人工智能的过去现在和未来(供中学生科普)
人工智能的历史、现状和未来
人工智能的历史、现状和未来
□ 谭铁牛
总体而言，我国人工智
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—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。
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
平昌冬奥会闭幕式，由中国企业研发的智能移动机器人与轮滑演员进行表演。
新华社记者 李钢/摄
神经网络模型、人工设定应用场景、人
工采集和标注大量训练数据、用户需要
人工适配智能系统等，非常费时费力。
因
此，科研人员开始关注减少人工干预的
自主智能方法，提高机器智能对环境的
自主学习能力。
例如阿尔法狗系统的后续
版本阿尔法元从零开始，通过自我对弈
强化学习实现围棋、国际象棋、日本将棋
的“通用棋类人工智能”。
在人工智能系
统的自动化设计方面，2017年谷歌提出
的自动化学习系统（AutoML）试图通过
自动创建机器学习系统降低人员成本。
第三代国产骨科手术机器人“天玑”正在模拟做手术。
麦田/视觉中国。
人工智能的发展历程与未来展望
人工智能的发展历程与未来展望一、人工智能的起源与早期发展1.1 人工智能的定义与目标人工智能，作为模仿人类智能行为的技术科学，旨在创造能够执行复杂任务的智能机器。
其定义与目标不仅局限于模拟人类的思维过程，还包括学习、推理、自我修正和适应新环境的能力。
例如，著名的图灵测试就是检验机器是否能够展现出与人类相似的智能行为。
随着技术的进步，人工智能的目标已经扩展到解决实际问题，如通过深度学习模型在医疗影像分析中达到甚至超越人类专家的准确率。
正如斯图尔特·罗素所言：“人工智能的目标是创造能够理解、学习、预测和适应环境的智能体。
”因此，人工智能的发展不仅仅是为了技术的突破，更是为了在各行各业中实现应用价值，推动社会进步。
1.2 早期的AI研究与里程碑事件人工智能的起源可追溯至20世纪中叶，当时计算机科学的先驱们开始探索机器是否能够模拟人类智能。
1956年，约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗切斯特和克劳德·香农等人在达特茅斯会议上首次提出了“人工智能”这一术语，标志着人工智能研究的正式开始。
早期研究者们对人工智能充满乐观，认为机器很快就能执行复杂的认知任务。
例如，1966年，约瑟夫·维森鲍姆开发了ELIZA程序，它通过模仿罗杰斯心理治疗师的对话风格，展示了计算机在处理自然语言方面的潜力。
然而，早期的AI研究也遭遇了重大挑战，如1973年，英国政府资助的Lighthill报告对AI研究的可行性提出了质疑，导致了所谓的“AI冬天”，研究资金和兴趣大幅减少。
尽管如此，早期的AI研究奠定了人工智能发展的基础，为后来的突破性进展，如机器学习和深度学习的兴起，提供了理论和技术的铺垫。
二、人工智能的突破与技术革新2.1 机器学习的兴起与深度学习的突破人工智能的突破与技术革新，尤其是机器学习的兴起与深度学习的突破，标志着一个新时代的到来。
机器学习，作为人工智能的一个分支，通过算法让计算机从数据中学习并做出决策或预测，而深度学习则是机器学习的一个子集，它通过模仿人脑神经网络的结构和功能，让机器能够处理复杂的模式识别任务。
人工智能的发展历程与未来趋势
人工智能的发展历程与未来趋势人工智能（Artificial Intelligence，简称AI）作为一项前沿科技，经历了较长的发展历程。
从诞生至今，人工智能已经取得了令人瞩目的成就，并且在未来有着广阔的应用前景。
本文将从人工智能的发展历程开始，探讨其现状，并展望未来的发展趋势。
一、人工智能的起源与发展人工智能的起源可以追溯到上世纪40年代，当时科学家们开始致力于研究如何使机器能够模拟人类的智能。
