起源

人工智能的起源可以追溯到20世纪中期，随着计算机科学、数学和哲学等多个领域的交叉影响。以下是人工智能起源的一些关键时刻：

1. 早期概念（20世纪中叶）：

• 1943年： 生物学家Warren McCulloch和数学家Walter Pitts提出了人工神经网络的概念，试图模拟大脑神经元的工作原理。

• 1950年： 计算机科学家Alan Turing提出了著名的图灵测试，这是衡量机器智能的标准之一。他在论文《计算机器与智能》中提出了“机器思维”的概念，探讨了机器是否能够模拟人类思维。

图灵测试：

测试者与被测试者（⼀个⼈和⼀台机器）隔开的情况下，通过⼀些装置（如键盘） 向被测试者随意提问。

多次测试（⼀般为5min之内），如果有超过30%的测试者不能确定被测试者是⼈ 还是机器，那么这台机器就通过了测试，并被认为具有⼈类智能。

2. 达特茅斯会议（1956年）：

• 1956年： 达特茅斯会议被认为是人工智能领域的正式诞生。由John McCarthy、Marvin Minsky、Nathaniel Rochester和Claude Shannon等学者共同发起，标志着人工智能作为一个独立的学科正式建立。在这次会议上，人工智能这个术语首次被提出，人们开始思考如何使机器表现出类似人类智能的能力。

约翰·⻨卡锡（John McCarthy）

⻢⽂·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·⻄蒙（Herbert Simon，诺⻉尔经济学奖得主

纳撒尼尔·罗切斯特（Nathaniel Rochester），人工智能领域的早期先驱之一

3. 逻辑推理与专家系统（1950-1970年代）：

• 1950-1960年代： 早期的人工智能研究主要集中在逻辑推理和问题解决方法上。人们试图使用符号主义的方法来模拟人类的推理过程。

• 1970年代： 专家系统的概念兴起，这是一种基于规则和知识库的系统，用于模拟专业人士的决策过程。

4. 符号主义与冷静时期（1970-1980年代）：

• 1970年代： 符号主义成为主流，人工智能研究主要集中在逻辑推理和知识表示上。然而，在解决复杂问题上，符号主义遇到了一些挑战。

• 1980年代中期： 人工智能进入所谓的“冷静时期”，一些质疑人工智能能否实现其宏伟目标的声音开始出现。

5. 机器学习的复兴（1980年代至今）：

• 1980年代末： 机器学习重新受到关注，统计学习、神经网络等方法重新成为研究重点。

• 1990年代至今： 随着互联网和大数据的发展，机器学习在图像识别、语音识别等领域取得了显著进展。深度学习作为机器学习的一个分支，在2000年代末和2010年代初崭露头角，为解决复杂问题提供了强大的工具。

人工智能的发展经历了多个阶段，各个时期都有不同的研究焦点和技术趋势。当前，人工智能技术在医疗、交通、金融等多个领域得到广泛应用，持续推动着科技创新和社会变革。

发展历程

⼈⼯智能充满未知的探索道路曲折起伏。如何描述⼈⼯智能⾃1956年以来60多年 的发展历程，学术界可谓仁者⻅仁、智者⻅智。

我们将⼈⼯智能的发展历程划分为 5个阶段：

1. 早期概念与诞生（20世纪中叶）：

• 1943年： 生物学家Warren McCulloch和数学家Walter Pitts提出了人工神经网络的概念，试图模拟大脑神经元的工作原理。

• 1950年： Alan Turing提出著名的图灵测试，这是衡量机器智能的标准之一。他在论文《计算机器与智能》中探讨了机器是否能够模拟人类思维。

• 1956年： 达特茅斯会议（Dartmouth Conference）标志着人工智能正式作为一个独立学科的诞生。John McCarthy等人在会议上提出了人工智能的名词，成为该领域的奠基人。

