人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學。
人工智能在五六十年代時正式提出，1950年，一位名叫馬文·明斯基(后被人稱為“人工智能之父”)的大四學生與他的同學鄧恩·埃德蒙一起，建造了世界上第一臺神經(jīng)網(wǎng)絡(luò)計算機。這也被看做是人工智能的一個起點。巧合的是，同樣是在1950年，被稱為“計算機之父”的阿蘭·圖靈提出了一個舉世矚目的想法——圖靈測試。按照圖靈的設(shè)想：如果一臺機器能夠與人類開展對話而不能被辨別出機器身份，那么這臺機器就具有智能。
人工智能早在1950年就被提出，并以圖靈實驗作為測試一個人工智能系統(tǒng)是否具備智能的標準?？墒牵瑸槭裁粗钡竭@兩三年人工智能才得到突飛猛進的發(fā)展呢？
人工智能突然爆發(fā)是有幾個關(guān)鍵節(jié)點的。
人工智能的第一次高峰：
在1956年的這次會議之后，人工智能迎來了屬于它的第一段Happy Time。在這段長達十余年的時間里，計算機被廣泛應(yīng)用于數(shù)學和自然語言領(lǐng)域，用來解決代數(shù)、幾何和英語問題。這讓很多研究學者看到了機器向人工智能發(fā)展的信心。甚至在當時，有很多學者認為：“二十年內(nèi)，機器將能完成人能做到的一切?！?/p>
人工智能第一次低谷：
70年代，人工智能進入了一段痛苦而艱難歲月。由于科研人員在人工智能的研究中對項目難度預(yù)估不足，不僅導致與美國國防高級研究計劃署的合作計劃失敗，還讓大家對人工智能的前景蒙上了一層陰影。與此同時，社會輿論的壓力也開始慢慢壓向人工智能這邊,導致很多研究經(jīng)費被轉(zhuǎn)移到了其他項目上。
在當時，人工智能面臨的技術(shù)瓶頸主要是三個方面，第一,計算機性能不足，導致早期很多程序無法在人工智能領(lǐng)域得到應(yīng)用；第二，問題的復(fù)雜性，早期人工智能程序主要是解決特定的問題，因為特定的問題對象少，復(fù)雜性低，可一旦問題上升維度，程序立馬就不堪重負了；第三，數(shù)據(jù)量嚴重缺失，在當時不可能找到足夠大的數(shù)據(jù)庫來支撐程序進行深度學習，這很容易導致機器無法讀取足夠量的數(shù)據(jù)進行智能化。
因此，人工智能項目停滯不前，但卻讓一些人有機可乘,1973年Lighthill針對英國AI研究狀況的報告。批評了AI在實現(xiàn)“宏偉目標”上的失敗。由此，人工智能遭遇了長達6年的科研深淵。
人工智能的崛起：
1980年，卡內(nèi)基梅隆大學為數(shù)字設(shè)備公司設(shè)計了一套名為XCON的“專家系統(tǒng)”。這是一種，采用人工智能程序的系統(tǒng)，可以簡單的理解為“知識庫+推理機”的組合，XCON是一套具有完整專業(yè)知識和經(jīng)驗的計算機智能系統(tǒng)。這套系統(tǒng)在1986年之前能為公司每年節(jié)省下來超過四千美元經(jīng)費。有了這種商業(yè)模式后，衍生出了像Symbolics、Lisp
Machines等和IntelliCorp、Aion等這樣的硬件，軟件公司。在這個時期，僅專家系統(tǒng)產(chǎn)業(yè)的價值就高達5億美元。
人工智能第二次低谷：
可憐的是，命運的車輪再一次碾過人工智能，讓其回到原點。僅僅在維持了7年之后，這個曾經(jīng)轟動一時的人工智能系統(tǒng)就宣告結(jié)束歷史進程。到1987年時，蘋果和IBM公司生產(chǎn)的臺式機性能都超過了Symbolics等廠商生產(chǎn)的通用計算機。從此，專家系統(tǒng)風光不再。
人工智能再次崛起：上世紀九十年代中期開始，隨著AI技術(shù)尤其是神經(jīng)網(wǎng)絡(luò)技術(shù)的逐步發(fā)展，以及人們對AI開始抱有客觀理性的認知，人工智能技術(shù)開始進入平穩(wěn)發(fā)展時期。1997年5月11日，IBM的計算機系統(tǒng)“深藍”戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，又一次在公眾領(lǐng)域引發(fā)了現(xiàn)象級的AI話題討論。這是人工智能發(fā)展的一個重要里程。
