简介：本文的首席执行官注释将介绍人工智能分数的相关内容。我希望这对每个人都会有所帮助。让我们来看看。
说到目前流行的人工智能，我不得不提到美丽的alphago.Alphago击败了世界冠军Li Shishi，这引起了人类对人工智能的兴趣。长期以来提出了人工智能的概念。
就人工智能的发展而言，它可以分为三个阶段。
1）1956- 1980年
1956年，达特茅斯将提出人工智能的词汇量，标志着人工智能的正式诞生。
在这个阶段，人工智能在解决方案和语言处理方面取得了进步。但是，当时的技术条件无法实现预期的目标。1970年代，投资者和政府开始缩小人工智能基金和人工智能缩水开始进入槽时期。
2）1980- 1993年
在1980年代，人工智能专家系统出现了，商业价值被广泛接受，对人工智能的研究重新出现了。个人计算机，远远超过了使用AI技术的LISP机器，AI再次经历了寒冷的冬天。
3）1993年到现在
之后，由神经网络技术代表的AI技术逐渐发展，人工智能开始进入缓慢的发展。1997年，深蓝色击败了国际国际象棋世界冠军Casparov，该国际象棋又使AI再次加热。科学技术，硬件的成本一直在降低，数据的积累继续增加，AI技术不断成熟，人工智能已经开始进入爆炸性时期。各种各样的人工智能产品开始像雨水和雨水一样突然出现。不断发展。
品牌型号：华为Matebook D14
系统：Windows 10
人工智能发展的第一阶段是监测。第二阶段是控制。第三阶段是优化。第四阶段是自主的。
人工智能是一门新的技术科学，研究和开发智能理论，方法，技术和应用系统，用于模拟，扩展和扩展。夫人人工智能可以模拟人类意识和思维的信息过程。官方智能不是人类的智能，但它可以是人工智能，但可以像人类一样思考，可能超越人类的智慧。
人工智能是一门具有挑战性的科学。那些从事这项工作的人必须了解计算机知识，心理学和哲学。人工智能包括一门非常广泛的科学科学。它由不同的领域组成，例如机器学习，计算机视觉等。总的来说，人工智能研究的主要目标之一是使机器能够竞争一些通常需要人类智能才能完成工作的人类智能。
人工智能经历了三个阶段：
第一阶段是计算可以计算的智能，例如我们现在使用的个人计算机；
第二阶段是认知智能。可以说可以聆听，可以得到认可，例如苹果开发的Siri；
第三阶段也是目前最高的阶段。这是感知智力的。它要求机器或系统可以理解和思考。这是人工智能领域人工智能的目标。
人工智能的发展约为三个阶段。
在第一阶段，我们称其为计算智能，也就是说，可以计算计算：机器开始计算和传输信息，例如人类。大量数据，这是感知和认知的基础。
在第二阶段，我们称其为感知智能，也就是说，让计算机可以听：机器开始理解和理解，做出判断并采取一些简单的动作。例如，可以识别面部和的相机可以理解语言的演讲者。它的价值是帮助人类有效地完成“看到”和“倾听”的工作
在第二阶段，我们称其为认知智能，也就是说，让计算机理解会认为机器像人类一样开始理解，思考和决定。例如，完全独立的无人驾驶汽车和机器人。取代人类工作。
目前，人工智能仍处于主要阶段，我们仍处于感知智能的主要阶段。
人工智能技术的发展趋势将从一个相对成熟的领域开始，并尝试在不同领域进行实践。将来，它可能会突破非监督学习和知识推理的方向。
1个怀孕阶段
这个阶段主要是指1956年之前。从远古时代，人们一直试图使用各种机器来取代一些人的脑力，以提高人们自然征服的能力。人工智能和发展生产的主要研究结果包括::
早在公元前384年，伟大的哲学家亚里斯多德（Aristotle）在其杰作“工具理论”中提出了一些正式逻辑的主要法则。推理的基础。