2. 逻辑推理与专家系统时期（1950-1970年代）：

• 1950-1960年代： 早期人工智能研究主要集中在逻辑推理和问题解决方法上，试图使用符号主义的方法模拟人类推理过程。

• 1970年代： 专家系统的概念兴起，这是一种基于规则和知识库的系统，用于模拟专业人士的决策过程。

3. 符号主义与冷静时期（1970-1980年代）：

• 1970年代： 符号主义成为主流，人工智能研究主要集中在逻辑推理和知识表示上。然而，在解决复杂问题上，符号主义遇到了一些挑战。

• 1980年代中期： 人工智能进入所谓的“冷静时期”，资金和兴趣减弱，部分原因是对早期期望的过高。

4. 机器学习的复兴（1980年代至今）：

• 1980年代末： 机器学习重新受到关注，统计学习、神经网络等方法重新成为研究重点。

• 1990年代至今： 随着互联网和大数据的发展，机器学习在图像识别、语音识别等领域取得了显著进展。深度学习作为机器学习的一个分支，在2000年代末和2010年代初崭露头角，为解决复杂问题提供了强大的工具。

5. 当代发展与广泛应用（2010年代至今）：

• 2010年代： 深度学习在图像识别、自然语言处理、语音识别等领域取得了重大突破，推动了人工智能的快速发展。

• 2020年代： 人工智能技术广泛应用于医疗、金融、交通、教育等多个领域，推动了社会产业的数字化转型。

也存在划分为6个阶段的说法：

 第⼀是起步发展期：1956年—20世纪60年代初。

⼈⼯智能概念提出后，相继取得了⼀批令⼈瞩⽬的研究成果，如机器定理 证明、跳棋程序等，掀起⼈⼯智能发展的第⼀个⾼潮。

第⼆是反思发展期：20世纪60年代—70年代初。

⼈⼯智能发展初期的突破性进展⼤⼤提升了⼈们对⼈⼯智能的期望，⼈们 开始尝试更具挑战性的任务，并提出了⼀些不切实际的研发⽬标。然⽽， 接⼆连三的失败和预期⽬标的落空（例如，⽆法⽤机器证明两个连续函数 之和还是连续函数、机器翻译闹出笑话等），使⼈⼯智能的发展⾛⼊低 ⾕。

第三是应⽤发展期：20世纪70年代初—80年代中。

20世纪70年代出现的专家系统模拟⼈类专家的知识和经验解决特定领域的 问题，实现了⼈⼯智能从理论研究⾛向实际应⽤、从⼀般推理策略探讨转 向运⽤专⻔知识的重⼤突破。专家系统在医疗、化学、地质等领域取得成 功，推动⼈⼯智能⾛⼊应⽤发展的新⾼潮。

第四是低迷发展期：20世纪80年代中—90年代中。

随着⼈⼯智能的应⽤规模不断扩⼤，专家系统存在的应⽤领域狭窄、缺乏 常识性知识、知识获取困难、推理⽅法单⼀、缺乏分布式功能、难以与现 有数据库兼容等问题逐渐暴露出来。

第五是稳步发展期：20世纪90年代中—2010年。

由于⽹络技术特别是互联⽹技术的发展，加速了⼈⼯智能的创新研究，促使⼈⼯智能技术进⼀步⾛向实⽤化。1997年国际商业机器公司（简称 IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM 提出“智慧地球”的概念。以上都是这⼀时期的标志性事件。

第六是蓬勃发展期：2011年⾄今。

随着⼤数据、云计算、互联⽹、物联⽹等信息技术的发展，泛在感知数据 和图形处理器等计算平台推动以深度神经⽹络为代表的⼈⼯智能技术⻜速 发展，⼤幅跨越了科学与应⽤之间的“技术鸿沟”，诸如图像分类、语⾳识 别、知识问答、⼈机对弈、⽆⼈驾驶等⼈⼯智能技术实现了从“不能⽤、 不好⽤”到“可以⽤”的技术突破，迎来爆发式增⻓的新⾼潮。