人工智能是一个复杂的课题，除了“智能机器”这样的模糊论断外，没有明确的单一定义。“为了理解人工智能是如何工作的，重要的是理解‘人工智能’这个词是如何定义的。
定义分为四个方面:
前两个领域与思维过程和推理有关，比如以类似于人类思维的方式学习和解决问题的能力。最后两个领域与行为和行动有关。这些抽象定义有助于创建一个将机器学习程序和其他人工智能领域的工作集成到机器中的蓝图。
人工智能技术可以由正在进行的机器学习提供动力，而其他技术则通过更平凡的规则集提供动力。不同类型的人工智能以不同的方式工作，这意味着有必要了解不同类型的人工智能，以了解它们如何不同地工作。
人工智能通常分为两大类——“狭义人工智能”(也被称为弱人工智能)和“一般人工智能”(AGI，也被称为强人工智能)。
1.狭窄的人工智能
这是AI最有限的形式，专注于完成单一任务。尽管关注范围很窄，但这种形式的人工智能近年来已经取得了一些突破，例如谷歌搜索、图像识别软件、Siri和Alexa等个人助理，以及自动驾驶汽车。这些计算机系统都执行特定的任务，并由机器学习和深度学习的进步提供动力。
机器学习获取计算机数据，并使用统计技术，让人工智能系统“学习”，在执行任务时做得更好。这种学习可以采取监督学习(通过标记数据集)和非监督学习(通过无标记数据集)的形式。深度学习使用一种受生物启发的神经网络来处理数据，允许系统深入学习过程，建立连接并评估输入，以获得最佳结果。
2.人工通用智能(AGI)
这种形式的人工智能出现在科幻小说、电视节目和电影中。它是一个比狭隘的人工智能更智能的系统，像人类一样使用一般智能来解决问题。然而，事实证明，真正实现这种水平的人工智能是困难的。
人工智能研究人员一直在努力创造一种系统，能够像人类一样在任何环境中学习和行动，具备全套认知能力
AGI是在《终结者》(the Terminator)等电影中出现的人工智能类型。在电影中，超级智能机器人能够成为对人类的独立威胁。然而，专家们一致认为，这不是我们在短期内需要担心的事情。
智能人工智能的概念可以追溯到古希腊，亚里士多德发展了三段论和演绎推理的概念，但我们现在理解的人工智能只有不到一个世纪的历史。
1943年，沃伦·麦卡洛(Warren McCullough)和沃尔特·皮茨(Walter Pitts)发表了一篇论文，名为《神经活动中内在思想的逻辑演算》(Logical Calculus of Ideas inherent In Nervous Activity)。这篇论文提出了第一个用于构建神经网络的数学模型。1949年，随着唐纳德·韦伯(Donald Webb)的书《行为组织:神经心理学理论》(the Organisation of Behaviour: A neuropsychology Theory)的出版，这个观点得到了扩展。韦伯提出，神经通路是由经验产生的，使用频率越高，神经通路就越强。
1950年，艾伦·图灵发表了《计算机器与智能》一书，提出了现在称为“图灵测试”的方法，用来判断一台机器是否真的有智能。同年，哈佛大学本科生马文·明斯基(Marvin Minsky)和迪恩·埃德蒙兹(Dean Edmonds)建立了第一台神经网络计算机SNARC，克劳德·香农(Claude Shannon)发表了论文《为下棋的计算机编程》(Programming a computer for Playing Chess)。科幻作家艾萨克·阿西莫夫(Isaac Asimov)也在1950年发表了《机器人三定律》(Three Laws of Robotics)，为人工智能与人类互动制定了基本蓝图。