英国哲学家培根（F. Bacon）系统地提出了归纳法，并提出了“知识就是权力”一词。这对研究人类思维的过程以及从1970年代的人工智能到知识的过渡有重要影响- 中心研究。
德国数学家和哲学家G. W. Leibniz提出了通用符号和推理计算的想法。他认为，他可以建立一种通用的象征性语言和这种象征性语言的推理计算。这个想法不仅为出现和发展的几个原因奠定了基础，而且还为现代机器思维设计思想的芽奠定了基础。
英国逻辑学家布尔（C. Boole）致力于形成一种正规化和思维机械化，并创建了布伦的数量。
英国数学家图灵（A. M. Turing）在1936年提出了一个理想计算机的数学模型，即图灵机，为后来电子数字计算机的出现奠定了理论基础。
美国神经心理学家McCulloch和W. Pitts于1943年建立了第一个神经网络模型（M-P模型），创建了微徒劳的研究领域，并为后来的人工神经网络研究了研究奠定了基础。
Atanasoff教授和他的毕业生Berry是世界上第一款电子计算机“ Atanasov-Berry计算机，从1937年到1941年从1937年到1941年开发。请解释说，世界上的第一台计算机不是由美国摩克利和Ekart于1946年发明的。这是美国历史上的著名案例。
从上述发展过程可以看出，人工智能的产生和发展绝不是偶然的。这是科学技术发展的必然产物。
2层
这个阶段主要是指1956-1969。在1956年夏天，当时，麦卡锡（J. Mecarthy，Minsky（M。L. Minsky），IBMThe公司信息研究中心的负责人，N。Rochester和Bell Laboration Information Departys的数学研究人员C. E. Shannon邀请了T.Moore和IBM的Samuel（T.Moore）和IBM。A。L. Samuel），马萨诸塞州理工学院的O. Selfridge，以及R. Solomonff，Rand和Cunberon（A。A. Newell）和Simon（H。A. Simon）等人在美国拿督大学举行了一场学术研讨会，以讨论讨论的讨论在会议上，“人工智能”一词是由麦卡锡正式提出的。然后，美国成立了许多人工智能研究组织，例如Newhel的Carnegie-Rand协调小组和Simon，Minski和McCarthy的MIT研究小组，Samuel的IBM工程研究小组，等等。
自从会议以来，十多年来，人工智能的研究取得了许多目光的捕捉，在机器学习，定理认证，模式识别，解决问题，专家系统和人工智能语言中取得了成就，例如：
在机器学习方面，罗森布拉特（Rosenblatt）在1957年成功开发。该系统使用神经元来识别。它的学习功能引起了广泛的兴趣，并促进了连接机制的研究，但人们很快发现了感知机的局限性。
就定理而言，中国中国数字逻辑Wang Hao在1958年在IBM-704机器上使用了3?5分钟，在“数学原理”上的“数学原理”中证明了所有定理（220），并证明了谓词单词85％在150年代计算中，1965年，J。A。Robinson提出了归因原则，并为定理的机器做出了突破性的贡献。
在模型识别方面，1959年，Cefolic推出了模式识别过程。1965年，罗伯茨（Roberts）编写了一个可以解决的计划。
在解决问题方面，1960年，纽瑟尔和其他人总结了人们通过心理测试解决问题的思维规则，并编译了一般的问题解决程序（GPS）。它可用于解决11种不同类型的问题。
