人工智能(AI)现在是热闹非凡，各种公司，各种大拿，都投入到这场技术革命当中，都希望可以成为这一波技术革命的推动者和参与者，这也足够证明这项技术确实可以带来一些飞跃，更重要的是可以真实的解决一些难题，或者明显提高一些精度，而这些进步用之前的一些方法，无论话费多大力气也是无法达到的，而利用AI可以很轻松的超越之前的所有技术，这也反映了人们对一场技术变革的渴望。、
目前在AI大部分的底层实现技术大多是基于神经网络，神经网络其实并不是一个新技术，早在上个世纪60年代就已经被人们提出来了，灵感也是来自于人类的神经元运作方式(上帝就是用这种技术发明了人类？)，基本原理也比较好理解，就是每个神经元根据输入都会产生一个输出，然后再传给下一组神经元，下一组再产生输出.....，这样经过多层的传输，最后就会得到一个输出的结果，每一个神经元产生在输入进来之后，产生什么样的输出，完全是通过不停的训练得来的，也就是说实现你也好告诉系统，我给你这样一组输入，你必须给我产生这样一个输出，如果产生的不对，你就自习调节权重和阈值，直到产生我想要的结果为止，经过大量的数据训练之后，这个系统就可以得出来一套规则，这套规则对于一个新的输入，可以有99%的概率得到一个你预期想要的输出，那么基本上就算成功了，当然如果达到100%更好，但以目前的技术手段来说，无法做到，最起码无法证明可以做到。
好了，上面说的这个过程基本上就是神经网络的基本工作过程，从这个过程可以看出，其实神经网络是一个黑盒子，他的工作原理或许很好理解，但是现在连数学家们都无法用公式或者定理去解释或者证明这套系统工作的原理，或者说无法用公式计算出每一个神经元的权重和阈值，而只能靠训练的方式得到，上文为什么说即使训练的很好也无法达到100%的准确的结果呢，因为你训练的数据总是有限的，如果新的输入在你训练得出的规则之内，那自然没有问题，但是如果在之外呢，你怎么保证不会错呢，现在无人可以证明。
其实，从另外一个角度理解，神经网络的训练就和一个人的学习新事物一样，经过多次的学习(训练)，总结其中的游戏规则，之后根据这个游戏规则来解决相类似的问题，如果问题和之前训练时非常相近，那自然可以解掉，如果差别很大呢，你也无法保证可以解决吧，想想考试吧，每次你都能保证可以考100分吗？除非某些天才吧，即使是天才也有失手的时候，那么这个天才如果理解呢，其实就是一种比较好的网络结构，这种网络结构的容错性和推断性更好，经过相同的训练，好的网络可以推断出的规则更加详细和精准，因此也更容易得到较高的准确率了。
如果回忆一下，当你被一件比较难而且复杂的问题折磨的毫无办法的时候，你是不是想拥有一个神物，你并不想知道这个神物由什么构造的或者是如果工作的，你只希望它能告诉你答案就可以了，这个和神经网络何等的相似，这种方法来的简单高效、直接了当。也许是因为懒，也许是因为真的很难，或许是为了保留一些神秘感，你并不想去揭开这个面纱，只希望你能给我我想要的结果就行。
如果这种方式以后大行其道的话，那么海量的训练数据是不是就是像土地一般珍贵了，和人类相比，用同样的训练内容，它可以在短短几天之内就学完，而人类需要几十年才能学完，那个时候，人类的优势还是什么呢？
在AI普及的未来，一定是一个高效的社会，人工智能会担当很多社会重任，每天高效紧张的工作者，而聪明的人类，可以悠闲懒惰的活着。