簡述人工智能的發(fā)展歷史（簡述人工智能的發(fā)展歷史及重大事件）

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于簡述人工智能的發(fā)展歷史的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

ChatGPT國內(nèi)免費(fèi)在線使用，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com

本文目錄:

• 1、人工智能發(fā)展的三個(gè)階段

• 2、人工智能的六大發(fā)展階段是什么?設(shè)想第七階段，還有人工智能誕生的標(biāo)志是什么?

• 3、人工智能的發(fā)展歷程可分為形成期和發(fā)展期

• 4、人工智能發(fā)展綜述

一、人工智能發(fā)展的三個(gè)階段

人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能的發(fā)展大概分為三個(gè)階段。

第一個(gè)階段，我們稱之為計(jì)算智能，即讓計(jì)算能存會算，機(jī)器開始像人類一樣會計(jì)算，傳遞信息。

第二個(gè)階段，我們稱之為認(rèn)知智能，能說會聽，能看會認(rèn)。例如，完全獨(dú)立駕駛的無人駕駛汽車、自主行動的機(jī)器人。它的價(jià)值是可以全面輔助或替代人類部分工作。

第三個(gè)階段，我們稱之為感知智能，是目前的最高階段，它要求機(jī)器或系統(tǒng)能理解會思考，這是人工智能領(lǐng)域正在的努力的目標(biāo)。

二、人工智能的六大發(fā)展階段是什么?設(shè)想第七階段，還有人工智能誕生的標(biāo)志是什么?

人工智能的歷史與未來劃分為了三個(gè)階段：

1.手工知識（HandcraftedKnowledge）階段，代表是形式邏輯理論

2.統(tǒng)計(jì)學(xué)習(xí)（StatisticalLearning）階段

，代表是機(jī)器學(xué)習(xí)理論

3.語境順應(yīng)（ContextualAdaptation）階段，代表是深度學(xué)習(xí)技術(shù)

第七階段是全面智能感知

1956年，在由達(dá)特茅斯學(xué)院舉辦的一次會議上，計(jì)算機(jī)專家約翰·麥卡錫提出了“人工智能”一詞。后來，這被人們看做是人工智能正式誕生的標(biāo)志。

三、人工智能的發(fā)展歷程可分為形成期和發(fā)展期

1950-1970年代，人工智能的”推理時(shí)代“。這一時(shí)期，一般認(rèn)為只要機(jī)器被賦予邏輯推理能力就可以實(shí)現(xiàn)人工智能。不過此后人們發(fā)現(xiàn)，只是具備了邏輯推理能力，機(jī)器還遠(yuǎn)遠(yuǎn)達(dá)不到智能化的水平。1970-1990年代，人工智能的”知識工程“時(shí)代。這一時(shí)期，人們認(rèn)為要讓機(jī)器變得有智能，就應(yīng)該設(shè)法讓機(jī)器學(xué)習(xí)知識，于是專家系統(tǒng)得到了大量的開發(fā)。后來人們發(fā)現(xiàn)，把知識總結(jié)出來再灌輸給計(jì)算機(jī)相當(dāng)困難。舉個(gè)例子來說，想要開發(fā)一個(gè)疾病診斷的人工智能系統(tǒng)，首先要找好多有經(jīng)驗(yàn)的醫(yī)生總結(jié)出疾病的規(guī)律和知識，隨后讓機(jī)器進(jìn)行學(xué)習(xí)，但是在知識總結(jié)的階段已經(jīng)花費(fèi)了大量的人工成本，機(jī)器只不過是一臺執(zhí)行知識庫的自動化工具而已，無法達(dá)到真正意義上的智能水平進(jìn)而取代人力工作。2000年至今，人工智能的”數(shù)據(jù)挖掘“時(shí)代。隨著各種機(jī)器學(xué)習(xí)算法的提出和應(yīng)用，特別是深度學(xué)習(xí)技術(shù)的發(fā)展，人們希望機(jī)器能夠通過大量數(shù)據(jù)分析，從而自動學(xué)習(xí)出知識并實(shí)現(xiàn)智能化水平。這一時(shí)期，隨著計(jì)算機(jī)硬件水平的提升，大數(shù)據(jù)分析技術(shù)的發(fā)展，機(jī)器采集、存儲、處理數(shù)據(jù)的水平有了大幅提高。特別是深度學(xué)習(xí)技術(shù)對知識的理解比之前淺層學(xué)習(xí)有了很大的進(jìn)步，Alpha Go和中韓圍棋高手過招大幅領(lǐng)先就是目前人工智能的高水平代表之一。

