以往算法是定死的，遇到A情况做出什么反应，遇到B情况做出什么反应。这些都是人类事先写好的，遇到特定情况作出特定反应。而人工智能的算法是机器会自己学习，会根据训练的数据做调整，到最后甚至能够在特定领域做出特定的判断。
第四范式创始人戴文渊说，人工智能是个高门槛行业，对于大多数中国的企业而言，人工智能依然“深不可测”。
其实，人工智能的“高门槛”不仅是对于从业者，对于这个行业的媒体人、投资人或者想了解、进入这个行业的人群，“入门”都是一件非常困难的事情。比如很多人还分不清楚机器视觉与计算机视觉有何区别，大数据是不是指数据越多越厉害，深度学习和强化学习有什么区别……
为了彻底弄清楚这些入门级问题，亿欧采访了云从科技CEO周曦和前英特尔架构工程师Mask。
1、计算机视觉和图像处理有什么区别？
“图像处理是指输入输出都是图像，而计算机视觉是指输入是图像，输出的是其他信息”云从科技CEO周曦说。
举个例子。我们在用PhotoShop处理图像的时候，输入的是一个图像，输出也是一个图像，只不过输出的图像是用滤镜修饰过，这类是图像处理。
如果输入是一个图像，而输出是一个信息，例如“张三”，那么这种就叫计算机视觉。
当然，图像处理和计算机视觉在很多处理方法上可能会有一致的地方，但是处理结果不同。
2、计算机视觉VS机器视觉
“计算机视觉和机器视觉是两种叫法，没有本质的区别”周曦说。
如果真要区分的话，计算机视觉和机器视觉应用场景的侧重不同，一个侧重人工智能分支，一个侧重工业应用。
计算机视觉主要是对质的分析，比如人脸识别，车牌识别；或者做行为分析，比如人员入侵，徘徊，遗留物，人群聚集等。
机器视觉侧重工业应用，比如通过机器视觉测量一个零件的直径、测量铁路道岔缺口等，主要是针对一些对准确度要求很高的项目。
3、相比于其他生物识别技术，人脸识别有哪些优势？
云从科技相关负责人介绍，人脸识别技术是一项新兴的生物识别技术。由于人脸具备有不可复制、采集方便、不需要被拍者的配合而广受欢迎。
相比于其他生物识别技术，人脸识别具有三大独特的优势：
非接触式采样。被测者不需要与采集器接触就可以将面相资料输入到计算机中，这种方式不仅方便了使用者，同时也在一定程度上提高了采集器的寿命。
无需被测者的配合。被测者在毫不知情的情况下被采样录入并进行识别对比。这一特点使得人脸识别技术成为公共安全监控方面的理想选择。可以利用这一点，在公共场合或机要部门的出入口做实时对比识别，查找特定的人员。
人脸识别更方便、直观。人脸照片能够很方便地进行人工鉴定判断，无需专业人士做鉴定。这使得当用户需要核对历史记录中的人员时，能够更方便、直观地进行人工判别。
深度学习的本质是各种神经网络，从最早最简单的感知机，再到多层神经网络，深度学习一直在不断迭代。2012年，人工智能专家吴恩达在供职于谷歌期间开发了神经网络系统，成功识别出小猫。吴恩达取得突破的方法是扩大神经网络的规模，增加更多的分层和神经元，并利用海量数据对系统进行训练。
机器学习是用算法解析数据，通过大数据不断训练，具有对发生的事情做出判断和预测的能力。在过去几年里，机器学习出现很多算法，包括决策学习、归纳逻辑程序设计、聚类分析、强化学习、贝叶斯网络等，而深度学习神经网络只是其中一种。
总之，人工智能是一种终极目标，让机器展现出人类的智力；机器学习是实现人工智能的一种方法；深度学习是机器学习中的一类算法。
云从科技CEO周曦解释，深度学习是一个比较大的名词，实际上是指我们用比以前大得多的神经网络。以前的神经网络是3-4层，但是现在能做到几十、上百层的神经网络；在计算参数方面，深度学习从以前的几百几千到现在有上亿的数量。
而强化学习是在深度学习体系里面，它主要是针对某一个问题的解决方法，而根据不同的问题又有专门不同的算法。从一定意义上来看，深度学习从概念上是包含强化学习的。
6、AI算法与以往算法有什么不一样？
“以往算法是定死的，遇到A情况做出什么反应，遇到B情况做出什么反应。这些都是人类事先写好的，遇到特定情况作出特定反应。而人工智能的算法是机器会自己学习，会根据训练的数据做调整，到最后甚至能够在特定领域做出特定的判断”前英特尔架构工程师Mask说。
举个例子。当人类驾驶汽车时，如果看到前方有车就会踩刹车，这是根据特定条件下命令给机器，让机器做出对应的动作。
然而，现在的人工智能算法会把各种情况的数据丢给机器，人类只下达机器指令，例如你下达“避免与机器碰撞”的指令，机器收到指令之后，会用这些数据，做出对应的判断。它的行为不是人类告诉的，是数据驱动的。
Mask解释，机器学习其实是从人类来的，比如人类在学开车的时候，并没有人告诉你在什么情况下该怎么开。现在科学家让机器去模仿人类开车，久了之后就会模仿人类开车，这就是现在人工智能的算法。
当然，如果数据上不足，人工智能的算法在某些情况下的判断是模糊的，如果数据足够的话，可能会做到超越人类精准度的判断。
大数据是人工智能的基础，也是这一次AI浪潮兴起的主要原因之一。当今世界正在逐渐成为一个数字化时代，比如你每一次浏览网页、网购商品、跑步健身等都会被记录下来。但这些数据收集的真正价值，还取决于怎样挖掘和分析这些数据。
维克托·迈尔-舍恩伯格在《大数据时代》一书中说到：在大数据时代已经到来的时候，要用大数据思维去发掘大数据的潜在价值。
举个例子，当你在淘宝或者京东商城上浏览商品，平台就会不断地弹出相关信息，这背后就是通过大数据分析进行有针对性的推荐。
业内人士表示，数据应用的周期可以划分为七个步骤：发现、获取、加工、筛选、集成、分析和揭露。人们会把大部分的注意力放在分析和结果量化的最后阶段，这也是大数据产生商用价值的阶段。另外，大数据的质量也非常重要，只有真实、准确的数据才能真正利于算法模型的迭代。
