2016年3月份，AlphaGo以4：1戰勝韓國圍棋手李世石，一舉震驚了世界。
人工智能一下就引爆了整個世界。有種趨勢就是，不談人工智能，就落伍了。
以前資本圈融資都談的是“互聯網+”，現在都在談“AI+”了。
有人說，馬上人工智能時代就要來了，甚至有人宣揚人工智能威脅論。
那麼，當我們談論人工智能的時候，我們究竟在談論什麼呢？
我們先來討論下“人工智能”的定義。
什麼叫做智能呢？所謂智能，其實就是對人某些高級功能的模擬，讓計算機去完成一些以前只有人才能完成的工作，比如思考、決策、解決問題等等。
比如以前只有人可以進行數學計算，而現在計算機也可以進行計算，而且算的比人還準，還快，我們說計算機有一點智能了。
人工智能的發展經歷了好幾個發展階段，從最開始的簡單的邏輯推理，到中期的基於規則（Rule-based）的專家系統，這些都已經有一定的的智能了，但距離我們想象的人工智能還有一大段距離。直到機器學習誕生以後，人工智能界感覺終於找到了感覺。基於機器學習的圖像識別和語音識別在某些垂直領域達到了跟人相媲美的程度。人工智能終於能夠達到一定的高度了。
當前機器學習的應用場景非常普遍，比如圖像識別、語音識別，中英文翻譯，數據挖掘等，未來也會慢慢融入到各行各業。
雖然都是機器學習，但是背後的訓練方法和模型是完全不同的。
根據訓練的方法不同，機器學習算法可以大致分類為監督學習、無監督學習和強化學習三種。
監督學習，就是訓練數據是有標籤的，也就是每個數據都是標註過的，是有正確答案的。訓練的時候會告訴模型什麼是對的，什麼的錯的，然後找到輸入和輸出之間正確的映射關係，比如物體種類的圖像識別，識別一張圖片內容是隻狗，還是棵樹。
非監督學習，就是訓練數據沒有標籤的，只有部分特徵。模型自己分析數據的特徵，找到數據別後隱含的架構關係，比如說自己對數據進行學習分類等等，常見的算法有聚類算法，給你一堆數據，將這數據分為幾類。比如在銀行的數據庫中，給你所有客戶的消費記錄，讓你挑選出哪些可以升級成VIP客戶，這就是聚類算法。
還有一種是強化學習，目標是建立環境到行為之間的最佳映射。強化學習的訓練是不需要數據的，你告訴他規則或者給他明確一個環境，讓模型自己通過不斷地嘗試，自己根據結果來自己摸索。
Deep Mind的AlphaGo Zero就是通過強化學習訓練的,號稱花了3天的訓練時間就能100：0打敗AlphaGo。
比較適合強化學習的一般是環境到行為之間的結果規則比較明確，或者環境比較單一、不太容易受噪音干擾等等，比如下圍棋的輸贏等等，還可以模擬直升機起降、雙足機器人行走等等。
那麼該如何快速入門人工智能呢？
小編已經為大家準備了人工智能學習的全套視頻教程，帶你快速走進人工智能！
需要的讀者請私信小編“人工智能”可馬上免費獲取
記得幫小編轉發，並關注小編，後期有更多學習資料分享出來
