简介：许多朋友问有关人工智能如何出现的问题。本文的首席CTO注释将为您提供一个详细的答案，以供所有人参考。我希望这对每个人都会有所帮助！让我们一起看看！
人工智能（人工智能），英语缩写是AI，是一项由计算机科学，控制，信息理论，语言学，神经病学，心理学，数学，哲学和其他学科开发的全面的新学科。，但终于被世界认可为优势的新优势，并越来越吸引人们的兴趣和关注。不仅有许多其他学科开始引入或借用AI技术，而且还借用了专家系统，自然语言处理和图像识别在AI中，已成为新兴智力行业的三个主要突破。
人工智能的芽可以追溯到17世纪的Basca和Leibnitz。他们早些时候有了智能机器的想法。在19世纪，英国数学家布尔和德国o默格提出了“思维定律”，可以被描述为人工智能的开始。在1920年代，英国科学家贝贝奇设计了第一个。“计算机”，被认为是计算机硬件和人工智能硬件的前身。电子计算机的出现使人工智能的研究确实成为可能。
作为一门学科，人工智能于1956年推出。这是麦卡锡（McCarthy of Matuther Intelligence）的第一次，麦卡锡（McCarthy）和一批数学家，知情者，心理学家，神经心理学家和计算机科学家首次进行。由于不同的研究观点，人工智能已经形成了不同的研究学校。这是：象征主义学校，联系学校和行为主义学校。
传统人工智能是象征意义。它基于Newell和Simon提出的物理符号系统。物理符号系统由一组符号实体组成。它们都是物理模式。它们可以在符号结构的实体中作为组成。其他符号可以通过各种操作生成。物理符号系统假设物理符号系统是智能行为的充分和必要条件。主要任务是“通用推荐求解器（GPS”：通过抽象进入符号系统。基于此符号系统，该问题用于通过动态搜索方法解决问题。
链接基于人类脑神经系统结构，研究非编程，适应性和脑式信息处理的本质和能力，并研究大量简单的神经元的小组信息处理能力及其动态行为。
人们也被称为神经计算。研究的重点集中于对人们的感知，感知过程，图像思维，分布式记忆和自组织过程的模拟和实现。
学生主义基于行为心理学，并认为智力仅在与环境互动时显示出来。
人工智能的研究经历了以下阶段：
第一阶段：1950年代人工智能的崛起和忽视
首次提出了人工智能的概念之后，出现了许多重要的结果，例如机器定理认证，检查过程，一般问题解决方案程序和LISP表处理语言。在机器翻译的解散和失败中，人工智能进入了槽。此阶段的特征是：注意解决问题的方法并忽略知识的重要性。
第二阶段：从1960年代后期到1970年
诸如Dendral化学质谱系统，Mycin疾病诊断和治疗系统，前瞻性勘探系统，Hearsay-II语音理解系统和其他专家系统等专家系统的研究和开发。人工智能成立于1969年。
第三阶段：在1980年代，随着第五代计算机的开发，人工智能发展了很大的发展
1982年，日本开始了“第五代计算机开发计划”，即“知识信息处理计算机系统kips”，目的是使逻辑推理如此之快地实现数值计算。尽管该计划最终失败了已经形成了一波研究人工智能。
第四阶段：在1980年代末，神经网络的快速发展
1987年，美国举行了第一次国际神经网络会议，宣布了这一新学科的诞生。此外，由于对神经网络的投资逐渐增加，并且神经网络发展迅速。
第五阶段：在1990年代，人工智能出现了新的研究高潮
由于网络技术的技术开发，尤其是国际互连网络，人工智能已开始从单个智能主题转变为网络环境中分布式人工智能的研究。不仅您是否可以基于相同目标研究分布式问题，但也可以解决多个智能主题的多目标问题，而人工智能更为实用。此外，由于Hopfield的多层神经网络模型的提议，人工神经网络的研究和应用具有繁荣场景。人工智能已渗透到社会生活的各个领域。
