想知道人工智能的發展史？看完這篇文章你會贊嘆科技的力量！

https://www.toutiao.com/a6662955854104363532/

計算機之父、人工智能之父——圖靈（Alan Turing）提出：機器會思考嗎？如果一臺機器能夠與人類對話而不被辨別出其機器的身份，那么這臺機器具有智能的特征。同時，圖靈還預言創造具有真正智能的機器的可能性。

AI誕生

在1956年達特茅斯學院舉行的一次會議上，正式確立了人工智能為研究學科。

2006年達特茅斯會議當事人重聚，左起：Trenchard More、John McCarthy、Marvin Minsky、Oliver Selfridge、Ray Solomonoff

第一次發展高潮（1955年—1974年）

達特茅斯會議之后是大發現的時代。對很多人來講，這一階段開發出來的程序堪稱神奇：計算機可以解決代數應用題、證明幾何定理、學習和使用英語。在眾多研究當中，搜索式推理、自然語言、微世界在當時最具影響力。

當時成就

- 人工神經網絡在30-50年代被提出，1951年Marvin Minsky制造出第一臺神經網絡機

- 貝爾曼公式（增強學習雛形）被提出

- 感知器（深度學習雛形）被提出

- 搜索式推理被提出

- 自然語言被提出

- 首次提出人工智能擁有模仿智能的特征，懂得使用語言，懂得形成抽象概念并解決人類現存問題

- Arthur Samuel在五十年代中期和六十年代初開發的國際象棋程序，棋力已經可以挑戰具有相當水平的業余愛好者

- 機器人SHAKEY項目受到了大力宣傳，它能夠對自己的行為進行“推理”；人們將其視作世界上第一臺通用機器人

- 微世界的提出

第一次寒冬——存在的問題

研究學者認為具有完全智能的機器將在二十年內出現并給出了很多預言，如機器將能完成人能做到的一切工作、將制造出一臺具有人類平均智能的機器。

但很快就打臉了，AI遭遇到瓶頸。由于此前的過于樂觀使人們期待過高，當AI研究人員的承諾無法兌現時，公眾開始激烈批評AI研究人員，許多機構不斷減少對人工智能研究的資助，直至停止撥款。

- 計算機運算能力遭遇瓶頸，無法解決指數型爆炸的復雜計算問題

- 常識和推理需要大量對世界的認識信息，計算機達不到“看懂”和“聽懂”的地步

- 無法解決莫拉維克悖論

- 無法解決部分涉及自動規劃的邏輯問題

- 神經網絡研究學者遭遇冷落

莫拉維克悖論：如果機器像數學天才一樣下象棋，那么它能模仿嬰兒學習又有多難呢？然而，事實證明這是相當難的。

第二次發展高潮（1980年—1987年）

“專家系統”的AI程序開始為全世界的公司所采納，人工智能研究迎來了新一輪高潮。由于“專家系統”僅限于一個很小的領域，從而避免了常識問題。“知識處理”隨之也成為了主流 AI 研究的焦點。

當時成就

- 專家系統的誕生

- AI研究人員發現智能可能需要建立在對分門別類的大量知識的多種處理方法之上

- BP算法實現了神經網絡訓練的突破，神經網絡研究學者重新受到關注

- AI研究人員首次提出：機器為了獲得真正的智能，機器必須具有軀體，它需要有感知、移動、生存，與這個世界交互的能力。感知運動技能對于常識推理等高層次技能是至關重要的，基于對事物的推理能力比抽象能力更為重要，這也促進了未來自然語言、機器視覺的發展。

存在的問題——第一次寒冬

AI硬件的市場需求突然下跌，專家系統雖然很有用，但它的應用領域過于狹窄，而且更新迭代和維護成本非常高。

當時主要問題：

- 受到臺式機和“個人電腦”理念的沖擊影響

- 商業機構對AI的追捧和冷落，使AI化為泡沫并破裂

- 計算機性能瓶頸仍無法突破

- 仍然缺乏海量數據訓練機器

第三次發展高潮（1993年-至今）

在摩爾定律下，計算機性能不斷突破。云計算、大數據、機器學習、自然語言和機器視覺等領域發展迅速，人工智能迎來第三次高潮。

當時成就

1997年

- IBM的國際象棋機器人深藍戰勝國際象棋世界冠軍卡斯帕羅夫

2006年

- Geoffrey Hinton提出多層神經網絡的深度學習算法

- Eric Schmidt在搜索引擎大會提出“云計算”概念

2010年

- Sebastian Thrun領導的谷歌無人駕駛汽車曝光，創下了超過16萬千米無事故的紀錄

2013年

- 深度學習算法在語音和視覺識別率獲得突破性進展

2016年：

- Google AlphaGo以比分4:1戰勝圍棋九段棋手李世石

- Chatbots這個概念開始流行

- Google發布為機器學習定制的第一代專用芯片TPU

- Google發布語音助手Assistant

以上就是人工智能大致的發展歷史了，趕緊轉發，安利給你的小伙伴吧！