这项领域在上世纪50年代逐渐形成，并取得了一些突破性的成果，如最早的计算机棋类程序。
然而，由于当时技术限制和资源不足，人工智能的发展进入了一个相对停滞的状态，被称为“人工智能的冬季”。
直到上世纪80年代，随着计算机性能的提升和算法的改进，人工智能研究重新兴起。
大量的专家开始研究机器学习、数据挖掘和知识表示等领域，推动了人工智能的快速发展。
此后，人工智能逐渐走向应用，涉及到语音识别、自然语言处理、图像识别等多个领域，并取得了一系列的突破进展。
二、人工智能的现状目前，人工智能已经在许多领域得到了广泛应用，具有了相当的市场规模和商业价值。
在医疗行业，人工智能能够辅助诊断和治疗疾病，提高医疗效果和效率。
在交通领域，人工智能可以用于自动驾驶技术，提高交通安全和交通效率。
在金融领域，人工智能可以帮助分析大量的金融数据，预测市场走势，提供投资建议。
此外，人工智能还在教育、娱乐、安防等领域得到了应用。
例如，一些在线教育平台已经开始使用人工智能技术个性化地推荐学习资源；智能音箱等智能设备为用户提供了更加便捷和智能化的生活体验。
然而，人工智能仍然面临一些挑战和问题。
首先，算法的优化和训练需要大量的数据，但数据的获取和隐私保护也面临一定的困难。
其次，人工智能的决策透明度和可解释性需要进一步提高，避免出现黑箱操作。
另外，人工智能的应用也可能引发一些伦理和社会问题，如人机关系、工作岗位的变化等。
三、人工智能的未来趋势在未来，人工智能有望持续发展，并对社会、经济、科技产生深远影响。
人工智能技术的发展历程
人工智能技术的发展历程人工智能（Artificial Intelligence，简称AI）是一门研究如何制造智能机器的学科，它的发展历程可以追溯到上个世纪50年代。
从最初的计算机逻辑、机器学习，到如今的深度学习和自然语言处理，人工智能在过去几十年里取得了显著的进展。
本文将为你介绍人工智能技术的发展历程。
一、早期理论与实践人工智能的历史可以追溯到20世纪50年代。
当时，科学家们开始关注如何让机器拥有人类智能。
于是，他们提出了一些早期的人工智能理论和算法，包括逻辑推理和问题求解。
同时，早期的人工智能研究也致力于构建能够模拟人类思维过程的计算机程序。
二、专家系统的兴起20世纪70年代，专家系统成为人工智能领域的一个重要里程碑。
专家系统是基于人类专家知识的计算机程序，它能够模拟人类专家在特定领域中的决策过程。
专家系统的兴起标志着人工智能领域开始注重知识表示和推理机制。
三、机器学习的突破20世纪80年代和90年代，机器学习成为人工智能领域的关键技术之一。
机器学习通过让机器从数据中学习模式和规律，实现了对复杂问题的自动化解决。
其中，支持向量机、决策树和神经网络等算法的提出和发展，极大地推动了机器学习的发展和应用。
四、深度学习的崛起21世纪初，深度学习成为人工智能领域的热门技术。
深度学习基于神经网络的模型，通过构建多层次的神经网络，实现了对大规模数据的高效处理和分析。
深度学习被广泛应用于图像识别、语音识别和自然语言处理等领域，取得了令人瞩目的成果。
五、人工智能的广泛应用随着技术的不断发展，人工智能被广泛应用于各个领域。
在医疗健康领域，人工智能可以辅助医生进行疾病诊断和治疗方案设计。
在交通运输领域，人工智能可以优化交通流量和智能驾驶。
在金融领域，人工智能可以进行风险评估和投资决策。
在智能家居领域，人工智能可以提供智能语音助手和智能家电控制等服务。
六、人工智能的未来展望人工智能的发展还面临着一些挑战和机遇。
其中，数据隐私和安全问题、伦理道德问题以及算法的透明性等是亟待解决的关键问题。
人工智能的发展现状和趋势
人工智能的发展现状和趋势人工智能是目前科技界的热门话题，它的发展日趋迅速。
人工智能是计算机科学领域的一个重要分支，它能够通过算法训练模型，掌握人类决策的技能，直到能够像人类那样做出决策。
随着技术的发展，人工智能已经被应用在各行各业，如医疗保健、金融服务、零售业、教育、工业等。
