1.2 人工智能的发展史
02-人工智能的发展简史课件
1.2.3 发展（1970年－ ）
20世纪60年代末，人工智能研究遇到困难，如机器翻译。 1966年美国顾问委员会的报告裁定：还不存在通用的科学文 本机器翻译，也没有很近的实现前景。英国、美国中断了大 部分机器翻译项目的资助。
1977年，费根鲍姆在第五届国际人工智能联合会议上提出了 “知识工程”概念，推动了知识为中心的研究。
会上经麦卡锡提议正式采用“人工智能”这一术语，标志 着 人工智能学科正式诞生。麦卡锡因而被称为人工智能之父 。
此后，美国形成了多个人工智能研究组织，如纽厄尔和西蒙 的Carnegie RAND协作组，明斯基和麦卡锡的MIT研究组， 塞缪尔的IBM工程研究组等。
13
1.2.2 形成（1956年－1969年）
1956年以后，人工智能的研究在机器学习、定理证明、模 式识别、问题求解、专家系统及人工智能语言等方面都取得 了许多引人瞩目的成就。 1969年，成立了国际人工智能联合会议（International Joint Conferences on Artificial Intelligence，IJCAI）。 1970 年 ， 创 刊 了 国 际 性 的 人 工 智 能 杂 志 （ Artificial Intelligence）。
11
1.2 人工智能的发展简史
1.2.1 孕育（1956年之前）
美国爱荷华州立大学的阿塔纳索夫教授和他的研究生贝瑞在 1937年至1941年间开发的世界上第一台电子计算机“阿塔纳索 夫－贝瑞计算机（Atanasoff-Berry Computer，ABC）”为人工 智能的研究奠定了物质基础。（不是美国数学家莫克利和埃柯
1.2.2 形成（1956年－1969年）
1956年夏，当时美国达特茅斯大学数学助教、现任斯坦福大 学教授麦卡锡和哈佛大学数学和神经学家、现任MIT教授明 斯基、IBM公司信息研究中心负责人洛切斯特、贝尔实验室 信息部数学研究员香农共同发起，邀请普林斯顿大学莫尔和 IBM公司塞缪尔、MIT的塞尔夫里奇和索罗莫夫以及兰德公 司和卡内基－梅隆大学的纽厄尔、西蒙等10名年轻学者在达 特莫斯大学召开了两个月的学术研讨会，讨论机器智能问题。
简述人工智能的发展历史
简述人工智能的发展历史人工智能（Artificial Intelligence，简称AI）是指通过计算机模拟人类智能的一种技术。
人工智能的发展历史可以追溯到上世纪50年代，当时计算机科学家们开始尝试模拟人类思维和行为，以期实现人工智能。
在20世纪50年代初，人工智能的研究开始兴起。
当时，计算机科学家们主要关注的是如何让计算机能够像人类一样思考和解决问题。
他们开发了一些基于规则的系统，这些系统可以根据预先设定的规则来执行特定的任务。
但是，这些系统的能力非常有限，只能处理一些简单的问题。
到了20世纪60年代，人工智能的研究进入了一个新的阶段。
计算机科学家们开始尝试使用机器学习算法来让计算机自己学习如何解决问题。
他们开发了一些基于神经网络的系统，这些系统可以通过学习来提高自己的能力。
但是，由于当时计算机的处理能力非常有限，这些系统的效果并不理想。
到了20世纪80年代，计算机的处理能力得到了大幅提升，人工智能的研究也进入了一个新的高峰。
计算机科学家们开始尝试使用深度学习算法来让计算机自己学习如何解决问题。
他们开发了一些基于深度神经网络的系统，这些系统可以通过学习来提高自己的能力，并且可以处理更加复杂的问题。
到了21世纪，人工智能的研究取得了巨大的进展。
计算机科学家们开发了一些基于深度学习算法的系统，这些系统可以在图像识别、语音识别、自然语言处理等领域取得非常好的效果。
同时，人工智能也开始应用于各个领域，如医疗、金融、交通等。
总的来说，人工智能的发展历史可以分为三个阶段：基于规则的系统、基于机器学习的系统和基于深度学习的系统。
随着计算机处理能力的不断提升，人工智能的研究也在不断取得新的进展。
未来，人工智能将会在更多的领域得到应用，为人类带来更多的便利和创新。
人工智能发展史
人工智能的发展历史1. 早期概念与理论基础（1950年前）1.1 初步概念人工智能（AI）的概念可以追溯到古希腊哲学家亚里士多德的逻辑学，以及18世纪启蒙时期的机械人类模型。
亚里士多德提出的形式逻辑成为后世逻辑推理的基础，而启蒙时期的科学家们则构想出了能够模仿人类行为的机械装置。
然而，真正意义上的人工智能研究起源于20世纪初。
1.2 图灵测试英国数学家和逻辑学家阿兰·图灵（Alan Turing）是人工智能领域的奠基人之一。
他在1950年的论文《计算机器与智能》中提出了图灵测试，旨在通过机器是否能够在文本交流中表现出与人类无异的智能来判断其是否具备人工智能。