1952年，亚瑟·塞缪尔创建了一个自学的计算机程序来玩跳棋。1954年，乔治敦- ibm机器翻译实验将60个俄语句子翻译成英语。
1956年，达特茅斯夏季人工智能研究项目(Dartmouth Summer Research Project on artificial intelligence)首次提出了人工智能这个词。由约翰·麦卡锡(John McCarthy)领导的这次会议定义了人工智能的范围和目标，同年艾伦·纽威尔(Allen Newell)和赫伯特·西蒙(Herbert Simon)展示了第一个推理程序“逻辑理论家”(Logic Theorist)。
1958年，约翰·麦卡锡(John McCarthy)继续他在人工智能方面的工作，他开发了人工智能程序语言Lisp，并发表了一篇论文《常识程序》(Programs with Common Sense)，提出了一个假想的完整人工智能系统，该系统能够像人类一样有效地从经验中学习。1959年，艾伦·纽威尔(Allen Newell)、赫伯特·西蒙(Herbert Simon)和J.C.肖(J.C. Shaw)开发了“通用问题解决者”(General Problem Solver)程序，旨在模仿人类解决问题的能力。1959年，Herbert Gelernter开发了几何定理证明程序，Arthur Samuel创造了“机器学习”这个术语，而在IBM, John McCarthy和Marvin Minsky创建了麻省理工学院人工智能项目。
1963年，约翰·麦卡锡继续创建了斯坦福大学的人工智能实验室，然而，人工智能在1966年遭遇挫折，当时美国政府取消了所有MT项目的资助。1973年，由于莱特希尔报告的出台，英国政府也削减了对人工智能项目的资助。这些削减导致人工智能缺乏进展，直到1980年，数字设备公司开发了R1(又名XCON)，第一个成功的商业专家系统。
1982年，日本凭借第五代计算机系统项目进入了人工智能领域，美国政府通过启动战略计算计划重新启动了资金支持。到1985年，随着超过10亿美元的投资和专业公司涌现，基于Lisp编程语言构建系统，人工智能的发展再次增长。
然而，Lisp市场在1987年崩溃了，因为更便宜的替代品出现了，计算技术也得到了改进。到1993年，20世纪80年代的许多计划都被取消了，尽管美国军方在1991年海湾战争期间成功地部署了DART，一种自动化后勤规划和调度工具，IBM的深蓝在1997年击败了国际象棋冠军加里·卡斯帕罗夫。
新千年见证了人工智能技术的几次进步，包括自动驾驶汽车，斯坦利在2005年赢得了美国国防部高级研究计划署(DARPA)的重大挑战，以及美国军方在自动机器人方面的投资，如波士顿动力公司(Boston Dynamic)的“大狗”(Big Dog)和iRobot公司的“PackBot”。谷歌在2008年和2011年的iPhone应用程序在语音识别方面取得突破，IBM的沃森在美国智力竞赛节目Jeopardy!
神经网络在2012年进一步先进当神经网络成功地承认一只猫没有被告知这是什么,2014年,谷歌的无人驾驶汽车是第一个通过国家驾驶考试在美国2016年的另一个推动人工智能作为谷歌DeepMind AlphaGo击败世界冠军球员李Sedol去。
人工智能什么时候开始的?
如上图所示，自1950年以来的几十年里，人工智能有了大量的发展，但现代人工智能被广泛认为是艾伦·图灵在他的论文《计算机器和智能》中询问机器是否可以思考的开始。这导致了图灵测试，它确立了人工智能的基本目标。
谁发明了人工智能?
