人工智能的十个里程碑事件，你知道几个
本文系网易智能工作室（公众号smartman163）出品。聚焦AI，读懂下一个大时代！
【网易智能讯9月27日消息】人工智能是一个非常重要和复杂的领域。关于人工智能的里程碑式事件，这里我们盘点了你应该知道的十个。
将人工智能（AI）压缩到10个“需要记忆的时刻”并不容易。在数以百计的研究实验室和数千名计算机科学家的帮助下，编制一份每一项具有里程碑意义的成就的清单，都将是一份智能算法的工作。然而，我们已经仔细研究了历史书籍，为你带来了人工智能历史上最重要的10个里程碑式的发展。
一、神经网络的诞生
你可能已经听说过神经网络，在当今最先进的人工智能背后，是大脑激发的人工智能工具。你可能已经听说过神经网络，这是一种当今前沿人工智能背后受大脑启发的人工智能工具。虽然像深度学习这样的概念是比较新的，但它们背后的理论体系可以追溯到1943年的一个数学理论。
WarrenMcCulloch和WalterPitts的《神经活动内在想法的逻辑演算》可能听起来非常的普通，但它与计算机科学一样重要（甚至超过计算机科学）。其中，《PageRank引文排名》一文，催生了谷歌的诞生。在在《逻辑微积分》中，McCulloch和Pitts描述了如何让人造神经元网络实现逻辑功能。至此，AI的大门正式打开。
二、人工智能的名字由来
如果要提到人工智能的真正开端，那就要追溯到1955年8月31日。当时，研究人员JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon提交了一份《2个月，10个人的人工智能研究》的提案，第一次提出了“人工智能”的概念。而其中JohnMcCarthy被后人尊称为“人工智能之父”。
1956年，会议在达特茅斯学院占地269英亩的庄园举行。不幸的是，他们对于人工智能的发展有点过于乐观了。他们写到：“我们认为，如果一个精心挑选的科学家团队努力工作一个夏天，那我们就能取得重大进展。”然而事实证明，时间花得远比想象中的要多很多。
三、反向传播算法（BACKPROP）的出现
反向传播（英语：Backpropagation，缩写为BP），有时缩写为“BP”，是机器学习历史上最重要的算法之一。尽管该算法成为机器学习的主流算法是在20世纪80年代，但该算法第一次被提出是在1969年。这是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法计算对网络中所有权重计算损失函数的梯度。这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。
反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法，虽然它也用在一些无监督网络（如自动编码器）中。它是多层前馈网络的Delta规则的推广，可以用链式法则对每层迭代计算梯度。反向传播要求人工神经元（或“节点”）的激励函数可微。简而言之，这意味着创作者可以通过在犯错时纠正错误来训练他们的网络。完成后，道具会修改神经网络中的不同连接，确保下次遇到同样问题时能得到正确的答案。
四、语言助手的诞生
提及亚马逊的Alexa、谷歌助手和苹果的Siri大家一定都不陌生。早在20世纪60年代中期，麻省理工学院的一名研究人员就发明了一个名为ELIZA的计算机心理治疗师，可以实现与用户之间的“智能”对话。在当时，ELIZA的发明者就指出，用户如此愿意以这种方式与机器交谈，这让他们感到非常惊讶。
五、科技奇点的提出
1993年，作家兼计算机科学家VernorVinge发表了一篇文章，这篇文章首次提到了人工智能的“奇点”。而这里所指的“奇点”并不是广义上的，而是指未来某一天机器将变得比人类更聪明，甚至会取代人类，主宰人类世界。但在1993年，作家兼计算机科学家VernorVinge发表了一篇文章，这篇文章推广了这个想法。
被称为“即将到来的技术奇点”，Vinge预测，在未来30年内，人类将拥有创造超级人工智能的能力。他写到：“不久之后，人类时代就会结束。”这是一个警告，和现如今特斯拉CEO马斯克所担心的一样。
六、第一辆自动驾驶汽车诞生
