A. 人工智慧發展史

歷史 突飛猛進

1950年阿蘭·圖靈出版《計算機與智能》。

1956年約翰·麥卡錫在美國達特矛斯電腦大會上「創造」「人工智慧 」一詞。

1956年美國卡內基·梅隆大學展示世界上第一個人工智慧軟體的工作。

1958年約翰·麥卡錫在麻省理工學院發明Lisp語言———一種A．I．語言。

1964年麻省理工學院的丹尼·巴洛向世人展示，電腦能掌握足夠的自然語言從而解決了開發計算機代數詞彙程序的難題。

1965年約瑟夫·魏岑堡建造了ELIZA———一種互動程序，它能以英語與人就任意話題展開對話。

1969年斯坦福大學研製出Shakey————一種集運動、理解和解決問題能力於一身的機器人。

1979年第一台電腦控制的自動行走器「斯坦福車」誕生。

1983年世界第一家批量生產統一規格電腦的公司「思考機器」誕生。

1985年哈羅德·科岑編寫的繪圖軟體Aaron在A．I．大會亮相。

90年代A．I．技術的發展在各個領域均展示長足發展————學習、教學、案件推理、策劃、自然環境認識及方位識別、翻譯，乃至游戲軟體等領域都瞄準了A．I．的研發。

1997年IBM（國際商用機械公司）製造的電腦「深藍」擊敗了國際象棋冠軍加里·卡斯帕羅夫。

90年代末以A．I．技術為基礎的網路信息搜索軟體已是國際互聯網的基本構件。

2000年互動機械寵物面世。麻省理工學院推出了會做數十種面部表情的機器人Kisinel。

現在 流行擋不住

商業上的成功，成為實驗室研究工作的催化劑。A．I．的邊界正一步步向人類智慧逼進。

全球的高科技實驗室不約而同盯上了A．I．大腦，這其中響當當的名字包括卡內基·梅隆大學，IBM和日本的本田汽車公司。

在比利時，Starlab（星實驗室）正開發種能取代真貓大腦工作的人工大腦。據「人工大腦網站」報道，它將擁有約7500個人工腦神經細胞。它將能自如地操控貓咪行走，玩耍毛線球。據估計它將在2002年完成。

軟體在將復雜決策程序化整為零方面取得突破。像外貌識別等看似簡單的人類能力實際涉及廣泛、復雜的認知和判斷步驟。今天的電腦軟體越來越精於模仿人類最精細的思維。而計算機硬體在追趕人腦能力方面亦不遺餘力。

目前世界上最快的超級電腦————位於美國加利福利亞州勞倫斯·立弗摩爾國家實驗室的IBM制「ASCI白色」已經是有人腦0·1％的運算能力。

IBM正在研製的「藍色牛仔」（BlueJean）的每秒運算能力估計將與人腦相當。IBM研發部主管保羅·霍恩說BlueJean將在4年後開始運行。

斯坦福大學A．I．領域的首席專家埃里克·霍維茲及其許多同行相信，A．I．技術迎來突破發展的日子近在眼前，那時，A．I．將細分並派生出跨越出廣泛領域的學科。

未來 聰明過人？

關於A．I．人們最迫切希望知道的問題是，它真能和人一般聰明嗎？許多科學家相信，這只是個時間上的問題。A．I．軟體設計師庫爾茲維爾認為遲至2020年A．I．即可聰明過人。IBM的霍恩估計比較保守，他認為A．I．趕上人還需要40—50年時間。AT＆T的斯通則說他的目標是在2050前組建一隻能挑戰曼聯的A．I．足球隊。他這不是開玩笑。

在許多方面，A．I．大腦比人類更有優勢。人腦的學習吸收新知識的過程非常慢。要說一口流利的英語至少得半年或兩三年時間（吹牛廣告中的例子除外）。而要讓A．I．學會講法語，只需為它裝上一個說法語軟體，數秒之間一個A．I．法語專家便誕生了。

