人工智慧翻譯的發展歷史

㈠ 人工智慧到目前為止經歷怎樣的發展歷程

一是起步發展期：20世紀年代—20世紀60年代初。人工智慧概念提出後，相繼取得了一批令人矚目的研究成果，如機器定理證明、跳棋程序等，掀起人工智慧發展的第一個高潮。
二是反思發展期：20世紀60年代—20世紀70年代初。人工智慧發展初期的突破性進展大大提升了人們對人工智慧的期望，人們開始嘗試更具挑戰性的任務，並提出了一些不切實際的研發目標。然而，接二連三的失敗和預期目標的落空，例如無法用機器證明兩個連續函數之和還是連續函數、機器翻譯鬧出笑話等，使人工智慧的發展跌入低谷。
三是應用發展期：20世紀70年代初—20世紀80年代中。20世紀70年代出現的專家系統模擬人類專家的知識和經驗解決特定領域的問題，實現了人工智慧從理論研究走向實際應用、從一般推理策略探討轉向運用專門知識的重大突破。專家系統在醫療、化學、地質等領域取得成功，推動人工智慧走入應用發展的新高潮。
四是低迷發展期：20世紀80年代中期—20世紀90年代中期。隨著人工智慧的應用規模不斷擴大，專家系統存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能、難以與現有資料庫兼容等問題逐漸暴露出來。
五是穩步發展期：20世紀90年代中—21世紀初。由於網路技術特別是互聯網技術的發展，加速了人工智慧的創新研究，推動人工智慧技術進一步走向實用化。1997年國際商業機器公司(簡稱IBM)深藍超級計算機戰勝了國際象棋世界冠軍卡斯帕羅夫，2008年IBM提出「智慧地球」的概念。以上都是這一時期的標志性事件。
六是蓬勃發展期：2011年至今。隨著大數據、雲計算、互聯網、物聯網等信息技術的發展，泛在感知數據和圖形處理器等計算平台推動以深度神經網路為代表的人工智慧技術飛速發展，大幅跨越了科學與應用之間的「技術鴻溝」，諸如圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智慧技術實現了從「不能用、不好用」到「可以用」的技術突破，迎來爆發式增長的新高潮。

㈡ 人工智慧的歷史

AI(Artificial Intelligence，人工智慧) 。
「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的, 現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更准確, 因之當代人已不再把這種計算看作是「需要人類智能才能完成的復雜任務」, 可見復雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展, 一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。

