女人到底是感情动物~
章杉一番花言巧语就将顾悠悠忽悠答应开发这种网站去了。
不过章杉倒也不是很在意开发不开发这个网站。
毕竟如果只在意网站的话以现在章杉的资源开发一百个都没难度。
只是既然能轻轻松松哄顾悠悠做一件苦差事，肯定很容易哄她做别的事情。
咳咳，这个也不对。
主要是作为一名优秀产品经理。
章杉现在所谋划的可不止是一个简简单单的推书网站！
此时他的目光早已放在了别的地方——人工智能！
人工智能（英语：artificial intelligence，通常缩写为AI）。
亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。
通常人工智能是指通过普通计算机程序来呈现人类智能的技术。
人工智能于一般教材中的定义领域是“智能主体（intelligent agent）的研究与设计”，智能主体指一个可以观察周遭环境并作出行动以达致目标的系统。
约翰·麦卡锡于1955年的定义是“制造智能机器的科学与工程”。
安德烈亚斯·卡普兰（Andreas Kaplan）和迈克尔·海恩莱因（Michael Haenlein）将人工智能定义为“系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力”。
对人工智能的研究由来已久。
和现在重视基于控制论和神经网络的方法不同。
当年人们一直致力于将人工智能符号化。
当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。
研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院。
当然这些学校关于AI的研究各自有独立的研究风格。
60_70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。
这些人尝试从以下四个角度出发进行破局：
认知模拟：经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学、运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于Soar发展到高峰。
基于逻辑：不像艾伦·纽厄尔和赫伯特·西蒙，约翰·麦卡锡认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示，智能规划和机器学习。致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言Prolog和逻辑编程科学。
“反逻辑”:斯坦福大学的研究者（如马文·闵斯基和西摩尔·派普特）发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案：他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为。罗杰·单克（Roger Schank）描述他们的“反逻辑”方法为“scruffy”。常识知识库（如道格拉斯·莱纳特的Cyc）就是“scruffy”AI的例子，因为他们必须人工一次编写一个复杂的概念。
基于知识：大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划，这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。
……
章杉知道早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。
到了1980和1990年代，利用概率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。
对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的存储器或是运算时间。寻找更有效的算法是优先的人工智能研究项目。
人类解决问题的模式通常是用最快捷、直观的判断，而不是有意识的、一步一步的推导，早期人工智能研究通常使用逐步推导的方式。
人工智能研究已经于这种“次表征性的”解决问题方法获取进展：实体化Agent研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。
说起来章杉在人工智能很早就保持支持的态度，之前就注资过林宁的公司。
不过说起来那也不过是小打小闹罢了，当时看起来很大一笔投资对现在财大气粗的章杉只能说是毛毛雨了。
尽管当时的投资不算多，但是章杉对于人工智能领域的关注从来就没有停止过。
因此他也恶补了很多和人工智能相关的内容。
人工智能其实是一个很宽泛的话题！
说到底人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。
人工智能的研究可以分为几个技术问题。
其分支领域主要集中在解决具体问题，其中之一是，如何使用各种不同的工具完成特定的应用程序。
AI的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。
人工智能目前仍然是该领域的长远目标。
目前人工智能领域的核心研究问题之一是知识表示。
所谓的知识表示它的目标是让机器存储相应的知识，并且能够按照某种规则推理演绎得到新的知识。
人工智能的一个比较流行的定义，也是该领域较早的定义，是由当时麻省理工学院的约翰·麦卡锡在1956年的达特矛斯会议上提出的：