你认为谷歌开发了世界上第一辆自动驾驶汽车吗？错！早在1986年，德国联邦国防军大学的研究人员就在一辆奔驰面包车上安装了摄像头和智能传感器，成功地在空无一人的街道上行驶。
几年后，一位名叫DeanPomerleau的卡内基梅隆大学的研究人员建造了一辆自动驾驶的庞蒂克运输小货车，并沿海岸线从宾夕法尼亚州的匹兹堡到加州的圣地亚哥,共行驶了2797英里。相较于当今的自动驾驶技术，当时的这项技术像是小儿科，但是至少它证明了无人驾驶是可以实现的。
七、IBM“深蓝”战胜国际象棋冠军
对于人工智能来说，1997年是一个标志性的年份，IBM的“深蓝”超级计算机在一场人机大战中战胜国际象棋冠军GarryKasparov。尽管毫无疑问，深蓝的处理信息比人类更快，但真正的问题是，它是否更有策略地思考。事实证明这是可以的！
这一结果可能并没有证明人工智能有能力在有明确规则的问题上表现得异常出色，它仍然是人工智能领域的巨大飞跃。
八、IBM“沃森”在智力竞赛节目中大获全胜
就像深蓝与GarryKasparov的比赛一样，IBM的人工智能在2011年面临着另一个巨大的挑战——沃森人工智能在著名的智力竞赛节目“Jeopardy”中击败了对手布拉德·拉特和肯·詹宁斯，成功赢取了100万美元的大奖。比赛结束后，肯·詹尼斯打趣道：“欢迎我们的新机器人霸主。”人工智能的再次胜利，又一次向世界证明了人工智能比人脑更快。
九、AI也爱猫？通过深度学习算法识别猫科动物
2012年6月，谷歌研究人员JeffDean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练了一个由16,000个电脑处理器组成的庞大神经网络。尽管没有给出有关它们的识别信息，但人工智能还是能够通过深度学习算法来识别猫科动物的照片。
事实证明，就像我们一样，即使是令人印象深刻的智能AI，也喜欢看视频，而且尤其喜欢猫科动物。
十、谷歌AlphaGo战胜世界围棋冠军李世石
2016年3月，继IBM深蓝之后，谷歌DeepMind的AlphaGo在四场比赛中击败了国际围棋世界冠军李世石，而这场激烈的人机大战吸引了来自世界各地的6000万人的观看。同样，2017年的升级版AlphaGo再次击败了国际围棋大师柯洁，引发了全世界的关注。（选自：digitaltrends翻译：网易见外智能编译平台审校：抹茶）
关注网易智能公众号（smartman163），获取人工智能行业最新报告。
新一代人工智能具有五大特点
科学技术部副部长李萌（刘健摄）
7月21日，国务院新闻办公室举行国务院政策例行吹风会，重点介绍《新一代人工智能发展规划》（以下简称《规划》）的编制情况。科技部副部长李萌在回答记者提问时表示，经过60多年的演进，人工智能出现了一些新特点，包括《规划》当中讲到“它呈现出深度学习、跨界融合、人机协同、群智开放和自主智能的新特点”。新一代的人工智能主要是大数据基础上的人工智能。
李萌指出，人工智能具有以下五个特点：一是从人工知识表达到大数据驱动的知识学习技术。二是从分类型处理的多媒体数据转向跨媒体的认知、学习、推理，这里讲的“媒体”不是新闻媒体，而是界面或者环境。三是从追求智能机器到高水平的人机、脑机相互协同和融合。四是从聚焦个体智能到基于互联网和大数据的群体智能，它可以把很多人的智能集聚融合起来变成群体智能。五是从拟人化的机器人转向更加广阔的智能自主系统，比如智能工厂、智能无人机系统等。
据了解，国际普遍认为人工智能有三类“弱人工智能、强人工智能还有超级人工智能”。弱人工智能就是利用现有智能化技术，来改善我们经济社会发展所需要的一些技术条件和发展功能。强人工智能阶段非常接近于人的智能，这需要脑科学的突破，国际上普遍认为这个阶段要到2050年前后才能实现。超级人工智能是脑科学和类脑智能有极大发展后，人工智能就成为一个超强的智能系统。从技术发展看，从脑科学突破角度发展人工智能，现在还有局限性。《规划》中的新一代人工智能，是建立在大数据基础上的，受脑科学启发的类脑智能机理综合起来的理论、技术、方法形成的智能系统。