人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。

知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。

常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。

問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。

搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。

機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。

知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。 `

㈢ 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。

㈣ 人工智慧發展史

歷史 突飛猛進

1950年阿蘭·圖靈出版《計算機與智能》。

1956年約翰·麥卡錫在美國達特矛斯電腦大會上「創造」「人工智慧 」一詞。

1956年美國卡內基·梅隆大學展示世界上第一個人工智慧軟體的工作。

1958年約翰·麥卡錫在麻省理工學院發明Lisp語言———一種A．I．語言。

1964年麻省理工學院的丹尼·巴洛向世人展示，電腦能掌握足夠的自然語言從而解決了開發計算機代數詞彙程序的難題。

1965年約瑟夫·魏岑堡建造了ELIZA———一種互動程序，它能以英語與人就任意話題展開對話。

1969年斯坦福大學研製出Shakey————一種集運動、理解和解決問題能力於一身的機器人。

1979年第一台電腦控制的自動行走器「斯坦福車」誕生。

1983年世界第一家批量生產統一規格電腦的公司「思考機器」誕生。

1985年哈羅德·科岑編寫的繪圖軟體Aaron在A．I．大會亮相。

90年代A．I．技術的發展在各個領域均展示長足發展————學習、教學、案件推理、策劃、自然環境認識及方位識別、翻譯，乃至游戲軟體等領域都瞄準了A．I．的研發。

1997年IBM（國際商用機械公司）製造的電腦「深藍」擊敗了國際象棋冠軍加里·卡斯帕羅夫。

90年代末以A．I．技術為基礎的網路信息搜索軟體已是國際互聯網的基本構件。

2000年互動機械寵物面世。麻省理工學院推出了會做數十種面部表情的機器人Kisinel。

現在 流行擋不住

商業上的成功，成為實驗室研究工作的催化劑。A．I．的邊界正一步步向人類智慧逼進。

全球的高科技實驗室不約而同盯上了A．I．大腦，這其中響當當的名字包括卡內基·梅隆大學，IBM和日本的本田汽車公司。

在比利時，Starlab（星實驗室）正開發種能取代真貓大腦工作的人工大腦。據「人工大腦網站」報道，它將擁有約7500個人工腦神經細胞。它將能自如地操控貓咪行走，玩耍毛線球。據估計它將在2002年完成。

軟體在將復雜決策程序化整為零方面取得突破。像外貌識別等看似簡單的人類能力實際涉及廣泛、復雜的認知和判斷步驟。今天的電腦軟體越來越精於模仿人類最精細的思維。而計算機硬體在追趕人腦能力方面亦不遺餘力。

目前世界上最快的超級電腦————位於美國加利福利亞州勞倫斯·立弗摩爾國家實驗室的IBM制「ASCI白色」已經是有人腦0·1％的運算能力。

IBM正在研製的「藍色牛仔」（BlueJean）的每秒運算能力估計將與人腦相當。IBM研發部主管保羅·霍恩說BlueJean將在4年後開始運行。

斯坦福大學A．I．領域的首席專家埃里克·霍維茲及其許多同行相信，A．I．技術迎來突破發展的日子近在眼前，那時，A．I．將細分並派生出跨越出廣泛領域的學科。

未來 聰明過人？

關於A．I．人們最迫切希望知道的問題是，它真能和人一般聰明嗎？許多科學家相信，這只是個時間上的問題。A．I．軟體設計師庫爾茲維爾認為遲至2020年A．I．即可聰明過人。IBM的霍恩估計比較保守，他認為A．I．趕上人還需要40—50年時間。AT＆T的斯通則說他的目標是在2050前組建一隻能挑戰曼聯的A．I．足球隊。他這不是開玩笑。

在許多方面，A．I．大腦比人類更有優勢。人腦的學習吸收新知識的過程非常慢。要說一口流利的英語至少得半年或兩三年時間（吹牛廣告中的例子除外）。而要讓A．I．學會講法語，只需為它裝上一個說法語軟體，數秒之間一個A．I．法語專家便誕生了。

