人工智能的应用:

网络安全、电子商务、计算机模拟、交通运行、社交网络、物联网

人工智能发展必备三要素:

数据、算法、计算力
海量数据的支撑、选择好的算法训练数据、计算力就是硬件支撑

硬件支撑-CPU

适合IO密集型(写入和输出)的任务

硬件支撑-GPU

适合计算密集型的程序和易于并行(同一时间做很多事情)的程序。

人工智能、机器学习和深度学习的关系

机器学习是人工智能的一个实现途径
深度学习是机器学习的一个方法(神经网络)发展而来

人工智能的分支

通讯、感知与行动是现代人工智能的三个关键能力。分别对应计算机视觉(CV)、自然语言处理(NLP-文本挖掘/分类、机器翻译和语音识别)、机器人。

计算机视觉(CV)

机器感知环境的能力。经典的任务有：图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是比较成功的研究。

自然语言处理(NLP)

语言:是指生物同类之间由于沟通需要制定的指令系统，语言与逻辑相关，目前只有人类才能使用完整的语言进行沟通和思想交流。

自然语言:通常会自然地随文化发生演化。英语、汉语、日语是具体种类的自然语言，这些自然语言履行着语言最原始的作用:人们进行交互和思想交流的媒介性工具。我们可以从语音、音韵、词态、句法、语义、语用6个维度理解自然语言。

语音:是与发音相关的学问(如汉语拼音等)
音韵:是由语音组合起来的读音(如汉语拼音和四声调)
词态:封装了可用于自然语言理解的有用信息，其中信息量的大小取决于具体的语言种类。
句法:主要研究词语如何组成合乎语法的句子，句法提供单词组成句子的约束条件，为语义的合成提供框架。
语义和语用:自然语言所包含和表达的意思。

自然语言理解基本技术:词法分析、句法分析、语义分析。
词法分析Lexical Analysis：词是语言中能独立运用的最小单位，也是信息处理的基本单位，汉语的词法分析包括汉语分词和词性标注两部分。
句法分析Syntactic Parsing:主要任务是对输入的文本句子进行分析以得到句子句法结构。
语义分析Semantic Analysis:运用各种机器学习方法，让机器学习与理解一段文本所表示的语义内容。语义分析的最终目的是理解句子表达的真实含义。

语音识别

识别语音并将其转换为文本的、或将文本转换成语音的技术。
语音识别领域仍然面临声纹识别和鸡尾酒会效应(在很多人里面进行交流的时候，人的大脑可以屏蔽掉其他人专注和一个人说话，但是机器无法做到，只能检测到很多人在说话，无法选择和哪个人说话)等一些特殊情况的难题。
当代语音识别严重依赖于云平台，离线处理效果不好。

文本挖掘/分类

主要是指文本分类，该技术可用于理解、组织和分类结构化或非结构化文本文档。涵盖的任务有句法分析、情绪分析、垃圾信息检测。

机器翻译(MT)

利用机器的力量自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)。

机器人学(Robotics)

研究机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理。
机器人可以分给固定机器人和移动机器人两大类。
固定机器人：应用在工业生产中如用于装配线。
移动机器人：工业和家庭中使用如货运机器人、空中机器人和自动载具。
机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器。另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。

人工智能领域的研究正逐渐从搜索、知识和推理领域转向机器学习、深度学习、计算机视觉和机器人领域。