四、人工智能發(fā)展綜述

近十多年來，隨著算法與控制技術(shù)的不斷提高，人工智能正在以爆發(fā)式的速度蓬勃發(fā)展。并且，隨著人機(jī)交互的優(yōu)化、大數(shù)據(jù)的支持、模式識別技術(shù)的提升，人工智能正逐漸的走入我們的生活。本文主要闡述了人工智能的發(fā)展歷史、發(fā)展近況、發(fā)展前景以及應(yīng)用領(lǐng)域。

人工智能（Artificial Intelligence）簡稱AI，是麥卡賽等人在1956年的一場會議時(shí)提出的概念。

近幾年，在“人機(jī)大戰(zhàn)”的影響下，人工智能的話題十分的火熱，特別是在“阿爾法狗”（AlphaGo）戰(zhàn)勝李世石后，人們一直在討論人是否能“戰(zhàn)勝”自己制造的有著大數(shù)據(jù)支持的“人工智能”，而在各種科幻電影的渲染中，人工智能的倫理性、哲學(xué)性的問題也隨之加重。

人工智能是一個(gè)極其復(fù)雜又令人激動的事物，人們需要去了解真正的人工智能，因此本文將會對什么是人工智能以及人工智能的發(fā)展歷程、未來前景和應(yīng)用領(lǐng)域等方面進(jìn)行詳細(xì)的闡述。

人們總希望使計(jì)算機(jī)或者機(jī)器能夠像人一樣思考、像人一樣行動、合理地思考、合理地行動，并幫助人們解決現(xiàn)實(shí)中實(shí)際的問題。而要達(dá)到以上的功能，則需要計(jì)算機(jī)（機(jī)器人或者機(jī)器）具有以下的能力：

自然語言處理（natural language processing）

知識表示（knowledge representation）

自動推理（automated reasoning）

機(jī)器學(xué)習(xí)（machine learning）

計(jì)算機(jī)視覺（computer vision）

機(jī)器人學(xué)（robotics）

這6個(gè)領(lǐng)域，構(gòu)成了人工智能的絕大多數(shù)內(nèi)容。人工智能之父阿蘭·圖靈（Alan Turing）在1950年還提出了一種圖靈測試（Turing Test），旨在為計(jì)算機(jī)的智能性提供一個(gè)令人滿意的可操作性定義。

關(guān)于圖靈測試，是指測試者在與被測試者（一個(gè)人和一臺機(jī)器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進(jìn)行多次測試后，如果有超過30%的測試者不能確定出被測試者是人還是機(jī)器，那么這臺機(jī)器就通過了測試，并被認(rèn)為具有人類智能。

圖靈測試是在60多年前就已經(jīng)提出來了，但是在現(xiàn)在依然適用，然而我們現(xiàn)在的發(fā)展其實(shí)遠(yuǎn)遠(yuǎn)落后于當(dāng)年圖靈的預(yù)測。

在2014年6月8日，由一個(gè)俄羅斯團(tuán)隊(duì)開發(fā)的一個(gè)模擬人類說話的腳本——尤金·古斯特曼（Eugene Goostman）成為了首個(gè)通過圖靈測試的“計(jì)算機(jī)”，它成功的使人們相信了它是一個(gè)13歲的小男孩，該事件成為了人工智能發(fā)展的一個(gè)里程碑。

