A. 人工智能发展史

历史 突飞猛进

1950年阿兰·图灵出版《计算机与智能》。

1956年约翰·麦卡锡在美国达特矛斯电脑大会上“创造”“人工智能 ”一词。

1956年美国卡内基·梅隆大学展示世界上第一个人工智能软件的工作。

1958年约翰·麦卡锡在麻省理工学院发明Lisp语言———一种A．I．语言。

1964年麻省理工学院的丹尼·巴洛向世人展示，电脑能掌握足够的自然语言从而解决了开发计算机代数词汇程序的难题。

1965年约瑟夫·魏岑堡建造了ELIZA———一种互动程序，它能以英语与人就任意话题展开对话。

1969年斯坦福大学研制出Shakey————一种集运动、理解和解决问题能力于一身的机器人。

1979年第一台电脑控制的自动行走器“斯坦福车”诞生。

1983年世界第一家批量生产统一规格电脑的公司“思考机器”诞生。

1985年哈罗德·科岑编写的绘图软件Aaron在A．I．大会亮相。

90年代A．I．技术的发展在各个领域均展示长足发展————学习、教学、案件推理、策划、自然环境认识及方位识别、翻译，乃至游戏软件等领域都瞄准了A．I．的研发。

1997年IBM（国际商用机械公司）制造的电脑“深蓝”击败了国际象棋冠军加里·卡斯帕罗夫。

90年代末以A．I．技术为基础的网络信息搜索软件已是国际互联网的基本构件。

2000年互动机械宠物面世。麻省理工学院推出了会做数十种面部表情的机器人Kisinel。

现在 流行挡不住

商业上的成功，成为实验室研究工作的催化剂。A．I．的边界正一步步向人类智慧逼进。

全球的高科技实验室不约而同盯上了A．I．大脑，这其中响当当的名字包括卡内基·梅隆大学，IBM和日本的本田汽车公司。

在比利时，Starlab（星实验室）正开发种能取代真猫大脑工作的人工大脑。据“人工大脑网站”报道，它将拥有约7500个人工脑神经细胞。它将能自如地操控猫咪行走，玩耍毛线球。据估计它将在2002年完成。

软件在将复杂决策程序化整为零方面取得突破。像外貌识别等看似简单的人类能力实际涉及广泛、复杂的认知和判断步骤。今天的电脑软件越来越精于模仿人类最精细的思维。而计算机硬件在追赶人脑能力方面亦不遗余力。

目前世界上最快的超级电脑————位于美国加利福利亚州劳伦斯·立弗摩尔国家实验室的IBM制“ASCI白色”已经是有人脑0·1％的运算能力。

IBM正在研制的“蓝色牛仔”（BlueJean）的每秒运算能力估计将与人脑相当。IBM研发部主管保罗·霍恩说BlueJean将在4年后开始运行。

斯坦福大学A．I．领域的首席专家埃里克·霍维兹及其许多同行相信，A．I．技术迎来突破发展的日子近在眼前，那时，A．I．将细分并派生出跨越出广泛领域的学科。

未来 聪明过人？

关于A．I．人们最迫切希望知道的问题是，它真能和人一般聪明吗？许多科学家相信，这只是个时间上的问题。A．I．软件设计师库尔兹维尔认为迟至2020年A．I．即可聪明过人。IBM的霍恩估计比较保守，他认为A．I．赶上人还需要40—50年时间。AT＆T的斯通则说他的目标是在2050前组建一只能挑战曼联的A．I．足球队。他这不是开玩笑。

在许多方面，A．I．大脑比人类更有优势。人脑的学习吸收新知识的过程非常慢。要说一口流利的英语至少得半年或两三年时间（吹牛广告中的例子除外）。而要让A．I．学会讲法语，只需为它装上一个说法语软件，数秒之间一个A．I．法语专家便诞生了。

