声明
这里只是聊聊，不作为任何官方组织的报料，如果有聊得不对的在方还请指正为感。另外，很多数据资料还从一些文献报到上摘录，如有冒犯之处，请联系我删除，谢谢。
点点看法
我既是一位人工智能的老手也是一位新手，他奶奶的，你这不是一个屁嘛，负负得正，老手新手不就是一个零蛋嘛。其实不能这么去看，我前10年是做底层的，后10年是做人工智能，在这10年里，虽然有些领域已经被我们攻克下来了，但那只是凤毛麟角，很多领域还是一个伪命题，还在探索、实验、认证之中。
我们现在感觉到人工智能很厉害，比如AlphaGo、人脸识别、语音识别，其实这些领域，从一个程序设计者角度去看：
- 一人类新学会了一些数学算法，或者说把数学在程序世界里的应用层次又提高了一点。
- 二以前遇到的一些解决不了的问题，可以用这些新算法帮助实现了。
- 三形成了一些新的设计、编程思想。
现在研究人工智能的团体很多，有的做出了一点成绩，有点还在摸索，而且普天之下，一下子大家都看到希望和未来，我要去搞人工智能，我公司也要上人工智能。
人工智能的定义是让机器实现原来只有人类才能完成的任务，其核心是算法。
没错人工智能的确是未来的方向，而另一方面则是因为人工智能有可能是科技圈中的下一个黑天鹅。说不定什么时候，一只独角兽就会从中诞生。
伪人工智能横行
现在大多数人工智能都属于伪人工智能。为什么这么说，可以从以下两个方面来解释。
第一，人工智能不是一下就能做出来的，需要时间以及实验的积累。
而做出人工智能的这些人才也是一样，他们需要切实的接触到真正的人工智能当中，不过这样的人才在全世界也就寥寥几百个。
但是好像在一瞬间，在中国就有几万个人工智能方面的人才被选拔了出来，可想而知这样的人才是真正的人工智能专家吗？
这些人才往往被大公司冠以年薪30万或50万疯抢，虽然里面的确有很多优秀的人才，但是这样未免显得太过着急。从人才培养角度来看，人工智能领域还存在着大量的泡沫。
第二，许多项目只不过是换了个‘马甲’。
许多创业公司喜欢为自己的项目贴上一个标签，这样的话不但可以吸引眼球，更能得到投资人的青睐。
虽然不能说这种做法是错误的，但这显然也不是真正的人工智能，甚至会误导其他人对于人工智能的认知。
比如许多项目在贴上人工智能标签之前非常简单，只是一些如同机器人学习，或者算法研究之类的项目，如今摇身一变全都成为了人工智能。
以上为愚见，没有反对人工智能的意思，相反是倡导、推动人人都去懂一点人工智能，说不定真的有一天，地球上真的诞生出了终结者，但我们希望是一个好的终结者。
看着是不是有点吓人，也午未来某一天，他们真的如同家里的一台电视，一量汽车，是我们生活的必需品，未来真的不再遥远。如果有需要的，可以批量订货，货大从优，样品如下:_)
什么才是真正的人工智能？
我们既不是专家，也不是专门研究这种领域的学者，有没有简单的方法直接辨别什么是人工智能，什么是伪人工智能？
答案是有的。
举一个简单的例子，之前人们也尝试教计算机下国际象棋。计算机经过学习之后，与人们依然互有胜负，在最终完全战胜人类的时候，时间已经过去了10年。
而谷歌的AlphaGo，从什么都不会到围棋中不可战胜的存在只用了短短一年的时间。
由此可以看出，真正的人工智能体现在其卓越的学习能力。
如果你隔一段时间，大概3个月左右去看一个算法的进步，比如面部识别，如语音识别，如果该算法进步只是代数级，没有达到指数级，那么这种算法可能更多的是机器学习，还未达到人工智能水平。
既然已经辨别了什么是真正的人工智能，那么对于人工智能而言，什么才是最重要的。
可能有些人会说算法，有些人会说设备，有些人会说编程技术。虽然它们也是构成人工智能中重要的一环，但是这些都不是最重要的。