在本文中，我们将探讨人工智能的发展现状和趋势。
一、人工智能的发展现状人工智能的发展从20世纪50年代开始，当时它只是一个初步的概念，待到1970年代中期才开始被广泛应用。
早期的人工智能系统往往借助手动编程来实现，因此性能较为有限，只能处理一些基本的问题。
随着计算机性能、算法和数据集的不断提高，人工智能的应用领域不断扩大，出现了许多与人类行为相近的模型，如语音识别和自然语言处理。
另外，机器学习技术的发展也为人工智能的应用打下了良好的基础。
机器学习技术使计算机能够通过模拟人类神经元网络来学习新的任务。
近年来，神经网络技术、机器学习技术和深度学习技术的快速发展，进一步推动了人工智能的发展。
这些技术可以帮助计算机自动从大量数据中学习，因此也可以应用于识别医学图像、自然语言处理、游戏、无人驾驶等领域。
目前，人工智能正在被广泛应用于各行各业。
例如，亚马逊利用人工智能技术来改善交货速度，谷歌利用机器学习技术来预测心脏病，IBM Watson将人工智能应用于客服服务，Verily利用人工智能来改善医疗保健等。
二、人工智能的趋势随着人工智能技术的发展，人工智能的趋势也逐渐清晰。
我们可以从以下几个方面分析：1. 自然语言处理自然语言处理是人工智能的一个重要分支。
随着文本生成、语音识别和机器翻译技术的发展，自然语言处理将在未来变得更好用、更方便。
未来，人们将不再通过键盘来处理文本，而是通过口音输入和自动流畅地将文本转换成讲话。
2. 机器学习随着时间的推移，机器学习越来越成为人工智能领域的主流技术。
未来，更多的应用将采用深度学习算法和模型，以处理更大规模、更复杂的数据。
人工智能的过去现在和未来
人工智能的过去
1.算术运算阶段 1614年苏格兰人John Napier发表了一篇论文 ，其 中提到他发明了一种可以进行四则运算和方根运算的精巧装置； 1625年William Oughtred发明计算尺；1642年，法国哲学家兼数学 家Blaise Pascal发明了第一台真正的机械计算器——滚轮式加法器， 其外观上有6个轮子，分别代表着个、十、百、千、万、十万等， 只需要顺时针拨动轮子，就可以进行加法，而逆时针则进行减法， 原理和手表很像，算是计算机的开山鼻祖了； 1822年英国人 Charles Babbage设计了差分机和分析机，其设计理论非常超前，类 似于百年后的电子计算机，特别是利用卡片输入程序和数据的设 计被后人所采用；1834年Babbage 设想制造一台通用分析机，能够 完成所有的算术运算，该分析机由四个基本部件构成：存储库、 运算室、传送机构和送人取出机构，类似于现代计算机的五大装 置：输入、控制、运算、存储和输出装置，因此他被公认为计算 机之父；1848年英国数学家George Boole创立二进制代数学，提前 近一个世纪为现代二进制计算机的发展铺平了道路。 算术运算主 要是以机械方式来实施的。
人工智能的现在
1.模式识别阶段 模式识别是近30年来得到迅速发展的人工智能分支学科。但是，对于什么是“模式”， 或者什么是机器（也包括人）能够辨认的模式，迄今尚无确切的定义。电脑模式识别技术最初起源于图 象识别的需要，。严格地说，模式识别又不是简单的分类学，它的目标包括对于识别对象的描述、理解 与综合。 在1973年召开的模式识别第一次国际学术会议基础上，成立了国际模式识别协会（IAPP）。 一位专家曾经指出：“模式识别是本世纪雄心最大的学科，需要电脑科学家、数学家、生物学家、心理 学家、哲学家和社会学家的通力合作。” 图象模式识别技术比较成功的运用领域是文字识别。如果把 每一个中文汉字或西文字母都视为一个小图形，模板匹配的方法自然可以移植到文字识别过程中。目前， 印刷体文字识别软件早已经进入商品化阶段，被称为OCR光学字符识别软件。通常可将书籍、报纸等印 刷品上的文字用扫描仪输入，首先经过特征抽取处理，例如，某字的笔画有几笔，收尾端点有几个，拐 角有多少等等。