人工智能有很多分支，当前主流基本上围绕着神经元网络。

神经元网络模仿人类大脑的思维，其基本单元是神经元。神经元的数学表述不复杂，就是一条S形曲线。也就是说，在输入值从小变到大的时候，输出值从也从小变到大，但不是均匀地变，而是先慢、后快、再慢地变。

神经元这条S曲线有几个参数可调，一是可调“小”到底多小，“大”到底多大，二是可调S形的弯度，还有参数可以整体升高或者降低基线。“拉直”了，S曲线就和笔直的斜线差不多了，这时神经元的表现和传统的连续变量接近。“拧巴”到极点了，S曲线就和开关曲线差不多了，也就是说，输入值从小变到中的时候，输出值基本不变，保持在低位；但在中点前后急剧上升，一过中点，输出值就基本保持在高位了。这时，S曲线的表现和传统的断续变量接近。

S曲线可以在连续变量（像温度、水位）和离散变量（像“好/坏”、“开/关”）之间无缝过渡的特点，使得神经元既可以模拟连续变量，也可以模拟离散事件，这是人工智能更加“聪明”的关键。

单个的神经元还只是好玩的玩具，多个神经元组网起来，就可以模拟高度复杂的现象。一层一层的神经元网络组成高度复杂的网，这就是深度学习了，已经展现出令人类害怕的智能了。

什么是智能、人工智能vs人类智能可能会成为永恒的哲学问题，但对眼下来说人工智能已经远远超过简单重复人类智能的地步了。“阿尔法狗”大胜人类dingji围棋手成为里程碑式的转折，“阿尔法狗1.0”还是还是用人类最youxiu的棋局首先训练一遍然后在“自我琢磨”的，“阿尔法狗2.0”就是脱离人类棋局完全用自学习训练出来的。在更加“接地气”的层面上，人脸识别已经做到惊人的准确度和速度。