姓名：洪涛 学号：16020188030
转载自：https://www.nruan.com/57389.htmlhttps://blog.csdn.net/zhouzhaoxiong1227/article/details/83241579
【嵌牛导读】：在当今信息化时代下，人工智能变得十分火热，且其发展也十分迅速，我们在进一步研究人工智能的同时，需要了解人工智能的发展历史。
【嵌牛鼻子】：人工智能
【嵌牛提问】：人工智能是如何发展的？
【嵌牛正文】：
纵观人类进化的发展史，从某种意义上来讲就是不断归纳经验进而演绎的过程。人工智能的起源可以追溯到17世纪甚至更早，当时人们对于人工智能的定义是基于推理的。近代人工智能的讨论兴起于20世纪40年代，当时正值第二次世界大战爆发，越来越多的机械开始替代手工，人们也在幻想什么时候机器能代替人类来进行思考。那么，机器做到什么程度才算是拥有了人的智能，这需要一个标准来判定。计算机科学的先驱图灵用了最直白的话语描述人工智能，这就是图灵测试。
什么是图灵测试呢？1950年，计算机科学家阿兰·麦席森·图灵发表了一篇名为《计算机器与智能》的论文，文中并未指出什么是人工智能，而是定义了人工智能的测试方法，具体是这样的：让被测试者和一个声称自己有人类智 力的机器在一起做一个实验；测试时，测试者与被测试者是分开的，测试者只有通过一些装置(如键盘)向被测试者提问(随便什么问题都可以)，问过一些问题后，如果测试者能够正确地分出谁是人、谁是机器，那机器就没有通过图灵测试；如果测试者没有分出谁是机器、谁是人，那这个机器就具有人类智能。
人工智能的另一个重要的里程碑是1956年达特茅斯会议的召开。在这个会议上，参会者提出了这样的理论：学习或者智能的任何其他特性都能被精确地描述，使得机器可以对其进行模拟。也就是说，人工智能需要经过特征提取、模型训练和数据预测三个阶段。本次会议的参会者后来被证明是20世界最杰出的计算机科学家，他们中的大部分人都获得过图灵奖。本次会议对于人工智能在更广阔领域的发展起到了推动作用。在之后的20年里，人类在人工智能，特别是相关的一些统计学算法(如神经网络算法)的研究上取得了突破性进展。
当然，人工智能在发展过程中也遇到过非常多的挑战。经过了快速发展的20年之后，到了20世纪70年代，随着理论算法的逐步成熟，人工智能的发展遇到了计算资源上的瓶颈；因为随着计算复杂度的指数性增长，20世纪70年代的大型机器无法负担这一切。同时，当时的互联网还处于实验室阶段，在数据积累方面也才刚刚起步。也就是说，人工智能在很长的一段时间内都受限于计算能力以及数据量的不足。
到了21世纪，互联网呈现出了井喷式的发展态势，越来越多的图像和文本数据被分享到网页上。互联网已经变成了一个大数据仓库，许多有远见的公司或个人纷纷将注意力投向数据挖掘领域，大家开始用一行行公式和代码挖掘数据背后的价值，这些代码和公式的主角就是机器学习算法。数据的积累就像是一块块肥沃的土地，需要机器学习算法在上面耕种。
以Hadoop为代表的开源分布式计算架构为更多的企业提供了分布式计算的技术支持，而Caffe和Tensorflow等高效率的深度学习架构被许多企业采用来改进算法模型。人工智能的应用也开始普及，并且逐渐融入到我们的生活当中。值得一提的是，2016年AlphaGo战胜人类顶尖棋手的一场人工智能秀将人工智能产业带到了一个新高度。AlphaGo的成功不仅仅验证了深度学习算法的实践性，更加再一次印证了这样的事实：人类不再是产生智能的唯一载体。任何机器只要能够进行信息的接收、存储和分析，都可以产生智能。
纵观人工智能的发展史，就是对于过往经验的收集和分析方法不断演绎的历史。在机器出现之前，人类只能通过别人的分享和自己的实践在很小的信息量级上来对事物进行判断，这种对于外界事物的认知受限于人的脑力和知识量。而机器不同于人类的脑力，它可以吸收所有的信息，而且可以不分昼夜地对这些数据进行大维度的分析、归纳以及演绎，这样就形成了人工智能。可以肯定的是，随着人类社会的发展，数据的积累以及算法的迭代将进一步推动整个人工智能的发展。
人工智能背后的引擎是机器学习算法，机器学习是一门多学科交织的研究型学科，涉及到生物学、统计和计算机等多个学科。机器学习算法目前做的事情是这样的：将生活中的场景抽象成为数学公式，并且依靠机器的超强计算能力，通过迭代和演绎生成模型，用于对新的问题进行预测或者分类操作。也可以这样讲，人工智能的发展史伴随着机器学习算法的进化史。
网友评论