人工智能如今已滲入到生活中的各個方面。從引人關注的圍棋、象棋對手，到手機支付、手機解鎖中的人臉識別，都運用了人工智能。

圍棋人工智能

人工智能具備很多人類的感知和識別能力，能自動完成一定的任務，例如識別聲音、認出人臉和做出決策等等。

人工智能 AI

如何自動完成任務？以圖像識別為例，在以前，我們會給計算機輸入一系列規則讓它推理(rule-basedreasoning)，它采用特征點歸類的方法來辨別圖像，但這很難能準確地識別。

如果我們告訴計算機左邊是蘿卜，那它可能會以為右邊的甜筒也是胡蘿卜。

要想實現真正的人工智能，人們研究出了機器學習。

機器學習簡單說就是，編寫出一套算法，使計算機能“自動”地進行學習。我們不需要輸入大量規則，只需用少量的規則建造一個模型，計算機就可以通過學習來創造新的數據，從而對新事物做出分析和判斷。

通過學習左邊的 1，可以判斷出右邊也是 1

之前我們示范過，如何用一個神經網絡，寫出一套機器學習算法，來自動識別未知的圖像。

一個 4 層的神經網絡
輸入層經過幾層算法得到輸出層

實現機器學習的方法有很多，近年被人們討論得多的方法就是深度學習。

深度學習是一種實現機器學習的技術，它是用深度神經網絡來實現機器學習，網絡深度比原始網絡加深了數十甚至上百倍。

增強學習也可以達到機器學習的效果，感興趣的小伙伴可以上網搜索，在此暫時沒有推薦的書籍。

一個 34 層的深度神經網絡

這種網絡可以解決什么問題呢？ 其中最熱門的就是圖像識別問題。

比如計算機拿到一些貓的照片后，可以識別出中華田園貓和其他種類的貓，然后分類。這種看似很廢的用處，如果運用到醫療領域，比如分辨好的和病變的器官，或是目前大熱的人臉識別，都將改變人類的生活。

人臉識別

從 2010 年開始，為了更好地發展圖像識別技術，人們建立了圖像數據庫 ImageNet，甚至舉辦了基于數據庫的識別大賽 ILSVRC，比比看誰的圖像識別方法更好。

ImageNet 數據庫

深度學習在比賽上得到了很好的成績，因此受到更多人的重視并發展。在這之前，發展受限主要是因為芯片和顯卡帶不動（運算量實在太大了）。