另一个更难解答的问题：A．I．是否能拥有情感。目前没有人有把握回答这个问题。

于是剩下一个最可怕的问题：A．I．机器人能变得比人类更聪明，并反戈一击与人类为敌？库尔兹维尔、技术学家比尔·乔伊认为这并非不可能。霍恩在这个问题上拿不太稳。

霍恩认为虽然电脑的粗略运算能力可超过人类，但它不可能具备人类所有精细的特征，因为人类对自己的大脑拥有的许多微妙能力并不了解，更无从仿模相应软件。

库尔维兹的看法比较乐观，他认为人类在开发超级A．I．的同时，在对它们的引导和管理方面也将相应提高，因此将永远走在前面，掌握控制权。

B. 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。

C. 人工智能的发展历程可分为形成期和发展期

1950-1970年代，人工智能的”推理时代“。这一时期，一般认为只要机器被赋予逻辑推理能力就可以实现人工智能。不过此后人们发现，只是具备了逻辑推理能力，机器还远远达不到智能化的水平。1970-1990年代，人工智能的”知识工程“时代。这一时期，人们认为要让机器变得有智能，就应该设法让机器学习知识，于是专家系统得到了大量的开发。后来人们发现，把知识总结出来再灌输给计算机相当困难。举个例子来说，想要开发一个疾病诊断的人工智能系统，首先要找好多有经验的医生总结出疾病的规律和知识，随后让机器进行学习，但是在知识总结的阶段已经花费了大量的人工成本，机器只不过是一台执行知识库的自动化工具而已，无法达到真正意义上的智能水平进而取代人力工作。2000年至今，人工智能的”数据挖掘“时代。随着各种机器学习算法的提出和应用，特别是深度学习技术的发展，人们希望机器能够通过大量数据分析，从而自动学习出知识并实现智能化水平。这一时期，随着计算机硬件水平的提升，大数据分析技术的发展，机器采集、存储、处理数据的水平有了大幅提高。特别是深度学习技术对知识的理解比之前浅层学习有了很大的进步，Alpha Go和中韩围棋高手过招大幅领先就是目前人工智能的高水平代表之一。

D. 浅谈人工智能技术的发展

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内的理论、容方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”，也可能超过人的智能。

人工智能的定义可以分为两部分，即“ 人工”和“ 智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。

E. 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。

F. 人工智能的发展史是什么

【1950-1956年是人工智能的诞生年】
图灵测试1950
Dartmouth 会议1956
（1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。）

【1956-1974 年是人工智能的黄金年】
第一个人工智能程序ＬＴ逻辑理论家1958（西蒙和纽维尔）
LISP编程语言1958（约翰麦卡锡）
用于机器翻译的语义网1960（马斯特曼和剑桥大学同事）
模式识别-第一个机器学习论文发表（1963）
Dendral 专家系统1965
基于规则的Mycin医学诊断程序1974

【1974-1980年是人工智能第一个冬天】
人工智能：综合调查1973（来特希尔）
项目失败，列强削减科研经费

【1980-1987年是人工智能繁荣期】
AAAI在斯坦福大学召开第一届全国大会1980
日本启动第五代计算机用于知识处理1982
决策树模型带动机器学习复苏1980中期
ANN及多层神经网络1980中期

【1987-1993年是人工智能第二个冬天】
Lisp机市场崩溃1987
列强再次取消科研经费1988
专家系统滑翔谷底1993
日本第五代机退场1990年代

【1993-现在突破期】
IBM深蓝战胜卡斯帕罗夫1997
斯坦福大学Stanley 赢得无人驾驶汽车挑战赛2005
深度学习论文发表2006
IBM的沃森机器人问答比赛夺魁2011
谷歌启动谷歌大脑2011
苹果公司的Siri上线2012
微软通用实时翻译系统2012
微软Cortana 上线2014
网络度秘2015
IBM发布truenorth芯片2014
阿尔法狗打败人类棋手2016

