我谈谈我对AI的一点点浅薄的认识吧。
可能谈到AI，很多人印象就是“拥有智慧的机器人”，类似于西部世界里的机器人。现实中机器确实也可以干很多事情，酷炫如机器翻译，人机对话，目标识别，物体分类，语音识别等等。
可是略懂一点后，你就会非常失望。你会发现所谓的“人工智能”竟然没有想象中的人类“智慧”，而充其量也只能被称为算法，远没有达到我对“人工智能”的期望。我以前总也想，智慧机器人是不是拥有类人的大脑和身体组织结构，就像终结者一样，可以像人一样思考和活动。那AI能干这么多事情，是不是应该拥有和人类一样的大脑呢？结果显然是否定的。至于原因嘛，我跟几个研究生物学的博士同学偶有交流，每每问及，得到的回答都是人类目前对大脑的研究甚少，还远达不到可以仿生的地步。仿生，这一条人类应用颇广的方法路线在AI上碰了壁。
可是人类从来也不灰心，既然模仿不了自然界的智慧，那就人为制造一个吧，于是乎，诞生了现在我们所见的“人造的人工智能”。为什么说是人造的呢，因为这种“智能”也并未解释清楚人类的智慧也根本无法复刻人类的智慧。
说了这么多废话，也没有解释现在的“人工智能”是怎么实现的。说实话，就依我浅薄的知识来解释，可能没有百度百科解释的详实。笔者认为，目前对人工智能等同于算法，而“人工智能”这一充满噱头的名字掩盖了其算法的本质，其实“人工智能”与所写的打印99乘法表的程序并无本质区别。无非“人工智能”这个词听起来更加响亮罢了。
既然目前AI的等同于算法，那笔者就对算法进行介绍。从纯算法的角度，可以将算法分为最优化方法和启发式算法。最优化其实是一门课程，可能很多人都听过梯度下降法，牛顿法，拟牛顿法等关键词。最优化方法简单的说来就是构造一个函数，让函数在你的实际问题中能取到极值，然后求解让函数取到极值的方法以及取到的极值。最优化方法通过求解极值来得到问题的最优解或者次优解。注意，最优化方法可以用严格点公式证明，但是过程繁琐且在繁琐的任务问题中取不到最优解乃至次优解，会落入到局部最优解中，于是诞生了启发式算法。而何为启发式算法，解释起来过于繁琐，可以简单理解为靠外部输入的数据信息进行求解问题的算法，往往可以找到次优解作为全局最优解，虽然无法用数学公式严格证明。
至此，“人工智能”无非是对数据进行分析分类预测等的一系列算法总称。不论是进行回归还是识别，“人工智能”的本质均可归类于这两类算或者包含这两类算法来进行概括。比如经典的线性规划算法，牛顿迭代法均属于最优化方法。而遗传算法，退火算法，神经网络均属于启发式算法。
了解的越多，越觉得目前的“人工智能”太弱，所以也常常被称为“弱人工智能”或者“伪人工智能”，而目前“人工智能”这一称呼可能也代表了人类美好的期许吧。希望未来人类能在神经科学上进行突破，而不是采用这种结果驱动的方式。也许未来某一天从源头上解释智慧，制造出真正可以像人类一样思考和记忆的“真人工智能”。
