人工智慧的過去

1. 人工智慧誰發明的

其實這個是很多人共同努力的結果。沒有一個具體的人。早期比較有名的人物有：
圖靈：計算機界的大哥大，少年天才，結果是個基佬，被人發現，然後給隔離治療了，最後吃蘋果中毒死了，蘋果的起源就是來自這個人，所以這個是最有名氣的。
巴貝奇：著名的敗家子，父親是銀行家，家裡很有錢，最早的計算機發明人，在沒有電的時代就創造出了純機械計算機，你不會想到這貨最後是窮死的。
馮諾依曼：這貨也很有名，只是怎麼看他都不如圖靈和巴貝奇奇葩，因為這貨是個數學家。其製造的計算機參與了原子彈的研製。因為其論文是他和另外兩個人合作的，但是另外兩個人沒有署名，所以他被帶上了一頂灰帽子，有欺世盜名的不光彩。不過不管怎麼說，他依舊是歷史上的大哥，過去幾十年的計算機體系都是沿用馮諾依曼的理論所創建的。不過以後可能會變了，在互聯網思路和量子計算機的情況下，計算機的結構要發生重大轉變了。
約翰·阿塔那索夫：也提一提他把。和巴貝奇不同的是這貨有錢，白手起家自己開公司，最後把公司交給兒子打理，自己去搞發明創造去了。所以他是個實幹家，名副其實的造出來了計算機。但是他自認為最牛逼的不是造計算機，而是發明了一套能幫助人們學英語的音標。結果我們到現在也沒看到他的音標。
人工智慧伴隨著計算機的誕生而不斷發展，事實上，平均每10年，人工智慧就爆發一次人工智慧要逆天的了豪言壯語，然後大家開始投資這個領域，拿到錢之後，然後就沒有然後了。人工智慧的話題就會消失一段時間。
從總體上看人工智慧的發展，演算法的豐富，每年都在不斷的刷新著。從事這個研究的人，從來就沒有放棄過，只是這是一場長跑，絕不是一夜之間就成功了的事情。路漫漫其修遠兮~

2. 人工智慧是什麼

人工智慧（計算機科學的一個分支）

人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，但沒有一個統一的定義。
人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智慧還需要科學理論和工程上的突破。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。
工智能的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。
關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智慧相關的研究課題。
人工智慧在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。

3. 在過去的20年裡，人工智慧發生了什麼變化

李開復寫的兩個系統Othello和SPHINX、語音巨頭Nuance、國際跳棋選手ChinookCheckers、word打字中幫你糾錯的MS Office Grammar、下國際象棋回的Deep Blue深藍、體感周答邊外設Xbox Kinect、幫打廣告的Google AdWords、智能投顧平台Wealthfront和Betterment、卡內基梅隆大學和通用的無人駕駛CMU車、IBM的人工智慧核心Watson、Amazon的倉儲機器人Kiva、蘋果的語音助手Siri、谷歌的Google Now、微軟的Cortana、facebook的人臉識別Deep Face等。上海中科智穀人工智慧工業研究院於2016年成立，是以中國科學院自動化所、復旦大學為核心力量發起的從事人工智慧及相關產業領域的研發、產學研轉化及傳統企業轉型升級的獨立研究組織。

