⑴ 什么是人工智能发展过程中经历了哪些阶段

1、人工智能（Artificial Intelligence），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。

2、一开始是图灵提出的概念：机器人是否会思考
然后就被搁在一边了，直到神经网络结构的提出，又火了一段时间，然后因为隐层训练规则不明所以又被搁一边了；
在接下来有人解决了隐层训练问题，又一下子活跃起来了，大概活跃到了上世纪70年代，划时代的SVM提出来了，至此机器学习从以仿生为主正式转为以统计学为主；
接下来是1995年AdaBoost算法提出，实现了多分类器的级联，又把分类效果提升了一个等级；
最后就是06年深度学习概念提出，现在看来效果很不错，接近甚至超过人分类效果了；
总的来说就是一开始人们想用计算机做一个大脑出来，经过几十年摸索发现不现实，最后发现可以用统计学大数据来解决。

⑵ 人工智能的演进

第一阶段：50年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（即IJCAI）。
第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展日本1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段：80年代末，神经网络飞速发展1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段：90年代，人工智能出现新的研究高潮由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。

⑶ 第二次AI浪潮中的技术支撑是

人工智能发展的第1次热潮，从1956年一直持续到70年代前期。这一时期研发的专家系统等人工智能系统，因受到计算机处理性能的制约，只能处理一定数量的规则，并且是在特定的领域、特定的环境下才能够发挥作用。

人们在对人工智能充满期待的同时，对研发出来的缺乏实用性的系统也充满了失望，因此，国家以及企业在人工智能方面的预算也越来越少。这一时期，也就是20世纪70年代后期被称为人工智能发展的“ 第1次低谷”。

但是，进入20世纪80年代后，人工智能很快再次迎来了新的发展热潮。

本次发展热潮的主角是在第1次发展热潮时诞生的专家系统。因处理美国迪吉多公司（DEC）的VAX系统的各种订单并取得非常成功的专家系统受到广泛关注，各IT供应商迅速导入专家系统。

人工智能发展迎来第2次热潮，最大的一个原因在于计算机性能的大幅提高。进入20世纪80年代，基于复杂规则的专家系统也可以在计算机上运行。由此，逐渐实现了专家系统的商业性使用。

随着专家系统的兴盛，制定专家系统运行规则的工程师也被称为“知识工程师”，并且一时间成为炙手可热的职业，就像在今天，数据科学家这个职业相当流行，受到人们的追捧。

知识工程师的主要工作是听取用户的业务内容并对其进行分析，从中抽出明显的规则与隐藏的规则，然后进行分类。

当时，科学家们研发出了各种专家系统。初期的各种专用专家系统大都是利用LISP编程，随着技术的革新，慢慢地发生了变化，通用的引擎部分依然利用LISP编程，规则部分则是知识工程师利用外部数据进行编程。并且，用LISP编程的引擎部分，利用C语言进行编程的开发研究也已经展开了。

专家系统的编程由专用LISP语言向普通的C语言过渡，该系统也变成了一般的程序员编写的一般系统，其新意也就逐渐淡化了。

由此，专家系统也就从人工智能程序变成了决定论式的普通程序。随着这一变化，专家系统的作用效果也变得非常明确，但是其发展瓶颈也开始显现出来。


⑷ 人工智能的发展可分为几个阶段

说起当下热议的人工智能，不得不提到风光无二的AlphaGo。战胜世界围棋冠军李世石，引起了人类对人工智能的兴趣。而人工智能的概念，其实早有提出。

3）1993年-至今

之后以神经网络技术为代表的AI技术逐步发展，人工智能开始进入缓慢发展期。1997年深蓝战胜国际象棋世界冠军卡斯帕罗夫，使得AI再次被热议。而随着现在科技的快速发展，硬件成本不断降低，数据量积累不断增大，AI技术不断成熟，人工智能又开始进入爆发期。各种人工智能产品开始如雨后春笋，不断的发展壮大起来。

