在人类历史上，每一项新技术的出现，都必然伴随着各种讨论、反思甚至针锋相对的争论。
面对逐渐兴起的人工智能这一全球性、革命性的科技浪潮，人们的兴奋、疑惑和担忧变得更加多元化。
其中有一些比较情绪化，比如讨论人工智能是否会取代人类。
这实际上是在将人工智能与自然智能进行比较。
关于自然智能有各种各样的研究和著作，其中一些表明人脑的内部机制实际上是量子计算。
对于人工智能，目前还没有一个大家都能接受的定义。
现阶段，无需过分追求哪种标准定义更正确。
我们不妨务实地讨论一下：现在的技术可以让我们做出什么样的智能系统。
有两种类型的计算系统被人类称为人工智能。
第一个本质上相当于“智能计算系统”（ICS）的子系统框架。
它以数据为输入，从数据中提取信息并构建模型，将我们关心的某些现象转化为知识。
我们将这类人工智能系统称为“通用人工智能”，并将“通用智能”定义为机器获取知识和实现目标的能力。
第二类是指具有类人认知能力的人，能够感知（“看”、“听”和“感觉”），他们能够越来越多地推理和计划，并且他们可以使用感觉运动控制来移动。
我们将这种人工智能系统称为“认知人工智能”，它是一种具有感知、推理、规划和感觉运动控制能力的机器。
人工智能系统的另一个二分法是“狭义人工智能”和“强人工智能”。
“通用人工智能”是一个使用相同算法解决一大类问题的系统。
原则上，“广义人工智能”系统可以学习并适应解决新问题，无需人工干预。
“狭义人工智能”系统使用特定的算法来解决特定的问题，例如下棋、识别图片等。
综上所述，表1是对人工智能系统现状的概述，是一个务实且可操作的定义。
表1 人工智能系统现状 通用人工智能系统的核心能力是通过算法和计算系统从数据中提取知识。
一旦我们有了知识，我们就可以做很多事情。
我们可以预测，我们可以解决自动化问题，我们可以解决任何需要解决的问题。
因为知识告诉我们人们需要什么，社会需要什么。
有了知识，我们就能找到答案。
因此，人工智能发展的第一个层次是通用人工智能。
近年来，深度学习的突破主要集中在感知层面，特别是视觉和语音识别，以及自然语言理解。
但这仅仅是开始。
接下来要做的就是认知，因为感知只是将外部世界通过光感知、声音振动或者语言交流，变成可以被系统识别的符号。
最重要的是理解它的含义。
当系统看到一张图片时，它可以知道其中有什么样的物体或人以及他们在做什么。
目前能看到的几乎所有做人工智能的公司都可以放在四个象限里。
大多数公司做的实际上是“狭义AI”。
“狭义AI”只能解决一个问题，或者解决一两个相对狭隘的问题。
下围棋、打牌、开车，都是“狭义人工智能”。
相应地，“广义AI”使用同一个系统来解决所有问题，与人类智能类似。
“广义AI”是人工智能发展的长期目标，真正实现至少还需要20到30年的时间。
现在，百度、谷歌、微软、Facebook等公司都在向“广义AI”方向努力。
判断人工智能能力的标准，或者是否是真正的人工智能，仍然是人类是否因此知道更多、做得更多、体验更多。
例如，百度基于海量搜索数据所做的很多技术分析，在过去几乎是人类无法完成的。
但现在通过人工智能计算技术，我们得出了很多前所未有的知识和结论，人类知道的更多。
，并因此可以做出许多前所未有的判断，取得更多不可能的成就。
例如，代表性的无人驾驶技术和自然语言交互技术正在逐渐改变人类的运动模式和感官模式。
过去，人类用眼睛看，用耳朵听。
未来，我们或许可以不用眼睛去看，不用耳朵去听。
人类将逐渐拥有新的感知方式，体验全新的世界。
因此，任何一家人工智能公司是否名副其实，都可以从上述角度来衡量：它属于四个象限中的哪一个？人类和机器是否有可能一起了解更多、做更多、体验更多？美国和中国有很多公司自??称是人工智能公司。
有的公司说云计算是人工智能，有的公司说大数据是人工智能，但这些只是人工智能体系的一部分。
人工智能强弱的最终判断是大数据、云计算、算法、训练时间及其总投入。
还有软硬件等综合实力。
这种实力不是一朝一夕就能达到的，也不是一概而论的。
地球上没有路。
路上有不同的角色和不同的停靠站来克服障碍。
每个人和每个公司都达到不同的水平。
有些才刚刚开始，而另一些则已经结下了很多果实。
百度大脑堪称人工智能综合实力的典型代表。
对其能力的细分可以让我们更加清楚人工智能行业的进入门槛和基本标准。
