说起今年的科技热词，非人工智能（AI）莫属了。“智能+”时代也已经到来，那么人工智能是怎么逐步发展起来的呢？
先来看看它在历史上经历过的三次浪潮：
第一个兴起阶段：以1956年的达特茅斯学院会议为标志，首次提出了人工智能的概念；
第二个兴起阶段：以日本提出支持开发第五代计算机项目为标志；
第三个快速发展阶段：以加拿大多伦多大学的教授欣顿（Geoffrey Hinton）于2006年提出深度学习神经网络为标志。当前正处于这个快速发展的阶段！
人工智能的发展可以说得益于三驾马车：数据、算法、算力。
简单来说，如果用火箭来比喻人工智能，那么：
数据=燃料
算法=引擎
算力=加速器
这三架马车究竟是怎么驱动人工智能发展的呢？下面请坐稳，司机要开车了！
第一驾马车：大数据成为人工智能持续发展的基石
随着互联网的飞速发展，这个世界上的数据变得异常丰富，数据量呈爆炸式地增长。今天的大数据越来越多地呈现出以下一种或几种特性：
大数据取代了传统的抽样调查。例如，以前电视台某个节目的收视率往往要由专业的调查公司通过抽样调查的方式估算出来。现在，有了微博、视频网站等，我们就可以直接利用网络上每时每刻产生的大数据对节目热度进行分析。
许多大数据都可以实时获取。例如，每年“双11”期间的各类电子商务平台上，所有这些交易数据都可以被实时汇总，供人们对“双11”当天的交易情况进行监控、管理、分析、汇总。大数据的实时性为大数据的应用提供了更多的选择，为大数据更快产生应用价值提供了基础。
大数据往往混合了来自多个数据源的多维度信息。假如利用用户ID，将用户在微博上的社交行为和用户在电子商务平台的购买行为关联起来，就可以向微博用户更准确地推荐他最喜欢的商品。聚合更多数据源，增加数据维度，这是提高大数据价值的好办法。
第一架马车，为人工智能应用奠定了数据源基础。
第二驾马车：机器学习算法
机器学习是对能通过数据或经验自动改进的计算机算法的研究。
机器学习算法的广义分类大概有3种：监督学习、无监督学习、强化学习。
监督学习：指在训练的时候就知道正确结果。这就像教小孩子分类，先给他一个苹果，然后告诉他这是苹果。经过反复地训练学习，再给他苹果的时候，问他这是什么，他应该告诉你，这是苹果。如果给他一个梨，他应该告诉你，这不是苹果。
无监督学习：指在训练的时候并不知道正确结果。继续上面的例子，给小孩子一堆水果，比如有苹果、橘子、梨这3种，小孩子一开始不知道这些水果是什么，让小孩子对这堆水果进行分类。等小孩子分类完后，给他一个苹果，他应该将这个苹果放到刚刚分好的苹果堆中去。
强化学习：是在机器学习算法程序运行的过程中，我们对它的行为做出评价，评价有正面和负面两种，目的是让它做出更有可能得到正面评价的行为。谷歌的AlphaGo围棋程序，赢了围棋界排名世界第一的柯洁，背后使用的就是强化学习技术。
我们常听说的“深度学习”又是什么呢？
深度学习是机器学习的子领域，具体来说，深度学习是机器学习中具有深层结构的神经网络算法。人工智能算法从专家系统到特征工程，最后到深度学习的这个过程中，人工参与在逐渐减少，而机器工作在逐渐增加，由于深度学习算法的优异表现得到了主流认可，所以在多方应用中得到长足发展。
第三驾马车：算力是人工智能技术实现的保障
算力，也就是指芯片。
人工智能领域是一个数据密集、计算密集的领域，传统的数据处理技术难以满足高强度、大数据的处理需求。人工智能芯片的出现让大规模的数据效率大大提升，加速了深层神经网络的训练迭代速度，极大地促进了人工智能行业的发展。
在人工智能市场高速发展的今天，人们都在寻找能让深度学习算法更快速、更低能耗执行的芯片。
人工智能芯片主要包括：
●GPU（Graphics Processing Unit，图形处理器）
●FPGA（Field Programmable Gate Array，现场可编程逻辑门阵列）
●ASIC(Application Specific Integrated Circuit，专用集成电路)
●类脑芯片
总而言之，人工智能是一项复杂的前沿、新兴技术，在经历了多次起起伏伏的浪潮之后，这一次人工智能浪潮的产生涉及大数据、深度学习、人工智能芯片、计算机视觉处理、自然语言理解、语音识别、语音合成等多项技术。这些技术不断作用，互相融合，推动技术向前发展，为人类提供更美好的生活。
为了更好分析我国人工智能技术商业化及产业化现状，更深入地了解人工智能产业发展状况、趋势以及其对社会发展的影响，中国人工智能产业发展联盟在全国范围内征集了众多应用案例，组织联盟权威专家，从中甄选出诸多优秀案例汇编成《AI赋能：驱动产业变革的人工智能应用》一书。
●中国工程院院士 郑南宁 作序
●百度、阿里巴巴、中国移动、中国联通等知名企业行业专家 联合推荐
●释放“智能+”潜能，助力产业升级转型！
●勾画中国人工智能亮点，深度解读人工智能优秀技术和应用案例！
（本文摘选并改编自人民邮电出版社《爱上机器人》杂志2019.01期，作者中国信息通信研究院施羽暇）
