2016年AlphaGo掀起人工智能热潮。作为程序员，我们更关心：如何在软件中应用AI？
核心认知：AI的目标是增强智能（IA），而非替代人类。 AI并非新概念，早年受限于算力，近年云计算与大数据让其可用性大增。但图像、语音识别的突破只是让机器更聪明，远未达到人类水平，作为智能助手更合适。
概念关系：AI是让机器像人思考的大概念；机器学习是实现AI的方法，用算法解析数据、做出预测；深度学习是机器学习的一种，模拟神经网络，用海量数据训练；统计学是机器学习的基础。应用AI是计算机、统计、知识工程与行业知识的交叉。处理结构化数据优先用统计学方法，非结构化数据（图像、视频、文本）优先用深度学习。入门需补线性代数、数理统计与Python。
增强智能的三个层面：
机械智能：事先设定规则，让计算机完成重复计算，以规则为核心。
实现意图智能：人知道结果，但不告诉计算机规则，通过数据训练让其自己找规则，计算机成为黑盒。
创造意图智能：让计算机自己发现人未知的新知识，这是最向往的场景。
实践需思维转变：不能再用制定规则的方式指挥计算机，而要训练它自己找规律。例如我们梳理数据架构时，用字段特征向量与相关系数自动查找外键关系，替代人工遍历，通过数据训练找到合适模型与算法。
从智能连接入手：软件架构分而治之带来集成挑战，集成复杂度影响系统研发。我们可从数据+连接方向探索AI应用：大数据团队用知识图谱实现数据自服务，移动团队用深度学习实现UI智能化开发。前者通过自然语言处理建立知识图谱，梳理技术元数据，建立映射关系；后者通过图像识别设计稿组件，生成一致代码，并配合强化学习提升工程化能力。
