简介：许多朋友问有关如何撰写人工智能历史摘要的问题。本文的首席CTO笔记开始为您的参考做出详细的答案。我希望这对每个人都会有所帮助！让我们一起看看！
在过去的十年中，随着算法和控制技术的持续改进，人工智能以爆炸的速度蓬勃发展。此外，随着人类计算机交互的优化，大数据的支持以及改善模型识别技术，人工智能逐渐进入我们的生活。这篇文章主要描述人工智能的发展历史，发展状况，发展前景和应用领域。
人工智能称为AI，这是Maccai和其他人在1956年的一次会议上提出的概念。
近年来，在“人类机器战争”的影响下，人工智能的话题非常热，尤其是在“ Alphago”击败Li Shishi之后，人们一直在讨论人们是否可以“击败”自己的制造业。人工智能“在大数据和各种科幻电影的渲染中，人工智能的道德和哲学问题也有所增加。
人工智能是一件非常复杂和令人兴奋的事情。人们需要了解真正的人工智能。因此，本文将解释什么是人工智能以及人工智能，未来前景和应用领域的发展。
人们总是希望计算机或机器能够像人一样思考，像人一样行动，思考和积极行动，并帮助人们解决现实中的实际问题。要实现上述功能，计算机（机器人或机器）需要以下功能：
自然语言处理
知识重新定位
自动推理
机器学习
计算机视觉（计算机视觉）
机器人技术
这6个领域构成了绝大多数人工智能。人工智能之父alan Turing在1950年还提出了图灵测试，以为计算机的智能提供令人满意的可操作定义。
关于图灵测试，这意味着测试仪与测试仪（例如键盘）与测试人员分开（一个人和机器）。是人类或机器，然后机器通过了测试，被认为具有人类智能。
图灵测试是在60多年前提出的，但现在仍然适用。但是，我们目前的发展实际上远远落后于图灵的预测。
2014年6月8日，由俄罗斯团队尤金·戈斯特曼（Eugene Goostman）发表的模拟人类演讲成为第一个通过图灵（Turing）的“计算机”。人们相信这是一个13岁的男孩，这一事件已成为一个里程碑人工智能的发展。
在2015年，“科学”杂志报道人人工智能最终可以像人类一样学习并通过图灵测试。AI系统可以快速学会编写奇怪的文本，同时可以识别无形的特征，这是开发中的巨大进步人工智能。
①1943 - 1955年人工智能的诞生
人工智能的最早工作是由沃伦·麦卡洛克（Warren McCulloch）和沃尔特·迪特（Walter Pits）完成的。他们使用了基本生理学和脑神经元的功能，罗素和白海德对命题逻辑的形式分析和图灵理论。他们提出了神经元的神经元。该模型被描述为“开放”和“关闭”每个神经元。人工智能的基础。
②1956年人工智能的诞生
1956年夏天，由麦卡锡，明斯基，坎农和罗切斯特领导的一群科学家组织了在拿督茅斯举办的两个月研讨会。在这次会议上，我们研究了智能研究智能研究。一系列问题，这是第一次提出了“人工智能”的概念，人工智能诞生了。
③1952 - 1969年人工智能期望期
目前，由于各种技术的限制，负责人是“机器永远无法做X”。麦卡锡称呼“看，妈妈，没有手！”时代。
后来，罗切斯特（Rochester）和他的同事在IBM制定了一些最初的人工智能计划，可以帮助学生证明一些棘手的定理。
1958年，麦卡锡（McCarthy）发表了一篇关于“常识计划”的论文。在文章中，他描述了“建议者”。这个虚构的程序可以被视为第一个人工智能系统。
④1966-1973在人工智能发展方面遇到困难
在此期间，在人工智能的发展过程中遇到了一些重大困难。
第一个困难来自大多数早期程序，什么都不了解其主题。
第二个困难是人工智能试图解决的许多问题的困难。
第三个困难是用于产生智能行为的基本结构的一些基本局限性。
⑤1980年，人工智能成为一个行业
在此期间，第一个商业专家系统开始在DEC上运行，该系统帮助新的计算机系统配置了订单。1981年，日本宣布了“第五代计算机”计划，然后美国成立了微电子和计算机技术公司作为小组维持竞争力。数百家公司遵循“专家系统”，“视觉系统”，“机器人和服务”的软件和硬件开发，这是“人工智能冬季”的时期，许多公司开始失败，因为它无法实现其原始想法。
⑥1986年之后
1986年，神经网络返回。
1987年，人工智能开始采用科学方法，并开始基于“隐藏的Marcov模型”方法来统治这一领域。