另一個更難解答的問題：A．I．是否能擁有情感。目前沒有人有把握回答這個問題。

於是剩下一個最可怕的問題：A．I．機器人能變得比人類更聰明，並反戈一擊與人類為敵？庫爾茲維爾、技術學家比爾·喬伊認為這並非不可能。霍恩在這個問題上拿不太穩。

霍恩認為雖然電腦的粗略運算能力可超過人類，但它不可能具備人類所有精細的特徵，因為人類對自己的大腦擁有的許多微妙能力並不了解，更無從仿模相應軟體。

庫爾維茲的看法比較樂觀，他認為人類在開發超級A．I．的同時，在對它們的引導和管理方面也將相應提高，因此將永遠走在前面，掌握控制權。

㈤ 統計機器翻譯的歷史

早在1949年，瓦倫·韋弗就基於香農的資訊理論提出了統計機器翻譯的基本思想。而最早提出可行的統計機器翻譯模型的是IBM研究院的研究人員。他們在著名的文章《統計機器翻譯的數學理論：參數估計》中提出了由簡及繁的五種詞到詞的統計模型，分別被稱為IBM Model 1到IBM Model 5。這五種模型均為雜訊信道模型，而其中所提出的參數估計演算法均基於最大似然估計。然而由於計算條件的限制和平行語料庫的缺乏，尚無法實現基於大規模數據的計算。其後，由Stephan Vogel提出了基於隱馬爾科夫模型的統計模型也受到重視，被認為可以較好的替代IBM Model 2.
在此文發表後6年，即1999年，約翰·霍普金斯大學夏季討論班集中了一批研究人員實現了GIZA軟體包，實現了IBM Model 1到IBM Model 5。Franz-Joseph Och在隨後對GIZA進行了優化，加快了訓練速度，特別是IBM Model 3到5的訓練。同時他還提出了更加復雜的Model 6。Och發布的軟體包被命名為GIZA++，直到現在，該軟體包還是絕大部分機器翻譯系統的基石。目前，針對大規模語料的訓練，已有GIZA++的若干並行化版本存在。
基於詞的統計機器翻譯雖然開辟了統計機器翻譯這條道路，其性能卻由於建模單元過小而受到極大限制。同時，產生性（generative）模型使得模型適應性較差。因此，許多研究者開始轉向基於短語的翻譯方法。Franz-Josef Och再次憑借其出色的研究，推動了統計機器翻譯技術的發展，他提出的基於最大熵模型的區分性訓練方法使得統計機器翻譯的性能極大提高並在此後數年間遠遠超過其他方法。更進一步的，Och又提出修改最大熵方法的優化准則，直接針對客觀評價標准進行優化，從而產生了今天廣泛採用的最小錯誤訓練方法（Minimum Error Rate Training）。
另一件促進SMT進一步發展的重要發明是翻譯結果自動評價方法的出現，這些方法翻譯結果提供了客觀的評價標准，從而避免了人工評價的繁瑣與昂貴。這其中最為重要的評價是BLEU評價指標。雖然許多研究者抱怨BLEU與人工評價相差甚遠，並且對於一些小的錯誤極其敏感，絕大部分研究者仍然使用BLEU作為評價其研究結果的首要（如果不是唯一）的標准。
Moses是目前維護較好的開源機器翻譯軟體，由愛丁堡大學研究人員組織開發。其發布使得以往繁瑣復雜的處理簡單化。

㈥ 人工智慧的發展階段都有哪些

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，版共同研究和探討權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。IBM公司「深藍」電腦擊敗了人類的世界國際象棋冠軍更是人工智慧技術的一個完美表現。

㈦ 人工智慧語言的人工智慧語言的歷史

人工智慧語言
在人工智慧的研究發展過程中，從一開始就注意到了人工智慧語言問題。人工智慧發展的初期，人工智慧語言就得到了研究和開發。實際上四十多年來有一百來種人工智慧語言先後出現過，但很多都被淘汰了。它們大抵有三個來源。第一個來源是計算機科學家們對可計算性理論的研究。例如，LISP語言是為處理人工智慧中大量出現符號編程問題而設計的，它的理論基礎是符號集上的遞歸函數論。已經證明，用LISP可以編出符號集上的任何可計算函數。Prolog語言是為處理人工智慧中也是大量出現的邏輯推理問題(首先是為解決自然語言理解問題)而設計的。它的理論基礎是一階謂詞演算(首先是它子集Horn子句演算)的消解法定理證明，其計算能力等價於LISP。OPS5面對的問題也是邏輯推理。不過PROLOG是向後推理，OPS5是向前推理。OPS5的理論基礎是Post的產生式系統，其計算能力也等價於LISP。第二個來源是認知科學的研究成果。人們研究出各種各樣的認知模型，並為這些模型設計相應的知識表示語言。例如產生式表示、框架表示、語義網路表示等實際上都有其認知模型作為背景。如上所述的OPS5是產生式表示的語言，SRL、FRL、FEST等是框架語言，概念圖和SNetI都是語義網路表示語言。面向對象的程序設計是在SIMULA中的類程和Minsky的框架表示兩種思想融合的基礎上發展起來的(它適用於計算機軟體的所有領域，不只是人工智慧)。

㈧ 人工智慧的六大發展階段是什麼設想第七階段，還有人工智慧誕生的標志是什麼

人工智慧的歷復史與未來制劃分為了三個階段：

1.手工知識（HandcraftedKnowledge）階段，代表是形式邏輯理論

2.統計學習（StatisticalLearning）階段
，代表是機器學習理論
3.語境順應（ContextualAdaptation）階段，代表是深度學習技術

第七階段是全面智能感知

1956年，在由達特茅斯學院舉辦的一次會議上，計算機專家約翰·麥卡錫提出了「人工智慧」一詞。後來，這被人們看做是人工智慧正式誕生的標志。

㈨ 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