人工智能算法原理詳述——從神經網絡到深度學習。人工智能的目標是使得機器能像人一樣思考和行動，而真正賦予機器 “智能”的是背后的人工智能算法。從整個發展過程來看，神經網絡是其中最不可忽視的一種，其“誤差反向傳播”的原理，導致該算法的效果并不理想，2006 年提出的深度學習算法，能夠使用非標注的樣本集、通過非監督逐層訓練，克服了原有算法的瓶頸，目前已經應用到廣泛的范圍。
大數據和計算能力的提升推動人工智能發展。在AlphaGo 與深藍之間近二十年的時間中，計算機的運算能力幾乎呈現指數式提升，數據積累更是隨著互聯網、移動互聯網的到來和大數據時代的開啟而有了爆炸式的增加。而基于神經網絡的深度學習層數增加必須依賴于計算能力的增強，與此同時，深度學習及非監督學習還必須依賴大量的訓練數據樣本。計算機運算能力的指數提升以及大數據時代數據量的爆炸式增長，也是人工智能在過去幾年快速發展的重要推動因素。
從感知智能到認知智能，AI 在“聽說讀寫”和“思考決策”兩大方向應用。感知智能幫助人類更高效地完成“看”和“聽”相關的工作，具體應用語音識別、圖像識別和視頻分析等；認知智能表現為機器能夠像人一樣思考并自主采取行動，從而能全面輔助或者替代人類的工作，例如無人駕駛汽車以及其他一些能自主行動的智慧機器人等。當前人工智能的發展大致處于感知智能階段，部分企業及研究機構開始嘗試向認知智能發展和突破。
