一、人工智能技术的定义
人工智能技术是让机器取代人从事复杂生产劳动的一类信息技术。
如果一项技术不是信息技术，那么它并不属于人工智能技术的类别。大工业时代的纺织机、织布机等许多机器同样可以取代人从事复杂生产劳动，但它们与信息技术无关，因此不属于人工智能技术。丰富的数据材料，让信息技术在当今的时代扮演着举足轻重的角色，而其中让机器可以从海量数据中自学习的技术便属于人工智能技术。
如果一项信息技术不能让机器彻底取代人，依靠机器独立地创造价值，那么无论这项技术能带给我们多么有效的信息，它还不能算作人工智能技术。对数据进行加工、处理和分析的数据分析或数据挖掘技术的确可以让我们有效地掌握数据背后的信息，但是如果这类技术不能让机器独立创造价值，那么它们还不具备人工智能技术的基础特质。事实上，数据分析或数据挖掘技术固然重要，但它们往往无法作为独立的产品形态而存在，并且它们创造价值的范围往往是受技术使用者的主观能力局限的。
如果一项信息技术不能创造社会价值(即对他人创造价值)，那么无论它表面上如何重要，它都不属于真正意义上的人工智能技术。人工智能技术是那些可以创造社会价值的信息技术，至于它们以何种方式创造社会价值，将在以下部分逐一介绍。不仅如此，拥有人工智能技术的机器所取代的往往不是人的简单生产劳动，而是人的复杂生产劳动。如果说工业革命中的机器取代了人在一定范围内的体力劳动，那么人工智能技术让机器取代了人在一定范围内的脑力劳动。对人的脑力劳动的模仿、补充和部分取代，正是人工智能技术有别于历史上其他重要技术的关键之处。
二、作为起点的经验
人工智能技术发展的起点，是人在生产劳动过程中经验的积累。
在人工智能技术体系中，专家系统和机器学习技术扮演着最重要的角色，所以我们将着重分析人工智能技术的这两个分支。无论是专家系统还是机器学习，它们的本质都是将人的经验以不同的形式转化为让机器可以独立决策的计算机算法。
在专家系统中，针对待解决的问题，人将与问题相关的经验转化为一系列逻辑规则，由计算机依据这些逻辑规则进行决策。因此，专家系统也叫做规则引擎。专家系统所使用的逻辑规则不仅包括与问题相关的“自变量”，还包括与自变量有关的参数的设定。例如，假设待解决的问题是对变量y进行分类(变量y一般被称作“目标变量”)，x1和x2为与问题相关的自变量，专家系统的逻辑规则具有如下形式：当x1 > Θ且x1 + x2 < Δ的时候，y ϵ C1。其中，Θ和Δ为与自变量相关的参数。不难看出，专家系统需要人的经验覆盖解决问题的所有细节，不仅包括选择合适的自变量(x1和x2的选择)，还包括与自变量相关的参数的设定(Θ和Δ的设定)。前者属于定性分析，后者属于定量分析。
作为人工智能技术的另一个分支，机器学习技术是从历史数据中建立模型，通过模型让机器可以自行决策的一项技术。机器学习技术的基础是统计学，而机器学习技术的核心便是从数据样本中寻找自变量和目标变量之间的量化关系。和专家系统一样，机器学习技术也需要由人来设定自变量，但机器学习技术是基于模型来计算与自变量有关的参数。在以上的例子中，机器学习技术可以同样使用x1和x2对y进行分类决策。但是，机器学习技术并不需要对参数Θ和Δ进行预先设定，而是将参数设定的任务交给模型去完成。同时，这个模型的建立需要一定量的历史样本，每一条历史样本不仅包括x1和x2的所有数值，还包括目标变量y的历史结果。