1995年，Smart Agent出现了。
2001年，大数据可用。
1997年，IBM的超级计算机“深蓝色”击败了前俄罗斯国际象棋球员加里·卡斯帕罗夫（Garry Kasparov），后者被称为国际象棋世界的神话，震惊了世界。
2016年，由Google的DeepMind Company开发的Alphago以4：1的记录击败了Go World Championsiphip和Professional Li Shishi的专业九段，这再次引发了有关人工智能的激烈讨论。然后在2017年，中国武洪（Wuzhen）在今年五月的峰会上，他以3：0的记录击败了世界排名第一。
2017年1月6日，百度的人工智能机器人“ Xiao du”击败了人类“最强大脑”的“最强大脑”王冯，在最强的大脑上，大脑最强的舞台识别项目。“太阳在语音识别项目中以2：2并列。1月21日，在2：0的面部识别项目中再次击败了“ Water Brother” Wang Yuzheng，并击败了Huang Zheng和Alex的人类团队在最强的大脑的最后战斗中。
2016年9月1日，Baidu Li Yanhong发布了使用计算机技术模拟人类大脑的“ Baidu Brain”计划，已经可以达到儿童的智力水平。LiYanhong在声音领域的Baidu大脑的切割方面进行了详细说明，图像，自然语言处理和用户肖像。在目前，百度的大脑语音综合日期请求为2.5亿，语音识别率为97％。
“深度学习”是百度大脑的主要算法。在图像处理方面，百度已成为世界上最领先的公司之一。
百度大脑的四个主要功能是：语音，图像，自然语言处理和用户肖像。
语音是指语音识别能力和语音合成能力。图像主要是指计算机视觉。自然语言处理还需要计算机的认知能力。用户模型。
工业4.0是德国提出的十大未来项目之一。它旨在提高智能制造水平，并建立具有适应性，资源效率和基因工程的智能工厂。
Industry 4.0进入了中国 - 格尔曼合作的新时代。显然，工业生产的数字化是“工业4.0”对中国和德国的未来经济发展具有重要意义。
工业4.0项目主要分为三个主要主题：智能工厂，智能生产和智能物流。
它的挑战是：缺乏足够的技能来加快第四次工业革命的过程，企业IT部门的威胁以及利益相关者通常不愿意改变。
但是，随着AI的发展，将大力推动工业4.0的进步。
人工智能可以穿透各行各业和许多领域，例如：
①无人驾驶：它集成了许多技术，例如自动控制，建筑，人工智能，视觉计算等。它是计算机科学，模式识别和智能控制技术世界上最先进的无人驾驶汽车。，其中80,000公里没有任何人类安全干预措施。使用无人驾驶运输车辆将成为Greenwichone实施的许多项目。
②语音识别：这项技术允许机器知道您在说什么并进行相应的处理。1952年，贝尔研究所（Bell Research Institute）开发了第一个识别10个英语发音的系统。在外国应用中，苹果的Siri一直领先。在中国，HKUST新闻的发展在这方面尤其迅速。
③自主计划和调整：NASA的远程代理程序没有第一个独立的船舶运营商计划来控制航天器的操作计划。
④游戏：人类游戏游戏一直是一个非常热门的话题。深度学习和对大数据的支持已成为“击败”人脑的主要方式。
⑤垃圾邮件信息过滤：学习算法可以将十亿个信息分类到垃圾邮件中，这可以为接收器节省大量时间。
⑥机器人技术：机器人技术可以使机器人替换人类从事某些乏味或危险的任务。在战争中，可以运输危险物品和炸弹。
⑦机器翻译：机器翻译可以将语言转换为所需的语言，例如当前的百度翻译和Google翻译可以很好地完成。Xunfei还开发了真实时间翻译的功能。
⑧智能家园：在智能家园领域，AI可能能够提供很多帮助。例如，模式识别可以应用于许多房屋，以使其聪明并改善人类的机器相互作用。智能机器人还可以帮助人们制作一些乏味的乏味的乏味的房屋杂务等。
专家系统是一个智能的计算机程序系统。它在某个领域的专家级别中包含大量专家。它可以利用人类专家的知识和方法来解决问题来处理现场问题。换句话说，专家系统是具有大量专业知识和经验的程序系统。它应用人工智能技术和计算机技术。根据一个领域的一个或多个专家提供的知识和经验，推理和判断力制定过程是解决需要人类专家的复杂问题。简而言之，专家系统是一个计算机程序系统，可模拟人类专家以解决现场问题。