4. 人工智慧的發展概況

探討人工智慧，就要回答什麼是智能的問題，綜合各類定義，智能是一種知識與思維的合成,是人類認識世界和改造世界過程中的一種分析問題和解決問題的綜合能力。對於人工智慧，美國麻省理工學院的溫斯頓教授提出「人工智慧就是研究如何使計算機去做過去只有人才能做的智能工作」，斯坦福大學人工智慧研究中心尼爾遜教授提出「人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學」。綜合來看人工智慧是相對人的智能而言的。其本質是對人思維的信息過程的模擬，是人的智能的物化。是研究、開發模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
（一）感知、處理和反饋構成人工智慧的三個關鍵環節
人工智慧經過信息採集、處理和反饋三個核心環節，綜合表現出智能感知、精確性計算、智能反饋控制，即感知、思考、行動三個層層遞進的特徵。
智能感知：智能的產生首先需要收集到足夠多的結構化數據去表述場景，因此智能感知是實現人工智慧的第一步。智能感知技術的目的是使計算機能 「聽」、會「看」,目前相應的計算機視覺技術和自然語言處理技術均已經初步成熟，開始商業化嘗試。
智能處理：產生智能的第二步是使計算機具備足夠的計算能力模擬人的某些思維過程和行為對分析收集來的數據信息做出判斷，即對感知的信息進行自我學習、信息檢索、邏輯判斷、決策，並產生相應反映。具體的研究領域包括知識表達、自動推理、機器學習等，與精確性計算及編程技術、存儲技術、網路技術等密切相關，是大數據技術發展的遠期目標，目前該領域研究還處於實驗室研究階段，其中機器學習是人工智慧領域目前熱度最高，科研成果最密集的領域。
智能反饋：智能反饋控制將前期處理和判斷的結果轉譯為肢體運動和媒介信息傳輸給人機交互界面或外部設備，實現人機、機物的信息交流和物理互動。智能反饋控制是人工智慧最直觀的表現形式，其表達能力展現了系統整體的智能水平。智能反饋控制領域與機械技術、控制技術和感知技術密切相關，整體表現為機器人學，目前機械技術受制於材料學發展緩慢，控制技術受益於工業機器人領域的積累相對成熟。
（二）深度學習是當前最熱的人工智慧研究領域
在學術界，實現人工智慧有三種路線，一是基於邏輯方法進行功能模擬的符號主義路線，代表領域有專家系統和知識工程。二是基於統計方法的仿生模擬的連接主義路線，代表領域有機器學習和人腦仿生，三是行為主義，希望從進化的角度出發，基於智能控制系統的理論、方法和技術，研究擬人的智能控制行為。
當前，基於人工神經網路的深度學習技術是當前最熱的研究領域，被Google，Facebook，IBM，網路，NEC以及其他互聯網公司廣泛使用，來進行圖像和語音識別。人工神經網路從上個世紀80年代起步，科學家不斷優化和推進演算法的研究，同時受益於計算機技術的快速提升，目前科學家可以利用GPU（圖形處理器）模擬超大型的人工神經網路；互聯網業務的快速發展，為深度學習提供了上百萬的樣本進行訓練，上述三個因素共同作用下使語音識別技術和圖像識別技術能夠達到90%以上的准確率。
（三）主要發達國家積極布局人工智慧技術，搶占戰略制高點。
各國政府高度重視人工智慧相關產業的發展。自人工智慧誕生至今，各國都紛紛加大對人工智慧的科研投入，其中美國政府主要通過公共投資的方式牽引人工智慧產業的發展，2013財年美國政府將22億美元的國家預算投入到了先進製造業，投入方向之一便是「國家機器人計劃」。
在技術方向上，美國將機器人技術列為警惕技術，主攻軍用機器人技術，歐洲主攻服務和醫療機器人技術，日本主攻仿人和娛樂機器人。
現階段的技術突破的重點一是雲機器人技術，二是人腦仿生計算技術。美國、日本、巴西等國家均將雲機器人作為機器人技術的未來研究方向之一。伴隨著寬頻網路設施的普及，雲計算、大數據等技術的不斷發展，未來機器人技術成本的進一步降低和機器人量產化目標實現，機器人通過網路獲得數據或者進行處理將成為可能。目前國外相關研究的方向包括：建立開放系統機器人架構（包括通用的硬體與軟體平台）、網路互聯機器人系統平台、機器人網路平台的演算法和圖像處理系統開發、雲機器人相關網路基礎設施的研究等。
由於深度學習的成功，學術界進一步沿著連接主義的路線提升計算機對人腦的模擬程度。人腦仿生計算技術的發展，將使電腦可以模仿人類大腦的運算並能夠實現學習和記憶，同時可以觸類旁通並實現對知識的創造，這種具有創新能力的設計將會讓電腦擁有自我學習和創造的能力，與人類大腦的功能幾無二致。在2013年初的國情咨文中，美國總統奧巴馬特別提到為人腦繪圖的計劃，宣布投入30億美元在10年內繪制出「人類大腦圖譜」，以了解人腦的運行機理。歐盟委員會也在2013年初宣布，石墨烯和人腦工程兩大科技入選「未來新興旗艦技術項目」，並為此設立專項研發計劃，每項計劃將在未來10年內分別獲得10億歐元的經費。美國IBM公司正在研究一種新型的仿生晶元，利用這些晶元，人類可以實現電腦模仿人腦的運算過程，預計最快到2019年可完全模擬出人類大腦。
（四）高科技企業普遍將人工智慧視為下一代產業革命和互聯網革命的技術引爆點進行投資，加快產業化進程。
谷歌在2013年完成了8 家機器人相關企業的收購，在機器學習方面也大肆搜羅企業和人才，收購了DeepMind和計算機視覺領軍企業Andrew Zisserman，又聘請DARPA原負責人 Regina Dugan負責顛覆性創新項目的研究，並安排構建Google基礎演算法和開發平台的著名計算機科學家Jeff Dean轉戰深度學習領域。蘋果2014 年在自動化上的資本支出預算高達110 億美元。蘋果手機中採用的Siri智能助理脫胎於美國先進研究項目局（DARPA）投資1.5億美元，歷時5年的CALO（ Cognitive Assistant that Learns and Organizes）項目，是美國首個得到大規模產業化應用的人工智慧項目。Amazon計劃在2015 年能夠使用自己的機器人飛行器進行快遞服務。韓國和日本的各家公司也紛紛把機器人技術移植到製造業新領域並嘗試進入服務業
（五）人工智慧的實際應用
人工智慧概念從1956年提出，到今天初步具備產品化的可能性經歷了58年的演進，各個重要組成部分的研究進度和產品化水平各不相同。人工智慧產品的發展是一個漸進性的過程，是一個從單一功能設備向通用設備，從單一場景到復雜場景，從簡單行為到復雜行為的發展過程，具有多種表現形式。
人工智慧產品近期仍將作為輔助人類工作的工具出現，多表現為傳統設備的升級版本，如智能/無人駕駛汽車，掃地機器人，醫療機器人等。汽車、吸塵器等產品和人類已經有成熟的物理交互模式，人工智慧技術通過賦予上述產品一定的機器智能來提升其自動工作的能力。但未來將會出現在各類環境中模擬人類思維模式去執行各類任務的真正意義的智能機器人，這類產品沒有成熟的人機介面可以借鑒，需要從機械、控制、交互各個層面進行全新研發。