跟以往相比，新一代人工智能不但以更高水平接近人的智能形态存在，而且以提高人的智力能力为主要目标来融入人们的日常生活。比如跨媒体智能、大数据智能、自主智能系统等。在越来越多的一些专门领域，人工智能的博弈、识别、控制、预测甚至超过人脑的能力，比如人脸识别技术。新一代人工智能技术正在引发链式突破，推动经济社会从数字化、网络化向智能化加速跃进。
版权所有，转载请注明出处。
人工智能历史十大里程碑
人工智能得名缘由-1955
“人工智能”这个名词正式出现，最早是1955年8月31日由美国计算机科学家JohnMcCarthy和他的同事MarvinMinsky、NathanielRochester和ClaudeShannon提出的，那是确立了人工智能这一研究领域的Dartmouth学院暑期人工智能研讨项目经典提议的一部分，这个提议名为《2个月，10个人的人工智能研究》（2month,10manstudyofartificialintelligence）。
1956年Dartmouth会议被后世广泛承认为人工智能诞生的标志。会议上提出的断言之一是“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟。”这次会议上人工智能的名称和任务得以确定，同时出现了最初的成就和最早的一批研究者。
反向传播算法的出现—1969
反向传播（backpropagation）有时缩写为BACKPROP，是一种与最优化方法（如梯度下降法）结合使用的，用于训练神经网络的常见方法，在机器学习史上是重要的算法之一。它最早是1969年MarvinMinsky和SeymourPapert在《感知机》（Perceptrons）中提出，但直到20世纪80年代中期，才成为机器学习的主流。
反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度。因此，它通常被认为是一种监督式学习方法，虽然它也用在一些无监督网络（如自动编码器）中。它是多层前馈网络的Delta规则的推广，可以用链式法则对每层迭代计算梯度。反向传播要求人工神经元（或“节点”）的激励函数可微。
人机对话—1966
近年来，人机对话交互技术成为人工智能的热点领域。众多业界公司相继推出了人机对话技术相关产品，如个人事务助理、手机助理、虚拟情感陪护机器人、娱乐型聊天机器人、智能音箱等等，并将人机对话交互技术作为其公司的重点研发方向。目前比较知名的产品有：Amaze的Alexa、Google的GoogleAssistant、Apple的Siri等等。
人机对话最早可追溯到1966年，麻省理工学院JosephWeizenbaum在ACM上发表了题为《ELIZA，一个研究人机自然语言交流的计算机程序》（ELIZA-acomputerprogramforthestudyofnaturallanguagecommunicationbetweenmanandmachine）的文章。文章描述了这个叫作ELIZA的程序如何使人与计算机在一定程度上进行自然语言对话成为可能。Weizenbaum开发了最早的聊天机器人ELIZA，用于在临床治疗中模仿心理医生。ELIZA的实现技术是通过关键词匹配规则对输入进行分解，而后根据分解规则所对应的重组规则来生成回复。简而言之，就是将输入语句类型化，再翻译成合适的输出。虽然ELIZA很简单，但Weizenbaum本人对ELIZA的表现感到吃惊，随后撰写了《计算机的能力和人类的推理》（ComputerPowerandHumanReason）这本书，表达他对人工智能的特殊情感。ELIZA如此出名，以至于Siri也说ELIZA是一位心理医生，是她的启蒙老师。（“Shewasmyfirstteacher!”、“…Shewasabrillantpsychiatrist.…”）
奇点理论-1982
想必你一定时不时在媒体上听到过“奇点”。何谓奇点？就是机器变得比人类更聪明的那个点。奇点的概念，最早是1982年VernorSteffenVinge在卡内基梅隆大学召开的美国人工智能协会年会上首次提出“技术奇异点”这一概念。1993年，他在美国国家航空航天局路易斯研究中心举行的一次讨论会上发表了论文《技术奇异点即将来临：后人类时代生存指南》（TheComingTechnologicalSingularity）再次简述了这个观点，论文同年刊载于《全地球评论》（WholeEarthReview）杂志上。在这篇论文中，VernorSteffenVinge系统地阐述了自己的“技术奇异点”的理论，并声称超越人类智能的计算器将在50年之内问世，并把这次变化好比200万年以前人类的出现一样重大。正是这篇文章，使“奇点”的观点流行开来。
