我們?yōu)槭裁匆獡肀斯ぶ悄?？我的理解有三點：

1 大數(shù)據(jù)，伴隨著互聯(lián)網(wǎng)技術，物聯(lián)網(wǎng)技術，傳感器技術，通信技術等一系列先進技術的出現(xiàn)和發(fā)展，我們所生活的世界，被眾多數(shù)據(jù)包裹著。我們可以發(fā)現(xiàn)， 數(shù)據(jù)的規(guī)模越來越大，數(shù)據(jù)的增速越來越快，數(shù)據(jù)的形態(tài)和結構越來越多樣化，數(shù)據(jù)的價值密度越來越稀疏化。大數(shù)據(jù)的分析和挖掘，既是機遇又是挑戰(zhàn)。大數(shù)據(jù)呼喚人工智能，人工智能需要大數(shù)據(jù)，它是人工智能的根基。

2 大算力，我們知道曾今的人工智能寒冬，因為算力的局限，而阻礙了人工智能的進展?，F(xiàn)如今，伴隨著云計算，分布式技術，軟硬件技術的飛速發(fā)展，每千萬級指令計算的成本越來越低，這一切都為人工智能提供了強大的算力。

3 大算法，不管是學術界，還是工業(yè)界，都涌現(xiàn)出一批強大而先進的算法，這些算法用來指導機器如何學習和工作。

總之，順勢而為之，我們需要積極擁抱AI。關于AI，我們不改變，我們就會被改變。

人工智能是什么？這個問題，沒有統(tǒng)一的答案。不同的人，從不同的角度，不同的領域，對于AI都有著不同的見解和認知。我引用維基百科關于AI的一個寬泛定義：

人工智能泛指機器做人類智能的事情。

人類智能，有很多形式，比方說，學習能力，感知能力，認知能力，遷移能力，邏輯推理能力，思考能力等等。

而我們現(xiàn)在談論的AI，主要是關注三方面的能力： 學習能力，感知能力和認知能力。

我們時常聽到或者實踐的機器學習或者深度學習，可以理解AI的學習能力表現(xiàn)；我們所體驗的刷臉支付，刷臉進高鐵站等場景，可以理解為AI的感知能力的應用；AI在認知能力，目前還是個“嬰兒”，處于初級階段，這也是AI長期一段時間需要發(fā)力地方向。

如何創(chuàng)建一個AI系統(tǒng)？我的答案：

AI者的思維和行動。

簡而言之：輸入+輸出，利用AI算法學習到模式，利用模式對新的數(shù)據(jù)進行決斷。

舉例說明：

我們知道，若是采用開發(fā)者思維和行動，解決這個問題是棘手的，也是不現(xiàn)實的。

我們采用AI者的思維和行動，可以很好地解決這個問題，并且能夠落地到實際產品。

首先，采集一批含有貓和狗的圖片數(shù)據(jù)（非結構化數(shù)據(jù)）

然后，對這些數(shù)據(jù)進行預處理

第三，選擇合適的AI算法從這些數(shù)據(jù)中學習到模式，并對模式的效果進行評價

第四，使用滿足預期的模式，對新的圖片進行預判，告訴我們是狗還是貓。

在人工智能的學習和實踐中，你不是一個人再奮斗！

我也在堅持學習和實踐著，我倡導 眾包式地學習人工智能。

即 一群人學習和實踐AI，以實現(xiàn)共同進步和提升的目標。