AI在生活中已经无处不在，从苹果的iPhone键盘到Zillow的房价评估程序。当Alphabet旗下AI子公司DeepMind开发出的智能程序AlphaGo不久前击败人类顶尖围棋冠军后，AI热潮达到了顶峰。
人类在智能方面依然比电脑强得多，因为人类可比机器更好地完成许多任务，虽然有AI支持的计算机程序（比如AlphaGo）也能在少数任务中战胜人类。但AI有可能在大多数任务中变得比人类更聪明，这甚至可对人类就业、创造力甚至生存造成巨大的影响。
现在几乎所有人都在谈论AI，你可能认为它是个新鲜事物，但其技术基础早已存在。1956年美国达特默斯大学数学教授约翰·麦卡锡（John McCarthy）提出一个夏季研究项目，并称“学习的每个方面或智力的其他特征原则上都可被精确描述出来，并被机器所模仿”，AI的概念由此诞生。
在随后几年中，麻省理工学院和斯坦福大学相继成立AI实验室。这些研究主要关于计算机国际象棋、机器人以及自然语言交流等。人们对这个领域的兴趣随着时间流逝而波动。在20世纪70年代到80年代，由于公众兴趣减退，外部资金枯竭，AI陷入“寒冬”。20世纪80年代中期，那些看似前程似锦的初创企业和风险资本突然消失，就像约翰·马尔科夫在《爱之优雅的机器》（Machines of Loving Grace）中描述的那样。
你可能还听说许多与AI有关的其他专业术语，比如机器学习和深度学习等。其中，机器学习是指教授机器如何去做特定的事情，比如识别数字，这需要用大量数据训练它，然后指导它对新的数据进行预测。现在，有关机器学习取得的巨大成就是，随着数据积累得越来越多，开发可随着时间推移变得越来越聪明的软件变得越来越容易。
深度学习是机器学习的一种类型，要求更少的人工协助。通常这种方法涉及到人工神经网络，这是一种松散的数学系统，主要是通过模仿人类大脑中神经元的协同工作方式研发出来的。神经学家沃伦·麦卡洛克（Warren McCulloch）与数学家沃尔特·皮茨(Walter Pitts)于1943年首次提出类似系统。多年来，研究人员不断提出各种先进的技术概念，包括添加多层网络。每增加新的连续层，更高水平的功能就可被用于原始数据中，以便做出更好的预测。这些网络层可在数据中找出特征，但使用层数越多消耗的计算能力就越多。
AI热度背后的原因
多年来，硬件变得越来越强大，包括英伟达在内的芯片制造商也在不断改进他们的产品，以便更好地适应AI计算的需求。在许多领域，更大的数据集已经可被更广泛地训练模型。
2012年，谷歌的AI项目曾引发广泛关注，当时它用1000万张来自YouTube的图片训练由1.6万个CPU构成的神经网络，并教授其识别图片中的猫。但是当年晚些时候，图片识别领域再次取得突破，当时在2个GPU上训练的8层神经网络胜过所有竞争对手，基于内容对图片进行了精确分类。几个月后，谷歌收购了神经网络初创公司DNNresearch，后者诞生于多伦多大学计算机科学系。
AI活动不断加速，世界领先的科技公司争相进入这个领域。与此同时，世界上市值最高的多家科技公司也在不断发布自己最新的研究成果，这也增加了AI的魅力。
未来何去何从？
首先，越来越多的人类劳动将被自动化取代。以专车应用Uber和Lyft为例，随着拥有AI支持的无人驾驶汽车出现，司机发现他们将变得无事可做。除了专业工作之外，机器翻译系统将让人类翻译变得多余。当ATM可以创建新账户并提供贷款后，银行将不再需要招募人类雇员。需要采写新闻的记者也将越来越少。基于这些技术发展的思考，促使人们开始讨论推出新的替代经济模式，比如扎克伯格最近提及的“普遍基本收入”。