虽然许多人在彼此的研究和突破的基础上推动了人工智能的发展，但人们普遍认为，英国数学家、“计算机科学之父”艾伦·图灵(Alan Turing)提出了人工智能的第一个概念。
人工智能提供了一系列优势，包括:
- 与人类相比，错误率低(只要编码是正确的)
- 人工智能不受敌对或侵略性环境的影响，这意味着这些机器可以执行危险的任务，并在可能伤害或杀死人的环境和物质中工作
- 人工智能不会对乏味或重复的任务感到厌烦
- 能够预测人们会问什么、搜索什么或输入什么——让他们作为助手来推荐动作，比如智能手机或Alexa这样的个人助手
- 能够检测基于卡的系统中的欺诈
- 能够快速有效地组织和管理记录
- 可以通过机器人宠物之类的机器来帮助消除孤独感吗
- 人工智能能够做出公正、合乎逻辑的决定，错误更少
- 能够模拟医疗程序，达到人类难以企及的精确度
- 不需要休息意味着人工智能系统可以比人类工作更长时间
当然，在所有这些优点的同时，人工智能也有一些缺点……
人工智能的缺点包括:
- 建造、维修和开发成本高昂
- 在一些应用中需要解决伦理问题，在一些实例中，需要解决整个类人机器人的概念
- 与人类相比，人工智能的有效性仍然存在疑问——包括能否同理心地评估情况
- 无法在编程范围之外工作
- 缺乏创造力和常识
- 使用人工智能代替人类工人可能会导致失业
- 人们过度依赖人工智能的危险，以及AGI人工智能可能取代人类的观点(尽管这在短期内仍不太可能)
人工智能被广泛应用于各种应用，包括自动驾驶汽车、医疗诊断、自然语言处理、数学、艺术、游戏、搜索引擎、数字助理(如Siri)、图像识别、垃圾邮件过滤、航班延误预测、有针对性的在线广告、能源存储等等。
人工智能现在被社交媒体平台广泛使用，用来决定哪些故事应该针对哪些受众群体，以产生更多流量。这本身就会造成一些问题，比如对世界事件的看法是片面的或有偏见的，而且还可能出现“深度造假”(deepfake)的情况，即报道没有发生的事情的新闻。
使用人工智能的例子包括:
- 用于营销或客户服务的“对话式”机器人
- 疾病制图和预测
- 来自Spotify和Netflix等网站的娱乐推荐
- 联合制造业——例如通过工业4.0推动的制造业
- 个性化医疗的建议
- 股票交易的机器人顾问
- 智能助手(如Siri和Alexa)
- 社交媒体监测
- 电子邮件的垃圾邮件过滤器
随着技术的不断发展和进步，人工智能将在许多不同的方面影响我们的生活。我们已经看到许多这样的变化开始取得成果，未来将看到我们甚至可能还没有想到的进步。然而，以下是人工智能即将以一些方式改变我们周围的世界。
无人驾驶汽车和机器人
人工智能和机器人技术的进步推动了无人驾驶汽车和送货无人机等领域的增长。自动交通解决方案可以彻底改变我们在世界各地运输货物和人员的方式。
假新闻
我们已经看到人工智能的这种负面影响对社会产生了影响。无论是通过声音还是图像复制，这意味着我们越来越难以相信我们在媒体中看到或听到的东西。
语音与语言识别
机器学习系统现在能够识别人们在说什么，准确率接近95%。这为机器人将口语转化为书面语言开辟了道路，也为语言之间的翻译提供了选择。
人脸识别与监控
这是人工智能的另一个灰色地带，因为有很多人反对将面部识别用于监控目的。在中国，为了追踪犯罪分子和行为可疑的人，使用面部识别和闭路电视的想法已经在推广。尽管存在隐私保护规定，但人工智能很有可能在未来被更广泛地用于跟踪人类，包括能够准确识别情感的技术。
医疗保健
医疗保健可以从人工智能中受益匪浅，无论是通过x射线发现肿瘤、发现与疾病相关的基因序列，还是识别可能导致更有效的药物的分子。人工智能已经在医院进行试验，用于筛查癌症患者和发现眼睛异常。
我们为什么需要人工智能，它能做什么?
人工智能似乎将在未来为一系列应用提供一系列好处。这包括让机器承担重复性或卑微的工作，协助我们的日常生活，并给制造业、交通、旅行和医疗带来革命性的变化。
人工智能能取代人类智能吗?
虽然人工智能很有可能改变我们在社会中扮演的角色，但它不太可能取代人类。在大多数领域，人工智能目前被视为人类智能的助手，而不是替代品。
什么是机器学习?和AI一样吗?
机器学习是人工智能的一个方面，其理念是允许机器获取信息，然后利用这些信息进行自我开发和学习。
什么是神经网络?
神经网络是受我们大脑中的生物神经网络启发的计算机系统。它们由被称为人工神经元的单元或节点组成，允许机器学习和其他人工智能应用。