1950年，图灵提出了著名的图灵测试：如果一台机器能够与人类展开对话而不能被辨别出其机器身份，那么称这台机器具有智能。
1956年，在达特茅斯会议上，约翰·麦卡锡提出了“人工智能”一词，后来被人们看作是人工智能正式出身的标志。
在此之后，人工智能进入了发展的第一个高潮。
1956年，奥利弗·萨尔夫瑞德研制出了第一个字符识别程序；1959年，阿瑟·萨缪尔研制的具有学习功能的跳棋程序，已经可以打败他本人，3年后又击败美国一个州的跳棋冠军；1963年，詹姆斯·斯拉格揭橥了一个符号积分程序SAINT，输入一个函数表达式，改程序就能自动输出这个函数的积分表达式，4年后推出的升级版SIN已经可以达到专家级水准。
在这段长达10余年的韶光里，打算机被广泛运用于数学领域，用来办理代数、几何问题，这让很多研究学者看到了机器向人工智能发展的信心。

20世纪70年代，人们开始考试测验更具寻衅性的任务，并提出了一些不切实际的研发目标，但是持续赓续的失落败和预期目标落空，使人工智能的发展走入低谷。
在当时，有三个难以办理的技能瓶颈：一是，打算机性能不敷，导致早期很多程序无法在人工智能领域得到运用；二是，早期人工智能程序紧张是办理特定的问题，可一旦问题上升维度，程序立马就无法实行；三是，在当时没有找到足够大的数据库来支撑程序进行深度学习。
因此，人工智能项目结束不前。

20世纪80年代涌现了以卡内基梅隆大学研制的XCON为代表的专家系统，可以用来仿照人类专家的知识和履历办理特定领域的问题，实现了人工智能从理论研究走向实际运用、从一样平常推理策略磋商转向利用专门知识的重大打破。
专家系统在医疗、化学、地质等领域取获胜利，推动人工智能走入运用发展的新高潮。

随着人工智能的运用规模不断扩大，专家系统存在的运用领域狭窄、缺少知识性知识、知识获取困难、推理方法单一、缺少分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
命运女神又一次给AI的发展浇上一盆冷水。

上世纪90年代随着AI技能尤其是神经网络技能的逐步发展，以及人们对AI开始抱有客不雅观理性的认知，人工智能技能开始进入平稳发展期间。
1997年，IBM的打算机系统“深蓝”降服了国际象棋天下冠军卡斯帕罗夫，又一次在世界范围内引发了AI话题谈论。
这是人工智能发展的一个主要里程。

进入21世纪后，可用的数据量剧增，数据驱动方法的上风变得越来越明显。
此时，深度学习泰斗Geofrey Hinton在神经网络的深度学习领域取得打破，人类又一次看到机器赶超人类的希望，这也是标志性的技能进步。
2011年， IBM开拓的人工智能程序“沃森”参加了一档智力问答节目并降服了两位人类冠军。
2016 年，谷歌公司的 AlphaGo （阿尔法围棋）赢了韩国棋手李世石，再度引发 AI 热潮。
2017年，深度学习大热。
AlphaGo Zero（谷歌下属公司Deepmind的新版程序）在无任何数据输入的情形下，开始自学围棋，3天后便以100∶0横扫了第二版本的“旧狗”，学习40天后又降服了在人类高手看来不可企及的第三个版本“大师”。

随着互联网、大数据、云打算、物联网等信息技能的发展，基于感知数据和图形处理器等打算平台，以深度神经网络为代表的人工智能技能正飞速发展，大幅超过了科学与运用之间的“技能鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技能实现了从“不能用”“不好用”到“可以用”的技能打破，未来或将迎来暴发式增长的新高潮。

作者系中国科学院自动化研究所在读博士生，紧张研究自动机器学习与神经网络优化

来源：科普时报

作者：李路军

编辑：吴桐

审核：王飞

图片来源于网络

<"大众年夜众号ID：kepuing>