导读：很多朋友问到关于硅谷人工智能是什么意思的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！
现在人工智能发展到什么程度了？
2017-11-30请点蓝字＞慎思行慎思行
文章来源中国人工智能学会，罗兰贝格公司
个人微信 helloSSX
人工智能概念介绍
人工智能是什么？人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。人工智能、机器学习、深度学习是我们经常听到的三个热词。关于三者的关系，简单来说：机器学习是实现人工智能的一种方法，深度学习是实现机器学习的一种技术。机器学习使计算机能够自动解析数据、从中学习，然后对真实世界中的事件做出决策和预测；深度学习是利用一系列“深层次”的神经网络模型来解决更复杂问题的技术。
人工智能从其应用范围上又可分为专用人工智能(ANI)与通用人工智能(AGI)。专用人工智能，即在某一个特定领域应用的人工智能，比如会下围棋并且也仅仅会下围棋的AlphaGo；通用人工智能是指具备知识技能迁移能力，可以快速学习，充分利用已掌握的技能来解决新问题、达到甚至超过人类智慧的人工智能。
通用人工智能是众多科幻作品中颠覆人类社会的人工智能形象，但在理论领域，通用人工智能算法还没有真正的突破，在可见的未来，通用人工智能既非人工智能讨论的主流，也还看不到其成为现实的技术路径。专用人工智能才是真正在这次人工智能浪潮中起到影响的主角。我们的讨论范围将聚焦在更具有现实应用意义的专用人工智能技术，具体讨论现有专用人工智能技术能带来的商业价值。
人工智能发展历史与现状
人工智能的发展历史
人工智能的概念形成于20世纪50年代，其发展阶段经历了三次大的浪潮。第一次是50-60年代注重逻辑推理的机器翻译时代；第二次是70-80年代依托知识积累构建模型的专家系统时代；这一次是2006年起开始的重视数据、自主学习的认知智能时代。在数据、算法和计算力条件成熟的条件下，本次浪潮中的人工智能开始真正解决问题，切实创造经济效果。
本次人工智能浪潮的驱动因素
近年来，人工智能应用领域市场规模、人工智能领域的资金投入都迅速增长，反映了社会与市场整体对其认知程度与信心的高涨。驱动认知程度提高的一方面因素是技术本身的提高，包括数据、算法、算力，使得人工智能技术真正为商业应用创造了价值；另一方面，大数据、物联网、云计算等技术为人工智能的发展打下了良好基础。
高质量、大规模的大数据成为可能。1986—2007年，全球单日信息交换量增长了约220倍，全球信息储存能力增加了约120倍。海量数据为人工智能技术的发展提供了充足的原材料。
计算力提升突破瓶颈：以GPU为代表的新一代计算芯片提供了更强大的计算力，使得运算更快，同时在集群上实现的分布式计算帮助人工智能模型可以在更大的数据集上运行。
机器学习算法取得重大突破：以多层神经网络模型为基础的算法，使得机器学习算法在图像识别等领域的准确性取得了飞跃性的提高。
社会理解与接受程度广泛提升：随着社会信息化及互联网/移动互联网的普及，以及受AlphaGo等大量热点舆论事件影响，全社会对人工智能的态度已逐渐从怀疑、恐惧转变为好奇、接受和认同。
物联网、大数据、云计算技术提供了人工智能的发展基础
物联网、大数据、云计算技术为人工智能技术的发展提供了其所需要的关键要素。物联网为人工智能的感知层提供了基础设施环境，同时带来了多维度、及时全面的海量训练数据。大数据技术为输入数据在储存、清洗、整合方面做出了贡献，帮助提升了深度学习算法的性能。云计算的大规模并行和分布式计算能力带来了低成本、高效率的计算力，并降低了计算成本。
人工智能产业发展状况
技术方向方面
人工智能方向的企业目前主要分为两类：专注于技术研发的通用型人工智能企业，如DeepMind、 Facebook AI Research、Google Brain与Baidu AI等，以及专注于人工智能技术应用的专用型人工智能企业。通用型人工智能由于研发技术难度大，目前多由巨头互联网公司在进行布局，短期内没有明确的技术突破前景。专用型人工智能企业数量众多，但其发展仍然受制于需要人工标注的数据限制。
应用方向方面