在专家系统方面，美国斯坦福大学的E. A. Feigenbaum领导的研究小组已完成，并于1968年在1968年使用。专家系统可以根据质谱仪的实验来确定化合物的分子结构。，并且分析能力已经接近甚至超过化学专家的水平。专家系统的成功开发不仅为人们提供了实用的专家系统，而且对知识表示，存储，收购，收购，收购也非常有用，推理和利用。智力的发展具有深远的影响，其意义远远超过了系统本身创造的价值。
在人工智能语言方面，麦卡锡（McCarthy）在1960年开发了人工智能语言（LISP），成为建立专家系统的重要工具。
1969年成立的国际人工智能联合会议（IJCAI）是人工智能史上的重要里程碑。它标志着世界人工智能的新兴学科已得到世界的肯定和认可。国际人工智能杂志“人工智能”成立于1970年，在促进人工智能的发展和促进交流方面发挥了重要作用。研究人员。
3开发阶段
这个阶段主要是指1970年之后。1970年代，许多国家进行了有关人工智能的研究，并出现了大量的研究结果。例如，1972年，法国马赛的A. Comrauer提出了逻辑计划设计，语言序言；E. H. Shorliffe和Stanford University的其他人于1972年开始发展以诊断和治疗感染感染。性传播疾病的专家系统。
但是，就像其他新兴学科的发展一样，人工智能的发展路径并不平坦。例如，机器翻译的研究并不像人们最初的想象力那样容易。- 道路词典和一些植物学知识可以在两种语言之间翻译。法人发现机器翻译远非如此简单。实际上，机器翻译的文本有时会有非常荒谬的错误。例如，当“脱离”时视线，脑海，英语句子“消失了，不烦人”。俄罗斯的翻译变得“盲目和疯狂”；当英语句子“精神愿意但肉体弱”时，翻译成俄语，然后翻译成俄语，然后变成了“ Thewine很好，但肉被宠坏了”，也就是说，“葡萄酒是好的，但是肉恶化”；在将“时间像箭头”翻译成“时间”时，“像箭头”的句子像箭头一样苍蝇。科学文本机器的普遍翻译，也没有紧密的实现前景。人工智能暂时陷入麻烦。
人工智能研究的开拓者仔细地反映了并总结了先前研究的经验和课程。在1977年，弗根本在第五届国际人工智能联合会议上提出了“知识工程”的概念，该会议在研究和建设中起着重要作用基于知识的智能系统。大多数人都接受了Fergenbom对人工智能的知识研究的看法。因此，人工智能的研究已经迎来了一个新的知识时期，以知识为基础。
在此期间，专家系统的研究在各个领域取得了重大突破。各种功能和不同类型的专家系统都像蘑菇一样涌现，这产生了巨大的经济和社会利益。和地质勘探数据。静止的系统成功地发现了超过1亿美元的钼矿。专家系统菌丝可以识别51种细菌并正确处理23种抗生素，可以帮助医生诊断和治疗细菌性传染性血液学疾病，并为患者提供治疗使用最佳处方。系统成功处理了数百例并通过严格的测试，显示了更高水平的医疗服务。美国DEC专家系统XCON可以根据用户要求确定计算机的配置。需要3个小时才能执行此操作。专家的工作，系统仅需0.5分钟，增加了360次。因此，建立了另一个专家系统，每年产生超过4000万美元的净收入。信用卡身份验证辅助决策 - 制定专家系统，可以防止非损失。据说它每年可以节省约2700万美元。
专家系统的成功使人们越来越清楚地理解知识是智力的基础。关于人工智能的研究必须通过知识进行。对知识，利用和获取的研究取得了巨大进步，尤其是不确定性知识和推理的代表和推理，并确定了主观贝叶斯理论，某些理论，证据理论等。，以及人工智能理论等。中等模型识别和自然语言理解的发展提供了支持，并解决了许多理论和技术问题。
