人工智能的定义及特征是什么
1.人工智能是相对人的自然智能而言，即用人工的方法和技术,模仿、延伸和扩展人的智能,实现某些``机器思维“。2.人类智能的主要特点：感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。3.归纳能力是通过大量实例，总结出具有一般性规律的知识的能力。演绎能力是根据已有的知识和所感知到的事实，推理求解问题的能力。
人工智能的三大特征
一、通过计算和数据，为人类提供服务
从根本上说，人工智能系统必须以人为本，这些系统是人类设计出的机器，按照人类设定的程序逻辑或软件算法通过人类发明的芯片等硬件载体来运行或工作，其本质体现为计算，通过对数据的采集、加工、处理、分析和挖掘，形成有价值的信息流和知识模型，来为人类提供延伸人类能力的服务，来实现对人类期望的一些“智能行为”的模拟，在理想情况下必须体现服务人类的特点，而不应该伤害人类，特别是不应该有目的性地做出伤害人类的行为。
二、对外界环境进行感知，与人交互互补
人工智能系统应能借助传感器等器件产生对外界环境（包括人类）进行感知的能力，可以像人一样通过听觉、视觉、嗅觉、触觉等接收来自环境的各种信息，对外界输入产生文字、语音、表情、动作（控制执行机构）等必要的反应，甚至影响到环境或人类。借助于按钮、键盘、鼠标、屏幕、手势、体态、表情、力反馈、虚拟现实/增强现实等方式，人与机器间可以产生交互与互动，使机器设备越来越“理解”人类乃至与人类共同协作、优势互补。这样，人工智能系统能够帮助人类做人类不擅长、不喜欢但机器能够完成的工作，而人类则适合于去做更需要创造性、洞察力、想象力、灵活性、多变性乃至用心领悟或需要感情的一些工作。
三、拥有适应和学习特性，可以演化迭代
人工智能系统在理想情况下应具有一定的自适应特性和学习能力，即具有一定的随环境、数据或任务变化而自适应调节参数或更新优化模型的能力；并且，能够在此基础上通过与云、端、人、物越来越广泛深入数字化连接扩展，实现机器客体乃至人类主体的演化迭代，以使系统具有适应性、灵活性、扩展性，来应对不断变化的现实环境，从而使人工智能系统在各行各业产生丰富的应用。
人工智能整体技术体系和国内外发展情况
尽管在目前获得了一定的成功，但机器学习算法的机理仍然是统计拟合、暴力计算，并不具备真正的基于理解的学习、推理和决策能力，因此在应用中仍具有极大的局限性。部分专家甚至认为机器学习算法无法真正解决自然语言翻译、全自主自动驾驶等热点问题。当前比较明确的面向未来的前沿算法基础理论中，高级机器学习仍然无法突破机器学习的框架；量子计算主要是配合高级机器学习的发展；类脑智能计算则被许多专家视为新一代人工智能技术的突破口。近期美、日、德、法、欧盟和以色列等主要国家和地区都开展了脑科学与人工智能的联合研究，但众多现有类脑智能研究都主要以利用人工智能工具研究脑科学为主，对人工智能研究的推动不足。将两方面研究紧密结合的机构仅有麻省理工学院、卡内基·梅隆大学和加州大学伯克利分校等少数高校。整体而言，新一代人工智能的基础算法研究仍然任重道远。
2人工智能芯片：多路线竞争，分领域发展
目前的人工智能芯片根据技术路线可分类三类。首先是通用型的CPU及GPU芯片。CPU的架构和指令集对神经网络计算的兼容度不够，性价比和运算效率偏低。但英特尔、ARM在新的CPU产品XeonPhi和DynamIQ中强化了对神经网络计算的支持。GPU的架构比CPU更有利于相关算法的运行。传统的GPU厂商英伟达和AMD分别推出了TeslaV100和RadeonInstinctMI25来开拓人工智能芯片的市场空间。英特尔也通过收购的方式推出了Nervana以进入GPU领域。
第二类是FPGA芯片。FPGA具有可定制的特点，使用者可以对芯片进行二次开发使其更加适宜特定的运算环境。由于牺牲了通用性，FPGA芯片的价格相对CPU和GPU而言较为便宜。目前Xilinx、Altera、Microsemi、Lattice等少数厂商基本垄断了FPGA的生产。英特尔通过收购Altera也进入了FPGA芯片的生产环节。基于外购芯片，微软、百度等领先企业均具有较强的二次开发能力。百度已经推出了基于FPGA的百度大脑芯片。