知识基础是专家系统质量是否优越的关键，即知识基础中知识的质量和数量决定了专家系统的质量水平。从通常的角度来讲，知识库和专家系统计划在专家系统中，彼此独立。用户可以通过更改和改善知识库中的知识内容来提高专家系统的性能。
机器学习（ML）是一项多领域的跨学科学科，涉及概率理论，统计，近似性理论，凸分析，算法复杂性理论。专业化计算机如何模拟或实现人类学习行为，以获得新的知识或技能，并重新获得新知识或技能，并重新使用 -组织现有的知识结构以不断提高其性能。它是人工智能的核心。它也是深度学习的基础。
机器学习领域的研究工作主要关注以下三个方面：
（1）朝向任务的研究
研究和分析学习系统，以实施一组计划任务。
（2）认知模型
研究人类学习过程并执行计算机模拟。
（3）理论分析
理论上探讨了独立于应用程序字段的各种可能的学习方法和算法
机器学习是专家系统之后人工智能应用程序的另一个重要研究领域，它也是人工智能和神经计算的核心研究主题之一。但是，现有的计算机系统和人工智能系统没有太多的学习能力。它最多只能具有非常有限的学习能力，因此它无法满足技术和生产提出的新要求。
遗传算法是达尔文生物进化理论的自然选择的计算模型和遗传机制的遗传进化过程。这是一种通过模拟自然进化来寻找最佳解决方案的方法。它借鉴了生物学世界的进化定律（最优美的生存，适量遗传机制的生存），用于随机搜索。它是由J.Holland教授于1975年首次提出的。其主要特征是直接操作结构对象，而没有现有的指导指导。限制功能的连续性；具有内部隐藏的及平衡和更好的全球卓越表现；采用一种概率方法来查找和指导优化的搜索空间，并自适应调整搜索方向。这些遗传算法的属性已广泛用于组合优化，机器学习，信号处理，自适应控制和自适应控制和自适应控制和人造生活。它是现代智能计算中的关键技术。
深度学习是深度学习。深度学习是机器学习研究的新领域。它的动机是建立和模拟人脑以分析和学习神经网络。它模仿了人脑的机制来解释数据，例如图像，声音和文本评估是一种学习来表示机器学习中数据的方法。
他的基本想法是：假设我们有一个系统s，它具有n层（s1，... sn），其输入为i，输出为o，它表示为：i = s1 = s2 = ...。。= sn
= o，如果输出o等于输入i，也就是说，在此系统更改后输入i后没有信息丢失。多于A和B相互信息。这表明信息处理不会增加信息，并且大多数信息处理将丢失信息。保持不变，这意味着输入I在SI的每一层之后没有信息丢失，也就是说，在SI的任何一层中，它是原始信息的另一种表示（即输入i）。学习需要自动学习特征。假设我们有一堆输入i（例如一堆图像或文本）。假设系统s（带有n层），通过调整系统中的参数，其输出仍然是输入i，然后输出仍然是输入i，然后您可以自动获得输入i的一系列层次结构特征，即S1，...，Sn.对于深度学习，其思想是堆叠多层，这意味着该层的输出用作下一个层输入。这样，可以在评分中实现输入信息。
深度学习的主要技术包括：线性代数，概率和信息理论；欠款，过度拟合，正规化；最大似然估计和贝叶斯统计；随机梯度降低；成本函数和反向传播；正则化，稀疏编码和辍学；自适应学习算法；卷积神经网络；环状神经网络；递归神经网络；深神经网络和深层堆栈网络；
LSTM长度记忆；主要组件分析；常规自动编码器；学习的表征；蒙特卡洛;受限的polizman;在-Depth置信网中；SoftMax回归，决策树和集群算法；KNN和SVM；
生成对抗网络，并且有方向网络；机器视觉和图像识别；自然语言处理；语音识别和机器翻译；有限的马科夫；动态计划；梯度策略算法；增强的学习（Q学习）。
随着人工智能的发展，人工智能将逐渐进入我们的生活，研究和工作。实际上，人工智能已经渗透到我们的生活中，并且对我们的手机很小。Face识别等，以便对无人汽车，航空卫星。未来，AI很可能会解放人类。他将取代人类做大多数人可以做的事情。正如Liu Cixin所说：人工智能的发展，它可能开始取代某些人的工作。最后，这是言语。他很可能取代了90％甚至更高的人类工作。WuEnda还表明，人工智能的发展非常快。我们可以与语音的计算机交谈，这将像真实的人一样自然。这将完全改变我们与机器互动的方式。自主驾驶对人来说也是非常有价值的。我们的社会有许多不同的领域。例如，可以通过技术完全改变医疗，教育和金融。