如果一家自称人工智能的公司不具备以下能力，只能说该公司还没有准备好真正进入这个领域。
百度大脑是硬件基础、数据基础和算法能力的紧密结合。
它是云计算、大数据和人工智能三位一体。
它是百度技术战略的核心。
云计算是基础设施，大数据是燃料，人工智能是引擎。
他们共同推动“互联网物理化”，将数字世界的互联网技术和商业模式回归物理世界，全面改变社会。
云计算，其名在云端，是百度大脑最底层、最实质的部分。
它就是IaaS（Infrastruction as a Service，基础设施服务）。
百度大脑的超强算力就来自于这一层，它是一组高性能的计算硬件。
这支军队拥有数十万台服务器，采用先进的集群操作系统进行统一管理。
堪称人工智能超级计算机。
为了满足深度学习训练的需求，百度自主研发了GPU和FPGA（现场可编程门阵列）异构计算服务器。
单机可扩展至64张GPU/FPGA卡。
与传统服务器相比，密度提升16倍。
一台服务器就足够了。
完成千亿数据模型训练；百度率先开发了基于FPGA的人工智能处理器，可提供10 Tops的计算性能。
与主流20核服务器相比，计算效率提升60倍。
在人工智能和大数据应用中，可以实现普通服务器4至8倍的性能。
但百度的优势不仅仅是单机的优秀，还有系统的优秀。
优秀个体的融合形成了强大的整体作战能力。
GPU集群智能调度与资源管理系统，可实现计算、存储、网络资源的池化管理和动态调度，计算集群整体效率和平均利用率可达80%。
通过在线产品使用异构硬件，用户请求延迟降低至1/5，计算效率提高数十倍。
该系统涵盖国内最大的GPU/FPGA集群（全新芯片技术）、最大的HADOOP/SPARK集群（全新并发数据处理技术）以及运营效率最高的数据中心（全新异构计算技术、整柜服务器技术、G RDMA） （远程直接数据访问）通信技术和运维技术]马力十足，提供了发展人工智能所需的计算能力，基于多年服务于大型业务，例如通过搜索和服务。
视频技术，百度积累了大量的数据：数万亿的网页数据，数十亿的搜索数据，数百亿的视频、图像和语音数据，以及数百亿的定位数据，是人工等待的燃料。
人工智能发展的另一个基础条件是硬件和燃料，百度汇聚了全球顶尖的科学家和工程师，在理论和实践上不断创新，构建了全球最大的深度学习平台。
神经网络，支持万亿参数、千亿样本、千亿特征训练。
神经网络层数已超过1000亿。
层。
硬件实力、数据燃料和算法灵魂的结合，打造了百度的PaaS（平台即服务）。
百度PaaS的独特之处在于人工智能作为贯穿整个平台的横向服务。
通过深度学习和机器学习技术，结合超级计算、海量数据和优秀算法，在语音、图像、自然语言处理等方面具有突出能力，打造独特的知识图谱、用户画像和业务逻辑，为用户提供与完全打开。
用户可以方便地使用各种算法模块、开发工具、数据引擎来服务于自己的业务目的。
我们形象地将不同的平台称为天算、天象、天工，分别提供智能大数据、智能多媒体、智能物联网三个领域的服务。
在SaaS（Software as a Service，软件服务）的顶层，百度的人工智能可以很容易地凝结成很多垂直行业的解决方案，渗透到各行各业。
但我们更致力于与合作伙伴一起打造智能产业生态圈，比如教育云、金融云、交通云、物流云等。
我们认为，能否打造智能产业生态圈也是一个重要标准。
确定人工智能的价值。
除了硬件、数据、算法之外，还有一个重要的衡量标准，那就是人工智能企业的文化，即人工智能企业的“软实力”。
搜索技术是人工智能的先驱，也是通往互联网数字世界的最早门户。
其发展流程和技术核心为未来人工智能奠定了基础。
首先，搜索引擎必须处理大规模数据；其次，搜索引擎还必须具备大规模的机器学习能力。
由于数据规模太大，无法手动完成；最后，也是最根本的一点，搜索引擎的发展过程和工程开发文化与人工智能系统的发展非常一致。
它们都是基于数据，提取特征和模式，然后利用这种模式为用户带来价值。
搜索业务的人形成的协作关系、形成的业务能力和工作习惯非常适合人工智能业务的发展。
它们和海量数据一样，已经积累成了人工智能企业的文化。
所以陆奇在微软的做法是从Bing开始培养人才。
如果你做过Bing，你可以在任何其他部门做。
这些技术在搜索眼中都是非常简单的技术。
这种文化当然并不完美，但就像神经网络一样，它可以在正确方法的指导下不断发展和完善。