莫科里与埃克特一起制造了 “ENIAC”（1946年）
• 冯·诺依曼
阿塔纳索夫-贝瑞计算机
1956年夏出席达特茅斯会议的部分代表于50年后重逢
2006，AI 50周年会议（美国） 莫尔，麦卡锡，明斯基，塞尔夫里奇，索罗蒙夫
第一次正式使用了"人工智能(AI)"这一术语,从而开创了人工智 能的研究方向和学科。从此在美国形成了以人工智能为研究目标 的几个研究组,并有了AI的第一个发展期(兴旺期)。
intelligence， AI），它是研究、开发用于模拟、延伸和扩 展人的智能的理论、方法、技术及应用系统 的一门新的技术科学。
通俗的说法：
交叉学科
• 人工的方法在机器（计算机）上实现的智能
目录
一、人工智能的定义
二、人工智能的过去
三、人工智能的现在 四、人工智能的未来
人工智能发展历程
AI的诞生
各种穿戴设备、人—车共驾、脑控或肌控外骨骼机器人、人机协同手 术等实现生物智能系统与机器智能系统的紧密耦合。
人脸识别
无人驾驶共享汽车
智慧城市
虚拟现实（VR）
医疗诊断
用深度神经网络实现皮肤科医生水平的皮肤癌分类（2017.1.25）
他们通过使用深度卷积神经网络，利用129450个临床图 像的数据集，在21位经过认证的皮肤科医生的监督下学 习，完成对角质形成细胞癌、良性脂溢性角化病、恶性 黑色素瘤、普通痣等的识别，诊断准确率达91%以上。
程序，它在1959年击败了Samuel
本人，又在1962年打败了美国一
个州的跳棋冠军而荣获州级冠军。
•
符号积分程序
1963年Slagle发表了符号积分程序SAINT，用86道积分题 做实验（其中54道选自麻省理工学院的大学考题），结 果做出了其中的84道。
• 机器视觉
1965年Roberts编制了可以分辨积木构造的程序，开创了 计算机视觉的新领域。
数据与网络时代（90年代初～现在）
• 网络给AI带来无限的机会 • 知识发现与数据挖掘 • AI走向实用化
1997年5月11日，IBM 深蓝计算机打败了当 时世界国际象棋冠军 加里·卡斯帕罗夫， 这成为了载入史册的 历史性事件。
2011年，Watson在美国最受欢迎的智力问答 电视节目《危险边缘》(Jeopardy)中亮相， 一举打败了人类智力竞赛的冠军。
困难重重
• 从神经生理学角度研究AI的人发现他们遇到
了几乎是不可逾越的困难：以电子线路模拟 神经元及人脑都并没有成功。
• 人的脑子有1011（千亿）以上的神经元，生
理学家认为，每个神经元可能不只是一个信 息存储转送单位，而是一台完整的自动机， 当时的计算技术要把1011（千亿）台机器组 成一个联合运行的网络是不可能的。
顶天立地
人工智能研究人员开始做“顶天立地”的工 作。
• “顶天”是指研究和解决AI的一系列关键技
术问题，例如常识性知识表示、非单调推理、 不确定推理、机器学习、分布式人工智能、 智能机器体系结构等基础性研究，以期取得 突破性进展。
• “立地”是指研究人工智能的实际应用，特
别是专家系统、自然语言理解、计算机视觉、 智能机器人、机器翻译系统都朝实用化迈进。
新的神经元网络时代（80年代中～90年代初）
• BP网（算法），解决了多层网的学习问题 • Hopfield网，成功求解了货郎担问题 • 存在问题：
• 理论依据 • 解决大规模问题的能力
网络化、智能化 • 90年代，计算机发展趋势为等主流技术相 结合，并融合在主流技术之中，旨在使计算机更聪 明、更有效、与人更接近。
1956达特矛斯 会议，“人工智 能”正式诞生 搜索式推理 聊天机器人 专家系统 知识工程 五代机 神经网络重生 摩尔定律 统计机器学习 AI广泛应用 深度学习
乐观思潮
人工智能
孕育期
电子计算机 机
器翻译与NLP 图灵测试 计算 机下棋 早期神
1956
1974
1980
1987
1993
2006
2016
所有的AI程序 都只是“玩具” 运算能力 计算复杂性 常识与推理
年 ，机器的智能就可以超过人了。
危机
此时，兴奋的人们并未意识到初期的研究虽然很有 成效，但并未抓到本质，危机正潜伏在初战告捷的 欢乐中。
萧条波折期（1967年-70年代初期）
当人们进行了比较深入的工作后，发现人工智能研究碰到的困 难比原来想象的要多得多。
困难重重
Samuel的下棋程序当了州冠军之后没 能进一步当上全国冠军更不要说世界 冠军。65年世界冠军Helmann与 Samuel的程序对弈了四局获得全胜， 仅有的一个和局是因为世界冠军“匆 忙地同时和几个人对弈”的结果；
此后包括英国、苏联、中国在内的许多国家纷纷开展机器翻 译的研究。
• 定理证明
利用计算机证明数学定理是又一项大胆的设想。
• 1956年，Newell，Shaw和Simon给出了一个称为“逻辑机器”的程序，证明
了罗素、怀德海所著《数学原理》中的许多定理，这标志着自动定理证明的 开端。
• 1959年，Gelernter给出了一个称为“几何机器”的程序,能够做一些中学的
在人工智能研究领域，Yann LeCun、Geoffrey Hinton 和Yoshua Bengio一直被公认为深度学习三巨头。
弱人工智能
弱人工智能是擅长于单个方面的人工智能。比如有 能战胜象棋世界冠军的人工智能，但是它只会下象 棋，你要问它怎样更好地在硬盘上储存数据，它就 不知道怎么回答你了。
第一个兴旺期（1956-1966年）
一些较有代表性的工作：
• 机器翻译 • 定理证明 • 博弈
……
• 机器翻译
从语料库大量的翻译实例中自动学习翻译知识，然后 利用这些翻译知识自动翻译其他句子。
里程碑事件：
• 1953年，美国乔治敦大学组织了第一次机器翻译的实际实验。 • 1954年7月，IBM公司在701计算机上做了俄译英的公开表演。
困难重重
问题求解中的组合爆炸问题，例如 国际象棋走第一步有10120种可能， 用原有的计算机速度要1090年，而 宇宙的年龄是1010年，所以有人讲， 计算机下棋走第一步要走到“世界 的末日”，由此可见不能光靠把所 有可能性存入计算机，而要研究人 的思维方法。
敢问路在何方?