另一個更難解答的問題：A．I．是否能擁有情感。目前沒有人有把握回答這個問題。

於是剩下一個最可怕的問題：A．I．機器人能變得比人類更聰明，並反戈一擊與人類為敵？庫爾茲維爾、技術學家比爾·喬伊認為這並非不可能。霍恩在這個問題上拿不太穩。

霍恩認為雖然電腦的粗略運算能力可超過人類，但它不可能具備人類所有精細的特徵，因為人類對自己的大腦擁有的許多微妙能力並不了解，更無從仿模相應軟體。

庫爾維茲的看法比較樂觀，他認為人類在開發超級A．I．的同時，在對它們的引導和管理方面也將相應提高，因此將永遠走在前面，掌握控制權。

B. 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。

C. 人工智慧的發展歷程可分為形成期和發展期

1950-1970年代，人工智慧的」推理時代「。這一時期，一般認為只要機器被賦予邏輯推理能力就可以實現人工智慧。不過此後人們發現，只是具備了邏輯推理能力，機器還遠遠達不到智能化的水平。1970-1990年代，人工智慧的」知識工程「時代。這一時期，人們認為要讓機器變得有智能，就應該設法讓機器學習知識，於是專家系統得到了大量的開發。後來人們發現，把知識總結出來再灌輸給計算機相當困難。舉個例子來說，想要開發一個疾病診斷的人工智慧系統，首先要找好多有經驗的醫生總結出疾病的規律和知識，隨後讓機器進行學習，但是在知識總結的階段已經花費了大量的人工成本，機器只不過是一台執行知識庫的自動化工具而已，無法達到真正意義上的智能水平進而取代人力工作。2000年至今，人工智慧的」數據挖掘「時代。隨著各種機器學習演算法的提出和應用，特別是深度學習技術的發展，人們希望機器能夠通過大量數據分析，從而自動學習出知識並實現智能化水平。這一時期，隨著計算機硬體水平的提升，大數據分析技術的發展，機器採集、存儲、處理數據的水平有了大幅提高。特別是深度學習技術對知識的理解比之前淺層學習有了很大的進步，Alpha Go和中韓圍棋高手過招大幅領先就是目前人工智慧的高水平代表之一。

D. 淺談人工智慧技術的發展

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內的理論、容方法、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。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。人工智慧可以對人的意識、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。

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，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」，也可能超過人的智能。

人工智慧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。

E. 什麼是人工智慧發展過程中經歷了哪些階段

1、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。

2、一開始是圖靈提出的概念：機器人是否會思考
然後就被擱在一邊了，直到神經網路結構的提出，又火了一段時間，然後因為隱層訓練規則不明所以又被擱一邊了；
在接下來有人解決了隱層訓練問題，又一下子活躍起來了，大概活躍到了上世紀70年代，劃時代的SVM提出來了，至此機器學習從以仿生為主正式轉為以統計學為主；
接下來是1995年AdaBoost演算法提出，實現了多分類器的級聯，又把分類效果提升了一個等級；
最後就是06年深度學習概念提出，現在看來效果很不錯，接近甚至超過人分類效果了；
總的來說就是一開始人們想用計算機做一個大腦出來，經過幾十年摸索發現不現實，最後發現可以用統計學大數據來解決。

F. 人工智慧的發展史是什麼

【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

G. 人工智慧的發展歷史

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。

H. 人工智慧到目前為止經歷怎樣的發展歷程

我們大腦由200多億個神經元相互連接組成一個龐大的神經網結構，這是智能的基礎——高度復雜的結構；因此要想計算機模擬智能，必須在復雜度上要跟人的大腦的復雜度數量級上要相當，如果用一個位元組來模擬一個神經元，那麼就會有20G的容量，但事實上1位元組的容量能儲存一個神經元（包括與周圍神經元的連接狀態，一個神經元可能會與周圍幾百個神經元有鏈接）的信息嗎？答案是不行的！即使就算是20G，這只是儲存而已，還沒運算，一但運算這20G的數據，能模擬的了嗎？人思考一秒大腦的數據就已經發生了巨大的變化，計算機能一秒處理20G的數據嗎？很難！另一方面，智能的體現不僅僅是高度復雜的結構就行得通的，還得看結構的高度有序，虎鯨2000億神經元，人類860億（包括全身），為什麼智能反而是倒過來的，因為人類的神經結構更加發達，更加有序，更加優化，這么優秀的神經網路結構怎麼來的，是千百萬年甚至上億年的進化而來的，用另一種說法就是，人的進化史上的閱歷更豐富，是閱歷改變了神經結構，想要重蹈這些閱歷是不可能的，因此對人工智慧的訓練是個難點。綜上所述，個人認為目前人工智慧的兩大艱難，一個是硬體技術水平上無法實現龐大的計算量，另一個是無法把人工智慧訓練到接近人的水平。

I. 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