早在1950年10月，英国技术幻想家艾伦·图灵就曾在《心灵》杂志上发表了一篇题为《计算机器与智能》的文章，这篇文章提出了当时在许多人看来似乎是不可思议的科幻虚构的东西。
　　
　　图灵曾发问道，难道机器不能执行一些本应被描述为思考，但与人的行为截然不同的事情吗？
　　
　　图灵认为它们可以做到。此外，他相信，有可能为数字计算机创建软件，使其能够观察环境，学习新事物，从下国际象棋到理解和说人类语言。他认为，机器最终可以发展出在没有人类指导的情况下，自行完成这一任务的能力。图灵预测，我们可能希望机器最终能在所有纯智能领域与人类竞争。
　　
　　近70年后，图灵看似古怪的愿景变成了现实。人工智能，通常被称为AI，赋予了机器从经验中学习和执行认知任务的能力，这类事情曾一度只有人脑才有能力做到。
　　
　　当前，人工智能正迅速在整个文明社会中传播，在那里它几乎可以做任何事情，从使自动驾驶汽车在街道上导航到做出更准确的飓风预报。在日常生活层面上，人工智能会计算出在网络上应该向你展示什么广告，并为那些友好的聊天机器人提供动力，这些聊天机器人会在你访问网站时弹出，回答你的问题并提供相应的客户服务。声控智能家居设备中的人工智能个人助理可以执行无数的任务，从控制我们的电视和门铃，到回答琐碎的问题，还可以帮助我们找到我们最喜欢的歌曲。
　　
　　但是，这一切才刚刚开始。麦肯锡全球研究所（McKinsey Global Institute）的一项预测显示，随着人工智能技术越来越成熟，能力越来越强，预计它将极大地推动世界经济，到2030年将创造约13万亿美元的附加价值。
　　
　　SAS是一家全球软件和服务公司，专注于为客户将数据转化为情报。SAS的分析平台策略师表示，人工智能的应用还处于起步阶段，但它的应用正在加速，并在所有行业得到推广和应用。
　　
　　人工智能的工作原理
　　
　　更令人惊奇的是，也许就连我们的生活方式，也悄然被一种我们许多人几乎不理解的技术所改变。这种技术是非常复杂的，甚至连科学家也都难以解释清楚。
　　
　　人工智能专家解释说，人工智能是一系列技术的结合，如果由人类完成，这些任务通常会被认为需要相当的智力。其实应该说是“思想”，因为没人能真正确定什么是智力。
　　
　　科学家描述了两大类智力。一种是狭隘智力，它在一个狭隘定义的领域里获得能力，比如，在放射科分析X射线和MRI扫描的图像。相比之下，基本智力则是一种更像人的能力，它可以学习和谈论任何事情。一台机器可能擅长放射科的一些诊断，但如果你问它关于篮球的问题，它将是毫无头绪的。而人类的智力多才多艺，在这一点上仍然是人工智能无法企及的。
　　
　　根据科学家的说法，人工智能有两个关键部分。其中之一是工程部分：即构建以某种方式利用智能的工具。另一部分是智能科学，更确切地说，就是如何让机器得出与人脑相当的结果，即使机器是通过一个非常不同的过程来实现的。打个比方，鸟儿会飞，飞机也会飞，但它们的飞行方式完全不同。即便如此，它们都是利用了空气动力学和物理学。同样，人工智能的基础就是关于智能系统行为的一般原则。
　　
　　换言之，人工智能基本上是我们试图理解和模拟大脑工作方式的结果，并将其应用于赋予其他自主系统类似大脑的功能（如无人机、机器人和其它代理）。
　　
　　虽然，人类并不像计算机那样思考，计算机利用电路、半导体和磁性介质代替生物细胞来存储信息，但也有一些有趣的相似之处。科学家们发现，当开始谈论数十亿个节点时，图形网络会很具有吸引力，而大脑本质上是一个图形网络。在这个网络中，尽管你可以通过改变神经元的电阻来控制过程的强度，单个神经元本身给你的信息量非常有限，但同时激发足够多不同强度的神经元，最后你会产生一种模式，这种模式只能在特定种类的刺激下激发，通常是通过DSP（数字信号处理）调制的电信号，我们称之为视网膜和耳蜗。
　　
　　人工智能的大多数应用都是在数据量大的领域。我们还是以放射学为例子，正因为有了由人类放射科医生评估的X射线和MRI扫描的大型数据库，所以使得训练一台机器来模拟这一活动成为了可能。
　　
　　人工智能的工作原理就是将大量的数据与智能算法（一系列指令）相结合，使软件能够从数据的模式和特征中进行学习。在模拟大脑的工作方式时，人工智能利用了一系列不同的子领域，比如以下方面：
　　
　　机器学习自动建立分析模型，在数据中发现隐藏的洞察力，而不需要通过编程来寻找特定的东西或得出特定的结论。
　　
　　神经网络模仿大脑中相互连接的神经元阵列，并在不同单元之间传递信息，以找到联系并从数据中获得意义。
　　
　　深度学习利用非常庞大的神经网络和大量的计算能力来发现数据中的复杂模式，用于图像和语音识别等应用。