[1] Russell，S.J.Norvig，P。人工智能：现代方法（第三版）北京：Tsinghua University Press，2013年（2016.12重型印刷）
[2] Kuzwell，《人工智能的未来》杭州：Zhejiang人民出版社，2016.3
[3]苏南。人工智能的发展状况和未来前景[J]。中小企业管理与技术（早期杂志），2017年，（04）：107-108。
[4] Wang Chao。从Alphago的胜利中，人工智能的发展过程和应用前景[J]。中国新技术和新产品，2017年，（04）：125-126。
[5] Zhu Wei，Chen Huihui，Tian Siyuan，Wang Hongwu。人工智能：从科学的梦想到新的蓝色海洋 - 发展分析和人工智能行业的对策[J]。科学和技术进步与对策，2016年，（21）：66-70。
[6] Wang Jiangtao。分析人工智能的发展和应用[J]。电子技术和软件工程，2015年，（05）：264。
[7]杨阳。研究人工智能技术的发展趋势[J]。信息和计算机（理论版），2012年，（08）：151-152。
[8] Zhang Ni，Xu Wenshang，Wang Wenwen。人工智能技术的开发和应用研究摘要[J]。煤矿机械，2009年，（02）：4-7。
[9] Wang Yongzhong。人工智能技术在智能建筑中的应用[J]。技术信息，2009年，（03）：343+342。
[10] Li Deyi，小唇唇。互联网时代的人工智能[J]中国信息杂志，2008年，（02）：3-9。
[11] Li Hongxia。人工智能发展的摘要[J]。Gansu Technology，2007，（05）：17-18
[12] Sun Ke。基于火花的机器学习应用程序框架的研究和实现[D]。上海Jiotong大学，2015年。
[13]朱·朱伯，胡温博。贝叶斯机器学习进度[J]。计算机研发，2015年，（01）：16-26。
[14]他的清金，李·温朱恩，什叶齐。大数据下的机器学习算法摘要[J]。模式识别与人工智能，2014年，（04）：327-336。
[15]冯·亚宁（Guo Yaning），冯莎莎（Feng Shasha）。关于机器学习的研究[J]。中国科学技术信息，2010年，（14）：208-209+214。
[16] Chen Kai，朱Yu。机器学习和相关算法评论[J]。统计和信息论坛，2007年，（05）：105-112。
[17] Yan Youbiao，Chen Yuanzhen。机器学习的主要策略[J]。计算机应用研究，2004年，（07）：4-10+13。
[18]张大明，Zhan Zhicai，Cheng Keyang，Zhan Yongzhao。深度学习的研究和发展[J]。江苏大学杂志（自然科学版），2015年，（02）：191-200。
[19]杨·魏孔（Wang Weitong），王·韦恩（Wang Wang Lichun）。深度学习研究[J]。北京技术大学杂志，2015年，（01）：48-59。
[20] Liu Jianwei，Liu Yuan，Luo Xionglin。深度学习研究进度[J]。计算机应用研究，2014年，（07）：1921-1930+1942
[21] Ma Yongjie，Yun Wenxia。遗传算法的研究进展[J]。计算机应用研究，2012年，（04）：1201-1206+1210。
[22] Cao Daoyou。基于遗传算法改进的应用[D]的研究。安海大学，2010年
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。
单击以收听音频
在开始探索人工智能的相关问题之前，我们应该首先简要回顾人工智能开发的简要历史。
1.人工智能的诞生（20世纪至1950年代）
人工智能的概念首先是约翰·麦卡锡（John McCarthy）在1956年的达特茅斯会议上提出的：人工智能是指允许机器的行为似乎是人类表明行为相同的情报。新技术不可避免地具有时空时间的局限性。六十年后，人工智能的定义已得到更多新内容。人工智能在各个领域的应用不仅像人类的行为一样，而且甚至超过人类。它更快，更准确，更强大。
