智能平台

一百多年前，电力的出现改变了无数产业，20 年前互联网改变了很多产业，下一个，会是人工智能吗？

昨天到今天，大家都开始刷乌镇第三届世界互联网大会，其中一个重要议题是人工智能。昨天，网易科技、网易智能联合乌镇智库发布了《乌镇指数：全球人工智能发展报告2016》，报告显示，2015年全球新增AI企业数量达到了806家，算下来平均每10.9个小时就有一家AI企业诞生，接近肯德基在全球的开店速度，同时，过去一年有近百亿美元1200多次的AI领域的投资。

一百多年前，电力的出现改变了无数产业，20 年前互联网改变了很多产业，下一个，会是人工智能吗？

乌镇指数:2016全球人工智能发展报告

<a href="http://intel.eetrend.com/files/2016-11/wen_zhang_/100003971-13268-wuzhe…;

算法是一系列包含能够帮助人解决问题、完成目标任务的规则的步骤。用正确的方式把这些步骤和规则组织起来，能够自动化算法建立人工智能（AI）。AI能够帮助我们做大量的分析性工作，让我们把时间集中于更有价值的事情。

AI正在改变我们的职业、我们的工作方式和我们的企业文化。AI让我们得以专注于那些真正关键的技术，让人力资源得以充分发挥他们的长处。但在工作场景中应用AI确实会让事情变得复杂，因为有各种不同层级的算法可以用于实现AI，每一类的使用和影响都有差别。为了更好地平衡人力资本和AI资本，本文作者介绍了用于实现AI、大数据、和数据科学的十大类算法，以及它们分别擅长的任务。

1. Crunchers
这些算法使用比较少的重复步骤和较为简单的规则处理（crunch）复杂问题。我们给这些算法提供数据，它们就能得出一个答案。如果我们不喜欢这个答案，可以给算法提供更多的数据，让算法调整答案。Cruncher类算法擅长客户分类、预估项目持续时间、分析调查数据等任务。