『壹』 人工智慧的發展可分為幾個階段

說起當下熱議的人工智慧，不得不提到風光無二的AlphaGo。戰勝世界圍棋冠軍李世石，引起了人類對人工智慧的興趣。而人工智慧的概念，其實早有提出。

3）1993年-至今

之後以神經網路技術為代表的AI技術逐步發展，人工智慧開始進入緩慢發展期。1997年深藍戰勝國際象棋世界冠軍卡斯帕羅夫，使得AI再次被熱議。而隨著現在科技的快速發展，硬體成本不斷降低，數據量積累不斷增大，AI技術不斷成熟，人工智慧又開始進入爆發期。各種人工智慧產品開始如雨後春筍，不斷的發展壯大起來。

『貳』 人工智慧的發展會面臨哪些問題

隨著人工智慧在最近這幾年愈演愈烈，各大公司紛紛投向人工智慧行業，國內外多家公司都加入了人工智慧俱樂部。在國內，像網路、阿里巴巴; 在國外，像微軟、谷歌、Facebook等。一場人工智慧技術的挑戰已經開始。人工智慧技術的發展前景廣闊啊，但是就目前來說人工智慧領域也面臨著不小的挑戰和難題。
讓機器理解人類自然語言
雖然人工智慧發展很快，人工智慧學術進步，一些人工智慧擁有深度學習演算法，擁有較強的語音識別和圖像識別能力。但是人工智慧還不能真正地理解我們所看、所說、所思、所想，就特么像個弱智。所以說，人工智慧的發展面臨瓶頸，如何讓機器擁有常識，熟悉我們的思維世界，這將是一項技術難題。國外,比如Facebook研究人員試圖通過讓機器觀看視頻來讓機器學習和理解現實世界。
硬體技術與軟體技術發展的差距
現在的硬體技術發展可以說相當迅速，但是我們的社會生活中還沒有普遍使用機器人助手。很大程度上是因為相關軟體技術的不成熟，使得機器缺少一個系統性的思維過程去指揮復雜的組織結構。目前人們已經開展了在這方面的研究，使機器在模擬世界中訓練來加速機器學習。
防範人工智慧被"暗箱操作"
我們知道只要是人設計出來的軟體就會有各種各樣的漏洞，人工智慧也不例外。這樣會導致黑客的攻擊行為，通過使用各種小把戲來欺騙人工智慧。而且這種漏洞一旦被居心叵測的人發現，這傢伙就會利用人工智慧進行破壞行動，後果可想而知。比如說，2016總統大選期間，俄羅斯的"假訊息活動"就是人工智慧強化的信息站的一個預演。
讓人工智慧做個"好人"
有人可能認為我們生活中可能很少看見人工智慧，但是人工智慧就在我們身邊。就比如說我們的手機，手機上有許多關於人工智慧的軟體，像siri、Alexa、微軟小冰、淘寶個性化推薦、滴滴智能出行、今日頭條新聞智能推薦、prisma人工智慧圖像處理等等。但是隨著人工智慧的發展，人們擔心人工智慧可能會帶給我們的傷害。在2017年的網路入侵防護系統機器學習會議上，人們就在討論如何將人工智慧技術控制在安全和人類倫理道德范圍內，換句話說，就是讓人工智慧成為一個"好人"，能確保人工智慧技術能在關鍵行業能起到公正的決策。就如何讓人工智慧保持美好的一面。微軟、谷歌、Facebook和其他公司都在討論這樣的話題。像"人工智慧合作"一個新型非盈利組織、"人工智慧道德與行業管理基金"、紐約大學一個新的研究機構AI Now都在這方面做出了努力。AI Now最近發布報告，呼籲各國政府在刑事司法或福利等領域應堅決放棄使用不接受公眾審查的"黑箱"演算法。

『叄』 人工智慧技術發展有哪些難題

如果說發展遇到的難題，那是相當之多，投資、政策等因素。我們細化來說，人工智慧發展，有三大關鍵要素：演算法、算力和數據。其中，數據起著重要作用，早前哈佛商業評論的一份研究顯示，只有3%的公司數據符合基本質量標准，近一半的數據質量問題導致明顯的負面業務後果。
普華永道最新的一份報告指出，大型企業發現，多年來編制的劣質的客戶和商業數據可能使他們無法利用人工智慧和其他數字工具來削減成本，無法實現增加收入並保持競爭力。
這個問題在國內其實很普遍，帶來的後果也堪憂，糟糕的數據可能導致誤導性的結果。高質量數據對AI的意義所在，無論是業務，還是升維到人工智慧的發展進程，重要性不言而喻。AI數據服務也任重道遠。所有，只有高質量的數據，才能確保人工智慧快速發展！
從目前市場情況來看，幾家頗具代表性的數據服務商，以不同的姿態入場搶食，並在各自擅長的領域中開辟一番天地。其中，雲測數據就是其中一位實力玩家。雲測數據，通過為企業提供定製化場景採集模式以及高質量數據標注服務，為有更高數據標準的企業貢獻和輸出著他們的方案，並堅持自建數據標注基地和定製化場景實驗室，為企業提供最安全、最精準的全流程一體化的數據服務解決方案。
最後我想說，人工智慧的發展不僅僅是技術不斷攻堅克難，高質量的數據才能更好地為AI發展保駕護航！