在2015年，《Science》雜志報(bào)道稱，人工智能終于能像人類一樣學(xué)習(xí)，并通過了圖靈測試。一個(gè)AI系統(tǒng)能夠迅速學(xué)會寫陌生文字，同時(shí)還能識別出非本質(zhì)特征，這是人工智能發(fā)展的一大進(jìn)步。

①1943-1955年人工智能的孕育期

人工智能的最早工作是Warren McCulloch和Walter Pitts完成的，他們利用了基礎(chǔ)生理學(xué)和腦神經(jīng)元的功能、羅素和懷特海德的對命題邏輯的形式分析、圖靈的理論，他們提出了一種神經(jīng)元模型并且將每個(gè)神經(jīng)元敘述為“開”和“關(guān)”。人工智能之父圖靈在《計(jì)算機(jī)與智能》中，提出了圖靈測試、機(jī)器學(xué)習(xí)、遺傳算法等各種概念，奠定了人工智能的基礎(chǔ)。

②1956年人工智能的誕生

1956年的夏季，以麥卡錫、明斯基、香農(nóng)、羅切斯特為首的一批科學(xué)家，在達(dá)特茅斯組織組織了一場兩個(gè)月的研討會，在這場會議上，研究了用機(jī)器研究智能的一系列問題，并首次提出了“人工智能”這一概念，人工智能至此誕生。

③1952-1969年人工智能的期望期

此時(shí)，由于各種技術(shù)的限制，當(dāng)權(quán)者人為“機(jī)器永遠(yuǎn)不能做X”，麥卡錫把這段時(shí)期稱作“瞧，媽，連手都沒有！”的時(shí)代。

后來在IBM公司，羅切斯特和他的同事們制作了一些最初的人工智能程序，它能夠幫助學(xué)生們許多學(xué)生證明一些棘手的定理。

1958年，麥卡錫發(fā)表了“Program with Common Sense”的論文，文中他描述了“Advice Taker”，這個(gè)假想的程序可以被看作第一個(gè)人工智能的系統(tǒng)。

④1966-1973人工智能發(fā)展的困難期

這個(gè)時(shí)期，在人工智能發(fā)展時(shí)主要遇到了幾個(gè)大的困難。

第一種困難來源于大多數(shù)早期程序?qū)ζ渲黝}一無所知；

第二種困難是人工智能試圖求解的許多問題的難解性。

第三種困難是來源于用來產(chǎn)生智能行為的基本結(jié)構(gòu)的某些根本局限。

⑤1980年人工智能成為產(chǎn)業(yè)

此時(shí)期，第一個(gè)商用的專家系統(tǒng)開始在DEC公司運(yùn)轉(zhuǎn)，它幫助新計(jì)算機(jī)系統(tǒng)配置訂單。1981年，日本宣布了“第五代計(jì)算機(jī)”計(jì)劃，隨后美國組建了微電子和計(jì)算機(jī)技術(shù)公司作為保持競爭力的集團(tuán)。隨之而來的是幾百家公司開始研發(fā)“專家系統(tǒng)”、“視覺系統(tǒng)”、“機(jī)器人與服務(wù)”這些目標(biāo)的軟硬件開發(fā)，一個(gè)被稱為“人工智能的冬天”的時(shí)期到來了，很多公司開始因?yàn)闊o法實(shí)現(xiàn)當(dāng)初的設(shè)想而開始倒閉。

⑥1986年以后

1986年，神經(jīng)網(wǎng)絡(luò)回歸。

1987年，人工智能開始采用科學(xué)的方法，基于“隱馬爾可夫模型”的方法開始主導(dǎo)這個(gè)領(lǐng)域。

1995年，智能Agent出現(xiàn)。

2001年，大數(shù)據(jù)成為可用性。

在1997年時(shí)，IBM公司的超級計(jì)算機(jī)“深藍(lán)”戰(zhàn)勝了堪稱國際象棋棋壇神話的前俄羅斯棋手Garry Kasparov而震驚了世界。