人工智能在游戏中的成功应用也引起了全世界的关注。人们一直对游戏的研究产生了极大的兴趣。早在1956年，人工智能就像一门学科一样，塞缪尔（Samuel）开发了一个检查过程。该计划可以从国际象棋记录中学习，也可以从国际象棋的实践中提高国际象棋技能。1962年。在1991年8月在悉尼举行的第12届国际人工智能会议上，由IBM开发的“深思熟虑”计算机系统与澳大利亚国际象棋冠军D. Johansen进行了人类 - 机器比赛。结果。在1957年，Ximeng预测，计算机可以在10年内击败人类世界冠军。尽管在10年之内没有实现40年后，这台深蓝色计算机击败了国际象棋国际象棋King Kosparov（Kasparov），仅比30年了预测。
从2月10日到17日，为了纪念世界第一台电子计算机诞生50周年，IBM Corporation将邀请国际象棋国际象棋King Kasparov和IBM的深蓝色计算机系统进行六局六局，以进行六局六局局。“人类 - 机器人战争”。这款游戏被称为“人类脑和计算机之间的世界决定性战斗”。参与政党代表人脑和计算机代表了世界上最高水平。当时的深蓝色是一个超级计算机，每秒运营速度为1亿次。在第一盘中，深蓝色给卡斯帕罗夫一匹马，赢得了世界冠军，并对世界国际象棋场景感到非常震惊。，在其余的五盘中赢得了三盘，两盘，最后以4：2的总分获胜，一年后，从1997年5月3日至11日，深蓝色再次挑战了卡斯帕洛夫。SUPER计算机具有32个处理器和强大的并行计算功率RS/6000SP/2，其运行速度每秒2亿次。计算机已在世界顶级国际象棋播放器中存储了一百年以上。5月3日，国际象棋国王卡斯帕罗夫（Casparov）在第一场比赛中击败了深蓝色。5月4日，深蓝色向后拉一个盘子，然后双方并列三局。双方的决定性局于5月11日开始。在这场比赛中，卡斯帕罗夫只采取了19个步骤就放弃了抵抗。这场比赛只超过1小时。这样，深蓝色终于以3.5：2.5赢得了世界的关注。深蓝色的胜利显示了人工智能取得的成就。尽管它的国际象棋远非如此人类思维的真正模拟， 它向世界解释说，计算机可以以人类无法达到的速度和准确性来实现大量属于人类思维的任务。深层和蓝色的蜘蛛策略使观看的国际象棋专家感到惊讶。Casparov也说：“这个游戏中有许多新发现。其中之一是计算机有时可以摆脱人性化的国际象棋。在某种程度上，我不禁赞美这台机器，因为它是正确的。动量因素具有一个我认为这是一项杰出的科学成就。”由于这一胜利，IBM的股票赞赏180亿美元。
4人工智能学校
根据先前的讨论，我们知道如何理解人工智能以研究如何从一般意义上定义知识。不幸的是，准确地定义知识也是一件非常复杂的事情。从斯特里克来说，柏拉图在“绑定”中给予人们最早的知识，也就是说，“已确认，确实和相信”（证明了真实的信念（JTB条件）。
然而，哲学家吉霍尔（Gechoel）在1963年否认了这一持续的定义。柏拉图给出。尽管人们以后给予了很多知识的选择，但直到现在仍然没有结论。
但是至少关于知识的一件事很明确，即，基本的知识单位是概念。要掌握任何知识，您必须开始从该知识的基本概念中学习。知识本身也是一个概念。定义一个概念对人工智能具有重要意义。给出一个定义似乎很简单，这实际上很难，语义仍然保持不变）。它一旦涉及自我finger，会有很多问题，并且许多语义悖论将来自该概念。
这对手指和指尖的概念来自朱·德克斯先生的“手指和转移”（“方言” 1983和“朱德克斯的收藏”第3卷）.mr。卢·贾安明（Lu Jianming保持不变。不变。转移指纹不仅被单词转化，而且是语义上的变化。特别是，行为行动或自然本身的行为或自然本身的行为转变为与行为行动或自然有关的事物。”
例子：
①教学教学（“教学”是转移到教学的“人”的“人”）；教学时，您必须认真（“教学”的语义没有改变，它是自我手指）。
②拔出插头一词的原始含义是“不使用（power）套接字”，它是自动的；它通常用于不用电子仪器切换到唱歌。