自动驾驶终于来临-1989
自动驾驶似乎在这几年才频繁出现媒体上。世界上第一辆自动驾驶骑车是Google公司开发的吗？非也。自动驾驶汽车的展示系统可追溯至1920年代及1930年代间，但要到1950年代从出现可行的实验，并取得部分成果。第一辆能真正自动驾驶的汽车则出现于1980年代。1984年，卡内基美隆大学推动Navlab计划与ALV计划，这个被人搁置多年的想法又卷土重来，再到1987年，梅赛德斯-奔驰与德国慕尼黑联邦国防大学共同推行尤里卡普罗米修斯计划。从此以后，许多大型公司与研究机构开始制造可运作的自动驾驶汽车原型。
1989年，美国卡内基梅隆大学的研究人员DeanPomerleau就花费了8年的时间，研发出了一套名叫ALVINN（AutonomousLandVehicleInaNeuralNetwork)的无人驾驶系统，并用在了NAVLAB货车上，从宾夕法尼亚州匹兹堡到加州圣地亚哥行驶了2797英里，成功实现了自动驾驶，成为自动驾驶的祖师爷。虽然它的技术在今天来看非常原始，但是它证明了自动驾驶是可以实现的。
人脑的最后战役-1997
1996年2月10日，超级电脑DeepBlue首次挑战国际象棋世界冠军Kasparov，但以2：4落败。比赛在2月17日结束。其后研究小组把DeepBlue加以改良，1997年5月再度挑战Kasparov，比赛在5月11日结束，最终DeepBlue电脑以3.5：2.5击败Kasparov，成为首个在标准比赛时限内击败国际象棋世界冠军的电脑系统。IBM在比赛后宣布DeepBlue退役。
这是一场人类大脑和机器大脑的决战。尽管无疑DeepBlue处理信息的速度比Kasparov更快，拥有每秒超过2亿步的惊人速度。但DeepBlue的缺陷是没有直觉，不能进行真正的思考。这场比赛过程表明，DeepBlue无穷无尽的计算能力在很大程度上弥补了这些缺陷，这也反过来让人们思考，什么是思维的本质？思维是神秘莫测的吗？
这一结果尽管可能并没有证明AI除了在有明确定义的规则的问题上表现出色之外，在其他问题是否也表现出色，但这仍是人工智能领域向前迈进的一大步。
AI在Jeopardy！节目大获全胜-2011
就像DeepBlue与GarryKasparov的对弈一样，2011年，IBM的AI面临着另一个巨大的挑战，IBMWatson在挑战Jeopardy！（美国一档电视智力竞赛综艺节目）的前优胜者BradRutter和KenJennings——冠军奖获得100万美元奖金。比赛结束后，被Watson碾压的KenJennings打趣说：“我，作为一个人，欢迎我们的新机器人霸主。”（I,forone,welcomeournewrobotoverlords.）
Watson是能够使用自然语言来回答问题的人工智能系统，由IBM公司的首席研究员DavidFerrucci所领导的DeepQA计划小组开发并以该公司创始人ThomasJ·Watson的名字命名。IBM介绍时说“它是一个集高级自然语言处理、讯息检索、知识表示、自动推理、机器学习等开放式问答技术的应用”，并且“基于为假设认知和大规模的证据搜集、分析、评价而开发的DeepQA技术”。
AI的认猫事件-2012
以前，如果没有人类和大量现成数据的帮助下，人工智能甚至都不能分辨出猫的照片。但在2012年6月，Google的研究人员JeffDean和AndrewNg用1.6万块电脑处理器构建了全球最大的电子模拟神经网络，并通过向其展示自YouTube上随机选取的1000万段视频，考察其能够学到什么。结果显示，在无外界指令的自发条件下，该人工神经网络自主学会了识别猫的面孔。该成果表明Google在人工智能领域已取得重大进展。
AI打败围棋世界冠军-2016