IBM的“深蓝色”计算机击败了世界的国际象棋冠军。美国已经制定了具有多机构系统应用程序的信息公路计划作为重要的研究内容。已经完全应用了基于软件字段和网络搜索引擎中的代理技术的软机（软机器人）。同时，美国桑迪亚实验室（American Sandia Lab）在国际上建立了最大的“虚拟现实”实验室。它旨在通过数据头盔和数据手套实现更友好的人类 - 机器交互，并建立一个更好的智能用户界面。图像处理和图像识别，声音处理和声音识别已良好的开发。IBM启动了Vivoice声音识别软件，以使声音能够作为重要信息输入进入媒体。主要的国际计算机公司开始使用“人工智能”，因为其研究内容。通常认为计算机会朝着网络发展的方向发展，情报和并行化。在21世纪，信息技术领域将以智能信息处理为中心。
目前，人工智能的主要研究内容是：分布式人工智能和多智能主系统，人工思维模型，知识系统（包括专家系统，知识基础系统和智能决策 - 制定系统），知识发现和数据挖掘（从大量不完整，不完整的，不完整的，不完整的模糊，噪声数据发掘了我们的有用知识），遗传和进化计算（通过模拟生物学遗传和进化论，揭示了智力演化的定律），人工生命（人工生命）通过简单结构的简单结构人工生命系统（例如：机器昆虫）并观察其行为，探索原理的奥秘），人工智能应用（例如模糊控制，智能建筑，智能建筑，智能人类 - 机器人 - 机器人界面，智能机器人，智能机器人，等）等等。
尽管人工智能研究和应用取得了很多结果，但与综合促销和应用还有很大距离。仍然有许多问题要解决，多学科研究专家需要共同努力。未来，人工智能的研究方向主要是：人工智能理论，机器学习模型和理论，不准确的知识及其推理，其推理，常见的常见感官知识及其推理，人工思维模型，智能人机接口，多智能主系统，知识发现和知识获取，人工智能应用程序基础等等。
人工智能的传说可以追溯到古埃及，但是随着自1941年以来电子计算机的开发，技术最终可以创造机器智能。然后，由于研究人员已经开发了许多理论和原则，并且人工智能的概念也已经建立了。扩展。在IT历史上，人工智能的发展比预期的要慢，但是从40岁开始，从40岁开始，从40岁开始，从40个Many AI计划开始出现，并且他们也影响了开发其他技术。在1941年，信息存储和信息存储和处理的各个方面的革命中。在美国和德国出现的这一发明是一台电子计算机。第一台计算机占用了一些带有空气调节的大房间。这是一场噩梦：只需设置数千条线即可运行程序。1949年，可以存储编程的改进的计算机使输入程序变得更加简单，计算机理论的开发产生了计算机科学，并最终促进了它。人工智能的出现。计算机电子处理数据的发明为可能实施人工智能提供了一种媒介。
尽管计算机为AI提供了必要的技术基础，但直到1950年代初，人们才注意到人类智能与机器之间的联系。诺伯特·维纳（Norbert Wiener）是研究反馈理论的最早的美国人之一。它将将房间温度与希望相比，并做出反应以打开加热器以控制环境温度。它指出所有智能活动都是反馈机制的结果。反馈机制可能会由机器模拟。这一发现对早期AI的发展产生了重大影响。
1955年底，纽厄尔（Newell）和西蒙（Simon）制定了一个名为Logic Theorist的程序。该计划被许多人认为是第一个AI计划。获得了正确结论以解决问题的问题。逻辑专家对公众和AI研究领域的影响使其成为AI发展的重要里程碑。1956年，被认为是人工智能之父的约翰·麦卡锡（John McCarthy）组织了一个社会。对许多对机器情报感兴趣的专家和学者聚集在一起进行了一个月的讨论。他邀请他们前往佛蒙特州参加达特茅斯人工智能夏季研究协会。从那以后，该领域被命名为人工智能。它非常成功，但它确实集中了AI的创始人，并为未来的AI研究奠定了基础。
在达特茅斯会议后的7年中，AI研究开始迅速发展。尽管该领域尚未明确定义，但会议中的某些想法已被重新考虑和使用。卡内基·梅隆大学（Carnegie Mellon University）和麻省理工学院（MIT）开始成立AI研究中心。研究面对新的新闻：挑战：在下一步中，您需要建立一个可以更有效解决问题的系统，例如减少逻辑专家的搜索；还有一个可以从自我学习中学习的系统。
