人工智能就是要用人工模仿智能，本质上，这是一门仿生学。
先看看我们人类的智能是怎么形成的，然后思考如何仿生。
照例先看看神经元词条的解释：神经元即神经元细胞，是神经系统最基本的结构和功能单位。分为细胞体和突起两部分。细胞体由细胞核、细胞膜、细胞质组成，具有联络和整合输入信息并传出信息的作用。突起有树突和轴突两种。树突短而分枝多，直接由细胞体扩张突出，形成树枝状，其作用是接受其他神经元轴突传来的冲动并传给细胞体。轴突长而分枝少，为粗细均匀的细长突起，常起于轴丘，其作用是接受外来刺激，再由细胞体传出。轴突除分出侧枝外，其末端形成树枝样的神经末梢。末梢分布于某些组织器官内，形成各种神经末梢装置。感觉神经末梢形成各种感受器；运动神经末梢分布于骨骼肌肉，形成运动终板。
神经元是最基本的智能单元，每个神经元可以将多个输入信息处理成一个输出信息。
对神经元进行数学抽象，得到称为感知机的模型：
感知机也是最基本的人工智能单元，可以有多个输入信息，处理成一个输出信息，是对神经元细胞的数学模拟。
神经元和感知机的关系如下图：
大量的神经元简单的链接在一起，就构成了大脑。信息通过神经元的处理，然后经过多个神经元的传递，最终留存在大脑中，并可以对这个信息给出一个合适的反馈，由此涌现出了智能。人类大脑和动物大脑都是由神经元构成，最显著的区别是脑容量，人脑包含的神经元数量远远超过动物大脑。换句话说，人之所以聪明，最重要的原因是人脑拥有比动物多得多的神经元细胞。
简单理解就是，只需要把大量简单的神经元进行“无脑”堆砌，就可以足够“聪明”。
那么，把大量的感知机经过简单粗暴的堆砌，是否可以产生智能呢？
答案是肯定的，这也是几十年来，深度学习的探索者们研究的问题。幸运的是，经过这些年的起起伏伏，目前的人工智能领域，深度学习方向已经基本一统江湖，成为主流。
深度学习的成功，又一次验证了越是复杂理论本质越是简单的逻辑。
人工智能的发展，由前期机器学习时代的各种算法百花齐放，貌似越研究越深入越牛B的算法科学家们，最终撞上了简单粗暴的深度学习的南墙。只需把数据输入简单到小学生水平的线性感知机，激活后，经过无数层的简单迭代，就涌现出惊人的智能。细想一下，人类的大脑里面也没有那么多复杂的弯弯绕绕，但把几百亿的神经元连接起来，就具备了那么复杂算法的思考能力。殊途同归。
类似的例子数不胜数，能解决无数复杂问题的计算机，最底层不就是简单到不能简单的0和1么！如果当时计算机的设计者们在设计最底层逻辑的时候，自作聪明的把加减乘除等基本运算都加上，还能构建起现在的网络世界么？
再来，超级计算系统从之前的大型机、小型机，逐步演变成一大堆普通的pc机构建大数据平台，不也是问题逐步简单粗暴的鲜明例子么！
这世界如此丰富多彩，但归根结底多是简单到极致的原子、分子构成，再雄伟的高楼大厦也都是由一砖一瓦堆砌而成。
这世界本不那么复杂，是我们自己把它搞复杂了。
总结当然，我们对人类大脑的探索还远未达到预期，人为什么聪明这个谜尚未解开。同样，深度学习为什么涌现出智能，这个问题也暂时没有确切的证明，这一切，都需要AI领域的科学家们继续探索。
注：
- 大道至简，坚信复杂的理论背后，都有一个简单的道理。
- 5分钟原则，知识碎片化，一篇小文能讲清一个事儿就满足了。