从应用方向上来看，金融、医疗、汽车、零售等数据基础较好的行业方向应用场景目前相对成熟，相关方向企业的融资热度也较高。以自动驾驶领域为例，谷歌、百度、特斯拉、奥迪等科技和传统巨头纷纷加入；人工智能在金融领域的智能风控、智能投顾、市场预测、信用评级等领域都有了成功的应用；在医疗领域，人工智能算法被应用到新药研制，提供辅助诊疗、癌症检测等方面都有突破性进展，凡此种种，不一而足。
地域发展方面
纵观全球人工智能产业的发展，我们可以发现：全球领先的创新高点散落在各个国家，如美国纽约与硅谷、英国伦敦、以色列，以及中国的北京、上海与深圳。人工智能技术本身具有高流通、易传导的性质，在全球信息流通开放的大环境下，人工智能的发展不再受限于国家或地域。
借助于良好的人才基础、巨大的应用市场、强有力的风投基金支持，中国人工智能企业的发展势头良好，在全球处在优势领先地位。中国的人工智能企业数量、专利申请数量以及融资规模均仅次于美国，位列全球第二。在国内，计算机视觉、服务机器人、自然语言处理方向的人工智能企业占据了人工智能企业个数的一半以上。北京、上海、深圳作为国内人工智能创新的高地，其相关企业数量占据了国内企业总数的近80%。
人工智能未来发展的预测
我们认为，短期内构建大型的数据集将会是各企业与研究机构发展的重要方向。同时，机器学习技术会更注重迁移学习与小样本学习等方向，近期AlphaGo Zero在无监督模式下取得的惊人进步充分体现了此方向的热度。长期来看，通用型人工智能的发展将依赖于对人脑认知机制的科学研究，其发展前景目前尚处于无法预测的状态。
在商业应用方面，短期内，专用型人工智能将会在数据丰富的行业、应用场景成熟的业务前端(如营销、服务等)取得广泛的应用。长期来看，正如国际人工智能领域著名学者Michael I.Jordan所说，人工智能技术将能在边际成本不递增的情况下将个性化服务普及到更多的消费者与企业，从细分行业的特定应用场景应用到更加普世化的情景。
编辑 Yibin.P
推荐阅读
出国留学人工智能专业是什么 就业方向在哪
(1) 搜索方向：百度、谷歌、微软、雅虎等(包括智能搜索、语音搜索、图片搜索、视频搜索等都是未来的方向)
(2) 医学图像处理：医疗设备、医疗器械很多都会涉及到图像处理和成像，大型的公司有西门子、GE、飞利浦等。
(3) 计算机视觉和模式识别方向：指纹识别、人脸识别、虹膜识别等;还有一个大的方向是车牌识别;目前鉴于视频监控是一个热点问题，做跟踪和识别也不错;(4) 还有一些图像处理方面的人才需求的公司如威盛、松下、索尼、三星等。
目前国内互联网企业对于人工智能领域的人才需求量极大，很多名企先后创立了自己的人工智能研究院，或者开设人才招揽计划，比如：
1.阿里星计划年薪平均估计60w左右，上不封顶，本科生-博士生都有机会入，CTO直接面试，每年招10人，半年base美国office的机会
2.百度少帅计划IDL部门(机器学习、深度学习)，年薪100w+，每年9人，30岁以下，一年后硅谷或常青藤名校访问至少半年，三年后带领20-30人团队
3.滴滴新锐计划滴滴研究院，面向全球高校博士、硕士、优秀本科生的精英人才计划，研究方向包含机器学习、计算机视觉、机器人、自动控制、汽车工程、人工智能、数据挖掘、最优化理论、分布式计算、图形图像、语音识别、语音合成、自然语言处理等
4.腾讯技术大咖要求，全球TOP100 CS相关硕士博士毕业，人工智能相关，待遇：上不封顶offer，深圳市还有“孔雀计划”160w的奖励
人工智能在美国的就业方向主要有，科研机构(机器人研究所等)，软硬件开发人员，高校讲师等。当然了，鉴于一些高科技公司开辟出了新的研究领域，比如谷歌的无人驾驶汽车...在国内的话就业前景是比较好的，国内产业升级，IT行业的转型工业和机器人和智能机器人以及可穿戴设备的研发将来都是强烈的热点正好都是3-5年后的时间，正好是同学们学成归来的时候！
人工智能(AI)是人造的，为何要担心它威胁人类自身？
61年前，约翰·麦卡锡等好几个科学家在达特茅斯大会上，首次提出了人类意识和思维过程进行模拟的概念。同时也给这个领域取了个令人深刻的名字，就是——人工智能，Artificial Intelligence，英文缩写为AI。