显而易见，专家系统和机器学习技术的目标是一致的，都是让机器可以自行决策。并且，无论是专家系统还是机器学习技术，二者都需要人的经验作为机器可以自行决策的输入材料。不同的是，专家系统所需要的经验材料更加具体，机器学习所需要的经验材料更加抽象。表面上看，专家系统仅需要少量经验材料，而机器学习需要大量数据材料。事实上，我们需要提供给专家系统的经验材料是浓缩了的数据，而我们需要提供给机器学习的数据材料是尚未浓缩的经验。二者都是经验材料，二者也都是数据材料。前者侧重经验材料质的部分，后者侧重经验材料量的部分。顺便提一下，人们常常有一种错觉，认为机器学习技术应用效果的好坏程度主要依赖于输入给它的数据的大小——数据越大，机器学习技术的效果越好。实际上，输入给机器学习技术的数据如果不能有效地捕捉经验，这些数据不仅没有作用，甚至会产生副作用。专家系统与机器学习两种不同的技术，均有它们的适用范围。如果人对需要解决的问题具有详细的定性和定量的经验，那么专家系统往往更容易有效地解决问题。如果人对问题的经验并不充足，但可以获取一定量的历史样本，那么机器学习技术往往更有优势。
人工智能技术发展的起点是人的经验积累到了一定程度，而人工智能技术发展的终点是机器在逐渐增大的范围内取代人进行复杂生产劳动。在经验积累的初期，人的经验可以被总结为这样或那样的逻辑规则的时候，专家系统让机器在特定范围内取代人进行复杂生产劳动。随着经验积累的增加，人的经验材料的质的不足，便由经验材料的量的丰富来替代，机器学习技术让机器在更大的范围内取代人进行复杂生产劳动。人工智能技术的发展过程，也是机器可以使用的经验材料范围的扩大过程，同时也就是机器在更大范围内取代人进行复杂生产劳动的过程。
三、经验的演变
经验是人工智能技术发展的源头，人工智能技术也反过来让经验在更大的范围内发挥作用。
在绝大多数行业发展的初级阶段，人的生产劳动往往是主观的。只有当人的生产劳动的实际活动量积累到一定的程度之后，才具备积累行业经验的先决条件。经验材料的积累过程，也就是人的理性从实践中进行抽象的过程。这种从实践到理性的过度，是人进行生产劳动的一个重要飞跃，并且这种飞跃的客观结果就是经验材料的沉淀。
然而，经验材料的全面应用，仍旧受作为劳动主体的人的生命力的局限。人工智能技术的出现，让机器可以取代人进行复杂生产劳动。即便在人工智能技术在一个行业应用中尚未完全成熟的阶段，在机器还只是部分地取代人进行生产劳动的时候，人也在一定程度上获得了额外的时间。机器为人在生产劳动上所节省的时间，让人可以耗费更少的时间直接面对劳动对象，而拥有更多时间从经验中提炼专家系统所需要的逻辑规则和机器学习技术所需要的数据。不仅如此，人还可以从人工智能技术在实际应用中的结果来判断，在人工智能技术应用过程的哪些步骤，机器最需要经验的指导。以前，是人有什么经验材料，机器便使用什么经验材料;现在，是机器需要什么经验材料，人便可以主动地创造获得这些经验材料的条件。因此，人工智能技术在一个行业生产线的应用，让机器需要的经验材料的收集与使用不再是割裂的步骤，而形成了一个统一的整体。而且，人越是有的放矢地为机器提供合适的经验材料，机器为人带来的时间节省便越是明显。人越是从日常的繁琐劳动中被释放出来，也就越是有条件积累更丰富的经验材料。可见，人工智能技术的发展，不仅增加了可以被机器使用的经验材料的范围，也给经验材料的源源不断的供给带来了额外的刺激。
