人工智能概述
人工智能发展必备三要素：
数据
算法
计算力 ，硬件支撑 CPU、GPU、TPU
计算力之CPU、GPU对比：
CPU主要适合I\O密集型的任务
GPU主要适合计算密集型任务
什么类型的程序适合在GPU上运行？
（1）计算密集型的程序
所谓计算密集（Compute-intensive）的程序，就是其大部分运行时花在寄存器预算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。可以做一下对比，读内存的延迟大概是几百个时钟周期；读硬盘的速度比较慢，即便是SSD，也慢。
（2）易于并行的程序
GPU其实是一种SIMD（Single Instruction Multiple Data）架构，他有成百上千个核，每个核在同一时间最好能做同样的事情。
CPU和GPU的区别。
人工智能、机器学习和深度学习三者的关系。
人工智能和机器学习，深度学习的关系：
机器学习是人工智能的一个实现途径
深度学习是机器学习的一个方法（神经网络）发展而来的。
人工智能发展历程。
一、人工智能的起源
1.1图灵测试
测试者和被测试者（一个人和一台机器）隔开的情况下，通过一些装置向被测试者随意提问，多次测试，如果有超过30%的测试者不能确定被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。由艾伦.麦席森.图灵提出。
1.2达特茅斯会议
1956年，在美国汉诺斯小镇的达特茅斯学院，用机器来模仿人类学习以及其他方面的智能，会议讨论出一个名字：人工智能，因此1956年也被称为人工智能元年。
小结
人工智能的起源
图灵测试
达特茅斯会议
人工智能的发展经历六个阶段
起步发展期
反思发展期
应用发展期
低迷发展期
稳步发展期
蓬勃发展期
人工智能的主要分支
通讯、感知与行动是现代人工智能的三个关键能力，主要对应的三个技术领域分别是：
- 计算机视觉（CV）
- 自然语言处理（NLP），在NLP领域中，覆盖文本挖掘/分类、机器翻译和语音识别
- 机器人
1.1分支一，计算机视觉
计算机视觉（CV）是指机器感知环境的能力，这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理，物体检测和人脸识别是其比较成功的领域。
1.2分支二，语音识别
语音识别是指识别语音并将其转换成对应文本的技术，相反的任务（文本转语音）也是这一领域内一个类似的研究主题。
随着大数据和深度学习技术的发展。
1.3分支三：文本挖掘/分类
这里的文本挖掘主要是指文本分类，该技术可用于理解、组织和分类结构化或非结构化文本文档，其涵盖的主要任务有句法分析，情绪分析和垃圾信息检测。
1.4分支四：机器翻译
机器翻译是利用机器的力量自动将一种自然语言（源语言）的文本翻译成另一种语言（目标语言）。
1.5分支五：机器人
机器人学研究的是机器人的设计、制造、运作和应用，以及控制它们的计算机系统，传感反馈和信息处理。
机器人可以分为两个大类固定机器人和移动机器人。固定机器人通常被用于工业生产，常见的有货运机器人，空中机器人和自动载具。
小结：
人工智能主要分支：
计算机视觉
语音识别
文本挖掘/分类
机器翻译
机器人