自会议之后，约翰·麦卡锡被誉为“人工智能之父”。人工智能也作为新的领域在科技中大放异彩。从我们用到的智能手机系统和兴起的3D打印，从“拓展现实”眼镜到全息投影，就连我们常用的手机美图秀秀APP，用到的美颜功能也是人工智能领域的应用。
人工智能作为一项新的科学技术，它的发展速度是人们无法想象到的。普通群众可能还没适应新的技术，过了一阵可能它已经被淘汰了。就拿我们熟悉的智能手机iphone来说，几乎几个月就更新了新的一代，换肾都换不过来。手机中软件还没用多久，就用一款新的软件出来。就拿语音软件来说，siri语音成为了大多数宅男娱乐的重要功能，成为人机交互的重要案例。近几年，无人驾驶、虚拟现实等人工智能也纷纷走进市场。
2014年，世界上第一个能够表现人类情感的机械人——Pepper出现在人们的视野中。Pepper在新闻发布会上，通过分析人类的面部表情和身体语言，完成了预测消费者爱好的功能。之后，世界上第一台云识别冰箱CHIQ出现，能够根据食物的品种来向你推荐菜谱。
人工智能跟我们的生活有密切的联系，是大脑的进一步延伸。但是，我们在感叹它的方便和魅力的同时，我们也面临着它给我们带来的思考。
人工智能已经渗入到很多领域：
（1）2011年，沃森被应用到医疗领域，它收集了42种肿瘤科学研究的医学期刊，60多万份医疗记录，150万份患者的信息以及200多万份文字资料。沃森能够在不到一分种内向医生提出患者可能需要的治疗计划出来。
（2）2014年微软code大会上，Skype translator尝试识别各国地区的语言和表达方式，竟然能进行两种语言的无障碍交流。
（3）2015年tecent，dreamwriter机械人写了腾讯公司八月的CPI新闻，从收集信息到成功提交，仅仅消耗了几十秒的时间。
（4）2016年，围棋大师被阿尔法狗打败。同年，柯洁被大师（Master）横扫。
科技牛人埃隆·马思克曾说过：“我们需要万分警惕人工智能，它们比核武器更加危险！“借着人工智能，我们将打开潘多拉魔盒，五角星和圣水可能也一定有用。霍金预言：”人工智能是人类史上最大的事件，同时也可能是最后的事件。“
日本软银总裁孙正义，他预言明年人工智能的“奇点”就会到来，穿上安装芯片的鞋子，脚可以比脑袋更聪明。谷歌公司工程总监雷-库茨韦尔(Ray Kurzweil)预测称：”机器人将比人类更加聪明。“牛津大学研究人员还列出了20种最可能被人工智能替换掉的工作，你永远也想不到下一秒谁的工作会消失。
首先不管他们的预测准不准，人工智能已经渗入到人类的各种领域当中。其实，我们不需要担心自己会被取代掉，因为科技的发展始终是为了人类更好的生存而存在。旧的东西被抛弃，新的东西也会呈现出来。
人工智能，机器学习和深度学习的区别是什么
为了搞清三者关系，我们来看一张图：
如图所示：人工智能最大，此概念也最先问世；然后是机器学习，出现的稍晚；最后才是深度学习。
从低潮到繁荣
自从 1956 年计算机科学家们在达特茅斯会议（Dartmouth Conferences）上确认人工智能这个术语以来，人们就不乏关于人工智能奇思妙想，研究人员也在不遗余力地研究。在此后的几十年间，人工智能先是被捧为人类文明光明未来的钥匙，后又被当作过于自大的异想天开而抛弃。
但是在过去几年中，人工智能出现了爆炸式的发展，尤其是 2015 年之后。大部分原因，要归功于图形处理器（GPU）的广泛应用，使得并行处理更快、更便宜、更强大。另外，人工智能的发展还得益于几乎无限的存储空间和海量数据的出现（大数据运动）：图像、文本、交易数据、地图数据，应有尽有。
下面我们从发展的历程中来一一展开对人工智能、机器学习和深度学习的深度学习。
人工智能人工智能先驱们在达特茅斯开会时，心中的梦想是希望通过当时新兴的计算机，打造拥有相当于人类智能的复杂机器。这就是我们所说的“通用人工智能”（General AI）概念，拥有人类五感（甚至更多）、推理能力以及人类思维方式的神奇机器。在电影中我们已经看过无数这样的机器人，对人类友好的 C-3PO，以及人类的敌人终结者。通用人工智能机器至今只存在 于电影和科幻小说里，理由很简单：我们还实现不了，至少目前为止。
我们力所能及的，算是“弱人工智能”（Narrow AI）：执行特定任务的水平与人类相当，甚至超越人类的技术。现实中有很多弱人工智能的例子。这些技术有人类智能的一面。但是它们是如何做到的？智能来自哪里？这就涉及到下一个同心圆：机器学习。