在电脑里已经预先保存了各种字的图形和它们的特征，也称为“模板”，全部模板就构 成一部“模板字典库”。由于要考虑字体、字号、纸张、油墨等因素影响，每一个字都有若干套不同的 模板。接下来就是将抽取到的文字特征与模板字典逐一匹配，直到在字典库中寻找到最接近的模板为止。 运用这种方法，对于印刷体文字，电脑能够以“一目十行”的速度进行阅读。此外，实时跟踪人手写字 的笔画顺序来识别手写文字的模式识别技术，也已经达到实用化程度，诸如常见的汉字笔输入软件。 人类相互之间交流思想，除“读写”之外的重要途径是“听说”，电脑语音识别理所当然被列为与图象 识别同等重要的人工智能技术，它包括用口令控制电脑的动作、或者根据口述声音录入文字、设计出 “会听话”的电脑等内容。语音识别的基础技术也是模式识别，通常每个人说话的音色和音调都有一定 的差异，发声频率各不相同，人脑对语音似乎有一种自适应的能力，既能区分不同性别不同年龄的语音 差异，又能调整为能够理解的基本音素，从而听懂各色人等说出的话语。采用模板匹配方式的电脑不可 能具备这种本领，它通常只能“听懂”特定某人的声音，而且是经过了一段时间“学习”的结果。
人工智能的过去现在和未来
化和智能化的计算机，只有这样，才能实现从人操作计算 机转变为计算机辅助人，才能实现计算机由认知型转变为 直觉型。“情感计算”研究就是试图创建一种能感知、识 别和理解人的情感，并能针对人的情感做出智能、灵敏、 友好反应的计算机系统。 情感具有三种生理学成分：⑴ 主观体验，即个体对于不同情感状态的自我感受；⑵外部 表现，即表情，在情感状态发生时身体各部分的动作量化 形式，表情包括面部表情（面部肌肉变化所组成的模式）、 姿态表情（身体其他部分的表情动作）和语调表情（言语 的声调、节奏、速度等方面的变化）；⑶生理唤醒，即情 感产生的生理反应强度（如心率、血压、呼吸、皮肤电活 动、瞳孔直径、脑电EEG等），是一种生理组织的激活水 平。情感计算就是对情感的三种生理学成分进行测量与计 算。 情感计算的主要内容包括：三维空间中动态情感信 息的实时获取与建模，基于多模态和动态时序特征的情感 识别与理解及其信息融合的理论与方法，情感的自动生成 理论及面向多模态的情感表达，以及基于生理和行为特征 的大规模动态情感数据资源库的建立等。 情感计算的本 质就是对人的情感表达的生理学成分的测量与计算，以及 对人的情感表达模式的识别，它不是真正意义上的对于人 的情感内部逻辑关系的计算，其主要目的在于建立友好的、 人性化的人机界面，帮助使用者获得高效而又亲切的感觉， 并有效减轻使用电脑的挫败感，构筑更贴近人们生活的智 能空间或虚拟场景。
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（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。人工智能是计算机科学 的一个分支，它企图了解智能的实质，并生产出一种新的能以 人类智能相似的方式做出反应的智能机器，该领域的研究包括 机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能从诞生以来，理论和技术日益成熟，应用领域也不断 扩大，可以设想，未来人工智能带来的科技产品，将会是人类 智慧的“容器”。 • 人工智能是对人的意识、思维的信息过程的模拟。人工智能不 是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能发展的总结
人工智能发展的总结人工智能（Artificial Intelligence，简称AI）是一门涉及计算机科学、信息技术和其他相关学科的综合性学科，其目标是使机器能够模仿人类智能，并具备学习、推理、理解、认知等能力。
随着科技的不断进步和技术的突破，人工智能在过去几十年里取得了令人瞩目的发展。
本文将对人工智能的发展进行总结，分析其现状和未来趋势。