对于真正的人工智能而言，最重要的永远是大数据，只有拥有完整的数据，人工智能才能真正的发展起来。就像是一把宝刀，需要有一块好的磨刀石才能让它更加锐利，而大数据恰好就是这块最好的磨刀石。
就像是谷歌的AlphaGo，有人说为什么AlphaGo不去下象棋，而是只在围棋领域中称雄呢。
AlphaGo的专家则表示，不是他们不想这么做，而是无法这么做。因为在围棋中，日本人一直以来有保存棋谱的习惯，在每个棋谱上都标注了什么是第1手，什么是第100手，这样很容易被AlphaGo学习。
但是对于象棋来说，自古以来大多数都是残局。虽说残局也很精彩，但是对于AlphaGo来说，它不知道残局形成的原因，对之前的步骤一无所知，这样就会对它的认知造成障碍。
这也说明，完整的数据对于人工智能多么重要。任何抛开数据谈人工智能的，全都是耍流氓。
人工智能中的独角兽
目前，中国的大部分数据全都被BAT所掌握着，国外则是Facebook、Google、亚马逊之类的企业。对于创业者而言，想要打破数据的垄断具有相当大的挑战，但也不是没有机会。
比如说医疗数据，BAT就还没有形成垄断。金融方面数据，更多的掌握在金融公司手中，这些互联网企业也没有。
在这两个领域，不管你的技术水平如何，至少在数据方面是在同一起跑线上，这对于创业者或后进入的公司是一个难得机遇。同时，下一个巨头也有可能在这两个领域诞生。
就拿医疗来说，国外已经有许多家企业与医院达成协作，直接读取医院中的病例以及X光片或者CT片。
医生一天看10张并且分析出症状都已经是非常有经验了，而人工智能，则可以在1个小时内看10万张，效率不可同日而语。
对于医生而言，诊断病因需要基于自己的经验积累。但是对于人工智能来说这就太简单了，通过图像和最终诊断结果的闭环学习，人工智能很快就能对X光片或CT片进行病因分析。当然这一过程需要不断完善，才能提升正确性及智能化。
在国外由于隐私保护非常严密，很多数据无法开放，因此无法做到大量数据录入。
但是由于如今中国民众对于隐私保护还没有那么严格，因此中国企业还是有机会在这个领域中实现超越的。
只要有了大数据，特定领域超越BAT也不是不可能的。
所以说，数据才是人工智能中最重要的一环。
闲聊乱聊废话一堆，下面列举一些数据，看看人工智能与我们的生活有多近，有多火热，如果对他有兴趣，是不是现在应该好好研究学习一下，说不定将来某一天，你就是某个领域的独角兽。
看下面这线人工智能技术发展历史，同时这线图也是我进入人工智能的历程，从这线图中我们还有很多地方需要努力，10年时间里，我也只能把图像识别清楚、语音识别正确，其他似乎都没有什么实质性的成果，但未来终究会实现，终结者到来的。
全球AI创新融合城市图
人工智能需要大量数据进行学习，而学习的平台就是需要一个强大的算力，这个算力自然就是我拉底层的芯片，下图是人工智能市场对芯片的需求量，从这个需求量可以看出，人工智能有多重要，需要的地方太多了。
看到这是不是有点疑惑，上面你不是说人工智能还是伪人工智能吗，其实我没有说所有都是哦，比如我曾研究过的，以及现在很多公司把这些研究成果转化为产品的领域，比如图像、声音这些，目前已经相当成功了哦，超过了人的能力了。现在明白了了吧，同时是不是也看到，就这些研究领域的成果，已经带来这么大的产业链了，终结者真的要来啦。
同学们，要不要跟我一起去抢钱，下图看看，还有那个行业有AI这么迅猛。
再来看看各行各业分布情况，看到很多老板们一定很振奋，上，上，上，我们要上人工智能，其实要因地制宜，实事求是，现在这样的例子也有很多，有些公司因为上了人工智能，不但没有把销量，产能，品质…搞上去，最后被活活的累死了的大有人在。图上制造业每年都是NO1，为什么，因为机械臂式的机器人普及力很大，很多原来是operator做的事，现在不用了。而且这些动作的取代也比较简单，有时甚至机器学习、CV就够了。