　　
　　认知计算是创建一种“自然的、类似人类的交互”，包括使用解释语言并对其做出响应的能力。
　　
　　计算机视觉利用模式识别和深度学习来理解图片和视频的内容，并使机器能够使用实时图像来理解它们周围的东西。
　　
　　自然语言处理包括分析和理解人类语言并对其作出反应。
　　
　　几十年的研究
　　
　　人工智能的概念可以追溯到20世纪40年代，“人工智能”一词是在1956年达特茅斯学院（Dartmouth College）的一次会议上提出的。在接下来的20年里，研究人员开发了玩游戏、进行简单模式识别和机器学习的程序。康奈尔大学的科学家Frank Rosenblatt开发了感知器，这是第一个人工神经网络，它运行在一个重达5吨、类似房间大小的IBM计算机上，并提供穿孔卡片。
　　
　　Rosenblatt和Mark1 感知机
　　
　　直到20世纪80年代中期，才出现了第二波更复杂的多层神经网络，用于处理更高层次的任务。在20世纪90年代初，另一项突破使人工智能超越了训练经验而得以推广。
　　
　　在上世纪90年代和本世纪头十年，其他技术的创新，比如网络和功能日益强大的电脑，帮助加速了人工智能的发展。随着网络的出现，大量的数据以数字形式出现。基因组测序和其他项目开始产生大量的数据，先进的计算技术使存储和访问这些数据成为可能。我们可以训练机器去完成更复杂的任务。而30年前，你不可能有一个深度学习模型，因为你根本没有数据和计算能力。
　　
　　人工智能与机器人技术
　　
　　人工智能不同于机器人技术，但与之相关，在机器人技术中，机器可以感知环境、进行计算，或者在人的指导下完成物理任务，从工厂工作、烹饪到登陆其他星球。科学家认为，人工智能和机器人技术这两个领域在很多方面都相互交叉。
　　
　　现实生活中有很多不具备什么智能的自动机器，比如像自动织布机这样的纯机械设备。相反，在机器人技术中，智能是不可或缺的部分，例如在充满人类驾驶的汽车和行人的街道上引导自动驾驶汽车。
　　
　　要实现基本智能，在一定程度上就需要机器人技术，这是非常合理，因为在某种程度上，与世界的互动是智能的重要组成部分。就好像，要理解投球的含义，你就必须能够投球。
　　
　　人工智能已经悄然无声地变得无处不在，甚至在许多普通消费品中都能找到它。
　　
　　尽管物联网非常专业，但许多属于物联网（IoT）空间的设备都可以使用某种自我强化的AI。定速巡航控制是一种早期的AI，它的工作原理比大多数人想象的要复杂得多。降噪耳机。任何具有语音识别功能的设备，如大多数现代电视遥控器。社交媒体过滤器、垃圾邮件过滤器。如果你将人工智能扩展到机器学习，这也将包括拼写检查、文本推荐系统、任何推荐系统、洗衣机和烘干机、微波炉、洗碗机、2017年后生产的大多数家用电子产品、扬声器、电视、防抱死制动系统、任何电动汽车、现代闭路电视摄像机。还有，大多数游戏都在不同的层次上使用人工智能网络。
　　
　　事实上，人工智能已经可以在一些狭窄的领域超越人类。例如，人工智能能够处理数百万的社交媒体网络互动，并获得能够影响用户行为的洞察力（人工智能专家担心这种能力可能“没有什么好的结果”）。
　　
　　它特别擅长理解大量的信息，而这些信息会淹没人脑。例如，这种能力使互联网公司能够分析他们收集的关于用户的海量数据，并以各种方式利用这些洞察来影响我们的行为。
　　
　　但科学家指出，人工智能在复制人类创造力方面，迄今为止并没有取得什么较大的进展，尽管这项技术已经被用于根据财务报告和选举结果的数据创作音乐和撰写新闻文章。
　　
　　人工智能将如何改变经济
　　
　　考虑到人工智能有潜力完成过去需要人类完成的任务，人们很容易担心它的传播会让我们大多数人失业。但一些专家预计，虽然人工智能和机器人技术的结合可能会消除一些职位，但它将为精通技术的工人创造更多的新工作岗位。
　　
　　专家们解释道，风险最大的是那些在零售、金融和制造业从事日常重复工作的人。医疗行业的白领工作也会受到部分影响，随着人们频繁跳槽，工作流失率将会上升。新的工作岗位也将被创造出来，但许多人将不具备这些职位所需的技能。因此，风险在于工作不匹配，导致人们在向数字经济转型的过程中落后。随着技术的普及，各国将不得不在就业再培训和劳动力发展方面投入更多资金。人们需要终生学习，这样才能经常提高他们的工作技能。
　　
　　人工智能可以用来提高人类的智力，而不是取代人类。科学家预测，到21世纪30年代，人工智能很可能将达到了人类的智力水平，人工智能有可能进入人类大脑来提高记忆力，把用户变成人与机器的混合体。就像未来学家库兹韦尔所描述的那样，“我们将拓展我们的思维，展示我们所珍视的这些艺术品质。”