想知道人工智能的发展史？看完这篇文章你会赞叹科技的力量！

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

计算机之父、人工智能之父--图灵（Alan Turing）提出：机器会思考吗？如果一台机器能够与人类对话而不被辨别出其机器的身份，那么这台机器具有智能的特征。同时，图灵还预言创造具有真正智能的机器的可能性。

AI诞生

在1956年达特茅斯学院举行的一次会议上，正式确立了人工智能为研究学科。

2006年达特茅斯会议当事人重聚，左起：Trenchard More、John McCarthy、Marvin Minsky、Oliver Selfridge、Ray Solomonoff

第一次发展高潮（1955年-1974年）

达特茅斯会议之后是大发现的时代。对很多人来讲，这一阶段开发出来的程序堪称神奇：计算机可以解决代数应用题、证明几何定理、学习和使用英语。在众多研究当中，搜索式推理、自然语言、微世界在当时最具影响力。

当时成就

- 人工神经网络在30-50年代被提出，1951年Marvin Minsky制造出第一台神经网络机

- 贝尔曼公式（增强学习雏形）被提出

- 感知器（深度学习雏形）被提出

- 搜索式推理被提出

- 自然语言被提出

- 首次提出人工智能拥有模仿智能的特征，懂得使用语言，懂得形成抽象概念并解决人类现存问题

- Arthur Samuel在五十年代中期和六十年代初开发的国际象棋程序，棋力已经可以挑战具有相当水平的业余爱好者

- 机器人SHAKEY项目受到了大力宣传，它能够对自己的行为进行"推理"；人们将其视作世界上第一台通用机器人

- 微世界的提出

第一次寒冬--存在的问题

研究学者认为具有完全智能的机器将在二十年内出现并给出了很多预言，如机器将能完成人能做到的一切工作、将制造出一台具有人类平均智能的机器。

但很快就打脸了，AI遭遇到瓶颈。由于此前的过于乐观使人们期待过高，当AI研究人员的承诺无法兑现时，公众开始激烈批评AI研究人员，许多机构不断减少对人工智能研究的资助，直至停止拨款。

- 计算机运算能力遭遇瓶颈，无法解决指数型爆炸的复杂计算问题

- 常识和推理需要大量对世界的认识信息，计算机达不到"看懂"和"听懂"的地步

- 无法解决莫拉维克悖论

- 无法解决部分涉及自动规划的逻辑问题

- 神经网络研究学者遭遇冷落

莫拉维克悖论：如果机器像数学天才一样下象棋，那么它能模仿婴儿学习又有多难呢？然而，事实证明这是相当难的。

第二次发展高潮（1980年-1987年）

"专家系统"的AI程序开始为全世界的公司所采纳，人工智能研究迎来了新一轮高潮。由于"专家系统"仅限于一个很小的领域，从而避免了常识问题。"知识处理"随之也成为了主流 AI 研究的焦点。

当时成就

- 专家系统的诞生

- AI研究人员发现智能可能需要建立在对分门别类的大量知识的多种处理方法之上

- BP算法实现了神经网络训练的突破，神经网络研究学者重新受到关注

- AI研究人员首次提出：机器为了获得真正的智能，机器必须具有躯体，它需要有感知、移动、生存，与这个世界交互的能力。感知运动技能对于常识推理等高层次技能是至关重要的，基于对事物的推理能力比抽象能力更为重要，这也促进了未来自然语言、机器视觉的发展。

存在的问题--第一次寒冬

AI硬件的市场需求突然下跌，专家系统虽然很有用，但它的应用领域过于狭窄，而且更新迭代和维护成本非常高。

当时主要问题：

- 受到台式机和"个人电脑"理念的冲击影响

- 商业机构对AI的追捧和冷落，使AI化为泡沫并破裂

- 计算机性能瓶颈仍无法突破

- 仍然缺乏海量数据训练机器

第三次发展高潮（1993年-至今）

在摩尔定律下，计算机性能不断突破。云计算、大数据、机器学习、自然语言和机器视觉等领域发展迅速，人工智能迎来第三次高潮。

当时成就

1997年

- IBM的国际象棋机器人深蓝战胜国际象棋世界冠军卡斯帕罗夫

2006年

- Geoffrey Hinton提出多层神经网络的深度学习算法

- Eric Schmidt在搜索引擎大会提出"云计算"概念

2010年

- Sebastian Thrun领导的谷歌无人驾驶汽车曝光，创下了超过16万千米无事故的纪录

2013年

- 深度学习算法在语音和视觉识别率获得突破性进展

2016年：

- Google AlphaGo以比分4:1战胜围棋九段棋手李世石

- Chatbots这个概念开始流行

- Google发布为机器学习定制的第一代专用芯片TPU

- Google发布语音助手Assistant

以上就是人工智能大致的发展历史了，赶紧转发，安利给你的小伙伴吧！