人工智能（AI）正逐渐成为日常生活的一部分，它不仅激励着计算机科学家创造新的、越来越复杂的技术，同时也在普通消费者中激发对未来的期待。想象一下，如果能够在不承担任何物理风险的情况下探索海洋的底部，或者在智能道路上驾驶无人驾驶汽车，那将是多么令人兴奋的事情。尽管对AI的理解在过去几十年里发生了变化，但有理由相信，人工智能的时代可能终于到来了。那么，作为一名开发者，如何开始呢？本文将概述AI的一些基础知识，并介绍一些可能对有帮助的工具和资源。
尽管AI有很多不同的思考方式和方法，但机器智能的关键是它必须能够感知、推理、行动，然后根据经验进行适应。
在大量数据中识别和识别有意义的对象或概念。那是红灯吗？是肿瘤还是正常组织？
理解更大的背景，并制定实现目标的计划。如果目标是避免碰撞，汽车必须根据车辆行为、距离、速度和道路条件计算碰撞的可能性。
根据车辆和交通分析，推荐或直接采取最佳行动方案。它可能会刹车、加速或准备安全机制。
最后，必须能够根据经验在每个阶段适应算法，重新训练它们，使它们变得更加智能。自动驾驶汽车的算法应该重新训练，以识别更多的盲点，将新变量纳入背景，并根据以前的事件调整行动。
如今，人工智能是一个涵盖任何能够感知、推理、行动和适应的程序的总称。开发者实际上让机器做到这一点的两种方式是机器学习和深度学习。
在机器学习中，学习算法从数据中构建模型，随着时间的推移，随着它们接触到更多的数据，它们可以不断改进。机器学习主要有四种类型：监督学习、无监督学习、半监督学习和强化学习。在监督机器学习中，算法通过处理和分类大量标记数据来学习识别数据。在无监督机器学习中，算法在大量未标记数据中识别模式和类别——通常比人脑要快得多。可以在这篇文章中阅读更多关于机器学习的内容。
深度学习是机器学习的一个子集，其中多层神经网络从大量数据中学习。
正如上面讨论的，人工智能能够感知、推理和行动，然后根据经验进行适应。但这是什么样子的呢？这里是一个机器学习的一般工作流程：
首先，需要大量的数据。这些数据可以从任何数量的来源收集，包括可穿戴设备和其他对象中的传感器、云和网络。
一旦数据被收集，数据科学家将聚合和标记它（在监督机器学习的情况下）。
接下来，数据被用来开发一个模型，然后对其进行训练以提高准确性，并优化性能。
模型被部署在应用程序中，用于根据新数据进行预测。
随着更多数据的到来，模型变得更加精细和准确。例如，当自动驾驶汽车行驶时，应用程序通过传感器、GPS、360度视频捕捉等实时信息，然后可以用来优化未来的预测。
关于AI最令人兴奋的事情之一是，它有潜力彻底改变不仅仅是计算行业或软件行业，而是真正触及生活的每一个行业。它将以与工业革命、技术革命和数字革命改变日常生活的每一个方面相同的方式改变社会。英特尔提供了基础、框架和策略来驱动人工智能。当涉及到深度学习和机器学习技术时，英特尔可以帮助开发者更好地、更快地、更经济地交付项目。
对于开发者来说，AI领域的扩展意味着有潜力将对AI的兴趣和知识应用到感兴趣的行业中，比如音乐、体育或医疗保健。当探索AI的世界时，想想还对什么感兴趣，以及如何想以有意义的方式为该领域做出贡献。想法是无限的，但这里有一些例子可以让思考。
英特尔支持人工智能的快速创新。英特尔AI软件开发者区域是寻找社区、工具和培训的好起点。以下是一些具体的链接，可以帮助开始。
全球有一个强大的AI开发者社区。在Facebook和LinkedIn上与他们联系，并寻找所在地区发生的Meetups、研讨会和活动。英特尔定期参加会议，并举办关于AI主题的网络研讨会——在这里了解更多。
看看英特尔®软件学生开发者计划是否在校园。从行业专家、教授和专业人士那里获得实践经验，以建立技能集。在这里了解更多。
Caffe*是图像识别中最受欢迎的社区应用程序之一，Theano*旨在帮助编写深度学习模型。这两个框架都已针对英特尔®架构进行了优化。了解如何安装和使用这些框架，并找到许多有用的库，在这里。