人工智能，有哪些技术支撑？

人工智能，即我们现在所谈论的机器学习、深度学习等这一块儿。其实人工智能已经被大家揭开了其“神秘的面纱”，其本质并没有特殊之处，只是需要了解一些背景。现在我们谈论的人工智能的确是架设在了数学上面（需要知道线性代数、概率论与统计等知识），但是从人工智能产品的落地来看，其也是一个计算机的产品研发过程，也需要很多计算机工程师来实现，但是你也必须要知道一些人工智能的背景知识（如梯度下降、线性回归、SoftMax、CNN卷积神经网络等），这样你才能更好的从事其实现与研发。那么这里所说的背景知识也类似于你从事APP开发前需要了解的对应APP的行业知识（如开发一个数学APP，你需要知道相关的数学知识）。

在了解完相关的背景知识以后，其实接下来就和开发APP类似，但是也有不同的地方。对于人工智能开发，第一种你是做人工智能框架开发（如Tensorflow、Caffee、MXNet等），另外一种则是在已有的框架上实现人工智能算法，如基于Tensorflow实现CNN。前者对技能要求比较高，需要你对单机多核编程如OpenMP、分布式多节点MPI、GPU编程CUDA、性能优化编译器等知识都有要求，第二种则比较简单一点，只需要掌握好框架的API，然后组合实现成你想要的算法即可（和你进行APP开发，无论是Android还是iOS，都是在对应的框架平台上，这没有本质上的差别）。

所以，在了解了这一些以后，若你想去转行做人工智能，我觉得也是没有任何问题的，但是需要一些时间，以及培养一些新技能。

人工智能主要应用于服务行业，主要在以下七个领域中！

可以看到，这些领域的都是很复杂的有对应流程的行业，因此可以肯定的是，人工智能是需要大数据支撑的，机器人毕竟是机器人，不可能像人的思维一样灵活多变，一般来说，再智能的机器人也只能根据软件的算法进行动作，因此所有的判断都是基于条件判定的。

智能机器人主要是模拟人的思维，但人的思维太过复杂，想要完全的模拟现在是做不到的，所以只有根据需要一点一点的完善机器人的辨别能力，这些辨别能力怎么来——大数据，一部分数据是在软件开发时就写入程序的，但更多的还是机器人后天学习的，怎么学习？这就涉及到另外的技术，识别、摄入数据、分析、做出反应、存储记录等！

说到底，其实人工智能也是用软件开发的基础技术实现的，其思维逻辑很复杂，因此对数据结构要求很高；再看学习功能，学习说到底也就是识别理解和记录的过程，识别很好理解，如人对语言、图片、视频的识别一样，机器人也需要识别，不同的是，机器人不会像人这么直观，很多时候只能识别数字化的东西，数字化这些东西技术就是数字媒体的技术；记录很好理解，就是把数字化的东西分条件记录到数据库中，以便随时调用；还有一个重要功能就是作出回应进行交流，所有的判断都是基于大数据的，在程序中就是通过大量的条件比较然后判定，说到底其实还是数据结构的知识，动作就是虚拟现实，虚拟现实也是属于数字媒体的技术范畴。

在功能层面，智能机器人很复杂，在技术方面也很高深，如果单就软件层面来说的话，涉及的技术大的来说，主要是数字媒体和大数据的知识，两者都是目前软件开发中的难点，因此不得不说，“很复杂，也很深奥！”