在深入了解人工智能之前，我们先明确几个核心概念。人工智能（AI）听起来抽象，实则与我们的生活息息相关。简而言之，人工智能是研究如何让机器模拟、延伸甚至超越人类智能的技术学科，其终极目标是赋予机器类似人类的思考能力，实现真正的智能。
一、人工智能（AI）
人工智能的定义可以概括为：它是一门新兴的技术科学，致力于研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。换言之，AI旨在让机器具备学习、推理、判断、决策等人类智能的核心能力。
二、AI、机器学习和深度学习
这三个概念经常被一起讨论，但它们的层次和内涵各有不同。一句话总结：AI是终极目标，机器学习是实现该目标的关键方法，而深度学习则是机器学习中一个强大的分支。
- AI： 如前所述，它是研究如何使机器拥有智能的学科。
- 机器学习： 核心在于构建具备学习能力的系统。机器通过输入大量数据自主总结规律，无需人工编写规则。
- 深度学习： 可视为机器学习的进化版本，核心是使用深度人工神经网络。它模仿人脑神经元结构，使机器能够从海量数据中自动提取特征。近年来众多重大AI突破均源于深度学习技术。
三、三代机器人
机器人技术的发展经历了三个阶段，每一代都比前代更加智能化：
- 示教再现型机器人： 第一代机器人，按照预先示教的步骤重复执行动作，不具备感知和自适应能力。
- 带感觉的机器人： 第二代，配备了传感器，能够感知力觉、触觉、视觉等外界环境，并做出初步调整。
- 智能机器人： 第三代，不仅能感知环境，还能自主决策、学习和适应复杂场景，是当前研发的重点方向。
四、AI产业生态
一个成熟的AI产业生态离不开四大核心要素，这些要素直接决定了AI系统能否成功落地：
数据、算法、算力和场景。 数据相当于原料，算法如同食谱，算力好比炉灶，而场景则是最终呈上的菜肴——缺乏真实应用场景，一切努力都毫无意义。
此外，常听到的“云大物智”概念，即云计算、大数据、物联网、人工智能，这四项技术相互融合、彼此支撑，构成了现代智能产业的基础设施。
五、人工智能发展
人工智能的起源可回溯至1956年。在那年的达特茅斯会议上，“人工智能”这一术语首次被正式提出，该年也因此被公认为AI的元年。
此后，AI研究沿着三条主要路径演进，它们分别是符号主义、连接主义和行为主义。
符号主义（亦称逻辑主义、心理学派、计算机学派）认为，人类的认知过程本质上是符号推理运算的过程。人和计算机都是物理符号系统，因此理论上计算机可以模拟人类的智能行为。该流派在早期AI（如专家系统）中占据主导地位。
连接主义源于仿生学，特别是对人脑模型的研究。它认为思维的基本单元是神经元，而非符号处理过程。在连接主义模型中，一个概念并非由单个符号表示，而是由一组数字、向量、矩阵或张量表示。整个网络的特定激活模式代表一个概念，每个节点本身无特定意义，但所有节点共同参与概念表示。深度学习的成功正是连接主义的胜利。
两者的区别耐人寻味：符号主义侧重理论逻辑推理，强调可解释性；而连接主义逻辑性较弱、可解释性较差，但更注重结果——只要效果足够好，黑箱也无所谓。
行为主义（又称进化主义、控制论学派）则另辟蹊径，更注重应用实践。其基本思想是：智能源于感知和行动，提出了“感知-动作”模式。它甚至认为智能不需要知识、表示和推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中通过与环境的不断交互来展现。该路线在机器人控制、强化学习等领域具有重要应用。
总体而言，这三条路线各有侧重、互为补充，共同驱动着人工智能的持续演进。