在1957年的新程序中，测试了GM问题解决机器（GPS）的第一版。该计划是由同一组生产逻辑专家开发的同一小组扩展的，该逻辑专家可以解决许多常识问题。多年后，IBM建立了一个AI研究小组。赫伯特·吉恩特（Herbert Geerneter）花了3年的时间制作了解决几何形状的程序。
当越来越多的程序出现时，麦卡锡（McCarthy）忙于AI历史上的突破。1958年，麦卡锡宣布了他的新成就：LISP语言。LISP今天仍在使用.LISP。它很快将其用于大多数AI开发人员。
1963年，麻省理工学院从美国政府获得了220万美元的资金来学习机器辅助认可。国防部高级研究计划（ARPA）的资金保证，美国领导苏联技术进步。该计划吸引了来自世界各地的Plancuper科学家，加快了AI研究的发展速度。Loebner（人工智能）
通过人类的智慧，创建与人脑平行的机器大脑（人工智能）。对于人类来说，这是一个非常诱人的领域。人类一直在努力实现这一梦想。人类语言，人类的智力是如此复杂，以至于我们的研究没有触及其定向的扩展部分的边缘。将来出现了大量程序。名为Shrdlu.shrdlu的著名名称之一是Micro -World项目的一部分，包括微观世界中的研究和编程（例如，只有有限数量的几何形状）。Personnel发现，面对小型对象，面对小型对象，计算机程序可以解决空间和逻辑问题。其他人，例如1960年代后期出现的学生，可以解决代数问题，先生可以理解简单的英语句子。逻辑很有帮助。
1970年代的另一个进展是专家系统。专家系统可以预测在一定条件下某种解决方案的概率。由于当时计算机的能力很大，专家系统可以从数据中获取法律。专家系统的市场应用非常广泛。在过去的十年中，专家系统已用于股票市场预测，帮助医生诊断疾病，并指示矿工确定矿物质的位置。所有这些都是可能的，因为专家系统存储规则和信息已成为可能。
1970年代，AI开发中使用了许多新方法，以及著名的建构理论，例如Minsky。此外，大卫·马尔（David Marr）提出了机器视觉的新理论，例如如何使用一对图像的阴影，形状，颜色，边框和纹理。通过分析此信息，您可以推断图像可能是什么。同时的另一个结果是序言。1972年，提出了。在1980年代，AI更快地进步并进入了企业领域。在1986年，与美国AI相关的软件和硬件销售达到4.25亿美元。由于其实用性，特别需要专家系统。像数字电气公司这样的公司使用XCON Expert System对VAX大型机器程序进行编程。专家系统。为了满足计算机专家的需求，一些生产专家系统辅助生产软件，例如Teknowledge和Intellicorp。为了查找和纠正现有专家系统中的错误，设计了其他一些专家系统。人们开始感受到计算机和人工智能技术的影响。计算机技术不再属于实验室中的一小群研究人员。个人计算机和许多技术杂志已向人们展示了计算机技术。有基础，例如美国人工智能协会。由于AI开发的需求，一波研究人员进入了一家私人公司。多150多家公司（例如，雇用了700多名员工从事AI研究），花费了10亿美元在内部AI开发小组中。
其他AI领域也在1980年代进入市场。其中之一是机器视觉。Minsky和Marr的结果现在正在使用生产线上的摄像机和计算机来执行质量控制。尽管非常简单，但这些系统可以区分黑白区分以区分物体的黑色和白色形状之间的区别是不同的。到1985年，美国有一百多家公司来生产机器视觉系统，销售总额为8000万美元。
但是在1980年代，对于人工智能行业来说，这并不是所有的美好时光。86-87对AI系统的需求下降了，该行业损失了近5亿美元。像Teknowledge和Intellicorp一样，总计超过600万美元，约600万美元，约600万美元，约600万美元，约600万美元，大约约600万美元，大约有大约三分之一的巨额利润损失迫使许多研究迫使许多研究领导者减少资金。另一个令人失望的是，由国防部高级研究和规划部门的支持的智能卡车。Robot.due为项目缺陷和绝望，五角大楼停止了该项目的资金。
