在之前黑智发布的中，我们简单介绍了人工智能的3个流派，以及AI发展史的三大阶段，并以智能客服为例，介绍了一个AI产品的10个能力。今天这篇是白话AI的中级篇，让我们来看看，人工智能（AI）到底用到了哪些技术？

本文来源 | 技术管理那些事

　　作者 | 技术君

　　讨论技术之前，我们先来搞清楚，到底什么是人工智能（Artificial Intelligence）？简言之，就是用「机器」对人的意识、思维的信息过程的模拟。

当初，「机器」并不是专指计算机，也可能是某种机械装置，因为计算机还没有发明出来，AI就出现了。另外，即使计算机也分为我们熟悉的图灵计算机和现在迅猛发展着的量子计算机或者DNA计算机等。

但是AI真正繁荣发展，还是从图灵机出现之后才开始的。

有的读者可能不是计算机专业的，所以简单介绍一下图灵机。同时要涉及一些数学和算法的知识，稍有些晦涩，大家要有一些耐心，否则没办法理解哪些更复杂的AI知识和术语。

图灵机和图灵测试

早在1900年，大数学家希尔伯特（David Hilbert ）提出了著名的第十问题：

　　Given a Diophantine equation with any number of unknown quantities and with rational integral numerical coefficients: To devise a process according to which it can be determined in a finite number of operations whether the equation is solvable in rational integers.（from Wikipedia）

　　能否能通过有限步骤（算法）来判定不定方程存在有理整数解？

图灵（Alan Turing，计算机科学与人工智能之父），被这个问题深深的吸引了，atv，虽然后来的数学家证明Hillbert的第10问题中提到的那个算法不存在，但是，得到了一个最好的副产品，那就是1936年图灵提出了如下所示的图灵机：

Turing Machine from Wikipedia

　　A Turing machine is an abstract machine that manipulates symbols on a strip of tape according to a table of rules. （from Wikipedia）

　　图灵机是指一个抽象的机器，它有一条无限长的纸带，纸带分成了一个一个的小方格。有一个机器头在纸带上移来移去。机器头有一些固定的程序。在每个时刻，机器头都要从当前纸带上读入一个方格信息，然后结合自己的内部状态查找程序表，根据程序输出信息到纸带方格上，并转换自己的内部状态，然后进行移动。

冯?诺依曼（John von Neumann），和图灵是同一时期的大数学家，1946年领导研制出了众所周知的第一台现代电子计算机ENIAC，其工作原理就是和图灵机是一致的。

1950年，图灵提出了著名的「图灵测试」，用来验证一个机器是否达到人类的智能，具体方法就是把一个机器A和一个人B分别关到不同房间里，测试者C通过装置（如键盘）和两者对话，如果30%以上的测试者不能区分机器和人，则认为机器A通过图灵测试。

Turing Test from Wikipedia

大家可以看出来，从希尔伯特、图灵到冯?诺依曼，整个人工智能AI的发展，都是大数学家们在推动前进的。所以，如果想真正理解AI的工作原理和发展趋势，必须了解相关的数学发展史和挑战。

几个关键理论和技术

1、图灵停机问题（Halting problem）

图灵机本质上就是完成了从输入到输出的变换（计算），假设，程序P可以把所有的变换进行「归纳」，产生这些变换规则的「共性」，那么，图灵机应该能通过计算获得等同于人类的智能。但是，这个假设在图灵机上是不可计算的，这就是著名的图灵机停机问题：

　　Halting problem is the problem of determining, from a deion of an arbitrary computer program and an input, whether the program will finish running or continue to run forever.

　　停机问题就是判断任意一个程序是否会在有限的时间之内结束运行的问题。

图灵本人已经在数学上证明了这个判断算法根本不存在。也就是说，总是有些人的智能对于图灵计算机来说，是不可解决的。通常也说，这个问题是和图灵停机问题计算等价的。

所以，为了让机器获得强人工智能（General AI），人们开始研究「超越图灵计算」的量子计算或者DNA计算等。

不过在弱人工智能（Narrow AI）领域，「深度学习」这个图灵可计算的方法还是能解决很多实际问题的。

2、深度学习（Deep Learning）