在2016年時(shí)，Google旗下的DeepMind公司研發(fā)的阿爾法圍棋（AlphaGo）以4:1的戰(zhàn)績戰(zhàn)勝了圍棋世界冠軍、職業(yè)九段棋手李世石，從而又一次引發(fā)了關(guān)于人工智能的熱議，隨后在2017年5月的中國烏鎮(zhèn)圍棋峰會上以3:0的戰(zhàn)績又戰(zhàn)勝了世界排名第一的柯潔。

2017年1月6日，百度的人工智能機(jī)器人“小度”在最強(qiáng)大腦的舞臺上人臉識別的項(xiàng)目中以3:2的成績戰(zhàn)勝了人類“最強(qiáng)大腦”王峰。1月13日，小度與“聽音神童”孫亦廷在語音識別項(xiàng)目中以2:2的成績戰(zhàn)平。隨后又在1月21日又一次在人臉識別項(xiàng)目中以2:0的成績戰(zhàn)勝了“水哥”王昱珩，更在最強(qiáng)大腦的收官之戰(zhàn)中戰(zhàn)勝了人類代表隊(duì)的黃政與Alex。

2016年9月1日，百度李彥宏發(fā)布了“百度大腦”計(jì)劃，利用計(jì)算機(jī)技術(shù)模擬人腦，已經(jīng)可以做到孩子的智力水平。李彥宏闡述了百度大腦在語音、圖像、自然語言處理和用戶畫像領(lǐng)域的前沿進(jìn)展。目前，百度大腦語音合成日請求量2.5億，語音識別率達(dá)97%。

“深度學(xué)習(xí)”是百度大腦的主要算法，在圖像處理方面，百度已經(jīng)成為了全世界的最領(lǐng)先的公司之一。

百度大腦的四大功能分別是：語音、圖像，自然語言處理和用戶畫像。

語音是指具有語音識別能力與語音合成能力，圖像主要是指計(jì)算機(jī)視覺，自然語言處理除了需要計(jì)算機(jī)有認(rèn)知能力之外還需要具備推理能力，用戶畫像是建立在一系列真實(shí)數(shù)據(jù)之上的目標(biāo)用戶模型。

工業(yè)4.0是由德國提出來的十大未來項(xiàng)目之一，旨在提升制造業(yè)的智能化水平，建立具有適應(yīng)性、資源效率及基因工程學(xué)的智慧工廠。

工業(yè)4.0已經(jīng)進(jìn)入中德合作新時(shí)代，有明確提出工業(yè)生產(chǎn)的數(shù)字化就是“工業(yè)4.0”對于未來中德經(jīng)濟(jì)發(fā)展具有重大意義。

工業(yè)4.0項(xiàng)目主要分為三大主題：智能工廠、智能生產(chǎn)、智能物流。

它面臨的挑戰(zhàn)有：缺乏足夠的技能來加快第四次工業(yè)革命的進(jìn)程、企業(yè)的IT部門有冗余的威脅、利益相關(guān)者普遍不愿意改變。

但是隨著AI的發(fā)展，工業(yè)4.0的推進(jìn)速度將會大大推快。

人工智能可以滲透到各行各業(yè)，領(lǐng)域很多，例如：

①無人駕駛：它集自動控制、體系結(jié)構(gòu)、人工智能、視覺計(jì)算等眾多技術(shù)于一體，是計(jì)算機(jī)科學(xué)、模式識別和智能控制技術(shù)高度發(fā)展的產(chǎn)物世界上最先進(jìn)的無人駕駛汽車已經(jīng)測試行駛近五十萬公里，其中最后八萬公里是在沒有任何人為安全干預(yù)措施下完成的。英國政府也在資助運(yùn)輸研究實(shí)驗(yàn)室（TRL），它將在倫敦測試無人駕駛投遞車能否成功用于投遞包裹和其他貨物，使用無人駕駛投遞車輛將成為在格林威治實(shí)施的眾多項(xiàng)目之一。

