人工智能发展历程
页码：01无数据
1.6k91举报发布时间：2021-08-04人工智能发展历程人工智能亦称智械、机器智能，指由人制造出来的机器所表现出来的智能，通常人工智能是指通过普通计算机程序来呈现人类智能的技术。下图梳理了人工智能历史发展历程，值得收藏学习哦！
编辑于2021-08-0418:07:52打开APP，查看高清大图发展历程机器智能Rick人工智能的发展史
人工智能的发展史
人工智能的诞生
1943--1956
1937年，图灵发表了关于机器可以辅助数学研究的文章;1950年，提出了机器思维的问题，同年十月发表了论文《机器能思考嘛？》，这使得图灵获得“人工智能之父”的称号；1966年，为纪念图灵做出的贡献，美国计算机协会设立的图灵奖。
1943年，麦卡洛克-皮特斯提出MP模型，即最早的基于阈值逻辑的神经网络模型，这是感知器的原型，开创了人工神经网络研究的时代。
1946年，世界上第一台数字通用计算机诞生，奠定了人工智能的硬件基础。
1956年的达特茅斯会议首次提出了“人工智能”术语，标志着人工智能新学科的正式诞生。
人工智能的起步期
1956--1974
1957年，布拉特设计出第一个计算机神经网络--感知器。
1967年，最近邻算法出现。
人工智能的第一个低估
1974--1980
对项目难度的评估不足，导致承诺无法兑现，期望受到打击，资助机构相继撤资。
在七十年代，AI遭遇了批评，明斯基对感知器的抨击，使得神经网络的研究进入寒冬。
人工智能的应用发展期
1980--1989
1982年，约翰证明了一种新型的人工神经网络使得1970年以来遭人遗弃的连接主义重获新生，掀起了人们对神经元网络的热潮。
人工智能的第二个低估
1989--1993
从二十世纪八十年代末到二十世纪九十年代初，AI遭遇了一系列财政问题。
1987年，AI硬件市场的需求突然下滑
Apple和IBM公司生产的台式机性能不断提升，超越了Symbolics和其他厂家生产的昂贵的Lisp机。
人工智能的稳步发展期
1993--2006
1995年，瓦普尼克等人正式提出统计学习理论。
1997年，国际商业机器（IBM）的超级计算机“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫。
人工智能的蓬勃发展期
2006--至今
2018年，百度取得突破，使得语音识别准确率接近百分之九十八，并支持多张方言输入。
2017年十月机器人索菲亚被授予沙特公民身份，成为全球首个获得公民身份的机器人。
2015年，“端到端”技术兴起，语音识别进入了百花齐放的时代。
2012年，辛顿教授利用深度人工神经网络，在图像分类竞赛ImageNet上，以绝对优势战胜巨头谷歌。
2009年，语音识别进入DNN时代，走出了近十年的停滞状态。
2006年，杰弗里和他的学生在《科学》杂志上发表了文章，开辟了深度学习发展的时代，之后卷积神经网络的学习能力得到了关注。
人工智能的起源和人工智能发展历程
1.1图灵测试测试者与被测试者(一个人和一台机器)隔开的情况下，通过一些装置(如键盘)向被测试者随意提问。多次测试(一般为5min之内)，如果有超过30%的测试者不能确定被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。
1.2达特茅斯会议1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，
约翰·麦卡锡(JohnMcCarthy)
马文·闵斯基(MarvinMinsky，人工智能与认知学专家)
克劳德·香农(ClaudeShannon，信息论的创始人)
艾伦·纽厄尔(AllenNewell，计算机科学家)
赫伯特·西蒙(HerbertSimon，诺贝尔经济学奖得主)等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。
会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：“人工智能”，因此，1956年也就成为了人工智能元年。
2、人工智能发展历程人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
第一是起步发展期：1956年—20世纪60年代初。
人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
第二是反思发展期：20世纪60年代—70年代初。
人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空(例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等)，使人工智能的发展走入低谷。
第三是应用发展期：20世纪70年代初—80年代中。
20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
第四是低迷发展期：20世纪80年代中—90年代中。
随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
第五是稳步发展期：20世纪90年代中—2010年。
由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司(简称IBM)深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
第六是蓬勃发展期：2011年至今。
随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
猜你喜欢：
