（点击
上方公众号
，可快速关注）
来源：伯乐在线 -
玻璃猫
点击 → 了解如何加入专栏作者
什么是人工智能？
人工智能（Artificial Intelligence），英文缩写为AI，它是研究、开发用于模拟和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
上个世纪50年代一次学术讨论会议上，当时几位著名的科学家从不同学科的角度探讨人类各种学习和其他职能特征，并研究如何在原理上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了“人工智能”的术语。从此，人工智能这门新兴的学科诞生了。
那场学术讨论会议，就是计算机科学史上著名的达特茅斯会议（Dartmouth Conferences）。
人工智能的应用有哪些？
1.电子游戏
不知诸位读者中有多少人是游戏玩家，至少笔者是从游戏当中首次了解到“人工智能”这个概念。不同的游戏具有不同形式的人工智能，但是最可以表现强大AI的当属即时战略型游戏。其中由美国暴雪公司出品的《魔兽争霸》系列和《星际争霸》系列，在人工智能方面都有十分出色的表现。
令人期待的是，谷歌
AlphaGo的幕后的技术团队将会与暴雪公司合作，为游戏《星际争霸2》开发新的人工智能系统。届时，不知
《星际争霸2》的
游戏高手们将会迎来怎样的挑战。
2.智能机器人
对于智能机器人的研发，同样是如今十分火热的课题。机器人可以代替人类承担繁重的劳动、高危的工作。同时也可以供人们消遣娱乐。一个真正合格的机器人离不开一个智慧的“大脑”，也就是人工智能的控制指挥。
3.人机对弈
由于行为规则的严格约束，棋类竞技领域一向人工智能的乐土。早在1997年，IBM研发的国际象棋计算机“深蓝”就成功战胜了当时的世界冠军 加里·卡斯帕罗夫。今年年初，
谷歌团队研发的AlphaGo面向更加复杂的围棋领域，打败韩国围棋冠军李世石，更加巩固了人工智能的地位。
不禁回想起来，几年前笔者出于好奇也开发过一款中国象棋程序，可是由于自身技术不足，程序的棋力仅仅相当于初学者水平。不过那一次带给笔者的兴奋和成就感是无价的。
4.自然语言识别
相对于棋类领域的优势，人工智能在自然语言的理解方面则要吃力得多。主要因为人类的语言语法往往出于习惯，并不一定遵从于逻辑。
谷歌公司的产品“谷歌翻译”就是基于人工智能技术实现的，虽然翻译效果仍然不是尽善尽美，但相对于同类产品已经算是很不错了。
在智能聊天领域，微软公司于2014年推出了一款智能产品“微软小冰”。它借助于微软在大数据、人工智能方面的技术积累,通过理解对话的语境与语义，实现了超越简单人机问答的自然交互。
此外，人工智能在指纹识别、人脸识别、地图导航、自动驾驶等方向都有很大贡献，在此就不做具体描述了。
人工智能的评判标准是什么？
要回答这个问题，就不得不先介绍另一个著名的概念：
图灵测试
。
图灵测试是著名科学家阿兰·麦席森·图灵于1950年提出的。其内容是，如果计算机程序能在5分钟内回答由人类测试者提出的一系列问题，
且其超过30%的回答让测试者误认为是人类所答，则该程序通过测试，表明该程序拥有接近于人类的智能。
直白地解释一下，就如下图中的情景：
图灵测试的参与者包含一名或多名评委，两名测试者。其中一名测试者是人类，另一名测试者是计算机程序。在评委不能直接看到测试者的情况下，由评委提出若干问题，然后根据回答做出自己的判断。
时至今日，世界上只有一个智能聊天程序勉强通过了图灵测试，它的名字是“
尤金·古斯特曼”。由此可见，人类距离实现真正意义上的人工智能，还有很长的道路要走。
人工智能是如何实现的？
在人工智能的研究早期，使用的算法相对比较原始，其中比较有代表性的实现算法是搜索算法。
搜索算法，说得难听一些就是暴力枚举法。当人工智能需要作出决策的时候，会枚举出所有可能的选择，并按优劣为每一个选择做一个评分。最终，评分最高的选择被视为最优决策。
IBM研发的深蓝就是利用了搜索算法，在走棋的时候会枚举出众多的棋局变化，对每一种局面给出相应的分数，最终选择走出一步程序认为最优的棋。但是，为了减少计算，深蓝并不会盲目地枚举出全部棋局，而是忽略掉一些明显是“送死”的选择。这种算法上的优化被称为“剪枝”。
需要注意的是，图上的搜索算法仅仅是人工智能早期众多算法中的一种，并非全部。那个时候，机器学习的概念虽然早已被提出，但是还并没有现在这样广泛应用。
如今的人工智能早已经今非昔比，机器学习以及深度学习成为了实现人工智能的重要手段。谷歌的AlphaGo就是通过三万多局专业棋谱数据的训练，以及与自身反复对弈，达到了足以击败围棋世界冠军的棋力。
其中，机器学习可以简单理解为人工智能通过一定的学习来提升
自我
水平，具体知识可以参考拙作《
漫画：什么是机器学习？
》。深度学习可以理解为机器学习的一种“加强版”，以多层神经网络为原理，笔者计划在今后为深度学习单独发布一篇漫画来介绍。
