今天人工智能方面，到底什么是最有价值的一些技术呢？

我们从上到下来罗列的话，最最重要的是监督式学习。

 给它很多很多数据喂它，这些数据都是带标签的，通过他自己算出来结果，跟标签进行对比了之后，它就知道什么叫做狗和猫的区别等等。

在人工智能里面，监督式学习是占到百分之九十几的重要性，转移式学习是第二种技术。

转移式学习就是我学会了怎么去判断狗和猫之后，我可能拿这种智能来帮我判断今天即将要下雨还是不下雨。

它有一种从某个场景转移到另一个场景的能力，这也是一种学习的技术。

非监督式学习，比如我们给了很多数据给到这个电脑，但是这个数据没有带标签，电脑自己学会找出来。

有一个叫吴恩达的一个人，他解决了这个问题，他让电脑看很多很多的YoutTube里面的视频，然后电脑就学会了什么叫做猫，它没有得到这个标签，你没有给它打标签它也能够自己发现，这叫非监督式的学习。

非监督式学习在学术界很热门，但是目前的实际应用还比较少，因为它需要消耗的计算能力，需要的数据都特别大。

加强式学习，一般用在语言处理，后面的成果可以加强对前面的理解，随着新的东西进来它不断的会加强，这叫加强式学习。

还有比如说像对抗式学习，就是我刚才讲的AlphaGo的zero，就是它自己在大脑里头，它扮演黑子和白子，然后两个对抗，在这过程中它自己给自己下很多的棋，然后通过下很多的棋的结果，然后来判断什么是最好的下棋的一个策略。

目前的主流的都是监督式学习，因为人工智能的大的这个主题下面，主要是机器学习，机器学习下面最主要的是深度学习，而深度学习下面最重要的是监督式学习，那么监督式学习最最重要一点就是要有数据，而且这些数据要带标签。

今天我们看到很多互联网公司，比如说百度、谷歌、亚马逊、Facebook，它们都在开源自己的一些算法，把它们做的一些神经网络的算法在互联网上，在GitHub上面开源出来。

它们开源出来之后，它们不担心竞争力缺少吗？它们不担心，因为你光有这些特殊的算法没用，你得有数据，它们是每天都在获得数据的。

我给大家举个例子，百度，它就像是一个超人一样，它在背后观察你，你打开百度的首页，然后你在输入框里面输入一个单词，比如说输我的名字，殷建松，然后他就会生成一个结果给你。

上面有很多链接，然后你在看这些链接的时候，你在大脑思考你要点哪个链接，这个时候其实这个电脑也在观察你，它会看你没有点前面两个，你点了第三个，它就知道第三个可能是比较有趣的，下次它再有人搜索殷建松这个关键词的时候，它有可能把第三个就放在前面。

所以电脑它是在学习，这就是人工智能最大的跟以前的不同之处，就是它在学习我们每个人的行为，它就像一个无所不在的上帝一样，就他在观察你，在看你。

我不知道大家有没有感觉到，我们人类越来越成为被算法驱动的动物。

如果你今天做滴滴司机的话，你就很明显，滴滴告诉你下一个客人在哪儿，你得按照它的要求把车开过去，开到那边去，把这个客人接上。

如果说今天你开一辆车，开到一个很大的shiopping mall地下的车库，要把车停哪里的话，现在有很多的指路牌，他会指出来左拐、右拐，怎么拐停在哪儿，全是由机器控制的。

它比你要厉害，因为他有统筹规划的能力，他掌握的数据之多我们人是不知道的。