③彩色在表明颜色时是自我脂肪。当彩色表明性种族是转变的。
④富裕，有钱人是自fing。
知识本身也是一个概念。基于此，人工智能的问题已成为以下三个问题：1。如何定义（或代表）概念，如何学习概念以及如何应用概念。有必要对概念进行深入研究。
那么如何定义一个概念？简要介绍，首先讨论最简单的经典概念。经典概念的定义包括三个部分：第一部分是该概念的象征，即该概念的名称，它显示了什么概念称为概念的名称；第二部分是概念的含义。真实和虚假的陈述。第三部分是该概念的扩展，该概念由经典集合表示，以解释实际对象与概念相对应的内容。
例如，一个经典的概念数字，其含义代表了一个命题，即只能通过1和本身去除的自然数量。
概念的效果是什么？否则概念定义的每个组成部分的作用是什么？经典概念定义的三个部分具有其自己的作用，他们不能相互替换。特别是，该概念具有三个函数或功能。要掌握一个概念，我们必须知道这三个功能。
第一个功能是概念的功能，即客观世界的对象，它表明了客观世界对象的观察到的客观性。对象的观察是指对象对人的感知的感知或乐器，不依赖人类的主观感觉。举一个榜样“ q转身”：你为什么看我？有时可能无法实现概念的概念。现实世界中存在的某些概念在现实世界中不存在，例如“幽灵”。
第二个功能是指心脏的功能，即指向心理世界中的对象，代表心理世界中的物体。LuXun有一篇众所周知的文章，“葬礼家庭”。显然，这只“狗”不是现实世界中的狗，而是他心中的狗，也就是说，是他心中的狗（在客观世界中，Liang Shiqiu先生显然显然没有任何事。狗）。概念功能必须存在。如果一个人的指尖无法实现一个人，则该单词对人看不到。简而言之，这个人不了解这个概念。
最后一个函数是名称的名称，即认知世界的对象的符号名称或符号世界代表对象的名称。这些符号名称形成了各种语言。最著名的例子是吉姆斯基的“无色绿色想法”，它翻译了这句话，“无色绿色的想法是休息的。”这句话并不意味着，但它完全符合语法。它纯粹是在语义符号世界中该概念的功能取决于人类创建的不同语言系统或符号系统，并且属于认知世界。在不同的符号系统中，同一概念不一定是相同的，例如中文称为“雨”和“雨水”。
根据波普的三个世界理论，尽管认知世界与心理世界有关，但它是不同的。自从人类文明的发展以来，这三个功能一直在发展，并且它们变得越来越复杂，但是该概念的三个功能没有改变。
在现实生活中，如果您想了解一个概念，则需要了解此概念的三个功能：要知道该概念的名称，并且还必须知道该概念的对象（也许是物理世界）。在您自己的思想世界中拥有概念的图像（或图像）也是必要的。如果只有一个，它将行不通。
在了解了该概念的三个功能之后，您可以理解三个人工智能流派以及学校之间的关系。
人工智能也是一个概念，为了使概念成为现实，自然必须实现该概念的三个功能。人工智能的三个流派注意如何使机器具有人工智能，并基于基于不同的研究路线概念的不同功能。专注于AI昵称的人工智能学校已成为象征主义，而专注于人工智能的人工智能学校称为心脏功能，称为联系，专注于AI的人工智能学校参考物体参考物体已成为行为主义。
1.象征主义
象征主义的代表是西蒙和纽厄尔。他们提出了物理符号系统假设，即只要在符号计算中实现相应的函数，就可以在现实世界中实现相应的函数。这是智力的足够必要条件。因此，象征主义认为，只要在机器上正确，现实世界是正确的，更受欢迎，名称是正确的，这意味着对象自然正确。
在哲学上，关于物理符号系统假设的著名意识形态实验 - 本章第1.1.3节中提到的图灵测试。解决图灵测试的问题是如何确定机器是否智能。
