上图：亚马逊的人工智能产品，从左到右分别为智能音箱，无人机和配送机器人

人工智能的英文是“Artificial Intelligence”，简称“AI”。
它出身于上世纪 50 年代在美国的达特茅斯学院 (Dartmouth College) 举行的一个研讨会上，经由几十年的发展，人工智能在诸多领域已经取得了长足的进步。

上图：达特茅斯学院和达特茅斯会议五十年后(2006 年)的部分当事人重聚。
左起：摩尔(Trenchard More)，麦卡锡 (John McCarthy)，明斯基 (Marvin Minsky)，赛弗里奇 (Oliver Selfridge)，所罗门诺夫 (Ray Solomonof)

人工智能是研究、开拓用于仿照、延伸和扩展人类智能的理论、方法、技能及运用系统的一门新的科学技能。
人工智能让机器能够像人一样具有感知能力，认知能力和创造能力。
感知能力大略的说便是人类的听、说、读、写、看等能力。
比如说 AI 现在已经具有图像识别，人脸识别，语音识别，语音天生，措辞理解等能力。
认知能力指的是通过学习、判断、剖析来理解知识、获取知识的能力。
例如，AI 已经可以帮助年夜夫进行医疗影像的剖析，帮助电商进行消费行为的剖析等等；其余下围棋和无人驾驶也是 AI 在认知领域的主要运用形式。
创造能力指的是产生新思想，新创造，新方法，新理论，新设计，创造新事物的能力，像 AI 作曲、AI 作诗、AI 小说、AI 绘画、AI 设计等。

上图：亚马逊纸箱机器人正在玩魔方

人工智能是人类授予给机器的，无论人工智能如何思考问题或者拥有什么样的本领，都须要人类为它编写干系的程序，这便是编程。
编程是一门思考的艺术，就像音乐和绘画一样，把脑筋里的想法实现出来，然后人工智能就会遵照程序中一步一步的设定（也便是算法）进行实行。
编写更好的程序，利用更好的设定，就能更好的实现人工智能。
同时，人工智能也离不开大数据和互联网的支持。
尤其是智好手机，平板电脑，智能设备等的移动互联，天生了越来越多的数据。
我们供应给人工智能的数据越多，它也就会越来越智能。

上图：人工智能是数据，编程和算法的结合

人工智能有很多实现的办法。
目前，实现人工智能的主流办法是机器学习。
机器学习便是让机器能够学习人类的思维过程，仿照和实现人类的学习行为，来获取新的知识和技能。
机器须要不断的学习才能越来越聪明。
和人类一样，机器可以从三个来源学习。
一种是不雅观察其他人在以往类似情形下所做的事情再做出决定；另一种是在现场不雅观察并且直接考试测验提出最佳的决定； 第三种是从先前的成功和失落败中进行学习从而作出决定。
这三种方法分别对应于机器学习的三个分支：监督学习，无监督学习和强化学习。
我们可以分别利用这三种不同的方法来教宝宝认识苹果和喷鼻香蕉。
首先，我们可以教宝宝认识这两种水果分别是长什么样子的，比如说苹果又红又圆，喷鼻香蕉又黄又长，然后宝宝就可以利用我们教过的知识进行苹果和喷鼻香蕉的分类。
这便是监督学习。
或者，我们不教给宝宝苹果和喷鼻香蕉的差异，而是给宝宝几个苹果和几个喷鼻香蕉，让宝宝自己动手，在这些水果里分辨出哪些是相同的，哪些是不同的，从而进行苹果和喷鼻香蕉的精确分类。
这就是非监督学习。
还有，我们先拿出一个水果让宝宝进行考试测验区分是苹果还是喷鼻香蕉，如果宝宝区分精确，就可以得到巧克力，如果宝宝区分缺点，就得不到巧克力。
之后我们接着拿出更多的水果，这时宝宝通过巧克力的勉励，就能够越来越准确的区分出苹果和喷鼻香蕉。
这便是强化学习。

上图：监督学习，无监督学习和强化学习

机器学习常日用来办理下面几类问题，包括回归，分类和聚类。
回归是用来进行数值预测的，是监督学习的一种，比如说我们可以利用回归来预测房价，预测客流量，预测电影票房， 预测极度景象等等。
分类和聚类都是办理数据属于哪一个类别的问题。
分类是向数据分配标签，属于监督学习，更具现实性；而聚类是将相似的数据放在一起，属于无监督学习，更具探索性。