一、人工智能的起源与发展人工智能的起源可以追溯到上世纪50年代，当时计算机科学家们开始研究如何使计算机拥有智能。
随着时间的推移，人工智能技术经历了几个阶段的演进。
早期的人工智能主要关注问题求解和推理，后来发展出了专家系统、机器学习、自然语言处理等技术。
近年来，深度学习和神经网络的发展更是为人工智能的快速发展提供了强大的支持。
二、人工智能的应用领域人工智能的应用领域非常广泛，几乎涵盖了所有行业。
在医疗领域，人工智能可以帮助医生进行疾病诊断、药物研发和治疗方案推荐。
在金融领域，人工智能可以应用于风险评估、信用评分和投资决策等。
在交通领域，人工智能可以用于自动驾驶和交通管理系统。
此外，人工智能还可以用于智能家居、智能制造、教育、娱乐等领域。
三、人工智能的挑战和风险尽管人工智能的发展给我们带来了很多便利和机遇，但也带来了一些挑战和风险。
首先，人工智能可能会导致部分就业岗位的消失，因为机器可以完成一些重复性高、纯粹依赖人力的工作。
其次，人工智能的算法可能存在偏见和歧视问题，可能会对少数群体产生不公平的影响。
此外，人工智能还面临着数据隐私和信息安全问题，如何保护用户的隐私和数据安全是一个重要的问题。
四、人工智能的未来趋势展望未来，人工智能的发展前景仍然十分广阔。
预计随着计算机处理能力的进一步提升和算法的不断改进，人工智能将在各个领域发挥更大的作用。
例如，人工智能在医疗领域可能会实现更精准的诊断和治疗，有助于提高医疗水平和人们的生活质量。
在交通领域，自动驾驶技术可能会成为主流，提高交通效率和安全性。
简述人工智能的历史与现状
简述人工智能的历史与现状人工智能，一直是科学技术中备受瞩目的领域。
据说，早在上个世纪五六十年代，当时的科学家就已经着手研究人工智能，这项技术之所以备受关注，很大程度上是因为它可以帮助人类解决很多实际问题，并让我们生活更加便利。
所以，本文将从人工智能的历史、现状以及未来前景三个方面，来简述下人工智能的发展历程和当下状态。
一、人工智能的起源和历史人工智能（Artificial Intelligence, AI）的起源要追溯到上个世纪五十年代的美国。
根据科技史记载，这个新生的领域最初就是从模拟和仿真着手，旨在通过计算机模拟生物大脑的神经网络来实现自主智能。
在人工智能的起步阶段，研究人员主要将注意力放在了模拟人类的思维过程上，如判断、推理、学习等认知任务。
特别是基于规则的推理系统和专家系统的研究，打破了人们对于计算机不能进行自主智能活动的看法。
随着计算机技术的不断提升和人工智能技术的不断研发，人工智能的应用范畴也得到了进一步扩展。
二、人工智能的现状目前，人工智能已经深入到我们的社会生活中的各个领域中，如智能家居、智能医疗、智能娱乐等等。
智能家居设备是人工智能技术的代表性应用，包括智能家电、智能语音助手等等。
在智能医疗领域，人工智能技术也得到广泛的应用和推广，如AI辅助诊断、基于机器学习的肿瘤检测系统、药物研发的智能协同平台等都是人工智能的应用。
同时，在互联网应用领域，人工智能也有着广泛的应用，如基于大数据的搜索引擎、基于机器学习的广告推荐系统等。
此外，随着智能硬件和物联网技术的发展，人工智能也将更加深入的渗透到我们的日常生活中。
三、人工智能的未来虽然目前人工智能技术已经取得了很大的进展和发展，但是人工智能还有很多值得挑战和探索的事情，从大数据、大规模机器学习、深度学习、多智能体等各方面来看，人工智能还有很多有待开发的领域，尤其是无法预知的新问题。
同时，人工智能还有很多技术障碍有待克服。
例如，人工智能存在缺乏真实智慧的问题，算法的可解释性问题，数据隐私问题，以及机器人智能和人机之间的协同性等。
人工智能技术发展的历史与未来
人工智能技术发展的历史与未来一、人工智能技术的历史人工智能技术自诞生以来，经历了几个重要的发展阶段。
第一个阶段是基于符号的人工智能，早在20世纪50年代初期，研究人员就已经开始尝试用计算机程序来解决一些象棋等问题。
