1.1 引言

人工智能是当前影响人类的重大技术。近年来，由于计算机软硬件的进步，从早期的单层人工神经网络发展起来的多层人工神经网络技术（深度学习）得到了有效的发展和广泛的应用，如自动驾驶汽车、语言翻译、对象识别、医疗诊断、自动聊天、自动写作、艺术品生成、植物识别，等等。科技界、工业界投入大量的人力和物力对深度学习进行研究并开发了许多软件工具以及专用的人工智能芯片。Google、Microsoft、Facebook、Amazon、百度、腾讯、阿里巴巴等中外公司都在积极布局，争夺深度学习的战略高点。

未来10年，人工智能将给人类世界带来颠覆性的变化，也将变得无处不在。人工智能技术将进入大规模的商用阶段，人工智能产品将全面进入消费级市场。机器翻译、智能音箱、面部识别、智能助手等产品将普及。基于深度学习的人工智能的认知能力将达到人类专家顾问级别。在金融投资领域，人工智能已经有取代人类专家顾问的迹象。高盛已经开始布局智能投资顾问，苏格兰皇家银行也宣布用投资顾问取代500名传统理财师的工作。与保险业相结合，人工智能将为保险机构提供顾问服务。与医疗领域相结合，人工智能将为医生、病人提供咨询服务。人工智能与不同产业的结合正让人工智能逐步成为一种可以购买的商品。人工智能技术将严重地冲击劳动密集型产业，改变全球经济生态。

人工智能是如何获得“智能”的呢？这主要归功于一种实现人工智能的方法——机器学习。机器学习最基本的做法是使用算法来解析数据，并从数据中学习，然后对真实世界中的事件做出决策和预测。

传统的机器学习算法包括决策树、聚类、贝叶斯分类、支持向量机，等等。从学习方法上来分，机器学习方法可以分为监督学习、无监督学习、半监督学习和强化学习。

机器学习的一个分支是借鉴生物大脑神经元系统的人工神经网络。人工神经网络通过从样本数据中学习并调整权值和偏置，从而预测真实的数据。学习权值和偏置的方法得益于反向传播算法。近年来计算机处理能力和理论的发展，将人工神经网络的层次推向了多层，有的甚至达到1000层以上。这种多层人工神经网络的机器学习方法被称为深度学习。人工智能、机器学习、人工神经网络和深度学习的关系，如图1.1所示。人工智能涵盖了一切“人工的智能技术”，而机器学习则是通过数据学习得到的“人工智能”，人工神经网络则是利用不同的人工神经网络结构并训练优化人工神经网络结构内的参数得到的“人工智能”，深度学习是指具有多层人工神经网络结构的人工神经网络学习方法。

图1.1 人工智能、机器学习、人工神经网络和深度学习的关系

深度学习需要非常强的计算能力。为了提高硬件的计算能力，Google开发了专用的芯片 TPU （Tensor Processing Unit）；NVIDIA公司也推出了具有更强大计算能力的图形处理芯片GPU（Graphics Processing Unit）。

同时，科技界和工业界纷纷推出了便于使用的深度学习开发工具，如Google的Tensor Flow、Facebook的Cafee等工具。

人工智能不仅是各大公司的战略重点，也是全球各国的战略重点。未来国家之间的竞争大部分将取决于人工智能的竞争，归根到底，是人工智能的人才竞争。由于深度学习技术急剧发展，在学术界、工业界都需要大量的人才。我国深度学习的人才缺口非常大，预计将超过500万人。国内深度学习人才的供求比例仅为1∶10，供求严重失衡。很多行业会用高薪待遇吸引深度学习的顶级人才。深度学习的人才既来源于高等院校的培养，也来自其他行业的人才转型。