2016年3月，GoogleDeepMind的AlphaGo在四场比赛中击败了围棋世界冠军李世乭。全世界有6000万观众观看了这场比赛。这是一个具有里程碑意义的事件，因为围棋中可能的落子位置数目比宇宙的原子总数还要多，把围棋所有的状态用穷举法全部列出大概需要10¹⁷⁰（相比之下国际象棋只有10⁴⁶），因此，围棋也被认为是人工智能攻克信息完全博弈游戏最后的堡垒。相比1997年IBMDeepBlue的暴力博弈树遍历而言，DeepBlue的胜利只是硬件速度的胜利和计算机的胜利。AlphaGo今天的胜利才真正是人工智能的胜利，它标志着真正人工智能时代的开启。返回搜狐，查看更多
人工智能发展迄今最具里程碑意义的事件大盘点
人工智能（AI）已经成为当下技术领域的热门话题，也是近年来大多数重大技术突破背后的驱动力。
事实上，在人们所了解的各种宣传炒作中，人们很容易忘记人工智能并不是什么新鲜事物。在上个世纪，人工智能已经走出了科幻小说，进入了现实世界。而使其成为可能的理论和基础计算机科学也已经存在数十年的时间。
迄今为止最令人惊叹的人工智能里程碑
自20世纪初计算开始出现以来，科学家和工程师已经明白，最终的目标是建立能够像人类大脑（已知宇宙中最复杂的决策系统）一样进行思考和学习的机器。
如今使用人工神经网络的尖端深度学习是当前最先进的技术，而在这条道路上有许多里程碑。以下是人们通常认为最具里程碑意义事件的概述。
1637年－笛卡尔为创造人工智能奠定思想基础
早在机器人成为科幻小说的特征之前，科学家、哲学家勒内？笛卡尔就开始思考机器有一天将会思考和做出决定的可能性。虽然他错误地认为这些机器永远不会像人类那样说话，但他确定了机器之间的一种划分，有一天机器可能学会执行一项特定的任务，并且可能会适应任何工作。如今，这两个领域被称为专业人工智能和通用人工智能。因此在许多方面，可以说，笛卡尔的想法为创造人工智能奠定了思想基础。
1956年－达特茅斯会议
随着神经网络和机器学习等理念的出现，达特茅斯学院教授约翰？麦卡锡创造了“人工智能”这一术语，并组织了一次夏季研讨会，汇集了该领域的顶尖专家。
在这个头脑风暴会议期间，专家试图建立一个框架，以便开始学习探索和开发可以“思考”的机器。许多技术领域是当今先进人工智能技术发展的基础，其中包括自然语言处理、计算机视觉和神经网络，这都是会议议程的一部分。
1966年－ELIZA开始为计算机带来声音
ELIZA是由JosephWeizenbaum在麻省理工学院开发的，这可能是世界上第一个聊天机器人，它也是Alexa和Siri等聊天机器人的直系祖先。ELIZA代表了自然语言处理的早期实现，其目的是教会计算机采用人类语言与人们交流，而不是要求人们采用计算机代码对它们进行编程，或通过用户界面进行交互。ELIZA不能像Alexa那样说话，而通过文本进行交流，而且它无法从与人类的对话中学习。尽管如此，它为以后突破人类与机器之间的沟通障碍的努力铺平了道路。
1980年－XCON和有用人工智能的兴起
DigitalEquipmentCorporation的Xcon专家学习系统于1980年部署。到1986年，该公司每年可节省4000万美元。这一点很重要，因为做到这些之前，人工智能系统通常被认为是令人印象深刻的技术壮举，其实际使用范围有限。现在很明显，智能机器的商业化应用已经开始了，到1985年，企业每年在人工智能系统上花费10亿美元。
1988年－一种统计方法
IBM公司研究人员发布了一种语言翻译统计方法，将概率原理引入到机器学习的规则驱动领域。它解决了人类语言（法语和英语）之间自动翻译的挑战。
这标志着重点转向设计程序，以根据他们接受培训的信息（数据）确定各种结果的概率，而不是训练它们来确定规则。在模仿人类大脑的认知过程方面，这通常被认为是一个巨大的飞跃，并构成了当今使用的机器学习的基础。
1991年－互联网的诞生
这一点的重要性不容小觑。1991年，欧洲原子核研究会（CERN）研究员蒂姆？伯纳斯？李（TImBerners－Lee）将全球第一个网站放在全球互联网上，并公布了超文本传输协议（HTTP）的工作原理。几十年来，计算机一直在连接以共享数据，主要是在教育机构和大型企业进行。但是，全球互联网的到来是整个社会将人们带入网络世界的催化剂。在短短的几年内，来自世界各地的人们以前所未有的速度连接、生成和共享数据，而这是人工智能的燃料。