图灵测试完全限制了昵称功能中智力的性能。但是，Ma Shaoping教授的故事解释说，概念功能仅实现了名称的功能，并且不能解释必须实现概念手指功能。事实，根据名称和手指之间的区别，哲学家约翰·卡尔斯（John Cales）专门设计了一个意识形态实验来批评图灵测试。这是著名的中国房屋实验。
中国房屋实验清楚地表明，即使象征主义成功，所有符号的计算也不一定与现实世界相匹配，也就是说，它可能不聪明。这是对哲学中象征主义的形式批评，清楚地指出了根据象征主义意识到的人工智能与人类智力不同。
然而，象征主义仍然在人工智能研究中发挥重要作用，他们早期工作的主要成就反映在机器认证和知识中。在机器证明的角度来看，早期西蒙和纽维尔做出了重要的贡献，王子和王子等人吴恩琼（Wu Wenjun）也取得了重要的结果。在机器证明之后，象征主义最重要的成就是专家系统和知识项目。最著名的学者是Feigenbaum。如果您认为您可以沿着这条路实现所有智能，那么存在明显的问题。日本的第五代智能手机沿着知识工程的道路行走，随后的失败现在似乎是完全合乎逻辑的。
象征主义的实现之间有三个主要的痴迷。第一个是概念爆炸的组合。每个人的基本概念大约有50,000个，但是形成的组合概念是无止境的。因为常识很难耗尽，所以推理步骤可以是无限。第二是命题的结合。这是合理的命题，它们已成为无法判断和错误的句子，例如著名的库里的悖论（1942年）。第三个也是最困难的问题是经典概念很难获得实际的生活，很难提取知识。以上三个问题已成为象征主义的瓶颈。
2.链接
连接主义认为大脑是所有智力的基础。它主要关注大脑神经元及其连接机制，试图发现大脑的结构及其处理信息，揭示了人类智能的基本机制，然后意识到机器上的相应模拟。知识是智力的基础，概念是知识的基本单位。因此，连接主义实际上专注于思维的心理表示，以及如何在计算机上实现与概念功能相对应的计算机的心理表示。2016年在自然上发表的一篇学术论文揭示了大脑语义图的存在。文章指出，该概念可以在每个大脑区域找到相应的表示区域。
连接主义学校的早期代表是麦克洛克（McLock），皮兹（Pitz），霍普菲尔德（Hopfield）等。根据这一道路，连接主义认为它可以实现完整的人工智能。在这方面，哲学家普特南（Putnan被视为对联系主义的哲学批评。
储罐中大脑实验的描述如下：一个人（假设是您自己）是邪恶的科学家手术，大脑被切断并放在带有营养溶液的水箱中。到计算机时，计算机根据程序将信息传达给大脑。对于此人，对象，天空和神经感觉，可以输入。记忆也可以输入和拦截这个大脑，例如拦截对脑外科手术的记忆，然后进入他可能会遇到的各种环境和日常生活的记忆。甚至可以输入代码，并“感觉到”以阅读这种有趣和有趣的和荒谬的文字。
坦克中的大脑实验表明，即使实现了联系，思想也没有问题，但是手指中仍然存在严重的问题。因此，在连接主义中实现的人工智能与人类智能不同。
然而，连接主义仍然是最受欢迎的AI实施路线。在语音识别和图像识别方面，深度学习已经达到了实用的层次。主题说，深度学习的研究成就已取得了工业级别的进步。
但是，这并不意味着连通性可以实现人类的智能。更重要的是，即使要实现完全连接，它将面临巨大的挑战。直到现在，人们不知道人类脑概念的机制，也不是清楚该概念在人脑中的特定表达。当前的神经网络和深度学习实际上与人脑的真实机制相去甚远。
3.行为主义
行为主义认为智力取决于感知和行动。不需要知识，表示和推理。它只需要表达智能行为，即，只要它可以实现手指的功能，就可以想到智力。这所学校的早期杰作是布鲁克斯的六英尺爬行动物机器人。