机器学习
机器学习是实现人工智能的一种方法。机器学习的概念来自早期的人工智能研究者，已经研究出的算法包括决策树学习、归纳逻辑编程、增强学习和贝叶斯网络等。简单来说，机器学习就是使用算法分析数据，从中学习并做出推断或预测。与传统的使用特定指令集手写软件不同，我们使用大量数据和算法来“训练”机器，由此带来机器学习如何完成任务。
许多年来，计算机视觉一直是机器学习最佳的领用领域之一，尽管还需要大量的手动编码才能完成任务。研究者会手动编写一些分类器（classifier），如边缘检测筛选器，帮助程序辨别物体的边界；图形检测分类器，判断物体是否有八个面；以及识别“S-T-O-P”的分类器。在这些手动编写的分类器的基础上，他们再开发用于理解图像的算法，并学习如何判断是否有停止标志。
但是由于计算机视觉和图像检测技术的滞后，经常容易出错。
深度学习
深度学习是实现机器学习的一种技术。早期机器学习研究者中还开发了一种叫人工神经网络的算法，但是发明之后数十年都默默无闻。神经网络是受人类大脑的启发而来的：神经元之间的相互连接关系。但是，人类大脑中的神经元可以与特定范围内的任意神经元连接，而人工神经网络中数据传播要经历不同的层，传播方向也不同。
举个例子，你可以将一张图片切分为小块，然后输入到神经网络的第一层中。在第一层中做初步计算，然后神经元将数据传至第二层。由第二层神经元执行任务，依次类推，直到最后一层，然后输出最终的结果。
每个神经元都会给其输入指定一个权重：相对于执行的任务该神经元的正确和错误程度。最终的输出由这些权重共同决定。因此，我们再来看看上面提到的停止标志示例。一张停止标志图像的属性，被一一细分，然后被神经元“检查”：形状、颜色、字符、标志大小和是否运动。神经网络的任务是判断这是否是一个停止标志。它将给出一个“概率向量”（probability vector），这其实是基于权重做出的猜测结果。在本文的示例中，系统可能会有 86% 的把握认定图像是一个停止标志，7% 的把握认为是一个限速标志，等等。网络架构然后会告知神经网络其判断是否正确。
不过，问题在于即使是最基础的神经网络也要耗费巨大的计算资源，因此当时不算是一个可行的方法。不过，以多伦多大学 Geoffrey Hinton 教授为首的一小批狂热研究者们坚持采用这种方法，最终让超级计算机能够并行执行该算法，并证明该算法的作用。如果我们回到停止标志那个例子，很有可能神经网络受训练的影响，会经常给出错误的答案。这说明还需要不断的训练。它需要成千上万张图片，甚至数百万张图片来训练，直到神经元输入的权重调整到非常精确，几乎每次都能够给出正确答案。不过值得庆幸的是Facebook 利用神经网络记住了你母亲的面孔；吴恩达 2012 年在谷歌实现了可以识别猫的神经网络。
如今，在某些情况下，通过深度学习训练过的机器在图像识别上表现优于人类，这包括找猫、识别血液中的癌症迹象等。谷歌的 AlphaGo 学会了围棋，并为比赛进行了大量的训练：不断的和自己比赛。
总结
人工智能的根本在于智能，而机器学习则是部署支持人工智能的计算方法。简单的将，人工智能是科学，机器学习是让机器变得更加智能的算法，机器学习在某种程度上成就了人工智能。
本文作者 Michael Copeland 曾是 WIRED 编辑，现在是硅谷知名投资机构 Andreessen Horowitz 的合伙人。
人工智能AI时代，大学里哪些专业将会被替代？
【会计和金融专业的学生最危险】
泰晤士报高等教育的一个分析报告揭示：会计和金融专业的学生，未来工作被电脑和机器人取代的风险最高。
这似乎是显而易见的，当今社会，钞票越来越多，但数钞票的越来越少。有意思的是，这两个专业在中国的大学属热门专业，学生趋之若鹜，不知他们是否也笃信"风险越高回报越大"。
会计和金融专业特别容易受到机器的冲击，因为直接相关的工作，如会计、税务专家和金融技术人员，被认为至少有95%的可能性被自动化。
结语：以上就是首席CTO笔记为大家整理的关于硅谷人工智能是什么意思的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于硅谷人工智能是什么意思的相关内容别忘了在本站进行查找喔。