1997年－深蓝击败了世界象棋冠军加里卡斯帕罗夫
IBM公司国际象棋超级计算机并没有使用当今标准认为是真正的人工智能的技术。从本质上讲，它依赖于“蛮力”的方法来高速计算每个可能的选项，而不是分析游戏并在游戏中学习。然而，从宣传的角度来看，这一点很重要，引起了人们的注意，即计算机的发展非常迅速，并且越来越能够胜任人类以前从未挑战过的活动。
2005年－DARPA大挑战赛
2005年是美国国防高级研究计划局（DARPA）举办大型挑战赛的第二年，这是一场在莫哈韦沙漠中超过100公里越野地形的自动驾驶车辆比赛。2004年，所有参赛者都没有成功完成这项挑战。然而，在接下来的一年里，有五辆自动驾驶车辆获得成功，斯坦福大学开发团队的自动驾驶车辆以其最快到达而获得殊荣。
其比赛的目的是促进自主驾驶技术的发展，当然也做到了这一点。到2007年，为自动驾驶车辆建造了一个模拟的城市环境，这意味着他们必须能够处理交通规则和其他移动车辆。
2011年－IBMWatson在Jeopardy！竞争中获得胜利
认知计算引擎Watson与电视游戏节目Jeopardy！的冠军进行竞赛，并击败他们，获得100万美元的奖金。这一点意义重大，因为虽然深蓝计算机已经在十多年前证明了一种可以用数学方式描述围棋游戏，就像国际象棋可以通过蛮力计算来征服，计算机在基于语言的环境下击败人类，这种创造性思维游戏是闻所未闻的。
2012年——深度学习的真正力量向世界展示——计算机学会识别猫
斯坦福大学和谷歌公司的研究人员（其中包括JeffDean和AndrewNg）发表了名为“使用大规模无监督学习构建高级特征”的论文，这是基于以前对多层神经网络（称为深度神经网络）的研究。
他们的研究探索了无监督学习，这种学习可以在数据被用于训练机器学习算法之前，消除手工标记数据的昂贵而耗时的任务。它将加快人工智能开发的步伐，并开辟一个新的可能性世界，当涉及到建造机器来完成工作时，直到现在只能由人类完成。具体来说，他们特别指出其系统在识别猫的照片方面已颇具能力。
该论文描述了一种模型，该模型可以构建包含大约10亿个连接的人工网络。并承认，虽然这是向构建“人工大脑”迈出的重要一步，但仍有一些路要走——人类大脑中的神经元被认为是由大约10万亿个连接器组成的网络连接起来的。
2015年－机器比人类“看得更清楚”
一年一度的ImageNet挑战的研究人员宣称机器目前在识图方面的表现优于人类。在这个挑战中，算法竞相展示它们对识别和描述1000张图像库的熟练程度。
自从2010年比赛开始以来，获胜算法的准确率从71．8％提高到97．3％，研究人员为此宣称，计算机可以比人类更准确地识别视觉数据中的物体。
2016年–AlphaGo得到更加深入的发展
长期以来，棋类游戏一直是展示思维机器能力的一种选择方法，2016年由DeepMind（现为谷歌公司的子公司）创建的AlphaGo在五场比赛中击败了世界围棋冠军LeeSedol，这一趋势成为头条新闻。虽然围棋的步骤可以用数学来描述，但围棋中下棋的各种变化的数量（围棋中可能有10万个以上的开局动作，而国际象棋中可能有400个开局动作）使得蛮力计算方法变得不切实际。AlphaGo使用神经网络研究游戏并在游戏中学习。
2018年－自动驾驶汽车上路行驶
自动驾驶汽车的开发是当今虚拟现实的一个主要使用案例——这个应用比其他任何一个都更能激发人们的想象力。就像那些为他们提供驱动力的人工智能一样，它们不是一夜之间出现的东西，尽管对于那些没有关注技术趋势的人来说它可能会出现。而斯坦福公司开发月球车于1961年首次亮相，最初的目的是为了探索月球车辆的功能，后来又被重新设计成一种自动驾驶车辆。
毫无疑问，2018年是人工智能发展一个重要的里程碑，谷歌公司分拆出的Waymo公司在亚利桑那州凤凰城提供自驾车出租服务。第一个商业自动驾驶汽车租赁服务WaymoOne目前正为400名支付费用的用户提供服务，这些自动驾驶汽车将在100平方英里范围内的学校和工作场所中行驶。
虽然目前每一辆车都有一名工作人员监控汽车的驾驶表现，并在紧急情况下采取控制措施，但这无疑标志着迈向未来的重要一步，自动驾驶汽车将成为所有人所面临的现实。
