教育行業(yè)A股IPO第一股(股票代碼 003032)

全國咨詢/投訴熱線:400-618-4000

人工智能的起源和人工智能發(fā)展歷程

更新時間:2021年05月07日17時07分 來源:傳智教育 瀏覽次數(shù):

1.1 圖靈測試

測試者與被測試者(一個人和一臺機器)隔開的情況下,通過一些裝置(如鍵盤)向被測試者隨意提問。多次測試(一般為5min之內(nèi)),如果有超過30%的測試者不能確定被測試者是人還是機器,那么這臺機器就通過了測試,并被認為具有人類智能。

圖靈測試

1.2 達特茅斯會議

1956年8月,在美國漢諾斯小鎮(zhèn)寧靜的達特茅斯學(xué)院中,

? 約翰·麥卡錫(John McCarthy)

? 馬文·閔斯基(Marvin Minsky,人工智能與認知學(xué)專家)

? 克勞德·香農(nóng)(Claude Shannon,信息論的創(chuàng)始人)

? 艾倫·紐厄爾(Allen Newell,計算機科學(xué)家)

? 赫伯特·西蒙(Herbert Simon,諾貝爾經(jīng)濟學(xué)獎得主)等科學(xué)家正聚在一起,討論著一個完全不食人間煙火的主題:用機器來模仿人類學(xué)習(xí)以及其他方面的智能。

會議足足開了兩個月的時間,雖然大家沒有達成普遍的共識,但是卻為會議討論的內(nèi)容起了一個名字:“人工智能”,因此,1956年也就成為了人工智能元年。

2、人工智能發(fā)展歷程

人工智能充滿未知的探索道路曲折起伏。如何描述人工智能自1956年以來60余年的發(fā)展歷程,學(xué)術(shù)界可謂仁者見仁、智者見智。我們將人工智能的發(fā)展歷程劃分為以下6個階段:

第一是起步發(fā)展期:1956年—20世紀60年代初。

人工智能概念提出后,相繼取得了一批令人矚目的研究成果,如機器定理證明、跳棋程序等,掀起人工智能發(fā)展的第一個高潮。

第二是反思發(fā)展期:20世紀60年代—70年代初。

人工智能發(fā)展初期的突破性進展大大提升了人們對人工智能的期望,人們開始嘗試更具挑戰(zhàn)性的任務(wù),并提出了一些不切實際的研發(fā)目標。然而,接二連三的失敗和預(yù)期目標的落空(例如,無法用機器證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)、機器翻譯鬧出笑話等),使人工智能的發(fā)展走入低谷。

第三是應(yīng)用發(fā)展期:20世紀70年代初—80年代中。

20世紀70年代出現(xiàn)的專家系統(tǒng)模擬人類專家的知識和經(jīng)驗解決特定領(lǐng)域的問題,實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運用專門知識的重大突破。專家系統(tǒng)在醫(yī)療、化學(xué)、地質(zhì)等領(lǐng)域取得成功,推動人工智能走入應(yīng)用發(fā)展的新高潮。

第四是低迷發(fā)展期:20世紀80年代中—90年代中。

隨著人工智能的應(yīng)用規(guī)模不斷擴大,專家系統(tǒng)存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能、難以與現(xiàn)有數(shù)據(jù)庫兼容等問題逐漸暴露出來。

第五是穩(wěn)步發(fā)展期:20世紀90年代中—2010年。

由于網(wǎng)絡(luò)技術(shù)特別是互聯(lián)網(wǎng)技術(shù)的發(fā)展,加速了人工智能的創(chuàng)新研究,促使人工智能技術(shù)進一步走向?qū)嵱没?997年國際商業(yè)機器公司(簡稱IBM)深藍超級計算機戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫,2008年IBM提出“智慧地球”的概念。以上都是這一時期的標志性事件。

第六是蓬勃發(fā)展期:2011年至今。

隨著大數(shù)據(jù)、云計算、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等信息技術(shù)的發(fā)展,泛在感知數(shù)據(jù)和圖形處理器等計算平臺推動以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)飛速發(fā)展,大幅跨越了科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”,諸如圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智能技術(shù)實現(xiàn)了從“不能用、不好用”到“可以用”的技術(shù)突破,迎來爆發(fā)式增長的新高潮。

image-20190604095403503


猜你喜歡:

人工智能之個性化推薦之路

深度相機是什么?深度相機常見技術(shù)

如何解決分類中解決類別不平衡問題?

語言模型-BERT:bert算法介紹

傳智教育人工智能培訓(xùn)課程

0 分享到:
和我們在線交談!