人工智能的发展历史

1. 人工智能计算机的发展历史是怎样的呢

【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

2. 什么是人工智能发展过程中经历了哪些阶段

人工智能指通过计算机实现人的头脑思维，是对能够从环境中感知并执行行动的智能体的描述与构建。
一是起步发展期：20世纪50年代—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。
二是反思发展期：20世纪60年代—20世纪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，使人工智能的发展跌入低谷。
三是应用发展期：20世纪70年代初—20世纪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门知识的重大突破。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。
四是低迷发展期：20世纪80年代中期—20世纪90年代中期。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。
五是稳步发展期：20世纪90年代中—21世纪初。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，推动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。
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飞速发展，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，迎来爆发式增长的新高潮。

3. 人工智能的六大发展阶段是什么设想第七阶段，还有人工智能诞生的标志是什么

人工智能的历复史与未来制划分为了三个阶段：

1.手工知识（HandcraftedKnowledge）阶段，代表是形式逻辑理论

2.统计学习（StatisticalLearning）阶段
，代表是机器学习理论
3.语境顺应（ContextualAdaptation）阶段，代表是深度学习技术

第七阶段是全面智能感知

1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。后来，这被人们看做是人工智能正式诞生的标志。

4. 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。

5. 人工智能的历史

AI(Artificial Intelligence，人工智能) 。
“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的, 现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确, 因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展, 一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。

人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。

常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。

问题求解中的自动推理是知识的使用过程，由于有多种知识表示方法，相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要，近几年来提出了多种非演泽的推理方法，如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。

搜索是人工智能的一种问题求解方法，搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示，启发式知识利用得越充分，求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。

机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的过程，按照学习机制的不同，主要有归纳学习、分析学习、连接机制学习和遗传学习等。

知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量较大而又有多种表示方法时，知识的合理组织与管理是重要的。推理机在问题求解时，规定使用知识的基本方法和策略，推理过程中为记录结果或通信需设数据库或采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识，则这样的知识系统称为专家系统。为适应复杂问题的求解需要，单一的专家系统向多主体的分布式人工智能系统发展，这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。 `

6. 人工智能进化史揭密 人工智能进化史如何

人工智能进化史揭密 人工智能进化史如何？

人工智能进化史揭密 人工智能进化史如何？

特斯拉及SpaceX首席执行官艾伦·马斯克在谈论人工智能即将崛起时说我认为我们应该对人工智能采取非常谨慎的态度。如果我不得不猜测我们最大的生存威胁是什么，那很可能就是人工智能。所以，我们需要非常谨慎。我越来越倾向于认为应该有一些监管监督，也许是在国家和国际层面上的监管，这只是为了确保我们不会做一些非常愚蠢的事情。

自从科幻小说将其吹捧为有史以来最伟大的创新之后，人工智能就进入了公共领域。不过，它的历史要低调得多。

一、小开端：从无到有的人工智能

1950年时，围绕人工智能(AI)的讨论就被认为是人类智能和机器之间缺失的一环。直到1946年第一台电子计算机诞生，1949年计算机才拥有存储能力的十年之后，才有了这种讨论和辩论。计算机科学家当时对这个想法非常感兴趣，而同样水平的前瞻性思维也一直在激励着几代人。

诺伯特·维纳是一位数学家和哲学家，他提出了人工智能的想法，并成为第一批提出理论的人之一，认为所有的智能行为都是反馈机制的结果。举个例子，如果我教你一些东西，我对你学习的反馈会让你变得聪明。

这适用于几乎所有人类活动，无论是针线工作还是制造手机。据说诺伯特是计算机科学家艾伦·纽维尔、赫伯特·西蒙和克利夫·肖的灵感来源之一，他们设计了首个名为逻辑理论家(1955-56)的人工智能程序。

人工智能进化史：从麦卡锡到索菲亚

然而，第一个提出人工智能一词的人是约翰·麦卡锡，他也被吹捧为人工智能之父。1956年，他组织了一个名为关于人工智能的达特茅斯夏季研究项目的会议，并让有才华的程序员和设计师参与到这项研究中来。

