1. 起源与抽芽（20 世纪 50 年代）

达特茅斯会议（1956 年）被公认为人工智能学科出身的标志，标志着对“机器思维”这一观点的正式探索。
早期研究紧张集中在 自动定理证明、专家系统 和 神经网络 等方向。
自动定理证明方面，以 Newell 和 Simon 的“逻辑理论家”、王浩的定理证明程序等为代表，致力于用打算机程序来证明数学定理。
专家系统方面，以 Feigenbaum 的 DENDRAL 和 Buchanan 的 MYCIN 为代表，旨在构建能够仿照人类专家进行专业领域推理的系统。
神经网络方面，McCulloch 和 Pitts 提出了神经元的数学模型，Rosenblatt 发明了感知机，为仿照人脑神经元网络的打算模型奠定了根本。
符号派 认为人工智能可以通过符号运算和逻辑推理来实现，代表人物包括 McCarthy、Minsky 等。

2. 繁荣与寻衅（20 世纪 60-80 年代）

专家系统在 80 年代取得商业成功，例如 DEC 公司的专家配置系统 XCON。
日本第五代打算机操持（1982-1992）试图打造基于逻辑编程的超级打算机，但未能实现预期目标。
神经网络研究经历了从低谷到复兴的过程，Hopfield 网络、反向传播算法等推动了神经网络的再次兴起。
人工智能在打算机下棋领域取得打破，IBM 的“深蓝”降服国际象棋天下冠军卡斯帕罗夫。

3. 深度学习与新打破（21 世纪至今）

算力、数据和算法的进步推动了深度学习的快速发展，Hinton 等人提出的深度学习模型在图像识别、语音识别等领域取得打破性成果。
AlphaGo 在围棋比赛中降服人类顶尖棋手，标志着人工智能在更繁芜领域取得重大打破。
人工智能运用不断呈现，涵盖自然措辞处理、打算机视觉、机器人等多个领域。

二、人工智能的核心议题

1. 知识与推理

专家系统强调 知识 的主要性，认为大量专业领域知识是实现智能的关键。
机器定理证明则侧重于 推理，试图通过形式逻辑和符号运算来实现机器推理。
当代人工智能系统每每须要结合 知识表示 和 推理机制，才能实现更高等的智能。

2. 符号主义与连接主义

符号主义 认为智能可以通过符号运算和逻辑推理来实现，代表学派是机器定理证明。
连接主义 则主见通过仿照人脑神经元网络的打算模型来实现智能，代表学派是神经网络和深度学习。
两者并非完备对立，当代人工智能系统 often 领悟了两种方法的上风。

3. 人是机器吗？

哲学家对人工智能的实质和发展提出了许多深刻的思考。
Dreyfus 批评人工智能过于依赖符号表示和逻辑推理，忽略了人类履历、直觉和身体感知的主要性。
Searle 的“中文屋”思想实验试图解释，纵然机器能够通过图灵测试，也不一定真正理解措辞的意义。
丘奇-图灵论题 认为，所有足够强大的打算装置在可打算性上都是等价的，这意味着如果人脑的思维过程是可打算的，那么机器原则上也可以实现。
相似性原则 指出，不同打算装置在效率上可能存在巨大差异，暗示着纵然机器能够仿照人脑，其效率也可能远低于人脑。
量子打算为人工智能的发展供应了新的可能性，但目前仍处于早期阶段。

三、人工智能的未来

超级智能 是指在智能上全面超越人类的人工智能，其可能性和潜在风险是当古人工智能领域的主要议题。
全社会算力的指数级增长、大数据的积累和算法的进步，为人工智能的发展供应了前所未有的机遇。
人工智能将连续向更多领域渗透，深刻改变人类的生产生活办法。

四、结语

人工智能是一个充满活力和寻衅的领域，其发展进程充满了弯曲和打破。
理解人工智能的历史、核心议题和未来趋势，对付我们更好地把握人工智能的发展方向、应对潜在寻衅至关主要。