等级划分
弱人工智能
弱人工智能 （ W e a k A I ）也称限制领域人工智能 （ N a r r o w A I ）或应用型人工智能 （ A p p l i e d A I ） ，指的是专注于且只能解决特定领域问题的人工智能 。
强人工智能
强人工智能又称通用人工智能 （ A r t i f i c i a l g e n e r a l i n t e l l i g e n c e ）或完全人工智能 （ F u l l A I ） ，指的是可以胜任人类所有工作的人工智能 。
-
1 ）存在不确定因素时进行推理 ，使用策略 ，解决问题 ，制定决策的能力
-
2 ）知识表示的能力 ，包括常识性知识的表示能力
-
3 ）规划能力
-
4 ）学习能力
-
5 ）使用自然语言进行交流沟通的能力
-
6 ）将上述能力整合起来实现既定目标的能力 。
超人工智能
假设计算机程序通过不断发展 ，可以比世界上最聪明 、最有天赋的人类还聪明 ，那么 ，由此产生的人工智能系统就可以被称为超人工智能 。
还不能做什么 ？
今天的人工智能还不能做什么 ？（20170815）
-
跨领域推理
-
抽象能力
-
常识
-
自我意识
-
审美
-
情感
人工智能的商业化大致可分为三个主要阶段
创新工场管理合伙人 、资深投资人汪华
-
第一阶段 ， A I会率先在那些在线化程度高的行业开始应用 ，在数据端 、媒体端实现自动化 。这一过程会首先从线上 “虚拟世界 ”开始 ，随着在线化的发展扩张到各个行业 ，帮助线上业务实现流程自动化 、数据自动化 、业务自动化 。
-
第二阶段 ，随着感知技术 、传感器和机器人技术的发展 ， A I会延伸到实体世界 ，并率先在专业领域 、行业应用 、生产力端实现线下业务的自动化 。
-
第三阶段 ，当成本技术进一步成熟时 ， A I会延伸到个人场景 ，全面自动化的时代终将到来 。
人类将如何变革？
只有人的精神个性 ，才是人工智能时代里人类的真正价值 。只有用开放的心态 ，创造性地迎接人工智能与人类协同工作的新世界 ，才能真正成为未来的主人 。
AI创业的五大基石
清晰的领域界限
人工智能创业 ，要解决的领域问题一定要非常清晰 ，有明确的领域边界 ，因为这一类问题是今天以深度学习为代表的人工智能算法最善于解决的 。
闭环的 、自动标注的数据
针对要用 A I解决的领域问题 ，最好要在这个领域内 ，有闭环的 、自动标注的数据 。
顶尖的 A I科学家
今天的人工智能研发还相当依赖于算法工程师甚至是 A I科学家的个人经验积累 。水平最高的科学家与普通水平的算法工程师之间 ，生产力的差异不啻千百倍 。人工智能创业公司对顶尖 A I科学家的渴求直接造成了这个领域科学家 、研究员的身价与日俱增 。
超大规模的计算能力
深度学习在进行模型训练时 ，对电脑的计算能力有着近乎 “痴狂 ”的渴求 。
千万级的数据量
今天人工智能的代表算法是深度学习 。而深度学习通常要求足够数量的训练数据 。一般而言 ，拥有千万级的数据量是保证深度学习质量的前提 。当然 ，这个 “千万级 ”的定义过于宽泛 。事实上 ，在不同的应用领域 ，深度学习对数据量的要求也不尽相同 。而且 ，也不能仅看数据记录的个数 ，还要看每个数据记录的特征维数 ，特征在相应空间中的分布情况 ，等等 。
大企业在 A I领域拥有几个巨大的优势
硅谷著名投资人 、网景公司 （ N e t s c a p e ）联合创始人马克 ·安德森
-
懂得如何创建 A I系统的人数非常有限
-
A I项目通常都非常大 、非常复杂
-
此外 ，还有对数据的需求 。你需要巨大数量的数据集来创建 A I应用 。
人工智能产业发展面临六大挑战
-
前沿科研与产业实践尚未紧密衔接
-
人才缺口巨大 ，人才结构失衡
-
数据孤岛化和碎片化问题明显
-
可复用和标准化的技术框架 、平台 、工具 、服务尚未成熟
-
一些领域存在超前发展 、盲目投资等问题
-
创业难度相对较高 ，早期创业团队需要更多支持
AI时代该如何学习？
-
主动挑战极限
-
从实践中学习
-
关注启发式教育 ，培养创造力和独立解决问题的能力
-
虽然面对面的课堂仍将存在 ，但互动式的在线学习将愈来愈重要
-
主动向机器学习
-
既学习人 —人协作 也学习人 —机协作
-
学习要追随兴趣