⑸ 如何看待九成AI企业亏损，人工智能遭遇商业落地之痛

‍‍不可否认的是，人工智能的未来必然会很美好。但是人工智能更偏向于辅助手段，只能是一种新动能，而不是最不可或缺的驱动力。而且，很多人工智能技术比较尴尬，虽然技术领先但却并没有适合的具体场景。如果不能解决商业落地的问题，或许还会再次遭遇低谷。这对于整个人工智能行业来说，打击是致命的。在投入不断增加却始终不见回报的情况下，又有多少企业能坚持下去呢？‍‍

⑹ 人工智能到目前为止经历怎样的发展历程

我们大脑由200多亿个神经元相互连接组成一个庞大的神经网结构，这是智能的基础——高度复杂的结构；因此要想计算机模拟智能，必须在复杂度上要跟人的大脑的复杂度数量级上要相当，如果用一个字节来模拟一个神经元，那么就会有20G的容量，但事实上1字节的容量能储存一个神经元（包括与周围神经元的连接状态，一个神经元可能会与周围几百个神经元有链接）的信息吗？答案是不行的！即使就算是20G，这只是储存而已，还没运算，一但运算这20G的数据，能模拟的了吗？人思考一秒大脑的数据就已经发生了巨大的变化，计算机能一秒处理20G的数据吗？很难！另一方面，智能的体现不仅仅是高度复杂的结构就行得通的，还得看结构的高度有序，虎鲸2000亿神经元，人类860亿（包括全身），为什么智能反而是倒过来的，因为人类的神经结构更加发达，更加有序，更加优化，这么优秀的神经网络结构怎么来的，是千百万年甚至上亿年的进化而来的，用另一种说法就是，人的进化史上的阅历更丰富，是阅历改变了神经结构，想要重蹈这些阅历是不可能的，因此对人工智能的训练是个难点。综上所述，个人认为目前人工智能的两大艰难，一个是硬件技术水平上无法实现庞大的计算量，另一个是无法把人工智能训练到接近人的水平。

⑺ 人工智能发展的两次低谷都是因为什么

人工智能发展的两次低谷都是因为(算法的局限性)。

⑻ 人工智能第二次繁荣是什么时候

现在属于早起，算是第一次，但是第二次估计在未来五年之内的，因为科技的发展是非常的快速的！

⑼ 人工智能分为几个阶段

历史上，人工智能的研究就像是坐过山车，忽上忽下。梦想的泡沫反复破灭，却也推动着人工智能技术的前进。
（1）AI梦的开始
1900年，世纪之交的数学家大会上面，希尔伯特宣布了数学界尚未解决的23个难题。
三十年代，图灵设想出了一个机器——图灵机，它是计算机的理论原型，圆满地刻画出了机械化运算过程的含义，并最终为计算机的发明铺平了道路。
1945年，凭借出众的才华，冯·诺依曼在火车上完成了早期的计算机EDVAC的设计，并提出了我们现在熟知的“冯·诺依曼体系结构”。

（2）AI梦的延续
1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡（John McCarthy）、马文·闵斯基（Marvin Minsky，人工智能与认知学专家）、克劳德·香农（Claude Shannon，信息论的创始人）、艾伦·纽厄尔（Allen Newell，计算机科学家）、赫伯特·西蒙（Herbert Simon，诺贝尔经济学奖得主）等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。
会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：人工智能。
（3）AI梦的快速发展
1976年，凯尼斯·阿佩尔（Kenneth Appel）和沃夫冈·哈肯（Wolfgang Haken）等人利用人工和计算机混合的方式证明了一个著名的数学猜想：四色猜想（现在称为四色定理）。
1956年，奥利弗·萨尔夫瑞德（Oliver Selfridge）研制出第一个字符识别程序，开辟了模式识别这一新的领域。

（4）近些年AI的突破
2011年，谷歌X实验室的研究人员从YouTube视频中抽取出1000万张静态图片，把它喂给“谷歌大脑”——一个采用了所谓深度学习技术的大型神经网络模型，在这些图片中寻找重复出现的模式。三天后，这台超级“大脑”在没有人类的帮助下，居然自己从这些图片中发现了“猫”。
2013年1月，网络公司成立了网络研究院，其中，深度学习研究所是该研究院旗下的第一个研究所。
这些全球顶尖的计算机、互联网公司都不约而同地对深度学习表现出了极大的兴趣。