第一次工業革命，18世紀60年代——19世紀中期，人類開始進入蒸汽時代。從此以后，人類的動力來源由當初的動物或者人變成了蒸汽機和煤炭，機械代替了手工作坊；

第二次工業革命，19世紀下半葉——20世紀初，人類進入電器時代，同時內燃機出現。電能的規模化使用，極大提高了生產效率；

第三次工業革命，20世紀四五十年代-至今，人類進入計算機時代，同時還出現原子能技術、航天技術、人工合成材料、分子生物學和遺傳工程等高新技術。計算機使信息數字化，推動智能化的發展；

第四次工業革命，正在發生，讓機器能夠模仿人類學習以及其他方面的智能，進行深度思考并且做出決策是第四次工業化革命最重要的事情。

來讓我們看看AI給我們帶來的精彩的世界。

人工智能的發展史與大事件

1956年8月，在美國漢諾斯小鎮寧靜的達特茅斯學院中，約翰。麥卡錫（JohnMcCarthy）、馬文。閔斯基（Marvin Minsky，人工智能與認知學專家）、克勞德。香農（ClaudeShannon，信息論的創始人）、艾倫。紐厄爾（Allen Newell，計算機科學家）、赫伯特。西蒙（HerbertSimon，諾貝爾經濟學獎得主）等科學家正聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。

會議足足開了兩個月的時間，雖然大家沒有達成普遍的共識，但是卻為會議討論的內容起了一個名字：人工智能。因此，1956年也就成為了人工智能元年。AI由此誕生，在隨后的日子里，AI成為實驗室的“幻想對象”。

受限于工業條件和認知程度，人工智能在此后近30年的時間里并沒有太大進步。直到上世紀90年代，人工智能才得到了突飛猛進的發展。

1997年，國際象棋程序“深藍”擊敗了世界冠軍卡斯帕羅夫，人工智能的“腦力”優勢現出端倪；

2007年，西洋跳棋程序奇努克正式將跳棋完成破解，最強大的跳棋高手在零失誤的情況下，也只能和奇努克打成平局；

2008年，在拉斯維加斯的德州撲克大賽中，人工智能“北極星2”依然在常規時間里輕松擊敗眾人；

2016年谷歌人工智能AlphaGo4：1戰勝韓國棋手李世石九段。

人工智能已然做到了顛覆人類認知。

AI發展史與大事件

人工智能的智能水平及算法

AI，機器來模仿人類學習以及其他方面的智能，展現人類的智力。

回到1956年夏天，在當時的會議上，AI先驅的夢想是建造一臺復雜的機器（讓當時剛出現的計算機驅動），然后讓機器呈現出人類智力的特征。

這一概念就是我們所說的“強人工智能Artificial General Intelligence （AGI）”，讓機器擁有人類的所有感知，甚至還可以超越人類感知，它可以像人一樣思考。

還有一個概念是“弱人工智能Artificial Narrow Intelligence （ANI）”。簡單來講，“弱人工智能”可以像人類一樣完成某些具體任務，有可能比人類做得更好，例如，Pinterest服務用AI給圖片分類，Facebook用AI識別臉部，阿爾法狗（AlphaGo）只會下圍棋。

“弱人工智能”實際使用的案例，這些應用已經體現了一些人類智力的特點。怎樣實現的？這些智力來自何處？帶著問題我們深入理解，就來到下一個圓圈，它就是機器學習，而如何實現機器學習呢？就是算法。機器學習就是用算法真正解析數據，不斷學習，然后對世界中發生的事做出判斷和預測。

算法

1、決策樹

分類決策樹模型是一種描述對實例進行分類的樹形結構。決策樹由結點和有向邊組成。結點有兩種類型：內部節點和葉節點，內部節點表示一個特征或屬性，葉節點表示一個類。

分類的時候，從根節點開始，對實例的某一個特征進行測試，根據測試結果，將實例分配到其子結點；此時，每一個子結點對應著該特征的一個取值。如此遞歸向下移動，直至達到葉結點，最后將實例分配到葉結點的類中。

舉一個通俗的栗子，各位立志于脫單的單身男女在找對象的時候就已經完完全全使用了決策樹的思想。假設一位母親在給女兒介紹對象時，有這么一段對話：

母親與女兒對話

這個女生的決策過程就是典型的分類決策樹。相當于對年齡、外貌、收入和是否公務員等特征將男人分為兩個類別：見或者不見。假設這個女生的決策邏輯如下：

決策流程