尽管发生了这些沮丧的事件，但AI仍在缓慢恢复发展。日本已经开发了新技术。如果在美国的第一个逻辑模糊逻辑，它可以从不确定的条件下做出决定；有一些神经网络被认为是被视为的，它们被认为是被视为的。简而言之，AI在1980年代被引入市场，并显示出实用价值。可以坚信它将是21世纪的勺子。智能设备已经进行了战争考验。人工智能技术用于导弹系统和警告显示以及其他高级武器。AI技术也进入了家庭。智能计算机的增加引起了公众的兴趣；可以购买Apple和IBM兼容机的某些应用程序。可以购买语音和文本识别的软件；使用模糊的逻辑，AI技术简化了相机设备。对人工智能相关的技术的需求越来越多，这引发了新的进步。生活对人工智能的更为流行的定义也是该领域的早期定义。约翰·麦卡锡（John McCarthy）在1956年的达特茅斯会议上提出了：人工智能是为了使机器的机器机器的机器制作。这种行为看起来像是人们所表现出的智能行为。）。另一个定义是指人工智能的智能作为人类制造机器。一般来说，人工智能的定义可以分为四类，也就是说，机器“像人”，“像人”，“行为”，“理性地思考“和“理性行动”。“在这里的行动”应理解为采取行动或制定行动决策而不是身体运动的决定。
强大的人工智能（自下而上的AI）
强烈的人工智能观点认为，可以创建可以真正合理的推理和解决问题的智能机器，并且可以将这种机器视为有意识和自我意识。有两种强大的人工智能类型：
人们的人工智能，即机器的思维和推理就像人们的思想。
非类人的人工智能，即机器作为一个人具有完全不同的意识和意识，并使用完全不同的推理方式作为人类。
人工智能薄弱（自上而下的AI）
人们认为，薄弱的人工智能观点是不可能创建能够真正合理的推理和解决问题的智能机器。
主流科学研究集中在人工智能上，人们普遍认为该研究领域已取得了相当大的成就。强大的人工智能的研究处于停滞状态。
强烈人工智能的哲学争议
“强大人工智能”一词最初是由约翰·罗杰斯·海勒（John Rogers Hyler）为计算机和其他信息处理机的处理机创建的。它被定义为：
“强有力的人工智能意见认为，计算机不是研究人们思考的工具；相反，只要运行适当的程序，计算机本身就在思考。”3,1980）这是一台计算机进行智能活动的指示。如下所述，这里的智能含义是通用和不确定的，如下所述。当使用计算机解决问题时，您必须知道清晰的程序。但是，即使人们不知道该程序，也有很多情况根据HEU持续的方法巧妙地解决了问题。是一个例子。曲目，由于学习的学习能力和归纳推理的能力，基于班级推动的推理也是一个示例。此外，尽管解决方案很明显，但实施它需要很长时间。对于此类问题，人们可以在短时间内找到一个好的解决方案，例如竞争竞争。此外，当计算机没有提供足够的逻辑正确信息时，它就无法理解其含义，并且如果人们只给予人们不足和不正确的信息，人们可以根据适当的补充信息掌握它，并且他们也可以掌握它。以其含义为例。自然语言就是一个例子。使用计算机对自然语言进行处理称为自然语言处理。
关于强人人工智能的辩论与更广泛的 - 宽 - - 软件和二元论。辩论的要点是：如果机器的唯一工作原理是转换编码数据，则它考虑了这台机器吗？希勒认为这是不可能的。代码和这种实用的事情不了解。机器确实在思考和有意识的人类。
丹尼尔·丹内特（Daniel C. Dennett）对其书籍意识的信念解释说，人们只是一台灵魂机器。我们为什么认为人们可以拥有聪明和普通的机器？他认为上述数据转换机可能具有思维和意识。
一些哲学家认为，如果有弱的人工智能可用，那么也可以实现强大的人工智能。我永远不知道另一个人是否真的像我这样很聪明，还是她/他看起来很聪明。基于这一论点，因为虚弱的人工智能认为机器看起来很聪明，因此不能完全否认这台机器真的很聪明。布莱克本认为这是一个主观问题。
应当指出的是，虚弱的人工智能并没有完全反对强大的人工智能，也就是说，即使强大的人工智能是可能的，人工智能仍然有意义。至少，当今的计算机可以做一些事情，例如算术操作，等等。。，一百多年前，它们被认为是聪明的。