G. 人工智能的发展历史

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。

H. 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。

I. 人工智能的发展概况

探讨人工智能，就要回答什么是智能的问题，综合各类定义，智能是一种知识与思维的合成,是人类认识世界和改造世界过程中的一种分析问题和解决问题的综合能力。对于人工智能，美国麻省理工学院的温斯顿教授提出“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”，斯坦福大学人工智能研究中心尼尔逊教授提出“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学”。综合来看人工智能是相对人的智能而言的。其本质是对人思维的信息过程的模拟，是人的智能的物化。是研究、开发模拟、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。
（一）感知、处理和反馈构成人工智能的三个关键环节
人工智能经过信息采集、处理和反馈三个核心环节，综合表现出智能感知、精确性计算、智能反馈控制，即感知、思考、行动三个层层递进的特征。
智能感知：智能的产生首先需要收集到足够多的结构化数据去表述场景，因此智能感知是实现人工智能的第一步。智能感知技术的目的是使计算机能 “听”、会“看”,目前相应的计算机视觉技术和自然语言处理技术均已经初步成熟，开始商业化尝试。
智能处理：产生智能的第二步是使计算机具备足够的计算能力模拟人的某些思维过程和行为对分析收集来的数据信息做出判断，即对感知的信息进行自我学习、信息检索、逻辑判断、决策，并产生相应反映。具体的研究领域包括知识表达、自动推理、机器学习等，与精确性计算及编程技术、存储技术、网络技术等密切相关，是大数据技术发展的远期目标，目前该领域研究还处于实验室研究阶段，其中机器学习是人工智能领域目前热度最高，科研成果最密集的领域。
智能反馈：智能反馈控制将前期处理和判断的结果转译为肢体运动和媒介信息传输给人机交互界面或外部设备，实现人机、机物的信息交流和物理互动。智能反馈控制是人工智能最直观的表现形式，其表达能力展现了系统整体的智能水平。智能反馈控制领域与机械技术、控制技术和感知技术密切相关，整体表现为机器人学，目前机械技术受制于材料学发展缓慢，控制技术受益于工业机器人领域的积累相对成熟。
（二）深度学习是当前最热的人工智能研究领域
在学术界，实现人工智能有三种路线，一是基于逻辑方法进行功能模拟的符号主义路线，代表领域有专家系统和知识工程。二是基于统计方法的仿生模拟的连接主义路线，代表领域有机器学习和人脑仿生，三是行为主义，希望从进化的角度出发，基于智能控制系统的理论、方法和技术，研究拟人的智能控制行为。
当前，基于人工神经网络的深度学习技术是当前最热的研究领域，被Google，Facebook，IBM，网络，NEC以及其他互联网公司广泛使用，来进行图像和语音识别。人工神经网络从上个世纪80年代起步，科学家不断优化和推进算法的研究，同时受益于计算机技术的快速提升，目前科学家可以利用GPU（图形处理器）模拟超大型的人工神经网络；互联网业务的快速发展，为深度学习提供了上百万的样本进行训练，上述三个因素共同作用下使语音识别技术和图像识别技术能够达到90%以上的准确率。
（三）主要发达国家积极布局人工智能技术，抢占战略制高点。
各国政府高度重视人工智能相关产业的发展。自人工智能诞生至今，各国都纷纷加大对人工智能的科研投入，其中美国政府主要通过公共投资的方式牵引人工智能产业的发展，2013财年美国政府将22亿美元的国家预算投入到了先进制造业，投入方向之一便是“国家机器人计划”。
在技术方向上，美国将机器人技术列为警惕技术，主攻军用机器人技术，欧洲主攻服务和医疗机器人技术，日本主攻仿人和娱乐机器人。
现阶段的技术突破的重点一是云机器人技术，二是人脑仿生计算技术。美国、日本、巴西等国家均将云机器人作为机器人技术的未来研究方向之一。伴随着宽带网络设施的普及，云计算、大数据等技术的不断发展，未来机器人技术成本的进一步降低和机器人量产化目标实现，机器人通过网络获得数据或者进行处理将成为可能。目前国外相关研究的方向包括：建立开放系统机器人架构（包括通用的硬件与软件平台）、网络互联机器人系统平台、机器人网络平台的算法和图像处理系统开发、云机器人相关网络基础设施的研究等。
由于深度学习的成功，学术界进一步沿着连接主义的路线提升计算机对人脑的模拟程度。人脑仿生计算技术的发展，将使电脑可以模仿人类大脑的运算并能够实现学习和记忆，同时可以触类旁通并实现对知识的创造，这种具有创新能力的设计将会让电脑拥有自我学习和创造的能力，与人类大脑的功能几无二致。在2013年初的国情咨文中，美国总统奥巴马特别提到为人脑绘图的计划，宣布投入30亿美元在10年内绘制出“人类大脑图谱”，以了解人脑的运行机理。欧盟委员会也在2013年初宣布，石墨烯和人脑工程两大科技入选“未来新兴旗舰技术项目”，并为此设立专项研发计划，每项计划将在未来10年内分别获得10亿欧元的经费。美国IBM公司正在研究一种新型的仿生芯片，利用这些芯片，人类可以实现电脑模仿人脑的运算过程，预计最快到2019年可完全模拟出人类大脑。
（四）高科技企业普遍将人工智能视为下一代产业革命和互联网革命的技术引爆点进行投资，加快产业化进程。
谷歌在2013年完成了8 家机器人相关企业的收购，在机器学习方面也大肆搜罗企业和人才，收购了DeepMind和计算机视觉领军企业Andrew Zisserman，又聘请DARPA原负责人 Regina Dugan负责颠覆性创新项目的研究，并安排构建Google基础算法和开发平台的著名计算机科学家Jeff Dean转战深度学习领域。苹果2014 年在自动化上的资本支出预算高达110 亿美元。苹果手机中采用的Siri智能助理脱胎于美国先进研究项目局（DARPA）投资1.5亿美元，历时5年的CALO（ Cognitive Assistant that Learns and Organizes）项目，是美国首个得到大规模产业化应用的人工智能项目。Amazon计划在2015 年能够使用自己的机器人飞行器进行快递服务。韩国和日本的各家公司也纷纷把机器人技术移植到制造业新领域并尝试进入服务业
（五）人工智能的实际应用
人工智能概念从1956年提出，到今天初步具备产品化的可能性经历了58年的演进，各个重要组成部分的研究进度和产品化水平各不相同。人工智能产品的发展是一个渐进性的过程，是一个从单一功能设备向通用设备，从单一场景到复杂场景，从简单行为到复杂行为的发展过程，具有多种表现形式。
人工智能产品近期仍将作为辅助人类工作的工具出现，多表现为传统设备的升级版本，如智能/无人驾驶汽车，扫地机器人，医疗机器人等。汽车、吸尘器等产品和人类已经有成熟的物理交互模式，人工智能技术通过赋予上述产品一定的机器智能来提升其自动工作的能力。但未来将会出现在各类环境中模拟人类思维模式去执行各类任务的真正意义的智能机器人，这类产品没有成熟的人机接口可以借鉴，需要从机械、控制、交互各个层面进行全新研发。

希望我的回答可以帮到您哦