该定义强调人工智能是人工制作的机器，“性能”是“执行”某种智能的“表现”，即虚弱的人工智能。主流科学研究也集中在虚弱的人工智能上，并取得了相当大的成就。人工智能薄弱，另一个与之相对应的分类是强大的人工智能。
强大的人工智能通常认为，人类可能会创建可以真正推理和解决问题的智能机器。它具有以下特征：
1.机器具有意识和自我意识；2.机器可以独立思考并制定解决问题的最佳解决方案；需求；5.从某种意义上说，它可以被视为一种新的文明。
例如，以好莱坞制作的人工智能为主题，许多机器人表现出强大的学习能力，认知能力和自我意识。这种人工智能可以被认为是强大的人工智能。但是，不幸的是，我们的科学和技术发展的当前水平无法创造任何类型的强大人工智能。人工智能和强大的人工智能之间的关系也存在。虚弱的人工智能不一定会发展为强大的人工智能。两者的发展路径和概念之间存在根本的区别。
让我们回顾人工智能诞生期间的重大历史事件：
1936年，数学家Alonzo Churc和Alan Turing命名为Qiuqi-Turing，并提出所有计算或算法都可以由Turing Machine执行。这也是Alsobuild的计算机科学基础之一。他发表的论文也是现代计算机的原型。
1943年，两名科学家沃伦·库洛赫（Warrenmcculloch）和沃尔特皮茨（Walterpitts）提出了“神经网络”的概念，正式打开了AI的大门。尽管这只是当时的数学理论，但它具有极大的影响，因为该理论允许这种理论允许人们了解计算机可以像人脑一样“深度学习”，描述人造神经元网络如何实现逻辑功能。
1945年，游戏理论的创始人John.von.n Eumann提出了存储程序的概念，并在计算机字段中建立了不朽的优点。他的思想被称为电子计算机时代的开始。基本上是冯·诺曼。
1在1946年2月14日的情人节上，根据图灵和冯·诺曼曼（Von Neumanman），计算机的先驱J.W. Mauchly及其研究生J.P.Eckert在美国合作，在世界上开发世界上第一个通用计算机，这是一个重要的重要性现代计算机开发历史上的里程碑，也为人工智能的出现奠定了硬件基础。
1947年，神经病学研究发现大脑结构是由神经元组成的电子网络。它的水平只有两个状态为“是”和“否”，并且没有中间状态。这也是人类研究大脑结构的主要结果。
1948年，当计算机时代刚进入黎明时，诺伯特·维纳（Norbert Wiener）提出了一个“控制理论”的概念。他是第一个预见信息技术双重可能性的人。这把双刃剑也可能从人类中逃脱，反过来控制人类。他也成为批评机器智能到来的最早的学者。
1950年，图灵（Turing）发表了一篇时期的论文，预测了使用真实智能创建机器的可能性。Turing测试是人工智能理念中的第一个认真提案。著名的图灵测试诞生了：如果机器可以开始与人类的间接对话（通过电子设备），无法用其机器识别，然后这台机器很聪明。。
1951年，克里斯托弗斯特拉奇（Christopherstrachey）撰写了西方检查过程。Dietrichprinz写了国际象棋程序。从这个开始，AI被视为评估AI开发水平的标准。
1955年，艾伦·纽维尔（Allen Newell）和赫伯特·西蒙（Herbert Simon）在J. C. Xiao的协助下开发了“逻辑理论家”。该计划通过符号逻辑定理的思维活动在“数学原理”中证明了38个定理，其中一些是更多的是其中的一些定理简洁明了，比原始人合理。
人1956年，马文·明斯基（Marvin Minsky），人工智能的诞生，约翰·麦卡锡（John McCarthy），克劳德·香农（Claude Shannon）等人在达姆斯茅斯学院（Datmouth College），《 da等》第一次，麦卡锡（McCarthy）提出了“人工智能”的概念西蒙展示了书面的“逻辑理论家”。在会议上，确定了AI的名称和任务，最初的成就和最早的研究人员同时出现了。因此，这一事件被广泛认为是AI的诞生，被称为“人工智能的起点”。
1956年，约瑟夫（Joseph）的乔治·德维沃尔（George Dewevol）和约瑟夫·恩格伯格（Joseph F.
