欢迎来到人工智能时代。除非你过去十年一直躲在深山老林里，否则你会在你的生活中遇到不同形式的人工智能产品或解决方案。如果你和我一样，欢迎人工智能带来的创新，你会很兴奋。但是，当涉及到理解人工智能生态系统时，你可能会感到困惑。什么是人工智能生态系统？人工智能生态系统一般指人工智能、机器学习、深度学习这三大部分（为主）。

AI的起源

人工智能的起源可以追溯到60多年前，在1956年举行的第一届人工智能会议。它的举办是基于目前留给人类的问题可能会促使人类取得重大进展这一观点。为了探索这个推断的可能性，达特茅斯学院、哈佛大学、IBM和Bell合作发起了一个新项目。在这个项目中，人工智能致力于自动化和计算机研究，即计算机处理语言、神经元网络和自我改进。

这里需要强调的是，当今最先进的人工智能工具和解决方案都是20世纪50年代中期科学成果的衍生品。你能想象Siri是建立在1958年由McCarty发明的唇部计算机语言上吗？如果你认为这只是一个偶然，那么你应该看看IDC关于这个话题的更多论文。还有，在他们最新的报告中，IDC估计人工智能市场到2020年将达到470亿美元产值。离现在只有两年了。如今人工智能已经融入了我们生活，不仅高科技公司投资人工智能，其他行业也是如此。

杰夫·伊梅尔特曾表示, “你今天可能会作为一家工业公司的员工醒来，但或许明天你就会以软件和分析公司员工的身份醒来。”

通用电气CEO的这句名言突出了他对软件的态度，无论你是哪一家公司，软件都是你产品/服务提供的一部分。然而，通用电气还是没有跟上时代的步伐。因为伊梅尔特没有说到做到。通用电气是在2016年才开始利用人工智能与机器学习进行他们数字化转型之旅的。

区分一般人工智能、机器学习和深度学习

作者在这里对AI下了个简短的定义:AI是指将硬件和软件系统结合起来模拟人类智慧。

如果你想处理一些高难度的问题，比如区分不同类型的图像或者和你下棋，这些都需要应用人工智能。但是你要知道，人工智能不是万能的。比如说，你的电子棋盘是无法识别狗的图片的，即便它是一个有狭窄的焦点和技能调整精细的人工智能。

在2000年，大约有5万种电脑病毒被监测到。而2015年，几乎每天都有近百万的新病毒被监测到。而今更是每天高达三百万。因此，想要列出所有能威胁计算机系统的病毒几乎是不可能的。病毒指数的爆炸式增长使人力计算或人工操作计算机计算受到了阻碍。面对这种困境，人们提出了一个新概念——机器学习。它是人工智能的核心，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，它主要使用归纳、综合而不是演绎。例如，Symantec正在开发一套机器学习技术。试图通过检查一个文件的数千个静态特征，然后深入了解程序的动态行为，最后检查该文件与其他文件的关系，以确定该文件是否受到病毒的威胁。

“许多成功的机器学习往往都建立在手工工程的特征上。研究人员手动编码此次任务的相关信息，然后让机器在此基础上进行学习。”乔治·达尔说到。

更深层次的创新是深度学习。在这里，你想要“让系统尽可能多地设计自己的特征”乔治·E·达尔(GeorgeE.Dahl)说。此时，要求机器学习系统的分析算法自动化，并对其自身及其特征进行创新。深度学习现在多用来处理新的工业挑战，如无人驾驶车辆的计算机视觉、语音识别和人类语音接口的自然语言处理。

关键差异

现在，为了把机器学习和深度学习区分开来，你可以简单的认为，深度学习主要是靠计算机自己来完成的，而机器学习是通过人类干预来完成的。

更详细地说，深度学习能够创建一个大规模的神经连接网络，也就是所谓的神经网络。神经网络是模仿人脑来引导机器自主学习、进行“思考”，而不需要人类的监督。

软件公司、工业公司和商业公司是人工智能领域的主力军。他们多用人工智能来处理自动车辆、图像识别、语言翻译和自然语言分析等问题。

补充

对于人工智能感兴趣的商业部门有：

金融业：防止欺诈、抢劫。

汽车业:语音识别、计算机视觉、汽车联网、虚拟助理、自动驾驶等。

数据业:安全入侵检测、数据隐私、恶意软件攻击等。

医疗业:保健和快速诊断。

营销业:用户体验等。