上图：回归，分类和聚类

近年来人工智能的崛起实在是依赖于深度学习的。
深度学习是机器学习的一种方法，我们可以把它大略理解为让机器像人类的大脑一样，来进行分层次的学习。
比如，在识别人物脸部的时候，就可以把脸型、眼睛、鼻子、耳朵、嘴等看作是不同的层次，深度学习对每个层次的特色进行识别，末了节制脸部的全部特色，通过这些特色来认出这个人是谁。

上图：用深度学习进行人脸识别

当前，深度学习又有了一些更新的进展，包括深度强化学习，深度天生学习等等。
深度强化学习把深度学习的感知能力和强化学习的决策能力相结合， 可以直接根据输入的信息进行掌握，是一种更靠近人类思维办法的人工智能方法。
深度强化学习在游戏、下棋、自动驾驶、医疗等领域都有丰富的运用。
AlphaGo 便是用深度强化学习的办法进行演习的。
在 Dota 2 和星际争霸等游戏对战中，深度强化学习也能够轻松降服职业玩家。
深度天生学习则具有创造新事物的能力，有人认为深度天生学习是十年来最有趣的机器学习观点。
深度天生学习使打算机能够学习给定问题的基本模式，并利用该知识基于输入（例如图片、音乐和文本）天生新内容。
例如，深度天生学习会基于人脸图片来学习它们普遍具有的特色，然后利用学到的知识天生它以是为的全新的人脸图像。
我们就可以基于此，进行图像编辑，图像转表情包，图像迁徙改变画，图像分辨率增强，不同年事段的图像天生，和更多有趣的操作。

上图：深度强化学习和深度天生学习

人工智能既然这么有趣，那么该当如何开始学习人工智能呢？从详细的产品开始，把学与玩相互领悟，是不是更有吸引力？恰巧的是，AWS 在人工智能的学习领域恰好就有几款这种寓教于乐的产品，包括智能摄像机 (AWS DeepLens)，自动驾驶车 (AWS DeepRacer)，和智能作曲器 (AWS DeepComposer)。
利用这些智能玩具，轻松愉快的快速入门人工智能，何乐而不为？

AWS DeepLens 是环球首款支持深度学习的智能摄像头。
它可以让不同年事和不同技能的职员都可以快速上手深度学习，在目标检测，人脸识别，动作识别，风格迁移等打算机视觉领域进行内容丰富的实践。
是不是非常有趣？

上图：AWS DeepLens

AWS DeepRacer 是一辆完备自动驾驶的赛车，只有真实赛车的 1/18 大小，却是由深度强化学习驱动。
AWS DeepRacer 供应了一种通过自动驾驶开始深度强化学习的有趣办法。
不同年事和不同技能的职员都可以在仿照器中演习、评估和调度自动驾驶模型，并将模型支配到 AWS DeepRacer 上，从而得到真实天下的自动驾驶体验，并参加 AWS 组织的环球自动驾驶巡回赛，竞逐环球冠军锦标。
今年，我们的环球自动驾驶巡回赛将在 F1 西班牙大奖赛的巴塞罗那-加泰罗尼亚赛道的仿照赛道上进行。
我们的自动驾驶赛车将与 F1 职业车手展开对抗，个中包括巴塞罗那-加泰罗尼亚赛道目前的天下记录保持者里卡多 (Daniel Ricciardo)！
是不是非常刺激？

上图：AWS DeepRacer

AWS DeepComposer 是天下上第一款采取深度天生学习技能的音乐键盘。
不同年事和不同技能的职员都可以在创作原创音乐输出的同时学习深度天生学习。
利用 DeepComposer 无需任何音乐知识。
通过供应示例旋律，如《一闪一闪亮晶晶》或《欢快颂》，DeepComposer 可为您供应快速轻松的入门音乐创作。
您可以利用这些示例旋律作为输入，同时结合摇滚、盛行、爵士和古典平分歧的流派，来天生全新的原创音乐。
是不是非常文艺？

上图：AWS DeepComposer

纸上得来终觉浅，绝知此事要躬行。
让我们一起动起手来，开始人工智能的实践吧！
末了做个小小的提醒，现在互联网上的各种人工智能运用层出不穷，家长在利用宝宝的照片或者***的时候一定要把稳保护宝宝的隐私呦～