『肆』 人工智慧分為幾個階段

歷史上，人工智慧的研究就像是坐過山車，忽上忽下。夢想的泡沫反復破滅，卻也推動著人工智慧技術的前進。
（1）AI夢的開始
1900年，世紀之交的數學家大會上面，希爾伯特宣布了數學界尚未解決的23個難題。
三十年代，圖靈設想出了一個機器——圖靈機，它是計算機的理論原型，圓滿地刻畫出了機械化運算過程的含義，並最終為計算機的發明鋪平了道路。
1945年，憑借出眾的才華，馮·諾依曼在火車上完成了早期的計算機EDVAC的設計，並提出了我們現在熟知的「馮·諾依曼體系結構」。

（2）AI夢的延續
1956年8月，在美國漢諾斯小鎮寧靜的達特茅斯學院中，約翰·麥卡錫（John McCarthy）、馬文·閔斯基（Marvin Minsky，人工智慧與認知學專家）、克勞德·香農（Claude Shannon，資訊理論的創始人）、艾倫·紐厄爾（Allen Newell，計算機科學家）、赫伯特·西蒙（Herbert Simon，諾貝爾經濟學獎得主）等科學家正聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。
會議足足開了兩個月的時間，雖然大家沒有達成普遍的共識，但是卻為會議討論的內容起了一個名字：人工智慧。
（3）AI夢的快速發展
1976年，凱尼斯·阿佩爾（Kenneth Appel）和沃夫岡·哈肯（Wolfgang Haken）等人利用人工和計算機混合的方式證明了一個著名的數學猜想：四色猜想（現在稱為四色定理）。
1956年，奧利弗·薩爾夫瑞德（Oliver Selfridge）研製出第一個字元識別程序，開辟了模式識別這一新的領域。

（4）近些年AI的突破
2011年，谷歌X實驗室的研究人員從YouTube視頻中抽取出1000萬張靜態圖片，把它喂給「谷歌大腦」——一個採用了所謂深度學習技術的大型神經網路模型，在這些圖片中尋找重復出現的模式。三天後，這台超級「大腦」在沒有人類的幫助下，居然自己從這些圖片中發現了「貓」。
2013年1月，網路公司成立了網路研究院，其中，深度學習研究所是該研究院旗下的第一個研究所。
這些全球頂尖的計算機、互聯網公司都不約而同地對深度學習表現出了極大的興趣。

『伍』 人工智慧的具體發展歷史是什麼

【1950-1956年是人工智慧的誕生年】
圖靈測試1950
Dartmouth 會議1956
（1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，它標志著「人工智慧」這門新興學科的正式誕生。）

【1956-1974 年是人工智慧的黃金年】
第一個人工智慧程序LT邏輯理論家1958（西蒙和紐維爾）
LISP編程語言1958（約翰麥卡錫）
用於機器翻譯的語義網1960（馬斯特曼和劍橋大學同事）
模式識別-第一個機器學習論文發表（1963）
Dendral 專家系統1965
基於規則的Mycin醫學診斷程序1974

【1974-1980年是人工智慧第一個冬天】
人工智慧：綜合調查1973（來特希爾）
項目失敗，列強削減科研經費

【1980-1987年是人工智慧繁榮期】
AAAI在斯坦福大學召開第一屆全國大會1980
日本啟動第五代計算機用於知識處理1982
決策樹模型帶動機器學習復甦1980中期
ANN及多層神經網路1980中期

【1987-1993年是人工智慧第二個冬天】
Lisp機市場崩潰1987
列強再次取消科研經費1988
專家系統滑翔谷底1993
日本第五代機退場1990年代

【1993-現在突破期】
IBM深藍戰勝卡斯帕羅夫1997
斯坦福大學Stanley 贏得無人駕駛汽車挑戰賽2005
深度學習論文發表2006
IBM的沃森機器人問答比賽奪魁2011
谷歌啟動谷歌大腦2011
蘋果公司的Siri上線2012
微軟通用實時翻譯系統2012
微軟Cortana 上線2014
網路度秘2015
IBM發布truenorth晶元2014
阿爾法狗打敗人類棋手2016

『陸』 人工智慧在發展中面臨哪些問題

情感處理，不合理處理，打破規矩等等。

『柒』 論文 人工智慧問題求解

何必抄呢。其實你可以寫一寫具有人工智慧的家用機器人在全球普及的前景。這是不久人類生活的一次質變過程。

對問題補充的回答：
你可以把這本書找來看看，地址在下面：
http://www.vsvt.com/221295.html

『捌』 人工智慧中問題求解的方法是什麼

人工智慧大部分問題可以歸類到識別、分類問題上，常用方法包括：人工神經網路，SVM,KNN，Bayes，決策樹，深度學習演算法，等等，。針對不同對象的問題有各自 的優缺點。人工智慧最本質上就是對數據的處理，語音數據，圖像數據，自然語言等等，