②語音識別：該技術(shù)可以使讓機(jī)器知道你在說什么并且做出相應(yīng)的處理，1952年貝爾研究所研制出了第一個(gè)能識別10個(gè)英文數(shù)字發(fā)音的系統(tǒng)。在國外的應(yīng)用中，蘋果公司的siri一直處于領(lǐng)先狀態(tài)，在國內(nèi)，科大訊飛在這方面的發(fā)展尤為迅速。

③自主規(guī)劃與調(diào)整：NASA的遠(yuǎn)程Agent程序未第一個(gè)船載自主規(guī)劃程序，用于控制航天器的操作調(diào)度。

④博弈：人機(jī)博弈一直是最近非?；馃岬脑掝}，深度學(xué)習(xí)與大數(shù)據(jù)的支持，成為了機(jī)器“戰(zhàn)勝”人腦的主要方式。

⑤垃圾信息過濾：學(xué)習(xí)算法可以將上十億的信息分類成垃圾信息，可以為接收者節(jié)省很多時(shí)間。

⑥機(jī)器人技術(shù)：機(jī)器人技術(shù)可以使機(jī)器人代替人類從事某些繁瑣或者危險(xiǎn)的工作，在戰(zhàn)爭中，可以運(yùn)送危險(xiǎn)物品、炸彈拆除等。

⑦機(jī)器翻譯：機(jī)器翻譯可以將語言轉(zhuǎn)化成你需要的語言，比如現(xiàn)在的百度翻譯、谷歌翻譯都可以做的很好，訊飛也開發(fā)了實(shí)時(shí)翻譯的功能。

⑧智能家居：在智能家居領(lǐng)域，AI或許可以幫上很大的忙，比如模式識別，可以應(yīng)用在很多家居上使其智能化，提高人機(jī)交互感，智能機(jī)器人也可以在幫人們做一些繁瑣的家務(wù)等。

專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R與經(jīng)驗(yàn)，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。也就是說，專家系統(tǒng)是一個(gè)具有大量的專門知識與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題，簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)。

知識庫是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在，即知識庫中知識的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平。一般來說，專家系統(tǒng)中的知識庫與專家系統(tǒng)程序是相互獨(dú)立的，用戶可以通過改變、完善知識庫中的知識內(nèi)容來提高專家系統(tǒng)的性能。

機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等的多領(lǐng)域交叉學(xué)科。專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能，它是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑,也是深度學(xué)習(xí)的基礎(chǔ)。

機(jī)器學(xué)習(xí)領(lǐng)域的研究工作主要圍繞以下三個(gè)方面進(jìn)行：

（1）面向任務(wù)的研究

研究和分析改進(jìn)一組預(yù)定任務(wù)的執(zhí)行性能的學(xué)習(xí)系統(tǒng)。

（2）認(rèn)知模型

研究人類學(xué)習(xí)過程并進(jìn)行計(jì)算機(jī)模擬。

（3）理論分析

從理論上探索各種可能的學(xué)習(xí)方法和獨(dú)立于應(yīng)用領(lǐng)域的算法

機(jī)器學(xué)習(xí)是繼專家系統(tǒng)之后人工智能應(yīng)用的又一重要研究領(lǐng)域，也是人工智能和神經(jīng)計(jì)算的核心研究課題之一。但是現(xiàn)有的計(jì)算機(jī)系統(tǒng)和人工智能系統(tǒng)沒有什么學(xué)習(xí)能力，至多也只有非常有限的學(xué)習(xí)能力，因而不能滿足科技和生產(chǎn)提出的新要求。

遺傳算法（Genetic Algorithm）是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。它借鑒生物界的進(jìn)化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機(jī)制）進(jìn)行隨機(jī)化搜索，它是由美國的J.Holland教授1975年首先提出，其主要特點(diǎn)是直接對結(jié)構(gòu)對象進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應(yīng)用于組合優(yōu)化、機(jī)器學(xué)習(xí)、信號處理、自適應(yīng)控制和人工生命等領(lǐng)域，它是現(xiàn)代有關(guān)智能計(jì)算中的關(guān)鍵技術(shù)。

Deep Learning即深度學(xué)習(xí)，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。是機(jī)器學(xué)習(xí)中一種基于對數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的方法。