在人工智能的圣地达特茅斯的项目取得成功之后，其他一些大学也开始关注这一问题，麻省理工学院、基尔大学、密歇根大学以及其他一些大学加快了相关的研究进程。由于人人都想破解人工智能的密码，其他常春藤盟校也开始成立研究中心。

理由很简单。人工智能将有助于创建能够更有效地解决问题的系统，以及可以自行学习的系统的构建。因此，计算机科学家们开始设计一款软件，将这两个因素结合在一起，形成一个连贯的机器，这预示着下一个人工智能领域的突破。

在20世纪50年代，艾伦·图灵在机器理论化方面也起了重要作用，他在1950年出版的重要论文《机器与智力》中，认为机器能像人类一样思考和下棋。人工智能的概念正逐渐成为一种主流现象。

接着，在20世纪90年代，围绕人工智能的话题又出现了。这项技术最终达到了该领域的要求，人们开始开发机器学习和算法，这些算法可以在非常基础的水平上进行自学。人工智能再次成为人们关注的焦点，因为研究人员、科学家和大型科技巨头开始突破其界限。

真正的人工智能抓住了世界的想象力，甚至进入了流行文化，就连主流电影也开始加入这一元素。接管地球的机器人开始成为一场巨大的文化运动。

1995年，发明家理查德·华莱士(Richard？Wallace)开发了聊天机器人A.L.I.C.E(人工语言互联网计算机实体)，在其中加入了自然语言，并抽取了数千个数据点，最终创造出类似人工智能的机器。这是一个设计精美的模型，AILICE表现出了简单的初期生命的特征。

两年后，计算机深蓝使用人工智能在比赛中击败了国际象棋冠军加里·卡斯帕罗夫。这是人工智能和研究领域的一个分水岭时刻。随着开发人员创造出更好的模型和更多功能的机器，人工智能领域也会有更多进步。

有人记得菲尔比吗？这是一款非常棒的玩具，它在美国掀起了一场风暴，它内设人工智能，可在其帮助下识别问题并做出相应回答。这发生在1998年，在这一点上，人工智能得到了更多关注。

2000年，本田制造了阿西莫机器人，它可以表现出与人类类似的某些功能，并拥有基本的智能水平。这是一种几乎与人类相似的实体，它是最早出现或模仿人类互动的技术之一。

就在第二年，史蒂文·斯皮尔伯格推出了一部名为《人工智能》的电影，讲述的是一个编程制造的男孩体验人间情感的故事。这是人工智能进入流行文化的首批例子之一，世界各地的观众突然意识到，科技正进入他们的家庭。

在科技泡沫破裂、市场在千禧年到来之际陷入疯狂之后，美国国防部高级研究计划局(DARPA)在2004年发起了一项全球性挑战，创造出一种可以在沙漠中行驶150英里的自动机器人。这为人工智能游戏打了另一只强心剂，越来越多的人们对开发与人工智能相关的技术感兴趣。然而，这项技术很费时费力，需要很多硬件，却又收效甚微。尽管如此，仍有一些人对人工智能的未来及其潜力持乐观态度。

人工智能将在2029年左右达到人类的智力水平。再进一步说，比如2045年，我们将把人类文明创造出的人类生物机器的智能翻倍，也许是十亿倍。——雷·科兹威尔(作家兼创始人，奇点大学)

然而，像史蒂芬·霍金这样的天才却公开反对人工智能，反对它进入现实世界。他曾说过，完全人工智能的发展可能意味着人类的终结。它会脱离控制，以越来越快的速度重新设计自己。人类受到缓慢的生物进化的限制，无法与之竞争，并将被人工智能取代。

二、今天的人工智能世界

人工智能进化史：从麦卡锡到索菲亚

如今，每一家科技公司都决心尽快将人工智能引入主流。谷歌的拉里·佩奇对这项技术持乐观态度，并希望将其商业化。他之前曾说过，人工智能将是谷歌的最终版本。最终版本的搜索引擎可以理解网络上的一切。它会确切地知道你想要什么，它会给你正确的选择。我们离这一天还很远。然而，我们可以逐渐朝这一方向努力，这基本上就是我们正在做的工作。

7. 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

8. 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。