希望我的回答可以幫到您哦

5. 人工智慧這些年取得了哪些突破

人工智慧在過去幾十年中經歷過幾次沉浮，而AlphaGo的成功再次激發起人們對這項已經有60年的技術無限想像。事實上，人工智慧並不神奇，其本質只是一種「基於大數據的統計學分類器」，它可以在特定的垂直領域和場景超過人類，但並不意味著比人類智能更高級。AlphaGO可能戰勝人類是因為圍棋是一種「封閉」的場景，計算機由於在計算速度和存儲容量的優勢，可以採用了類似於「窮舉」的辦法找到全局的最優解；而在其它需要常識和邏輯判斷的「開放」的場景中，人類大大優於人工智慧，並且只需要「小數據」就能做出判斷與決策。

6. 人工智慧的最初發明人/創始人是誰

其實這個是很多人共同努力的結果。沒有一個具體的人。早期比較有名的人物有：
圖靈：計算機界的大哥大，少年天才，結果是個基佬，被人發現，然後給隔離治療了，最後吃蘋果中毒死了，蘋果的起源就是來自這個人，所以這個是最有名氣的。
巴貝奇：著名的敗家子，父親是銀行家，家裡很有錢，最早的計算機發明人，在沒有電的時代就創造出了純機械計算機，你不會想到這貨最後是窮死的。
馮諾依曼：這貨也很有名，只是怎麼看他都不如圖靈和巴貝奇奇葩，因為這貨是個數學家。其製造的計算機參與了原子彈的研製。因為其論文是他和另外兩個人合作的，但是另外兩個人沒有署名，所以他被帶上了一頂灰帽子，有欺世盜名的不光彩。不過不管怎麼說，他依舊是歷史上的大哥，過去幾十年的計算機體系都是沿用馮諾依曼的理論所創建的。不過以後可能會變了，在互聯網思路和量子計算機的情況下，計算機的結構要發生重大轉變了。
約翰·阿塔那索夫：也提一提他把。和巴貝奇不同的是這貨有錢，白手起家自己開公司，最後把公司交給兒子打理，自己去搞發明創造去了。所以他是個實幹家，名副其實的造出來了計算機。但是他自認為最牛逼的不是造計算機，而是發明了一套能幫助人們學英語的音標。結果我們到現在也沒看到他的音標。
人工智慧伴隨著計算機的誕生而不斷發展，事實上，平均每10年，人工智慧就爆發一次人工智慧要逆天的了豪言壯語，然後大家開始投資這個領域，拿到錢之後，然後就沒有然後了。人工智慧的話題就會消失一段時間。
從總體上看人工智慧的發展，演算法的豐富，每年都在不斷的刷新著。從事這個研究的人，從來就沒有放棄過，只是這是一場長跑，絕不是一夜之間就成功了的事情。路漫漫其修遠兮~
一代一代的人改變了這個世界，他們都是偉大的人。但是，我比他們都偉大，因為他們的故事我都知道，還是我最牛啊。現在我把他們的故事告訴了你，以後你也會和我一樣牛B了，背過他們，以後去網吧找工作的時候用得上。不用謝我，我是雷鋒。

7. 「人工智慧+」時代來了嗎

國家的重視也在為人工智慧的發展助力。2016年3月，人工智慧一詞寫入國家「十三五」規劃綱要。2017年3月，人工智慧首次被寫入《政府工作報告》，如今《新一代人工智慧發展規劃》也已正式印發。

「中國在這次科技浪潮上是趕在前面的，深度學習有超過40%的論文是華人發表的，這次我們和專家溝通起來沒有語言障礙，也沒有時差障礙。我們有很好的數據、巨大的樣本群，有很好的工程師隊伍，又有全球一流的製造能力。」傅盛表示：「未來是人與機器人共存，中國存在彎道超車的機會。」

從這個意義上講，未來已來，只是尚未流行。