我们知道，一个完整的行业生产线包括多个局部的生产环节。在人工智能技术发展的初期，机器所吸纳的经验材料往往是从局部生产环节中积累起来的，而这些局部的经验材料往往都是孤立的，彼此之间的联系纯粹是偶然的。随着人工智能技术的发展，每个局部生产环节的机器劳动的日益完善，机器如何在不同局部生产环节形成一个统一的机器体系的需要便越发强烈了。马克思说，“需要是同满足需要的手段一同发展的，并且是依靠这些手段发展的。”(马克思《资本论》(第一卷)(第十四章))这在人工智能技术的发展过程中，是尤为如此的。当同一个机器体系作用于行业生产线中不同局部生产环节的时候，每一个生产环节完成任务的时间往往是可以预估的，每一个生产环节所起到的作用和它对其他相关生产环节的影响也是可以规划的。此时，不同局部生产环节的协作经验，便逐渐积累起来了。随着人工智能技术在一个行业生产线应用的成熟，机器对经验材料的需要，逐渐地从局部趋向于整体，从微观趋向于宏观，从特殊趋向于一般。因此，人工智能技术从不同的局部生产环节延伸至一个完整的行业生产线的过程，也就是经验材料在更大范围内转化为一个整体的生产体系的过程。
由此可见，随着人工智能技术的发展，经验已经产生了根本的变化。经验材料的演变，是伴随着人工智能技术的成熟一起发展的，并且是借助人工智能技术的发展而发展的。以前，经验是如何让人更有效地进行生产劳动的经验;现在，经验是如何让机器更有效地进行生产劳动的经验。以前，经验是对人的劳动行为的理性总结;现在，经验是对机器局部劳动和整体劳动的动态规划。
四、作为终点的机器
人工智能技术发展的终点，是让机器可以独立于人，自发地、不间断地为生产劳动创造价值。
人工智能技术，让机器具备了从经验材料中自学习的能力，从而大幅度增加了机器进行生产劳动的广度和深度。正是这种自学习能力，让机器成为了许多行业中价值创造过程中的主角。人工智能技术有别于其他信息技术，并不是由于人工智能技术在其内容上的优越性或特殊性，而是人工智能技术所赋予机器在生产劳动或价值创造过程中的独立性。
传统的信息技术是机器为人提供帮助，由人来完成最终的生产劳动;人工智能技术将这个过程颠倒了过来，是人为机器提供帮助，由机器来完成最终的生产劳动。之前，人是价值创造过程的主要角色，机器是人的工具;现在，机器是价值创造的主要角色，人是机器的工具。人工智能技术绝非仅是一种让人增加技能和可以从事更复杂生产劳动的特殊工具。恰恰相反，在机器逐渐扩大价值创造范围的过程中，辅助机器进行生产劳动的人所需要的技能要求越来越低了。
一个完整的行业生产线一般是由多个互相关联的局部生产环节所组成的。再聪明的机器也无法一下子取代一个行业生产线中所包含的全部生产环节。在一个行业被人工智能技术所改造的过程中，机器往往首先从一个局部的生产环节开始发挥作用，让机器取代人的劳动首先局限于这一个生产环节。起初，机器对人局部劳动的取代所造成的生产效率的提升往往是不起眼的，人们也最容易在这个最初的环节质疑使用机器的实际意义。然而，只要机器取代人占领了一个局部生产环节，机器对与这个生产环节相关的其他生产环节的占领便成为了一个不可阻挡的趋势。
在一个完整的行业生产线中，如果机器和人同时在不同的局部生产环节进行生产劳动，机器与人之间的协作便产生了阻碍。相比人与机器之间的协作，机器与机器之间的协作更具有连续性的特点，其过程是完全由科学规律来支配的。在这种摆脱了人的主观局限的科学生产过程中，每一个局部生产环节所需要的时间及全部生产环节所需要的时间便可以事先估算出来了。在人工智能技术应用于一个行业生产线的过程中，人的生产劳动的主观性逐渐消逝于机器生产劳动的客观性中，人的局部的生产劳动逐渐融合于机器的集中的生产劳动体系。由此可见，人工智能技术发展的结果，不仅体现于机器在一个局部生产环节中可以独立地创造价值。人工智能技术发展的结果，也体现于机器体系在一个行业生产线中的多个局部生产环节中，以科学的方式进行有机地协作。
本文转自51CTO，本文一切观点和机器智能技术圈子无关。原文链接
在线免费体验百种AI能力：【点此跳转】