但这种方法很快受到了限制，因为计算机程序只能处理精准输入的数据，而很多自然语言和图像信息难以描述和处理。
第二个阶段是基于统计学的人工智能，在20世纪80年代初期出现。
这种方法的思路是通过机器学习，让机器自动从实际数据中学习并预测结果。
这种方法在自然语言处理和图像识别等领域得到了广泛应用，但也存在一些问题，如数据不充分、噪声干扰等。
第三个阶段是现在正在进行的基于深度学习的人工智能技术。
深度学习技术是一种模仿人类大脑神经网络的学习方式，通过大量数据的训练，可以让机器模拟出人类复杂的思维能力。
这种技术目前已经在图像和语音识别、机器翻译和自然语言处理等领域取得了很大的成功。
二、人工智能技术的未来人工智能技术的未来是一片充满激情的蓝海，具有不可估量的潜力。
我们可以预见到，在不久的将来，人工智能技术会取得更多的突破和进展，并在各个领域规模化应用。
1. 人工智能技术在医疗领域的应用人工智能技术在医疗领域的应用已经开始跃升。
通过大量的医学数据和对应的医疗记录，深度学习技术可以捕捉到疾病的症状和治疗的方案。
通过这些数据，人工智能技术可以快速识别肿瘤和癌症等疾病，帮助医生更加准确地诊断和治疗。
2. 人工智能技术在交通领域的应用随着城市的扩张和城市化进程的加速，交通问题越来越严重。
在这个过程中，人工智能技术也发挥了很大的作用。
无人驾驶汽车等智能交通系统已经在美国、欧洲和中国等地区开始落地。
这些智能系统不仅可以减少交通事故，还可以提高城市交通效率，进一步解决城市的交通问题。
3. 人工智能技术在制造业的应用制造业是人工智能技术最有前途和最能体现智能制造和智能工厂的行业之一。
人工智能技术可以在工厂中实现智能化生产，为制造业的生产效率和质量提供新的思路。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
莫科里与埃克特一起制造了 “ENIAC”（1946年）
• 冯·诺依曼
阿塔纳索夫-贝瑞计算机
1956年夏出席达特茅斯会议的部分代表于50年后重逢
2006，AI 50周年会议（美国） 莫尔，麦卡锡，明斯基，塞尔夫里奇，索罗蒙夫
第一次正式使用了"人工智能(AI)"这一术语,从而开创了人工智 能的研究方向和学科。从此在美国形成了以人工智能为研究目标 的几个研究组,并有了AI的第一个发展期(兴旺期)。
intelligence， 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。
通俗的说法：
交叉学科
• 人工的方法在机器（计算机）上实现的智能
目录
一、人工智能的定义
二、人工智能的过去
三、人工智能的现在 四、人工智能的未来
人工智能发展历程
AI的诞生
各种穿戴设备、人—车共驾、脑控或肌控外骨骼机器人、人机协同手 术等实现生物智能系统与机器智能系统的紧密耦合。
人脸识别
无人驾驶共享汽车
智慧城市
虚拟现实（VR）
医疗诊断
用深度神经网络实现皮肤科医生水平的皮肤癌分类（2017.1.25）
他们通过使用深度卷积神经网络，利用129450个临床图 像的数据集，在21位经过认证的皮肤科医生的监督下学 习，完成对角质形成细胞癌、良性脂溢性角化病、恶性 黑色素瘤、普通痣等的识别，诊断准确率达91%以上。
程序，它在1959年击败了Samuel
本人，又在1962年打败了美国一
个州的跳棋冠军而荣获州级冠军。
•
符号积分程序
1963年Slagle发表了符号积分程序SAINT，用86道积分题 做实验（其中54道选自麻省理工学院的大学考题），结 果做出了其中的84道。
• 机器视觉
1965年Roberts编制了可以分辨积木构造的程序，开创了 计算机视觉的新领域。
数据与网络时代（90年代初～现在）
• 网络给AI带来无限的机会 • 知识发现与数据挖掘 • AI走向实用化
1997年5月11日，IBM 深蓝计算机打败了当 时世界国际象棋冠军 加里·卡斯帕罗夫， 这成为了载入史册的 历史性事件。