第三类是ASIC芯片。此类芯片是彻底的专用芯片，也不具备编辑功能。设计新ASIC芯片的前期投入较高，但大规模生产后能够实现极低廉的成本。ASIC芯片对特定计算的运行效率极高，但也仅能应用于特定计算。目前ASIC芯片分两个技术方向。（1）脉冲神经网络芯片，以IBM的TureNorth为代表，以脉冲长短模拟大脑神经元间的交流活动。（2）机器学习芯片，以谷歌TPU和我国寒武纪为代表，以概率变化模拟大脑神经元间的交流活动。比较而言，后者直接针对机器学习算法的需要，目前在商业化应用竞争中占据优势，高通的Zeroth即是从早期的脉冲神经网络芯片转为现今的机器学习芯片方向。前者仍需忆阻器等基本原件的进一步发展，但对于类脑算法研究而言有着长远的意义。
整体而言，三类人工智能芯片各有特点，都具有对应的潜在细分市场空间。不同场合下对通用性、成本、性能的不同要求会产生不同的解决方案。苹果A11、华为麒麟970中的人工智能模块以及谷歌TPU都只是用于配合CPU完成特定运算。
3系统平台：多方混战，抢占地盘
实际应用中，可能被用到的大量不同基础算法需要整合成为集成化、高度兼容的软件工具来发挥作用。较完备的工具软件包形成了稳定的系统环境。围绕一些开源系统往往还会形成全球共享的研究成果交流平台。在系统平台领域抢占话语权，就能在人工智能时代形成类似PC时代Windows系统或手机时代安卓系统的优势市场地位。当前人工智能系统平台处于活跃发展、普遍竞争的状态，尚未产生稳定格局。Facebook、IBM等大公司和许多创业型小公司都推出了自己的开源项目。苹果通过收购Turi公司涉足了这一领域。我国的百度也在近期推出了自己的开源平台PaddlePaddle。谷歌则完全基于其TensorFlow平台设计出了TPU芯片，在战略层面打通了软硬件市场的布局。
三智能应用技术：感知、决策、执行集成化
智能应用技术是核心共性技术基础上的具体应用研究，主要是解决了某种特定类型问题的解决方案。某项专项技术可能用于许多不同的应用场景；特定应用场景也往往包含了多项专项技术。
智能传感器方面，目前国际一流传感器的市场基本被外国公司所垄断，我国的产业和研发实力明显处于劣势。模式识别在广义上既包括一些共性理论，也包括在语音、图像、自然语言分析等方面的具体识别技术，在此分别表述为模式识别理论和感知与理解技术。智能决策分析则主要侧重数据挖掘方向的专项应用。机器人、无人机、自动驾驶汽车也开始大量应用基于机器学习的智能控制技术。此外，人机交互也是当前的重点之一。
以往在机器人及自动化领域的研究中，经常依照感知、决策、执行三个环节来分析其技术体系，人工智能的发展则逐步模糊了三者的边界。例如机器视觉既包含基于视觉传感器的感知环节，也是对视觉信号进行分析处理和判断的决策环节。人机交互则同时涉及了以人为对象的感知和执行两个环节。未来人工智能技术将进一步推动感知、决策、执行的集成化水平。
四典型应用场景：热点集中，各显神通以新增企业的业务方向为标准，近年人工智能产业关注度最集中的细分领域为机器视觉、自然语言处理和自动驾驶。这三类专项智能技术所派生的应用场景也是当前人工智能市场的主要热点。例如机器视觉技术发展出的网络图像审核、人脸识别、虹膜识别、设备登录验证、金融身份验证、安防监控等应用；自然语言处理技术发展出的语音输入、机器翻译、拟人交流、智能客服等应用。
这些焦点应用中，比较成熟的自然语言处理、机器视觉及图像识别、语音识别等基本都局限在信息产业之内。能够同实体经济挂钩的自动驾驶虽然获得广泛关注但短期内尚难以突破。目前寻找能够对接传统制造和服务业的应用点是人工智能产业发展的重要任务，也是人工智能“通用型”应用的必然需要。
目前对新应用领域的探索主要分为三种情况。（1）龙头引领，即领先企业的战略意志推动新应用市场的开辟，并利用技术、资金、影响力等方面的优势而暂时处于无人竞争的状态。例如IBM基于沃森所提供的医疗诊断、法律咨询等服务，以及阿里巴巴所提出的城市大脑。（2）主动吸收，即一些专业性较强的行业主动吸收人工智能方法改善自身产品水平，主导者是业内原有的成熟主体而非新兴的人工智能企业。这也是最能体现人工智能“通用型”的应用类型。例如财务分析、科研辅助、交融交易分析等。（3）有待开拓，即相关领域理论上存在应用人工智能的可能，但尚缺乏实用性强、市场空间大的成熟产品。例如防灾减灾、基础设施维护、智能制造、智能教育等。
http://www.aibbt.com/a/27559.html返回搜狐，查看更多
人工智能的含义及特点
1.人工智能是相对人的自然智能而言，即用人工的方法和技术,模仿、延伸和扩展人的智能,实现某些``机器思维“。2.人类智能的主要特点：感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。3.归纳能力是通过大量实例，总结出具有一般性规律的知识的能力。演绎能力是根据已有的知识和所感知到的事实，推理求解问题的能力。