他的基本思想是：假設(shè)我們有一個(gè)系統(tǒng)S，它有n層（S1,…Sn），它的輸入是I，輸出是O，形象地表示為：I =>S1=>S2=>…..=>Sn

=> O，如果輸出O等于輸入I，即輸入I經(jīng)過這個(gè)系統(tǒng)變化之后沒有任何的信息損失，設(shè)處理a信息得到b，再對b處理得到c，那么可以證明：a和c的互信息不會超過a和b的互信息。這表明信息處理不會增加信息，大部分處理會丟失信息。保持了不變，這意味著輸入I經(jīng)過每一層Si都沒有任何的信息損失，即在任何一層Si，它都是原有信息（即輸入I）的另外一種表示。Deep Learning需要自動地學(xué)習(xí)特征，假設(shè)我們有一堆輸入I（如一堆圖像或者文本），假設(shè)設(shè)計(jì)了一個(gè)系統(tǒng)S（有n層），通過調(diào)整系統(tǒng)中參數(shù)，使得它的輸出仍然是輸入I，那么就可以自動地獲取得到輸入I的一系列層次特征，即S1，…, Sn。對于深度學(xué)習(xí)來說，其思想就是對堆疊多個(gè)層，也就是說這一層的輸出作為下一層的輸入。通過這種方式，就可以實(shí)現(xiàn)對輸入信息進(jìn)行分級表達(dá)了。

深度學(xué)習(xí)的主要技術(shù)有：線性代數(shù)、概率和信息論；欠擬合、過擬合、正則化；最大似然估計(jì)和貝葉斯統(tǒng)計(jì)；隨機(jī)梯度下降；監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)深度前饋網(wǎng)絡(luò)、代價(jià)函數(shù)和反向傳播；正則化、稀疏編碼和dropout；自適應(yīng)學(xué)習(xí)算法；卷積神經(jīng)網(wǎng)絡(luò)；循環(huán)神經(jīng)網(wǎng)絡(luò)；遞歸神經(jīng)網(wǎng)絡(luò)；深度神經(jīng)網(wǎng)絡(luò)和深度堆疊網(wǎng)絡(luò)；

LSTM長短時(shí)記憶；主成分分析；正則自動編碼器；表征學(xué)習(xí)；蒙特卡洛；受限波茲曼機(jī)；深度置信網(wǎng)絡(luò)；softmax回歸、決策樹和聚類算法；KNN和SVM；

生成對抗網(wǎng)絡(luò)和有向生成網(wǎng)絡(luò)；機(jī)器視覺和圖像識別；自然語言處理；語音識別和機(jī)器翻譯；有限馬爾科夫；動態(tài)規(guī)劃；梯度策略算法；增強(qiáng)學(xué)習(xí)（Q-learning）。

隨著人工智能的發(fā)展，人工智能將會逐漸走入我們的生活、學(xué)習(xí)、工作中，其實(shí)人工智能已經(jīng)早就滲透到了我們的生活中，小到我們手機(jī)里的計(jì)算機(jī)，Siri,語音搜索，人臉識別等等，大到無人駕駛汽車，航空衛(wèi)星。在未來，AI極大可能性的去解放人類，他會替代人類做絕大多數(shù)人類能做的事情，正如劉慈欣所說：人工智能的發(fā)展，它開始可能會代替一部分人的工作，到最后的話，很可能他把90%甚至更高的人類的工作全部代替。吳恩達(dá)也表明，人工智能的發(fā)展非?？欤覀兛梢杂谜Z音講話跟電腦用語音交互，會跟真人講話一樣自然，這會完全改變我們跟機(jī)器交互的辦法。自動駕駛對人也有非常大的價(jià)值，我們的社會有很多不同的領(lǐng)域，比如說醫(yī)療、教育、金融，都會可以用技術(shù)來完全改變。

[1] Russell,S.J.Norvig,P.人工智能：一種現(xiàn)代的方法（第3版）北京：清華大學(xué)出版社，2013（2016.12重印）

[2]庫茲韋爾，人工智能的未來杭州：浙江人民出版社，2016.3

[3]蘇楠.人工智能的發(fā)展現(xiàn)狀與未來展望[J].中小企業(yè)管理與科技(上旬刊),2017,(04):107-108.