2011年，Watson在美国最受欢迎的智力问答 电视节目《危险边缘》(Jeopardy)中亮相， 一举打败了人类智力竞赛的冠军。
困难重重
• 从神经生理学角度研究AI的人发现他们遇到
了几乎是不可逾越的困难：以电子线路模拟 神经元及人脑都并没有成功。
• 人的脑子有1011（千亿）以上的神经元，生
理学家认为，每个神经元可能不只是一个信 息存储转送单位，而是一台完整的自动机， 当时的计算技术要把1011（千亿）台机器组 成一个联合运行的网络是不可能的。
顶天立地
人工智能研究人员开始做“顶天立地”的工 作。
• “顶天”是指研究和解决AI的一系列关键技
术问题，例如常识性知识表示、非单调推理、 不确定推理、机器学习、分布式人工智能、 智能机器体系结构等基础性研究，以期取得 突破性进展。
• “立地”是指研究人工智能的实际应用，特
别是专家系统、自然语言理解、计算机视觉、 智能机器人、机器翻译系统都朝实用化迈进。
新的神经元网络时代（80年代中～90年代初）
• BP网（算法），解决了多层网的学习问题 • Hopfield网，成功求解了货郎担问题 • 存在问题：
• 理论依据 • 解决大规模问题的能力
网络化、智能化 • 90年代，计算机发展趋势为等主流技术相 结合，并融合在主流技术之中，旨在使计算机更聪 明、更有效、与人更接近。
1956达特矛斯 会议，“人工智 能”正式诞生 搜索式推理 聊天机器人 专家系统 知识工程 五代机 神经网络重生 摩尔定律 统计机器学习 AI广泛应用 深度学习
乐观思潮
人工智能
孕育期
电子计算机 机
器翻译与NLP 图灵测试 计算 机下棋 早期神
1956
1974
1980
1987
1993
2006
2016
所有的AI程序 都只是“玩具” 运算能力 计算复杂性 常识与推理
年 ，机器的智能就可以超过人了。
危机
此时，兴奋的人们并未意识到初期的研究虽然很有 成效，但并未抓到本质，危机正潜伏在初战告捷的 欢乐中。
萧条波折期（1967年-70年代初期）
当人们进行了比较深入的工作后，发现人工智能研究碰到的困 难比原来想象的要多得多。
困难重重
Samuel的下棋程序当了州冠军之后没 能进一步当上全国冠军更不要说世界 冠军。65年世界冠军Helmann与 Samuel的程序对弈了四局获得全胜， 仅有的一个和局是因为世界冠军“匆 忙地同时和几个人对弈”的结果；
此后包括英国、苏联、中国在内的许多国家纷纷开展机器翻 译的研究。
• 定理证明
利用计算机证明数学定理是又一项大胆的设想。
• 1956年，Newell，Shaw和Simon给出了一个称为“逻辑机器”的程序，证明
了罗素、怀德海所著《数学原理》中的许多定理，这标志着自动定理证明的 开端。
• 1959年，Gelernter给出了一个称为“几何机器”的程序,能够做一些中学的
在人工智能研究领域，Yann LeCun、Geoffrey Hinton 和Yoshua Bengio一直被公认为深度学习三巨头。
弱人工智能
弱人工智能是擅长于单个方面的人工智能。比如有 能战胜象棋世界冠军的人工智能，但是它只会下象 棋，你要问它怎样更好地在硬盘上储存数据，它就 不知道怎么回答你了。
第一个兴旺期（1956-1966年）
一些较有代表性的工作：
• 机器翻译 • 定理证明 • 博弈
……
• 机器翻译
从语料库大量的翻译实例中自动学习翻译知识，然后 利用这些翻译知识自动翻译其他句子。
里程碑事件：
• 1953年，美国乔治敦大学组织了第一次机器翻译的实际实验。 • 1954年7月，IBM公司在701计算机上做了俄译英的公开表演。
困难重重
问题求解中的组合爆炸问题，例如 国际象棋走第一步有10120种可能， 用原有的计算机速度要1090年，而 宇宙的年龄是1010年，所以有人讲， 计算机下棋走第一步要走到“世界 的末日”，由此可见不能光靠把所 有可能性存入计算机，而要研究人 的思维方法。
敢问路在何方?