人工智能的三大特征
原标题：人工智能的三大特征一、通过计算和数据，为人类提供服务
从根本上说，人工智能系统必须以人为本，这些系统是人类设计出的机器，按照人类设定的程序逻辑或软件算法通过人类发明的芯片等硬件载体来运行或工作，其本质体现为计算，通过对数据的采集、加工、处理、分析和挖掘，形成有价值的信息流和知识模型，来为人类提供延伸人类能力的服务，来实现对人类期望的一些“智能行为”的模拟，在理想情况下必须体现服务人类的特点，而不应该伤害人类，特别是不应该有目的性地做出伤害人类的行为。
二、对外界环境进行感知，与人交互互补
人工智能系统应能借助传感器等器件产生对外界环境（包括人类）进行感知的能力，可以像人一样通过听觉、视觉、嗅觉、触觉等接收来自环境的各种信息，对外界输入产生文字、语音、表情、动作（控制执行机构）等必要的反应，甚至影响到环境或人类。借助于按钮、键盘、鼠标、屏幕、手势、体态、表情、力反馈、虚拟现实/增强现实等方式，人与机器间可以产生交互与互动，使机器设备越来越“理解”人类乃至与人类共同协作、优势互补。这样，人工智能系统能够帮助人类做人类不擅长、不喜欢但机器能够完成的工作，而人类则适合于去做更需要创造性、洞察力、想象力、灵活性、多变性乃至用心领悟或需要感情的一些工作。
三、拥有适应和学习特性，可以演化迭代
人工智能系统在理想情况下应具有一定的自适应特性和学习能力，即具有一定的随环境、数据或任务变化而自适应调节参数或更新优化模型的能力；并且，能够在此基础上通过与云、端、人、物越来越广泛深入数字化连接扩展，实现机器客体乃至人类主体的演化迭代，以使系统具有适应性、灵活性、扩展性，来应对不断变化的现实环境，从而使人工智能系统在各行各业产生丰富的应用。返回搜狐，查看更多
责任编辑：什么是人工智能人工智能有哪些特点
刷脸认证、自动驾驶、大数据推送、智能音箱、手术机器人……人工智能在各行各业得到了广泛的应用，数据伪造、算法瓶颈、隐私保护、道德困境等问题也日益突出。AI基础设施建设必须从提高自身底层能力入手，以内生动力突破三个关卡：算法关、数据关、应用关，迈向算法可靠、数据安全、应用可控的第三代人工智能。接下来小编就给大家带来什么是人工智能、人工智能有哪些特点的相关介绍，一起来看看吧。
什么是人工智能？人工智能有哪些特点？
一、什么是人工智能？人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
二、人工智能有哪些特点？首先，是从人工知识的表达转向大数据驱动的知识学习技术。由分类化的多媒体数据处理转变为跨媒体的认知、学习、推理，本文所说的“媒体”并非新闻媒体，而是界面或环境。
其次，从追求智能化机器到高层次人机、脑机的相互协同与融合。从对个体智能的聚焦，到基于互联网和大数据的群体智能，它能将多个人的智能集合融合在一起成为群体智能。
第三，是从拟人机器人向更广泛智能自主系统的转变，如智能工厂、智能无人机系统等。世界范围内对人工智能有三种看法：弱人工智能，强人工智能和超级人工智能。
第四，弱人工智能是指利用现有的智能技术，改善我国经济社会发展所需的某些技术条件和功能。强人工智能阶段与人类智能非常相似，需要脑科学的突破，而国际上普遍认为，这一阶段将在2050年左右实现。
第五，在脑科学和类脑智能得到长足发展之后，人工智能成为一种超强智能系统。在科技发展的今天，从脑科学突破的角度来发展人工智能，仍然有局限性。
如何将人工智能(AI)引入计算领域，让机器从经验中学习，做出与人相似的决策，这在过去十年里得到了广泛的讨论，这几乎改变了我们经济的每个环节。
AI技术被广泛应用于帮助企业将日常工作自动化，通过分析客户的行为来更好地了解客户，降低运营成本，以及在不同行业提供个性化服务的产品，无论是金融银行，还是交通运输，安保，医疗保健等领域，都逐渐显示出AI的独特优势。随着人工智能技术不断发展，不断涌现出新算法、新代码，新产品进入市场的机会大大增加，但不可授权使用和恶意篡改的风险无疑也在增加，数字版权保护任重道远。以上就是小编为大家带来的什么是人工智能、人工智能有哪些特点的相关介绍，希望对您有帮助。