1956年，Oliver Selfridge制定了第一个角色识别程序，以打开新的模型识别领域。
1957年，艾伦·纽维尔（Allen Newell）和赫伯特·西蒙（Herbert Simon）开始研究一种不依赖特定领域的常见问题解决设备。在此期间，搜索 - 类型推理是许多AI程序使用的基本算法。该原理就像找到一种方法在迷宫中；如果遇到死胡同，您将回到选择其他分支的方式。这是“搜索推理”。该算法的主要困难是，在许多问题中，线路总数的可能性是天文数字。
1958年，建立了国防高级研究项目机构，主要负责高科技的研究，开发和应用。几十年来，DARPA成功地为美国军方开发了大量的高级武器系统，同时为美国积累了大量的科学和技术资源储备，并领导了美国和全世界军事和平民的高科技研发的趋势。
总而言之，最初的人工智能研究是从1930年代末到1950年代初科学研究结果的创新产物。这些领域的顶级研究人员本身也是多学科专家，因此他们需要整合人工智能每位主任的发展迅速。主要学科是：
1.神经学研究发现神经网络；2.控制理论的原始理论描述了电子网络的研究。3。武信息理论的数字信号研究；·诺丹提出了存储程序的概念。这些密切相关的想法结合在一起，表明了建立电子大脑的可能性，并研究了如何使用机器模拟人类智能学科。
2.在人工智能逻辑推理期间（1960年代）
在此期间，人们普遍认为，只要机器具有逻辑推理能力，就可以实现人工智能。但是，人们的失望发现创建的机器只具有基本的逻辑推理能力，并且它们远非级别“聪明”。
早在1958年，约翰·麦卡锡（John McCarthy）提出了“ NAIDIANS”的计划概念，并将逻辑介绍给了AI研究社区。1960年代末，麦卡锡（McCarthy）和他的学生发现，这个想法的复杂性复杂性非常高：非常高：即使是简单定理的证明也需要天文数量的计算步骤。这次，麦卡锡认为人类的思维方式无关紧要：真正的目标应该是解决问题的机器，而不是模仿人类思考的机器。麦卡锡和其他人也被称为“极简主义派系”。
此期间的主要事件是：
1962年，成立了6年的“ Yunmeter”公司推出了世界上第一个工业机器人“ Yunmeter”，并开始在GM的大会线路中服役。
1963年6月，来自DARPA的麻省理工学院和国防部高级研究项目局获得了资金，包括Marvinminsky和John McCarthy五年前成立的AI研究小组。1970年代。
从1966年到1972年，斯坦福国际研究所（SRI）开发了一定的人工智能移动机器人Shakey，它可以感知到感知，环境建模，行为计划和执行任务（例如寻找木箱，并将其推动推动它来推动它。
1966年，麻省理工学院的系统工程师约瑟夫·韦森鲍姆（Joseph Weizenbaum）和心理学家肯尼斯·科尔比（Kenneth Colby）发布了世界上第一个聊天机器人伊丽莎（Eliza）。聪明的是，她可以成为剧本“理解”简单的自然语言，并且可以产生类似于人类的互动。最著名的剧本是Rojis心理治疗师模拟的医生。作为最早的情感人工智能机器，它可以帮助用户和机器，缓解压力和抑郁症，这也是人工智能语音助手的最早原型。
1968年，加利福尼亚州斯坦福大学的道格拉斯·C·恩格尔巴特（Douglas C.正是他提出了超级链接的概念，超链接的原则成为了现代互联网几十年后的基础。他的人工智能发展概念是促进“智能增强”，而不是取代人类。
了解有关最新课程内容，单击原始链接或搜索“知识星球”小程序，搜索“人工智能进化论”订阅课程，加入圈子以讨论或向作者提出问题。或添加WX：AI61825
结论：以上是首席CTO注释为每个人编写的人工智能简短历史摘要的所有内容。感谢您阅读本网站的内容。我希望这对您有帮助。不要忘记在此网站上找到它。