这一切都说明：由于50年代的盲 目乐观和期望值过高，没有充分 估计困难，没有抓到本质，因此， AI的发展要比平时慢得多，而且 遇到了严重的困难。
扫地机器人
强人工智能
人类级别的人工智能。强人工智能是指在各 方面都能和人类比肩的人工智能，人类能干 的脑力活它都能干。创造强人工智能比创造 弱人工智能难得多，我们现在还做不到。
超人工智能
牛津哲学家，知名人工智能思想家Nick Bostrom 把超级智能定义为“在几乎所有领域都比最聪明 的人类大脑都聪明很多，包括科学创新、通识和 社交技能。”超人工智能可以是各方面都比人类 强一点，也可以是各方面都比人类强万亿倍的。
谷歌的科学家们做了一个尝试。由于单张切片的照片过于庞大，他们将这些图像分割成了数 万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供 了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项 像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标 注为“肿瘤区”。这能有效将肿瘤组织与健康组织区分开来。
• 机器翻译研究全面复苏并从实验室走向实用走向市场。 • 数百家计算机公司卷入了计算机视觉系统的研制,已有很多可以满足简
单的视觉应用的商用产品面世。
• 智能机器人的研制形成高潮。
否定之否定规律---再次反思
十年过去了，日本的第五代机计划未能达到 预期效果而不了了之。八十年代中期、后期， 人们想研究通用的智能机器或专家系统的设 想或计划开始出现危机，引起反思。
面向知识图谱的搜狗搜索技术
Deepmind已为谷歌挣钱
DeepMind的软件控制着数据中心的风
扇、制冷系统和窗户等120个变量，
使谷歌的用电效率提升了15%，几年 内共为谷歌节约电费数亿美元。
DeepMind算法减少了40%用于冷却 的电量，即整体用电量效率提升15%
人机一体化技术导向混合智能
困难重重
已过去了十年，计算机并未证明出重要的人还未证明出的定理
困难重重
最糟糕的还是机器翻译，最初采用的主 要办法是依靠一部词典的词到词的简单 映射方法，结果没有成功，还出现了笑 话，如英语和俄语之间的翻译：句子 “out of sight, out of mind(眼不见 心不烦)”译成俄文时却成了“又瞎又 疯”；
• 超人工智能——上帝
谷歌人工智能程序阿尔法围棋（ALPHAGO）是基于深度学习技术研究 开发的。为了测试阿尔法围棋的水平，谷歌于2016年3月份向围棋世 界冠军、韩国顶尖棋手李世石发起挑战，最终以4-1胜出。
• 2017 年 5 月 ，AlphaGo Master 战胜世界冠军柯洁。 • 2017 年 10 月 18 日 ，DeepMind 团队公布了最强版本 AlphaGo， 代号 AlphaGo Zero。
• RI系统用作VAX计算机的组装每年为DEC公司节约2000万美元; • 斯坦福大学1976年开始研制的用于地质勘探的专家系统PROSPECTOR在
1982年预测了华盛顿州的一个勘探地段的钼矿位置,其开采价值超过了 一亿美元;
• 由于智能机器人和第五代计算机研制计划的产生,使人工智能研究从萧
条期转入第二个兴旺期并进入黄金时代。
目录
一、人工智能的定义
二、人工智能的过去
三、人工智能的现在 四、人工智能的未来
大数据+云计算+深度学习