[4]王超.從AlphaGo的勝利看人工智能的發(fā)展歷程與應(yīng)用前景[J].中國新技術(shù)新產(chǎn)品,2017,(04):125-126.

[5]朱巍,陳慧慧,田思媛,王紅武.人工智能:從科學(xué)夢到新藍(lán)?！斯ぶ悄墚a(chǎn)業(yè)發(fā)展分析及對策[J].科技進(jìn)步與對策,2016,(21):66-70.

[6]王江濤.淺析人工智能的發(fā)展及其應(yīng)用[J].電子技術(shù)與軟件工程,2015,(05):264.

[7]楊焱.人工智能技術(shù)的發(fā)展趨勢研究[J].信息與電腦(理論版),2012,(08):151-152.

[8]張妮,徐文尚,王文文.人工智能技術(shù)發(fā)展及應(yīng)用研究綜述[J].煤礦機(jī)械,2009,(02):4-7.

[9]王永忠.人工智能技術(shù)在智能建筑中的應(yīng)用研究[J].科技信息,2009,(03):343+342.

[10]李德毅,肖俐平.網(wǎng)絡(luò)時(shí)代的人工智能[J]中文信息學(xué)報(bào),2008,(02):3-9.

[11]李紅霞.人工智能的發(fā)展綜述[J].甘肅科技縱橫,2007,(05):17-18

[12]孫科.基于Spark的機(jī)器學(xué)習(xí)應(yīng)用框架研究與實(shí)現(xiàn)[D].上海交通大學(xué),2015.

[13]朱軍,胡文波.貝葉斯機(jī)器學(xué)習(xí)前沿進(jìn)展綜述[J].計(jì)算機(jī)研究與發(fā)展,2015,(01):16-26.

[14]何清,李寧,羅文娟,史忠植.大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J].模式識別與人工智能,2014,(04):327-336.

[15]郭亞寧,馮莎莎.機(jī)器學(xué)習(xí)理論研究[J].中國科技信息,2010,(14):208-209+214.

[16]陳凱,朱鈺.機(jī)器學(xué)習(xí)及其相關(guān)算法綜述[J].統(tǒng)計(jì)與信息論壇,2007,(05):105-112.

[17]閆友彪,陳元琰.機(jī)器學(xué)習(xí)的主要策略綜述[J].計(jì)算機(jī)應(yīng)用研究,2004,(07):4-10+13.

[18]張建明,詹智財(cái),成科揚(yáng),詹永照.深度學(xué)習(xí)的研究與發(fā)展[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,(02):191-200.

[19]尹寶才,王文通,王立春.深度學(xué)習(xí)研究綜述[J].北京工業(yè)大學(xué)學(xué)報(bào),2015,(01):48-59.

[20]劉建偉,劉媛,羅雄麟.深度學(xué)習(xí)研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究,2014,(07):1921-1930+1942

[21]馬永杰,云文霞.遺傳算法研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究,2012,(04):1201-1206+1210.

[22]曹道友.基于改進(jìn)遺傳算法的應(yīng)用研究[D].安徽大學(xué),2010

以上就是關(guān)于簡述人工智能的發(fā)展歷史相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。

推薦閱讀：

簡述商標(biāo)設(shè)計(jì)所遵循的原則（簡述商標(biāo)設(shè)計(jì)所遵循的原則有哪些）

簡述目標(biāo)市場策劃的意義（簡述目標(biāo)市場策劃的意義及作用）

簡述影響分銷渠道的主要因素（簡述影響分銷渠道的主要因素有）

平面設(shè)計(jì)找什么類型公司

亞運(yùn)場館景觀設(shè)計(jì)案例（亞運(yùn)場館景觀設(shè)計(jì)案例分享）