在这方面，哲学家普特南（Putnan）还设计了一个意识形态实验，可以被视为对行为主义的批评。这是“完美的伪装者和斯巴达。”完美的假装可以根据外部需求执行完美的表演。当他们需要哭泣时，他们会哭泣并使人们感到心碎。当他们需要笑时，他们可以笑并让人们欢呼，但他们的心可能总是很平静。斯巴达人恰恰相反。无论是兴奋还是冷，它都像铁。完美的伪装者和斯巴达人的外部性能与心脏无关。如何从外部行为中测试这种智力？因此，在行为主义中实现的人工智能与人类智力不同。
对于行为主义，摩拉维克悖论可以解释其面部的最大难度。所谓的摩拉维克悖论是指计算机难度的困难。简单而简单的问题很困难。最难复制的是人类技能中的无意识技能。在场时，模拟人类的动作技巧正面临着巨大的挑战。艰难的后转。大型狗机器人可以在任何地形上前进，其移动能力似乎非常强大。但是，这些机器人具有很大的劣势和过多的能源消耗和过多的噪音。大型狗机器人最初是美国军方订购的产品，但是，由于大型狗机器人的声音距离十英里之外，因此它大大改善了成为生命目标的可能性，使其在战场上几乎实用。美国军方终于放弃了购买。
人工智能的发展分为以下6个阶段：
第一个是开始阶段：1956年至1960年初。提出了人工智能的概念后，连续做出了许多非凡的研究结果，例如机器定理的证明，检查程序等，引发了第一个高潮人工智能发展。
第二个是反思发展时期：1960年代至1970年代初期。人工智能初期的突破进步极大地提高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。但是，一个又一次的失败和预期目标的下降已经进入了人工智能的发展。
第三个是发展期：1970年代初期-MID -1980S。从理论研究到实际应用和一般推理策略，再到使用专业知识的使用。
第四，低迷的发展期：1980年代中期-MID -1990S。随着人工智能的应用规模的持续扩展，专家系统中的应用领域是狭窄的，缺乏常识知识，难度获取，单个推理方法，单一的推理方法，单一的推理方法，缺乏分布式功能，与现有数据库兼容的难度。
第五，稳定的发展期：1990年代中期-2010年。发展网络技术，尤其是互联网技术的发展，它加速了人工智能的创新研究，并促进了人工智能技术的进一步实用性。1997年，国际商业机械，公司（IBM）深蓝色超级计算机击败了国际象棋世界冠军卡斯帕罗夫。2008年，IBM提出了“智能地球”的概念。
第六是蓬勃发展的时期：自2011年以来。随着信息技术的开发，例如大数据，云计算，互联网，物联网，诸如感知数据和图形处理器之类的计算平台都可以促进人工智能的快速发展。深度神经网络代表的技术大大跨越了科学和应用。“技术差距”。
现状和影响力
对于人工智能的当前地位，社会上有一些“炒作”。众生将成为人工智能的奴隶，依此类推。
这些故意或无意的“猜测”和错误的理解会对人工智能的发展产生不利影响。因此，人工智能发展的战略，准则和政策必须首先准确地掌握人工智能技术和工业发展的现状。
专门的人工智能已取得了重要的突破。根据可使用性，人工智能可以大致分为专门的人工智能和一般人工智能。对于特定的任务（例如下面的GO），特殊的人工智能系统是单个单个 - 单点测试 - 单个 -人工智能领域的点突破可以超越人类的智能。
人工智能的最新进展主要集中在特殊情报领域。例如，Alphago在GO游戏中击败了人类冠军。人工智能计划在大规模的图像识别和面部识别中达到了超越水平。人工智能系统中皮肤癌的诊断达到了专业医生的水平。
以上内容是指工业和信息技术部的历史，现状和未来 - 历史，现状和人工智能的未来
结论：以上是CTO首席执行官注释的全部内容，每个人都涉及人工智能点。感谢您阅读本网站的内容。我希望它对您有所帮助。