人工智能之个性化推荐之路
深度相机是什么？深度相机常见技术
如何解决分类中解决类别不平衡问题？
语言模型-BERT：bert算法介绍
传智教育人工智能培训课程
AI：人工智能概念之AI的发展历史图集合、AI发展思维导图之详细攻略
AI：人工智能概念之AI的发展历史图集合、AI发展思维导图之详细攻略原创一个处女座的程序猿2021-06-1520:39:50©著作权
文章标签AI人工智能机器学习文章分类人工智能
©著作权归作者所有：来自51CTO博客作者一个处女座的程序猿的原创作品，请联系作者获取转载授权，否则将追究法律责任AI：人工智能概念之AI的发展历史图集合、AI发展思维导图之详细攻略
目录
AI发展历史
AI发展思维导图
AI发展历史
1、人工智能三次浪潮
第一次黄金期：1956年Dartmouth会议，第一款神经网络软件Perceptron，第一款人工智能软件LogicTheorist。第二次黄金期：1980年，第一次AI冬天，Hopfield网络&BP算法，第五代计算机兴起。第五代计算机失败，DARPA削减投入。2000年，第二次AI冬天。第三次浪潮：深度学习(Hinton2006)。DNN在语义识别上的成功。CNN在图像上的成功。
AI发展思维导图
打赏赞收藏评论分享举报
上一篇：AI：华为云HiLensKit试用测评—全栈全场景的人工智能
下一篇：AI公开课：19.05.30 瞿炜-新东方AI研究院院长《做懂教育的AI：把未来带进现实》课堂笔记以及个人感悟
人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]《人工智能》—— 思维导图
来源|xingoo（ID:xingoo_ml）李开复写的这本书，主要讲述了什么是人工智能，面对人工智能我们要做什么，算是入门的科普书籍。
图片来源：豆瓣
全书共分为6个章节，6个主题：
人工智能现状人工智能发展历程人工智能对人类有威胁吗人工智能目前的典型应用场景人工智能带来的创新创业机遇人工智能时代教育与个人发展01
第一章人工智能来了
02
第二章AI复兴
其中有几个图非常好，一个是高德纳关于技术的路线图：
高德纳咨询公司（Gartner）技术成熟度曲线
如上图的曲线所示，一种新科技的研发过程通常是这样的：初创公司接受第一轮风投，开发出第一代产品，虽然不成熟，但足以吸引一批早期接受者——粉丝。在早期阶段，产品的优点被粉丝放大，大众媒体跟风炒作，将该技术推向一个充满泡沫的膨胀期。随着盲目的追捧者激增，跟风研发、生产的初创公司越来越多，产品的不足被无限放大，负面报道开始出现，供过于求的市场竞争中，大批跟风入局的初创公司不是被兼并，就是走向倒闭，只有少数拥有核心竞争力的坚持了过来。跌入低谷后，第二轮、第三轮风投资金注入大浪淘沙后仅存的中坚企业，新一代技术和产品也随之问世，整个技术曲线步入稳步攀升的平台期和成熟期，潜在用户的接受程度也从5%以下逐渐提升到20%到30%，初创企业和风投资本开始迎来高额回报。
另一个是深度学习中图像处理ImageNet的成绩，可以从中看出深度学习的发展：
2010年前后，准确地说，是从2006年开始，随着深度学习技术的成熟，加上计算机运算速度的大幅增长，当然，还有互联网时代积累起来的海量数据财富，人工智能开始了一段与以往大为不同的复兴之路。
2012年到2015年，在代表计算机智能图像识别最前沿发展水平的ImageNet竞赛（ILSVRC）中，参赛的人工智能算法在识别准确率上突飞猛进。2014年，在识别图片中的人、动物、车辆或其他常见对象时，基于深度学习的计算机程序超过了普通人类的肉眼识别准确率。
最后是一个深度学习乐园中体验什么是深度学习的图片，记忆很深刻，最初接触深度学习就是被这个流程图吸引到了。
这张图是谷歌著名的深度学习框架TensorFlow提供的一个网页版小工具做出来的，工具链接：
http://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.63881&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false，用人们易于理解的图示，画出了正在进行深度学习运算的整个网络的实时特征。
03
第三章人机大战
04
第四章AI时代：人类如何应对变革
本章一个重要的主题就是自动驾驶，这是目前人工智能最引人注目的焦点
关于人工智能在银行的多种应用场景的总结也不错：
最后一个是关于人类的金字塔层级模型，在人工智能发展的当下，金字塔势必会发生变化，而金字塔上层也会越来越膨胀，所以急需对当下的教育进行变革，来适应未来的发展。
05
第五章机遇来临
在AI时代，这是一个连猪都能飞起来的风口，一波又一波的创业浪潮，在一阵虚幻之后，我们应该思考到底什么才是这个时代的产物。下图中关于人工智能的布局也是非常全面了：
06
第六章迎接未来
这本书算是不错的人工智能科普读物。李开复自己说他生错了时代，如果是现在这个时代，他会创造出更多优秀的算法和模型。
在AlphaGo打败李世石，ImageNet深度学习大放光彩后，人工智能深度学习就开始新一轮热潮，有人担心AI会毁灭人类，有人担心AI会取代人类造成大面积的失业。前者过于乐观，其实人工智能里超人工智能还有很长的一段路要走，机械姬当中的有意识的机器人，还在遥远的未来；后者则有些悲观，因为从第一次工业革命到最近的信息革命，虽然工作被大量的机器信息自动化所取代，但是随之而来也会有更多的新职位。
因此，不需要过于悲观或者乐观，在AI当下的时代，我们只要保持独立思考的个性，乐观的面对新世界就好，借用书的最后一句话——“有思想的人并不会因为AI黯然失色，因为我们全部的尊严就在于思想”。
星标我，每天多一点智慧
返回搜狐，查看更多