完美体育无人驾驶、智能家居、远程医疗……如今，人工智能(AI)技术已被广泛应用于金融、交通、医疗、安防、教育等领域，成为经济增长新动能
人工智能，英文缩写为AI，指由人类制造出来的机器所展现出来的智能，试图通过计算机来模拟人的思维过程和行为。
人工智能的本质是让机器能像人一样思考和行动。它主要通过模拟、延伸和扩展人的智能，从而形成一定的理论、方法、技术及应用的新技术科学。
目前，人工智能领域主要包括计算机视觉、自然语言处理、跨媒体分析推理、智适应学习、群体智能、自主无人系统、智能芯片和脑机接口等关键技术。
其二：目标检测。相比于分类，它又更进了一步，它可以找出哪个位置有什么物体。
这有什么用呢？炫技吗？自动驾驶用它呀。路上的落叶、石头、塑料袋，甚至是一个图钉，都是需要识别出来，以便于分析能不能通过。
2.2 自然语言领域除了图像领域，在自然语言领域，人工智能的应用也比较广泛。
自然语言处理(Natural Language Processing 简称NLP)，翻译成通俗的词语就是：人话。它想让机器可以听懂人话，看懂人话，而且还能任意表达人话，不限于哪国话。总之，就是让机器人看书、写字、闲聊天，还能有所总结和感悟，就和我们人类一样
示例Demo：找来一篇文章，比如上面的例子，原文是：TensorFlow是一个免费的开源软件库，用于跨一系列任务的数据流和可微分编程。它是一个符号数学库，也用于机器学习应用程序，如神经网络。谷歌将其用于研究和生产。TensorFlow由谷歌大脑团队开发，供谷歌内部使用。它于2015年11月9日在Apache License 2.0下发布。
除此之外，你问它谁发明的TensorFlow？这个它也学过，原文中有。它会回答说，是谷歌大脑开发的。
你遇到的很多客服系统，不是AI技术不行，主要是没有那么多对话数据去学习。
我说：一个骑自行车的土狗，一个游泳的泰迪熊。然后，人工智能就能画出对应的图。
机器学习：人工智能的核心，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。知识图谱：用图模型来描述知识和建模世界万物之间关联关系的技术方法。这是先决条件，只有建立了行业知识图谱，才能给出行业AI方案。现在各家都在搞知识图谱，但是很少有真正实用的。自然语言：能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类等。人机交互：为完成确定任务的人与计算机之间的信息交换过程。例如：眼睛虹膜、眼动、掌纹、笔迹、步态、语音、唇读、人脸、DNA等。语音识别：是利用机器将语音信号转换成文本信息。图像视觉：用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理。
当前的话，人工智能还处于弱人工智能阶段。并且，这一阶段将维持较长的时间。
它只会计算和推断，只能解决某个具体问题。比如智能推荐购物、机器人客服、识别哈士奇与狼、自动作画、甚至战胜柯洁的AlphaGo等。
当走向强人工智能时，机器人就拥有了意识，拥有和人类一样的智能水平。换句话说，你和它一起生活，你发觉不出它是个机器人。
到了超人工智能，它就会像人类一样自己去学习。而且学习速度极快，几秒钟运算上亿次，几分钟可以超过人类几百年的积累，智能水平会远超过我们人类。
到时候，就不是我在这里编文章了。我比它差多了。我脑子里只有100本书，AI脑子里有全人类的知识。
4.1 人工智能的机会前景可观；有兴趣的朋友可以去boss等招聘网站上看一看；毕竟企业招收人才情况最能说明问题
人工智能很难吗？-研究很难 但应用的话相对比较容易 但需要一定知识广度，python ，c++编程是需要掌握的；
数据指提供人工智能分析和学习的素材。目前在信息化很发达的今天，数据依然不足以支撑人工智能实现质的飞越。主要原因是数据碎片化严重，各场景下的采集和归纳成本极高。
小数据仅仅能支撑小场景。比如自动驾驶，你搞一个你房间里的自动驾驶其实很简单，路线和物品基本都是固定的。你训练好了模型，在你屋里它可以自由走动，可以去次卧拿了物品放到主卧去。但是，你放到你们小区里，就不行了。放到全国、全球，就更智障了。虽然说，人工智能不是穷举所有场景，但是代表性的样本都来几条不过分吧。仅仅这个数量级，现在也是无法收集到的。
