下载掌阅APP，畅读海量书库
立即打开
编程过程中，人类需要思考问题的解决方法，再告诉计算机如何工作。那么，计算机能否自主思考和工作呢？我们能否创造出和人类一样聪明的机器，帮助我们思考和决策呢？随着这类思潮的涌起，AI应运而生。
AI是人类最伟大的梦想之一。很多人对AI的了解主要来自电影中的角色，例如《2001太空漫游》中的AI计算机管家HAL9000、《终结者》中的杀手机器人，以及《钢铁侠》中钢铁侠的战衣AI。这些电影中的AI具备一些共同特征：能力异常强大，和人一样会思考，甚至有感情。现实世界中，AI的能力也在突飞猛进。例如扫地机器人可以自动帮我们打扫房间，ChatGPT可以和人愉快地聊天，无人汽车能在一定程度上自动驾驶。
让计算机像人类一样思考和行动，这个目标无法直接通过编程达成。但是我们可以通过编程让计算机完成很多超级复杂的任务，例如排序、搜索等任务，然而有些任务从人类的角度来看很容易，从计算机编程的角度来看却很困难。例如识别一张图片中是否包括人脸、判断一句话的潜台词，或者创作一幅油画。在后续章节中我们会了解到，AI程序的“智能”是通过数据进行学习、训练得到的，这个学习、训练的过程是通过编程实现的。
AI的概念也是不断发展的。
学术界对AI的看法更富有哲学意味，他们希望AI最终能理解人类思考的本质，而且希望能对AI的思考过程进行建模。他们认为AI需要像人类一样思考和行动，完全地模仿人类。但是，人类建造的飞机最终能飞上天，依赖的并不是对鸟的模仿，而是对空气动力学的研究。
工业界对AI的看法更侧重实用性，他们认为AI能完成特定的任务就不错了。AI需要能够自主操作、感知环境、长期持续地适应变化并实现最佳期望结果，也就是以最优的方法完成一个既定的任务。所以AI需要通过圆满完成任务来体现其能力。
早期的AI研究专注于专家系统。一个专家系统就是一个数据库，其中存放了大量的规则用于判断、决策。但在实际应用的复杂场景下，专家系统遇到了挫折。在1990年前后，以概率统计理论为基石的神经网络方法出现了。最近10年，随着计算机硬件技术、开源算法的发展和互联网数据规模的大幅提升，深度学习迅速发展。它促进了图像识别和自然语言处理等领域算法的进步。借助深度学习的力量，深度强化学习也强势崛起，并有望在现实世界中推动AI得到广泛应用。