2006年，Hinton在神經(jīng)網(wǎng)絡(luò)的深度學習領(lǐng)域取得突破，人類又一次看到機器趕超人類的希望,也是標志性的技術(shù)進步。
還有一個是2016年3月，谷歌研發(fā)的AlphaGo以4:1戰(zhàn)勝圍棋九段高手李世石。此事件將人工智能推向的大眾面前，人工智能開始突飛猛進的發(fā)展。
從這之后陸續(xù)出現(xiàn)特斯拉的自動駕駛汽車，百度的無人駕駛汽車以及人工智能音箱等人工智能產(chǎn)品出來。
國內(nèi)的BAT都分別先后成立了自己的AI Lab，可以看出就是這兩年人工智能到了發(fā)展的黃金時期。
要說明為什么在經(jīng)歷了近40年的冰凍期后人工智能迎來了它的黃金時期，要從它的技術(shù)層面去剖析。
人工智能發(fā)展的基本條件有三個，也可以說是人工智能的三要素。
第一個是數(shù)據(jù)，你沒有數(shù)據(jù)，機器就沒法學習?；ヂ?lián)網(wǎng)發(fā)展到今天，最大的貢獻可以說是大數(shù)據(jù)，正是因為大數(shù)據(jù)的積累，才使得人工智能得到發(fā)展。人工智能經(jīng)歷了40年的冰凍期，主要原因就是數(shù)據(jù)太少。要讓機器具備人在某個方面的能力，一定要先先有大量的數(shù)據(jù)讓它學習。而現(xiàn)在由于互聯(lián)網(wǎng)技術(shù)以及傳感器的技術(shù)發(fā)展，數(shù)據(jù)量每年以50%的速度增長，也就是說，每一年半到兩年數(shù)據(jù)量就翻了一番。這個速度是指數(shù)級的。
第二個是運算能力的發(fā)展，數(shù)據(jù)太多，你沒有運算能力，你運算不了，機器就學不出來。運算能力是和數(shù)據(jù)量同步加強的，數(shù)據(jù)多了，運算能力就強，運算能力強了，數(shù)據(jù)的積累、存儲能力就更強。比如現(xiàn)在GPU是我們看到的一個運算能力很強很猛的一個東西，一個是TitanX卡，一個是3584個運算核，都是在幫助我們往前走。
第三個是算法，為什么現(xiàn)在人工智能突然爆發(fā)了？其實就是數(shù)據(jù)和運算能力的提升，導致人工智能的爆發(fā)，提升到了一個臨界點，到了這個臨界點以后，很多過去解決不了的問題現(xiàn)在都解決了。人工智能的特點就是機器具備人的學習能力和認知能力，雖然這個深度神經(jīng)網(wǎng)絡(luò)幾十年前就提出來了，但是后面一直沒什么進展，為什么呢？就是沒有數(shù)據(jù)，沒有運算能力，因為這個算法需要的數(shù)據(jù)量非常大，但是現(xiàn)在數(shù)據(jù)量大了之后，它的威力就顯現(xiàn)出來了。而深度學習就是人工智能領(lǐng)域里一個非常大的理論體系，支撐著人工智能的發(fā)展。有人曾說：在有監(jiān)督學習方面，深度學習可以超越其他任何算法。傳統(tǒng)的的學習算法隨著數(shù)據(jù)的增加，它會有一個拐點到某個點之后，他就停下來，傳統(tǒng)算法模型的表達能力很有限，你怎么訓練它都不能把真實的東西完全模擬好，深度學習不一樣，只要你給的模型數(shù)據(jù)足夠大足夠多，深度學習可以隨著數(shù)據(jù)的增加，每一個數(shù)據(jù)的反饋都會去修改一個函數(shù)，逐漸逼近這個函數(shù)，它可以把真實環(huán)境還原的非常好，數(shù)據(jù)和運算能力使得深度學習真的有用了，它可以超過原來的傳統(tǒng)算法。
正是因為這三個因素，使得人工智能的技術(shù)條件和環(huán)境都達到了一個爆發(fā)的點，所以，人工智能在這兩年里突飛猛進的發(fā)展，可以說現(xiàn)在是人工智能發(fā)展的黃金時期。
