人工智能实践:Tensorflow笔记(一)：人工智能概述
1、 图灵是人工智能之父。
图灵在1950年在论文《机器能思考吗？》中提出了图灵测试，一种用于判定机器是否具有智能的试验方法
把提问者C和回答者A和B分隔开，提问者多次向回答者提问，如果有30%的提问者认为对面是人而不是机器，那么这台机器就通过了图灵测试，具备了人工智能。这就是人工智能的概念，用机器模拟人的意识和思维
2、现在的主流的4款人工智能助理
3、人工智能的先驱
他们也是在人工智能寒冬仍在坚守的科学家
4、机器学习三要素
数据、算法、算力（缺一不可）
5、计算机中的神经元模型
数据输入可以模拟神经元的树突，数据输出可以模拟神经元的轴突，乘加运算可以模拟神经元的细胞核的处理。
这个模型是构成神经网络的基础。有了神经元模型，就可以用给这些基本单元搭建神经网络了
6、神经网络的发展历史
1958年，人们将两层神经元首尾相接，组成单层神经网络，称作感知机，促成了神经网络的第一次兴起
1969年，权威学者用数学公式证明了只有单层神经网络的感知机无法对抑或逻辑进行分类。要想解决抑或可分问题 需要将单层神经网络扩展到两层或以上。然而在那个年代，计算机的运算能力是无法支撑这样的运算量的。使得神经网络研究进入了第一个寒冬。
1986年，提出了反向传播算法（BP算法），有效解决了两层神经网络的算力问题，引发了神经网络研究的第二次兴起
1995年，SVM诞生，既可以免去神经网络需要调节参数的不足，还避免了神经网络中局部最优的问题，一举击败神经网络，成为当时人工智能领域的主流算法。使得神经网络的研究进入了第二个冬季。
2006年，深层次神经网络出现。2012年，卷积神经网络在图像识别领域中的惊人表现，又引发了神经网络研究的再一次兴起
7、机器学习最主要的应用：
①对连续数据的预测
②对离散数据的分类
8、人工智能 vs 机器学习 vs 深度学习
