1.1. 人工智能

1.1.1. artificial intelligence, AI

1.1.2. 在1956年达特茅斯会议上被首次提出的

1.2. AlphaGo

1.2.1. 据荷兰数学家约翰·特罗普(John Tromp)计算，十九路围棋的全部合法局面数约为2×10^170，远远超过英国天文学家亚瑟·艾丁顿(Arthur Eddington)估算的宇宙中质子总数1.57×10^79

1.2.2. 2016年3月，DeepMind公司基于深度学习技术的AlphaGo程序，以4:1的成绩战胜韩国围棋职业九段棋手李世石

1.2.3. 2017年10月，DeepMind更是推出了基于强化学习技术的AlphaGo Zero程序，它能够在无师自通的情况下实现自我博弈，最终以100:0的成绩战胜了前任AlphaGo

1.2.4. AlphaGo之所以能够引发世人的广泛关注，在于它有效地结合了科研和工程两方面的工作

1.2.5. DeepMind公司采用的卷积神经网络(CNN)、参差网络(ResNet)、蒙特卡洛搜索树(MCTS)等算法或技术，都不是独创或是近期才发明的

1.2.5.1. 能够有效整合不同技术方案，成功利用人工智能技术解决现实难题，确实是一次壮举

1.3. 关注度变化趋势

1.3.1. 从全球范围内看，“大数据”(big data)一词于2010年首次进入大众视野，其关注度在2011年至2014年获得快速增长，并在此后长期保持稳定

1.3.2. “机器学习”已经取代“大数据”成为网络上最受关注的技术关键词，“人工智能”和“深度学习”等词汇的关注度均有相同程度的增长

1.3.3. 2017年成为人工智能爆发的一年，Facebook、谷歌、微软、百度、阿里巴巴和腾讯等科技巨头纷纷发布自己的人工智能战略，全球人工智能投融资总规模约400亿美元，融资1000余笔

1.4. 英国

1.4.1. 拥有世界最优秀的高等教育体系，已经孕育出了DeepMind一众技术实力雄厚的初创企业

1.4.2. 是人工智能鼻祖阿兰·图灵的诞生地，其人工智能的未来发展潜力不可估量

1.5. 法国

1.5.1. 数学研究水平傲视全球，航空航天、汽车工业、高端制造业的实力不容小觑，其发展人工智能的底蕴深厚

1.6. 德国

1.6.1. 拥有马克斯·普朗克学会和弗劳恩霍夫协会等著名科研机构，在工业4.0、智能制造、汽车等领域的技术积累深，未来德国或可通过上述领域优势谱写人工智能发展的新篇章

1.7. 以色列

1.7.1. 在网络安全、国防军事等领域的优势明显，其第二大城市特拉维夫是世界的“创业圣地”，已经孕育出数量众多的初创企业和独角兽企业

1.7.2. 将成为全球人工智能发展的重要一极

1.8. 人工智能战略

1.8.1. 当前，人工智能已上升到国家层面的激烈博弈，越来越多的国家争相制定发展战略与规划，世界主要国家进入了全面推进人工智能发展的全新战略时代，人工智能竞争趋向白热化

1.8.2. 奥巴马政府

1.8.2.1. 《为人工智能的未来做准备》（“Preparing for the future of artificial intelligence”）

1.8.2.2. 《国家人工智能研究与发展战略计划》（“National artificial intelligence research and development strategic plan”）

1.8.2.3. 《人工智能、自动化与经济》（“Artificial intelligence，automation，and the economy”）

2.1. 人工智能已经成为最前沿的科技领域，将给经济发展、社会形态的方方面面带来颠覆性的影响

2.2. 与自然智能的区别

2.2.1. 从本质上看，人工智能是指由人工创造的智能，与其对应的是生物进化所形成的“自然智能”(natural intelligence)，特别是具有最高智慧的“人类智能”(human intelligence)

2.2.2. 人工智能与自然智能在智能的形成过程中，最大的不同之处在记忆、分析推理、决策这三个环节

2.2.3. 自然智能依靠的是大脑的生物神经系统，而当前的人工智能技术依靠的是GPU、TPU、ASIC等信息处理单元，云计算、雾计算以及卷积神经网络等算法

2.2.4. 人工智能与自然智能的物理载体有本质区别

2.2.4.1. 人工智能的物理载体采用的是冯·诺依曼架构的CPU、GPU、FPGA和ASIC等高性能处理器，以及高性能存储器等

2.2.4.2. 这些物理器件都是基于经典图灵机模型创造的，因而从诞生时就局限于图灵机的理论边界之内

2.2.4.3. 自然智能的物理载体是由非线性动力学驱动的生物神经系统，其中的存储单元和计算单元在结构和功能上是一体的

2.2.5. 人工智能和自然智能的运算方式有本质区别

2.2.5.1. 当前，常用的人工智能算法有数十种之多

2.2.5.2. 每种算法都擅长解决某一类任务，但在不同任务之间的迁移能力却很弱

2.2.5.3. 虽然人类大脑的运行机制尚未破译，但自然智能的小样本学习能力、不同任务间的迁移能力却是现阶段人工智能所望尘莫及的

2.2.5.4. 在仅有20瓦特左右功率的条件下，人类大脑可以在极短的时间内对通过视觉、听觉、嗅觉或触觉获取的信息迅速做出决策，并对未来做出预判

2.2.5.5. 目前，人工智能研究领域主要包括自然语言处理、语音识别、计算机视觉、规划与推理等

2.3. 现阶段人工智能的重要特征

2.3.1. 人工智能以人类智能为基准，主要目的是实现自主学习、知识运用、处理新问题等人类具备的基本能力

2.3.2. 人工智能是人类智能的延伸，同样具有一定的感知、记忆、分析、决策和行为能力

2.3.3. 人工智能的实现需要借鉴人类智能，但模仿人类智能并非实现人工智能的唯一方式

2.4. 阶段

2.4.1. 弱人工智能

2.4.1.1. 模拟人或动物解决各种智能问题的技术，包括问题求解、逻辑推理与定理证明、自然语言理解、专家系统、机器学习、人工神经网络、机器人学、模式识别和机器视觉等

2.4.2. 强人工智能

2.4.2.1. 具有自我意识以及自主学习、自主决策能力的人工智能，是人工智能发展的终极目标

2.4.2.2. 强人工智能在各方面都能与人类智能比肩，人类能从事的脑力活动它都能从事，也可称为“通用人工智能”

2.4.3. 超人工智能

2.4.3.1. 在几乎所有领域都比最聪明的人类大脑聪明很多，包括科学创新、通识和社交技能

2.4.3.2. 波斯特洛姆认为超人工智能在几乎所有领域远远超过人类，具备远超过强人工智能的强大能力，从而会给世界带来存在性风险：智慧生命灭亡或永久失去未来发展潜能

2.5. 人工智能的研究范围包括机器学习、自然语言处理、语言处理、图像处理、智能搜索、知识表示、知识推理与规划等诸多领域

2.6. 6个大类

2.6.1. 计算机视觉（图像分析、视频分析等）

2.6.2. 自然语言处理（语音识别、语义分析等）

2.6.3. 机器学习（监督学习、半监督学习、强化学习、深度学习等）

2.6.4. 博弈与伦理（多代理人交互、对抗与合作等）

2.6.5. 机器人学（人机接口系统、运动规划、任务规划等）

2.6.6. 认知和推理（包含各种社会常识、物理常识等）