最近几年，人工智能越来越火，这一切的起因都要归于2012年某个大佬使用深度学习算法参加了一个图像识别大赛，人们第一次注意到原来这个东西这么好用，so人工智能或者说机器学习就理所当然的火了。

那么，什么是人工智能呢，人工智能，顾名思义，就是通过人工手段，来制作出一个具有智能的物体。

那么有人就问了，媒体上天天说人工智能，这学科发展的这么好嘛，产品是什么样的，事实上，这就是个名字或者概念，真正的人工智能，人们根本没有实现，因此，在现阶段所讨论的仅仅是叫做“人工智能初级”的东西，用控制专业术语称为智能控制。

那么现阶段的初级人工智能包括什么呢，主要是计算机的研究内容，深度学习，强化学习是最常见的，还有一些多自主体技术，类脑控制这一类，用一句绕口的话，要学习人类是如何学习的机制。

目前初级人工智能的核心，机器学习。

什么是机器学习呢，从字面上理解就是模拟人的学习，人的学习除了从课本上直接传授，一般是来自不断实践中总结经验，可以简单的理解成从各个数据中找规律，因此它的发展依赖于大数据技术，这也是为什么早被人提出的机器学习概念随着大数据的发展才获得了新生，

机器学习里呢，又有深度学习和强化学习，

深度学习，从简单理解上，就是模拟认识的过程，逐步深入，没有什么规律是一次能认清楚的，必须要经过初级结论，高级理论的过程。而强化学习，从简单理解上是模拟人的试错机制，它不告诉算法怎么去生成正确的，它会使用结果去试错，然后进行调整个修改，举个简单的例子，就相当于这里有个5厘米的缺口，但不告诉修理工，修理工先用四厘米去试，太短，六厘米去补，太长。最终试出一个可靠数值。一般来说呢，强化学习要求的数学基础要比深度学习高，一般的转行者上手会选择深度学习。

上段只是简单介绍，具体实现与应用是很复杂的事情。

目前初级的人工智能除了经常提到的深度、强化学习，还有几个概念的出现频率也比较高，他们目前也是机器学习常用的领域。

比如，自然语言处理，图像识别，模式识别，自动驾驶。

首先，自然语言处理，主要包括语音识别，自动翻译，自动文摘，而图像识别，主要包括图像的对比，识别，处理。最近有一个自动美图的软件，就是用的这项技术，他们都属于模式识别的范畴，所谓模式就是一种特征，因此呢，模式识别和人工智能是有区别的，模式识别用到人工智能技术。

自动驾驶用的就多了，可以想象一下如果是人怎么开车，首先要规划去哪，然后要看路，考虑交通规则，还有油量，是一个很复杂的工程。精确度也要求很高，也出过一些事故。

以上是一些媒体上或者招聘时常见的词汇，

而很显然的是，这些都是与计算机系系相关，因此许多学校将人工智能列入计算机学院。

说到这，大家可能会发现，上述这些概念，虽然领域不同，其核心就是基于数据的学习，那目前的初级人工智能只做这些吗？

不是，最常用的是这些，还有一些其他领域，不过解释起来有点麻烦，能说多少说多少吧。

首先，人的学习不仅包括从零开始，而且也有从书本知识传统直接继承的现成经验。这方面的研究主要在于建立常识库，让机器了解到人们那些常识。不过很困难，世界上最全的常识库在美国，已经建了三十多年了，还没建好。。

然后就是类脑智能，人是具有高度智能的，不少研究者已经从人脑结构上从事智能研究，也有的学者提出真正的人工智能概念，来区别于目前的初级人工智能。

目前的初级人工智能研究领域基本上介绍的差不多，不过都是很粗浅的大体上的。建立一个基本认识。

那么，人工智能就是很完美的？足以代替所有的传统控制方法，答案显然不是。

一个很明显的问题就是人工智能模拟的是人，与人一样，目前的水平人工智能最大缺点就是不精确。人们因为自己的精确度不足才发明了自动控制器件，不会为了某种优越感来用更不精确的人工智能去完全代替非常精确的自动控制器件。

另一个就是目前的人工智能深入发展的难度很高，就算是最初的深度学习，强化学习数学基础足以挡住好多人。更不说某些学者提出的真正的人工智能需要的数学基础。

为了解决这两个问题，未来的人工智能发展有以下三个可能方向。

一、按照真正的人工智能方向深入研究

真正的人工智能，按照清华大学人工智能研究院及美国国防部的说法，是指伙伴型的人工智能，而不是现在的这种高级识别特征器。这一方向的实现是需要付出巨大努力的，适合生物学，人类学，神经学，数学，计算机都要了解的复合人才。

二、推动混合人工智能与传统与智能融合

混合人工智能，是指人对于人工智能输出的结果进行监督，将人的作用引入控制回路，避免人工智能的缺失，而传统与智能融合这个概念，举一个例子，在传统的自动控制生产线旁边，雇一个老师傅专门看着用来调整，而这个老师傅就可以用人工智能代替，将传统控制与智能控制集成于一体，实现控制精确度和智能度。

三、推动多智能体协同控制的发展

所谓多智能体协同控制就是利用一堆人工智能，这是有现实需要的，因为除非个人使用，每个企业不会只使用一个人工智能装置，因此研究多个智能体之间相互联系变得越来越重要。另一个原因是人们发现把某个体搞的很智能耗费时间很多，因此，为了达到最大价值，就要训练一个团队。举个例子，就像手里只有一群猴子，而把猴子改造成人很难，不如先把一群猴子训练好来用。