人工智能20年，只能绘画和下棋？(2)

此外，1949年学界就已经提出机器翻译的概念。比方从英文翻译到中文或者从中文翻译到法文，机器翻译的概念，它是归属于我们现在的自然语言理解，也属于比较大的人工智能领域之一。

其实「Artificial intelligence」分开看这两个词，Artificial的意思是人工的、人造的。「intelligence」实际上是智能。智能不光是人具备，生物界很多的动物它们都具有一定的智能，但从某种程度上来看它们的智能所涵盖的范畴，跟人类不是完全相同的。

如果从一个相对更广泛的含义上去理解，我觉得人工智能就是人能够去制作出具有一定思考能力或者决策能力、感知和判断能力的机器或者产品。从这个角度去思考，计算机科学与人工智能很大程度上两者可以约等。

举个最简单的例子：数据库系统。数据库系统主要做两件事，记忆和检索，以及在记忆和检索的基础上做出查询，统计和推导。

如果我们把数据库系统当成一个黑盒子，它是不是具有一定的智能？坦率来讲，具备一定的智能。因为记忆本身就是智能的一种属性，在记忆的基础上做分析和推导，也是智能的一种属性。所以从这个角度来看，我觉得大量的计算机科学领域相关的，包括数学领域相关的一些内容，都成为人工智能的基础甚至某种智能形态。

人们对于人工智能可能更多的是从「它与人的相似程度」的角度去思考，就会把范畴变得更加狭窄一点。

日常生活中人们会困惑：人工智能技术到底是怎么样的？我个人理解是人工智能的构建方法有两个比较大的流派。一派是基于符号逻辑的规则体系构建，另外一派是基于数据统计模型的模型构建。

人的思考过程或者人的智能过程中基本上有两类方法，一类叫演绎，一类叫总结或者归纳。演绎是「我」有一套不证自明的公理，在这个公理之上，我能构建出很强大的一套逻辑系统。这套逻辑系统在人工智能中的一个例子，就是专家系统。

专家系统就是针对一个特定的领域，列出大量的规则以及规则间的推导关系，人们将遇到的该领域的问题放到专家系统，就会得出一个结论，而且结论所能够涵盖知识库是相对比较精准的，也可以说，专家系统是基于符号逻辑的。

但深度学习和阿尔法狗更多的是基于统计模型。在统计模型之下，「我」有大量的数据，数据间蕴含着一些关系，即人利用机器学习的办法或者模拟人的神经网络去习得这种关系，或者叫模型。

人的大脑里有一套神经网络，用机器去模拟这套神经网络，大量的数据经过神经网络以后，不断的反推神经网络结构，这个神经网络系统就是最后的产品，当你抛出一个问题，它就会给你一个答案，并且它具有泛化能力比较强的特点，即使问题可能不完全是在它之前涉及的样例范围中，可能稍有偏差，得到问题后它仍然能够得出一个相对满意的结果，缺陷则是很难达到100%的满意度。