① 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

② 人工智慧的發展，你覺得哪些新技術會在不久的將來運用到工程測量

智能零售、智慧城市、生物智能和智能機器人等都會運用到工程測量中。

③ 近年來隨著什麼技術的興起人工智慧進入了全面的爆發期

您好！人工智慧技術在汽車，汽修方面都有應用的。這些技術都跟通信等技術分不開的。這個也是未來發展趨勢哦。

④ 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。

⑤ 人工智慧歷程以及未來發展趨勢如何

人工智慧正在成為決定一個國家未來競爭力的關鍵性要素。發展智慧產業、培育智能經濟、構建智慧社會都離不開人工智慧技術的支撐，人工智慧的發展對企業發展、產業變革、經濟增長、國際競爭和社會演進都將會產生重大深遠影響。

⑥ 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。

⑦ 簡述一下人工智慧的歷史，發展，技術基礎，主要作用和未來展望，不用太詳細，只要能包括上面的幾個方面就

這個你還不如網路人工智慧呢、、

⑧ 過去三年裡 人工智慧發展主要依賴哪些技術

答案：抄指紋識別系統應用了人襲工智能技術中的模式識別技術。
問題所涉及詞條分析：
1、人工智慧：人工智慧是在計算機科學、控制論、資訊理論、心理學、語言學等多種學科相互滲透的基礎發展起來的一門新興邊緣學科，主要研究用用機器（主要是計算機）來模仿和實現人類的智能行為，目前，我們比較熟悉的人工智慧應用領域涵蓋了符號計算、模式識別、專家系統、機器翻譯等方面。
2、模式識別：模式識別就是通過計算機用數學技術方法來研究模式的自動處理和判讀。這里,我們把環境與客體統稱為「模式」,隨著計算機技術的發展，人類有可能研究復雜的信息處理過程。用計算機實現模式（文字、聲音、人物、物體等）的自動識別，是開發智能機器的一個最關鍵的突破口，也為人類認識自身智能提供線索。信息處理過程的一個重要形式是生命體對環境及客體的識別。
3、指紋識別：指紋是人體的一個重要特徵，具有唯一性。北京大學有關專家對數字圖像的離散幾何性質進行了深入研究，建立了從指紋灰度圖像精確計算紋線局部方向、進而提取指紋特徵信息的理論與演算法，隨後研究成功了適於民用身份鑒定的全自動指紋鑒定系統，以及適於公安刑事偵破的指紋鑒定系統。

⑨ 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。