作为由互联网驱动的重要领域，人工智能直到今天就可以发展，而不是由其自身的内部驱动力，而是因为互联网正在不断改进，并且可以在任何地方获得数据。因此，人工智能的进步来自互联网的互联网基础，设施的持续改进，离开互联网以查看人工智能是毫无意义的。人工智能的出现并不是偶然的，因为外部环境和人造人工情报本身已经发展。将人工智能发展到当前层面的外部动机是：
1）传感器容量和数量的显着改善。启动智能手机和可穿戴设备的爆炸性增长，传感器在数量和质量方面具有飞跃，机器感知的感觉是机器成为“智能”的重要先决条件。小电子学的成熟度，例如LIGA和其他微电子，推动了传感器具有定性飞跃的能力，并且大量智能设备的出现进一步加速了传感器场的繁荣。在现实世界中，是机器感知世界的基础，而感知是智能实施的先决条件之一。
2）计算成本的显着下降。人类生物长期以来已经确定了人工智能需要处理的任务，但是以前的计算资源使计算机无法完成如此庞大且复杂的信息处理。迅速下降。同时，云计算的出现和GPU的大规模应用使集中式数据计算能力前所未有。例如，最新一代微处理器的性能是1971年第一代单芯片微型计算机的400万倍。Large -Scale -Scale -Scale集中计算加速了人工智能的开发速度指数。过去，训练深度神经网络模型花费了将近一年的时间来感知某个物体，现在这次已缩短到几天。
3）大量数据的出现。在2015年，全世界生成的总数据达到了10年前的20倍以上。大量数据提供了足够的机器学习材料。人工智能的本质实际上分为两种零件：首先，可以将其收集到足够的有效数据；其次，高级算法用于处理这些数据。BIG数据是由于Internet，移动互联网和更便宜，更便宜的传感器。BIG数据是开发人工智能的助推器，因为某些人工智能是一种人工智能的发展。技术使用统计模型来执行数据的概率，例如图像，文本或语音。通过将这些模型暴露在数据的海洋中，它们将继续使它们连续溶式化或“训练”。
1956年
1956年夏天，在美国东部的达特茅斯举行了一次会议。人类首次决定将像人类这样的机器纳入“人工智能”。“人工智能”已经进入了几次阶段。1997年5月11日，IBM的计算机系统“ Deep Blue”允许“人工智能”的几个低谷允许“人工智能”。当时，这个问题是一种感觉。此步骤的成功之后，IBM研究所的成功之后，挑战了人工智能的深入问题和回答，这是人工智能发展的主要里程。
人工智能于1956年在达特茅斯协会提出。
1956年夏天，一群科学家在美国的达特茅斯大学举行了一次研讨会。在会议上，他们同意使用麦卡锡（McCarthy）提出的新术语：人工智能（缩写为AI），标志着人工智能学科的诞生。。人工智能是一门具有挑战性的科学。从事这项工作的人必须了解计算机知识，心理学和哲学。
定义：
计算机科学将人工智能研究定义为“智能代理”研究：任何感知其环境并采取最佳行动的设备使其有机会成功实现目标。
一个更详细的定义将人工智能描述为“可以正确解释外部数据，从这些数据中学习并利用这些学习来提高通过灵活适应实现特定目标和任务的能力的系统”。
人工智能一词最初是在1956年在达特茅斯学会提出的。从那时起，研究人员开发了许多理论和原则，人工智能的概念也扩大了。人工智能（人工智能），英语缩写为AI。这是一门新的技术科学，研究并开发了用于模拟，扩展和扩展的智能理论，方法，技术和应用系统。人工智能是计算机科学的一个分支。新的智能机器的生产可以响应类似于人类智能的人类智能。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。可以想象，未来人工智能带来的技术产品将是人类智能的“容器”。
中国科学学院自动化研究所
就深度学习而言，它处于最前沿
目前，中国科学院共同开发了深度学习课程的8个核心模块和中国科学院专家
您可以在学习后获得有关中国科学院的证书
如果您有这样的考虑，您可能希望私下信任我并告诉您更多
结论：以上是首席CTO注释为每个人出现人工智能如何出现的所有内容。感谢您阅读本网站的内容。我希望这对您有帮助。不要忘记人工智能如何出现。