说起人工智能，也称作“AI”不少人眼前都会立即浮现出科幻大片中的机器人形象。随着科技不断发展，人工智能在开始影响工作和生活方方面面的同时，也在逐步刷新着人们对这个概念的认知。但是它究竟包括哪些领域，又是如何工作的，可能大家并不是特别熟悉，今天小编就来和大家说说，到底什么是人工智能？
我们每天都在和人工智能打交道：手机刷脸支付；使用语音设置GPS导航；公司考勤采用人像识别、指纹识别；在某宝某东“剁手”时的搜索大数据等等。
如果用一句话通俗总结人工智能是什么，那就是先让计算机以人类的方式进行学习，然后让计算机采用人类的推理模式，从以前的经验和互动中学习。并将经验驱动的知识和分析应用于实践。
那么人工智能是如何自我学习和工作的呢？
我们举个例子，在图像识别领域中，人类可以轻松分辨图片中的动物是猫或者狗，但是让你具体说出是究竟根据什么来分辨出猫与狗的，你是不是突然发现这个问题很难回答？
有人可能会说猫的体毛为灰色并且耳朵竖立，但我们可以找到很多体毛为灰、耳朵竖立的狗。而且我们应该怎么给计算机量化描述体毛为灰色、耳朵是立起来的这种特征？这个规则很难编写，但是计算机学习到的这种关系确实可以帮我们判别出一张图片是猫还是狗。
拿我们人类来说，从婴儿根本不知道猫狗到现在我们可以一眼分辨出猫狗，是一个经验学习过程：首先需要一定的样本资料，可能在电视中、图书中或父母告诉我们，然后大脑将接受的信息进行学习、归纳、整理、总结，最后形成我们的知识与经验。之后，我们就可以马上根据以往的经验做出判断。生活中，我们大多数的学习过程都是这样。
而计算机学习的过程和我们人类学习的过程是极为相似的，我们给计算机输入大量资料数据，让计算机学习算法，然后得到学习后的模型，之后再输入相似样本，就可以识别结果。
唯一的区别是人脑可以通过很少的资料数据就可以总结出适应性很强的经验，虽然不能准确地阐述出区别是什么，但是我们在面对一个新样本时，我们都可以以较高的准确率来对样本进行分辨。对于计算机，它的优势是计算能力非常强，可以处理海量数据。我们需要给它提供成千上万的资料数据让它进行学习，然后计算机再面对新样本时才能以较高的准确率进行分辨。上例所提到的图像识别中一个成熟的应用就是我们最常用的人脸识别功能。
目前，人工智能现阶段主要通过机器学习，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，让机器归纳、综合的功能现在都是可以实现的，如自动驾驶、下棋、生物识别、医学分析等拥有大量数据基础的应用场景。
现如今计算机的计算能力已非常强大，再加上信息管理越来越数据化，我们所积累的资料也越来越多，使我们有足够多的资料可以喂给计算机进行学习。正是这两个因素的成熟，才使得当下是人工智能爆发的时代。
