探討人工智能，就要回答什么是智能的問題，綜合各類定義，智能是一種知識與思維的合成，是人類認識世界和改造世界過程中的一種分析問題與解決問題的綜合能力。對于人工智能，美國麻省理工學院的溫斯頓教授提出“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作”，斯坦福大學人工智能研究中心尼爾遜教授提出“人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的科學”。綜合來看人工智能是相對人的智能而言的。其本質是對人思維的信息過程的模擬，是人的智能的物化。是研究、開發模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
感知、處理和反饋構成人工智能的三個關鍵環節
人工智能經過信息采集、處理和反饋三個核心環節，綜合表現出智能感知、精確性計算、智能反饋控制，即感知、思考、行動三個層層遞進的特征。
智能感知：智能的產生首先需要收集到足夠多的結構化數據去表述場景，因此智能感知是實現人工智能的第一步。智能感知技術的目的是使計算機能 “聽”、會“看”,目前相應的計算機視覺技術和自然語言處理技術均已經初步成熟，開始商業化嘗試。
智能處理：產生智能的第二步是使計算機具備足夠的計算能力模擬人的某些思維過程和行為對分析收集來的數據信息做出判斷，即對感知的信息進行自我學習、信息檢索、邏輯判斷、決策，并產生相應反應。具體的研究領域包括知識表達、自動推理、機器學習等，與精確性計算及編程技術、存儲技術、網絡技術等密切相關，是大數據技術發展的遠期目標，目前該領域研究還處于實驗室研究階段，其中機器學習是人工智能領域目前熱度最高、科研成果最密集的領域。
智能反饋：智能反饋控制將前期處理和判斷的結果轉譯為肢體運動與媒介信息傳輸給人機交互界面或外部設備，實現人機、機物的信息交流和物理互動。智能反饋控制是人工智能最直觀的表現形式，其表達能力展現了系統整體的智能水平。智能反饋控制領域與機械技術、控制技術和感知技術密切相關，整體表現為機器人學，目前機械技術受制于材料學發展緩慢，控制技術受益于工業機器人領域的積累相對成熟。
深度學習是當前最熱的人工智能研究領域
在學術界，實現人工智能有三種路線，一是基于邏輯方法進行功能模擬的符號主義路線，代表領域有專家系統和知識工程。二是基于統計方法的仿生模擬的連接主義路線，代表領域有機器學習和人腦仿生。三是行為主義，希望從進化的角度出發，基于智能控制系統的理論、方法和技術，研究擬人的智能控制行為。
當前，基于人工神經網絡的深度學習技術是當前最熱的研究領域，被Google、Facebook、IBM、百度、NEC以及其他互聯網公司廣泛使用，來進行圖像和語音識別。人工神經網絡從上世紀80年代起步，科學家不斷優化和推進算法的研究，同時受益于計算機技術的快速提升，目前科學家可以利用GPU（圖形處理器）模擬超大型的人工神經網絡；互聯網業務的快速發展，為深度學習提供了上百萬的樣本進行訓練，上述三個因素共同作用下使語音識別技術和圖像識別技術能夠達到90%以上的準確率。
主要發達國家積極布局人工智能技術，搶占戰略制高點
各國政府高度重視人工智能相關產業的發展。自人工智能誕生至今，各國都紛紛加大對人工智能的科研投入，其中美國政府主要通過公共投資的方式引導人工智能產業的發展，2013財年美國政府將22億美元的國家預算投入到了先進制造業，投入方向之一便是“國家機器人計劃”。
在技術方向上，美國將機器人技術列為警惕技術，主攻軍用機器人技術，歐洲主攻服務和醫療機器人技術，日本主攻仿人和娛樂機器人。
現階段的技術突破的重點一是云機器人技術，二是人腦仿生計算技術。美國、日本、巴西等國家均將云機器人作為機器人技術的未來研究方向之一。伴隨著寬帶網絡設施的普及，云計算、大數據等技術的不斷發展，未來機器人技術成本的進一步降低和機器人量產化目標實現，機器人通過網絡獲得數據或者進行處理將成為可能。目前國外相關研究的方向包括：建立開放系統機器人架構（包括通用的硬件與軟件平臺）、網絡互聯機器人系統平臺、機器人網絡平臺的算法和圖像處理系統開發、云機器人相關網絡基礎設施的研究等。
由于深度學習的成功，學術界進一步沿著連接主義的路線提升計算機對人腦的模擬程度。人腦仿生計算技術的發展，將使電腦可以模仿人類大腦的運算并能夠實現學習和記憶，同時可以觸類旁通并實現對知識的創造，這種具有創新能力的設計將會讓電腦擁有自我學習和創造的能力，與人類大腦的功能幾無二致。在2013年年初的國情咨文中，美國總統奧巴馬特別提到為人腦繪圖的計劃，宣布投入30億美元在10年內繪制出“人類大腦圖譜”，以了解人腦的運行機理。歐盟委員會也在2013年年初宣布，石墨烯和人腦工程兩大科技入選“未來新興旗艦技術項目”，并為此設立專項研發計劃，每項計劃將在未來10年內分別獲得10億歐元的經費。美國IBM公司正在研究一種新型的仿生芯片，利用這些芯片，人類可以實現電腦模仿人腦的運算過程，預計最快到2019年可完全模擬出人類大腦。
高科技企業普遍將人工智能視為下一代產業革命和互聯網革命的技術引爆點進行投資，加快產業化進程
谷歌在2013年完成了8 家機器人相關企業的收購，在機器學習方面也大肆搜羅企業和人才，收購了DeepMind和計算機視覺領軍企業Andrew Zisserman，又聘請DARPA原負責人 Regina Dugan負責顛覆性創新項目的研究，并安排構建Google基礎算法和開發平臺的著名計算機科學家Jeff Dean轉戰深度學習領域。蘋果2014 年在自動化上的資本支出預算高達110 億美元。蘋果手機中采用的Siri智能助理脫胎于美國先進研究項目局（DARPA）投資1.5億美元，歷時5年的CALO（ Cognitive Assistant that Learns and Organizes）項目，是美國首個得到大規模產業化應用的人工智能項目。Amazon計劃在2015年能夠使用自己的機器人飛行器進行快遞服務。韓國和日本的各家公司也紛紛把機器人技術移植到制造業新領域并嘗試進入服務業
人工智能的實際應用
人工智能概念從1956年提出，到今天初步具備產品化的可能性經歷了58年的演進，各個重要組成部分的研究進度和產品化水平各不相同。人工智能產品的發展是一個漸進性的過程，是一個從單一功能設備向通用設備，從單一場景到復雜場景，從簡單行為到復雜行為的發展過程，具有多種表現形式。
人工智能產品近期仍將作為輔助人類工作的工具出現，多表現為傳統設備的升級版本，如智能/無人駕駛汽車、掃地機器人、醫療機器人等。汽車、吸塵器等產品和人類已經有成熟的物理交互模式，人工智能技術通過賦予上述產品一定的機器智能來提升其自動工作的能力。但未來將會出現在各類環境中模擬人類思維模式去執行各類任務的真正意義的智能機器人，這類產品沒有成熟的人機接口可以借鑒，需要從機械、控制、交互各個層面進行全新研發。
摘自 人民郵電報