这一切都说明：由于50年代的盲 目乐观和期望值过高，没有充分 估计困难，没有抓到本质，因此， AI的发展要比平时慢得多，而且 遇到了严重的困难。
扫地机器人
强人工智能
人类级别的人工智能。强人工智能是指在各 方面都能和人类比肩的人工智能，人类能干 的脑力活它都能干。创造强人工智能比创造 弱人工智能难得多，我们现在还做不到。
超人工智能
牛津哲学家，知名人工智能思想家Nick Bostrom 把超级智能定义为“在几乎所有领域都比最聪明 的人类大脑都聪明很多，包括科学创新、通识和 社交技能。”超人工智能可以是各方面都比人类 强一点，也可以是各方面都比人类强万亿倍的。
谷歌的科学家们做了一个尝试。由于单张切片的照片过于庞大，他们将这些图像分割成了数 万至数十万个128x128像素的小区域，每个小区域内可能含有数个肿瘤细胞。随后，他们提供 了许多肿瘤组织与正常组织的病理切片，供人工智能学习。最终，这款人工智能掌握了一项 像素级的技巧——它能分辨出单个小区域内被标注为“肿瘤”的像素，从而将整个小区域标 注为“肿瘤区”。这能有效将肿瘤组织与健康组织区分开来。
• 机器翻译研究全面复苏并从实验室走向实用走向市场。 • 数百家计算机公司卷入了计算机视觉系统的研制,已有很多可以满足简
单的视觉应用的商用产品面世。
• 智能机器人的研制形成高潮。
否定之否定规律---再次反思
十年过去了，日本的第五代机计划未能达到 预期效果而不了了之。八十年代中期、后期， 人们想研究通用的智能机器或专家系统的设 想或计划开始出现危机，引起反思。
面向知识图谱的搜狗搜索技术
Deepmind已为谷歌挣钱
DeepMind的软件控制着数据中心的风
扇、制冷系统和窗户等120个变量，
使谷歌的用电效率提升了15%，几年 内共为谷歌节约电费数亿美元。
DeepMind算法减少了40%用于冷却 的电量，即整体用电量效率提升15%
人机一体化技术导向混合智能
困难重重
已过去了十年，计算机并未证明出重要的人还未证明出的定理
困难重重
最糟糕的还是机器翻译，最初采用的主 要办法是依靠一部词典的词到词的简单 映射方法，结果没有成功，还出现了笑 话，如英语和俄语之间的翻译：句子 “out of sight, out of mind(眼不见 心不烦)”译成俄文时却成了“又瞎又 疯”；
• 超人工智能——上帝
谷歌人工智能程序阿尔法围棋（ALPHAGO）是基于深度学习技术研究 开发的。为了测试阿尔法围棋的水平，谷歌于2016年3月份向围棋世 界冠军、韩国顶尖棋手李世石发起挑战，最终以4-1胜出。
• 2017 年 5 月 ，AlphaGo Master 战胜世界冠军柯洁。 • 2017 年 10 月 18 日 ，DeepMind 团队公布了最强版本 AlphaGo， 代号 AlphaGo Zero。
• RI系统用作VAX计算机的组装每年为DEC公司节约2000万美元; • 斯坦福大学1976年开始研制的用于地质勘探的专家系统PROSPECTOR在
1982年预测了华盛顿州的一个勘探地段的钼矿位置,其开采价值超过了 一亿美元;
• 由于智能机器人和第五代计算机研制计划的产生,使人工智能研究从萧
条期转入第二个兴旺期并进入黄金时代。
目录
一、人工智能的定义
二、人工智能的过去
三、人工智能的现在 四、人工智能的未来
大数据+云计算+深度学习