人工智能的发展历程思维导图
人工智能的发展历程
人工智能的诞生
(1943-1956)
1956年的达特茅斯会议首次提出了“人工智能”这一术语。
该术语标志“人工智能”新学科的正式诞生。此外会议给了“人工智能”的第一个准确的描述。
2006年，达特茅斯会议50年后，当事人重聚。
人工智能的起步期
(1956-1974)
达特茅斯会议之后出现了AI发展第一次浪潮。
1957年，罗森·布拉特基于神经感知科学背景，设计出了第一个计算机神经网络——感知器（theperceptron），它模拟了人脑的运作方式。
1967年，最近邻算法出现，这使得计算机可以进行简单的模式识别。
人工智能的第一个低谷
(1974-1980)
到了70年代，AI开始遭遇批评，随之而来的还有资金上的困难，同时，马文·明斯基对感知器的激烈批评，此后神经网络的研究进入了寒冬（直到1980年才再次复苏）。
人工智能研究者们对项目难度评估不足，导致了承诺无法兑现，人们当初的乐观期望遭到严重打击，向AI提供资助的机构（如英国政府和NRC）对无方向的AI研究逐渐停止了资助。
人工智能的应用发展期
(1980-1989)
1982年，物理学家约翰·霍普佛德证明一种新型的人工神经网络使1970年以来一直遭人遗弃的连接主义重获新生，掀起了人们研究人工神经元网络的热潮
人工智能的第二个低谷
(1989-1993)
从20世纪80年代末到20世纪90年代初，AI遭遇了一系列财政问题。
1987年AI硬件的市场需求突然下跌。Apple和IBM公司生产的台式机性能不断提升，其性能已超过了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）公司的超级计算机“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)
2006年，杰弗里·辛顿教授和他的学生在《科学》杂志上发表了文章，开辟了深度学习发展的时代。在深度学习提出后，卷积神经网络的表征学习能力得到了关注。
2009年，语音识别进入了DNN时代，走出了近十年的停滞状态；2015年以后，由于“端到端”技术兴起，语音识别进入了百花齐放时代；2018年，百度在这之上获得突破，使得语音识别的准确率接近98%，并支持多种方言输入。
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。
人工智能各层思维导图
人工智能各层思维导图基础层GPU随着CPU摩尔定律的终止，传统处理器的计算力已远远不能满足海量并行计算与浮点运算的深度学习训练需求，而在人工智能领域反应出强大适应性的GPU成为标配。GPU比CPU拥有更多的运算器（ArithmeticLogicalUnit），只需要进行高速运算而不需要逻辑判断，其海量数据并行运算的能力与深度学习的需求不谋而合。因此，在深度学习上游训练端（主要用于云计算数据中心），GPU是第一选择。目前，GPU的市场格局以英伟达为主（超过70%），AMD为辅，预计3～5年内GPU仍然是深度学习市场的第一选择。
FGPAFPGA是现场可编程门阵列。下游推理端更接近终端应用，更关注响应时间而不是吞吐率，需求更加细分。目前来看，下游推理端虽可容纳GPU、FPGA、ASIC等芯片，但随着AI的发展，FPGA的低延迟、低功耗、可编程性（适用于传感器数据预处理工作以及小型开发试错升级迭代阶段）将凸显出来。在FPGA的市场份额中，Xilinx为49%，主要应用于工业和通信领域，近年亦致力于云计算数据中心的服务器以及无人驾驶的应用。Altera（已被英特尔收购）的市场份额约为40%，定位跟Xilinx类似。莱迪斯半导体（LatticeSemiconductor）的市场份额约为6%，主要市场为消费电子产品和移动传输，以降低耗电量、缩小体积及缩减成本为主。Microsemi（Actel）的市场份额约为4%，瞄准通信、国防与安全、航天与工业等市场。目前，Altera的FPGA产品被用于微软Azure云服务中，包括必应搜索、机器翻译等应用中。
ASICASIC是ApplicationSpecificIntegratedCircuit的英文缩写。AI芯片的计算场景可分为云端AI和终端AI。英伟达首席科学家WilliamDally将深度学习的计算场景分为三类，分别是数据中心的训练、数据中心的推断和嵌入式设备的推断。前两者可以总结为云端的应用，后者可以概括为终端的应用。终端设备的模型推断方面，由于低功耗、便携等要求，FPGA和ASIC的机会优于GPU。终端智能芯片的一个经典案例是苹果的A11神经引擎，它采用双核设计，每秒运算次数最高可达6000亿次。2017年9月，苹果发布了iPhoneX，搭载64位架构A11神经处理引擎，实现了基于深度学习的高准确性面部识别解锁方式（FaceID），并解决了云接口（Cloud-BasedAPI）带来的延时和隐私问题，以及庞大的训练数据和计算量与终端硬件限制的矛盾。
TPU随着人工智能革新浪潮与技术进程的推进，AI芯片成了该领域下一阶段的竞争核心。2016年5月，谷歌发布了一款特别的机器学习专属芯片：张量处理器（TensorProcessingUnit,TPU），2017年又推出了它的第二代产品（CloudTPU）。据谷歌称，第一代TPU仅能够处理推理任务，而第二代TPU还可以用于机器学习模型的训练，这个机器学习过程中重要的部分完全可以在单块、强大的芯片上进行。
SOCSOC（SystemonChip），指的是片上系统，MCU只是芯片级的芯片，而SOC是系统级的芯片，它既MCU（51，avr）那样有内置RAM，ROM同时又像MPU（arm）那样强大的不单单是放简单的代码，可以放系统级的代码，也就是说可以运行操作系统（将就认为是MCU集成化与MPU强处理力各优点二合一）。SOC，是个整体的设计方法概念，它指的是一种芯片设计方法，集成了各种功能模块，每一种功能都是由硬件描述语言设计程序，然后在SOC内由电路实现的；每一个模块不是一个已经设计成熟的ASIC“器件”，只是利用芯片的一部分资源去实现某种传统的功能。这种功能是没有限定的，可以是存储器，当然也可以是处理器，如果这片SOC的系统目标就是处理器，那么做成的SOC就是一个MCU.
简述人工智能的发展历程图
近年来，人工智能已经进入我们生活的方方面面，如智能导航、图像识别等等。事实上，人工智能的开发早在1914年便已开始。不可否认的是，经过一个世纪的起伏，人工智能变得越来越聪明。
什么是人工智能
据麻省理工最新报告《亚洲人工智能议程》，人工智能是指一些不断演变的技术，使得计算机可模拟人类思维的元素，其中包括学习和推理。例如谷歌定期改进搜索算法，是来自一种机器学习、一种通过编程使系统能够从数据学习，并找到模式，从而进行预测的人工智能。这种技术也是语音和图像识别，以及无人驾驶汽车发展的关键。
近来该领域的一项改进，是一种成为深度学习的机器学习形式。人类大脑中的神经元和突触因为新的输入而变化，而这种新技术松散建模于这种方式，并且已被独立使用或与其他人工智能组合，以帮助机器处理棘手的任务和展示类似直觉的东西，在某些情况下，甚至能够比人类更好地执行任务。如在人脸识别的能力上，有时计算机要比人类好。
*资料来源：《MITTechnologyReview》的AITakesOff(人工智能起飞)商业报告
人工智能发展史
1914
西班牙发明家LeonardoTorresyQuevedo首次发表ElAjedrecista，这台机器的机械设计中集成了一个简单的算法，使得它可以自动下棋。后来它被称为世上第一个计算机游戏。
1943
神经科学家WarrenMcCulloc
《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