这一概念成为人工智能领域的重要基石，极大地影响了后来的研究方向。
2. 形成与早期研究（1950-1970）2.1 达特茅斯会议1956年，被认为是人工智能领域标志性事件的达特茅斯会议（Dartmouth Conference）在美国新罕布什尔州达特茅斯学院召开。
此次会议由约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）和纳撒尼尔·罗切斯特（Nathaniel Rochester）组织，首次提出了“人工智能”这一术语。
会议认为，任何关于学习或其他智能特性的理论都可以用机器来模拟，从而开启了人工智能作为独立学科的研究。
2.2 早期算法与模型在20世纪50年代和60年代，研究人员开发了多种算法和模型来模拟人类智能。
约翰·麦卡锡提出了LISP语言，这是第一种专门用于人工智能编程的高级编程语言。
另一个重要的早期模型是马文·明斯基和西摩尔·派普特（Seymour Papert）开发的感知器（Perceptron），这是一种早期的神经网络模型，用于模式识别和分类任务。
2.3 推理与搜索早期的人工智能研究集中于符号推理和搜索算法。
人工智能的发展历史是怎样的？
人工智能的发展历史是怎样的？一、机器学习的诞生与初期发展机器学习作为人工智能的基础，其发展历程一直贯穿着人工智能的发展。
20世纪50年代，人工智能领域开始涌现出一批优秀的科学家，他们首次提出了机器学习的概念。
1956年，达特茅斯会议正式确立了将机器学习作为人工智能重要分支的地位，并由此开创了机器学习研究的新纪元。
在机器学习的初期发展中，科学家们主要关注算法的设计和数据的处理。
他们试图通过程序和模型来模拟人类的思维过程，以此实现从数据中进行自主学习和预测的能力。
这一时期的机器学习方法主要包括感知器、决策树和贝叶斯网络等。
二、深度学习的崛起与人工智能的新篇章机器学习的发展进入了一个相对停滞的时期，直到20世纪90年代，深度学习的概念被提出，重新点燃了人工智能的希望。
深度学习通过构建多层神经网络进行模型训练和特征提取，实现了对大规模数据的高效处理和更准确的结果预测。
深度学习的快速发展离不开算力和数据的支持。
随着计算机硬件的不断升级和互联网信息的爆发式增长，大规模数据的获取和处理成为可能。
这为深度学习的应用打开了广阔的空间，使得人工智能技术在自然语言处理、图像识别和智能推荐等领域取得了重大突破。
三、强化学习的兴起与人工智能的进一步演进除了机器学习和深度学习之外，强化学习也是人工智能领域的一项重要技术。
强化学习通过在特定环境中进行试错，通过不断调整和优化策略，使智能体能够获得最大的奖励。
这一技术的研究与应用使得人工智能系统具备了更强的决策能力和自主学习的能力。
强化学习的出现，不仅使得人工智能系统在游戏、机器人和自动驾驶等领域取得了突破性进展，而且对于控制系统、金融分析和资源优化等领域也具有重要的应用价值。
强化学习的研究成果为人工智能的发展带来了新的思路和技术手段。
四、人工智能的未来展望与挑战当前，人工智能正处于爆发式增长的阶段。
随着数据和算法的不断优化，人工智能正在实现从单一任务到多任务、从弱人工智能到强人工智能的转变。
简述人工智能的发展史
简述人工智能的发展史人工智能，是计算机科学中研究如何使机器能够像人一样学习、思考和行动的一门学科。
自从 20 世纪 50 年代开始，人工智能已经经历了多个阶段的发展。
本文将从以下几个方面简述其发展史。
一、符号主义时期（1956-1974）1956 年，世界上第一次人工智能会议的召开正式标志着人工智能学科的产生。
早期的人工智能系统的核心思想是“符号主义”，即利用符号来描述问题和解决问题。
早期的人工智能主要应用于数学和逻辑问题，包括推理、证明和代数计算。
但由于符号主义无法处理实际问题中的复杂性和模糊性，因此在 70 年代末人工智能陷入低谷。
二、联结主义时期（1986-2006）20 世纪 80 年代，人工智能又迎来了新的发展阶段——联结主义时期。
联结主义模型从生物神经元的结构和行为中受到启发，它的基本思想是将一些简单的单元（即“神经元”）连接起来组成复杂的神经网络，通过学习来发现网络中规律性的东西。
这种方法是非常有前途地，主要应用于图像和语音识别、自然语言处理和机器翻译等方面。
但联结主义的方法很难造成一个明确和可解释的结论，这也限制了其发展。
三、统计学习时期（2006-至今）21 世纪初，统计学习开始成为主导。
统计学习是利用现有的数据和大量的统计分析方法来实现机器自学习的过程。
这种方法利用机器学习算法从数据中提取信息，并自适应地改变其行为。
利用大量的数据来训练机器学习算法是最大的优势。
这种方法主要应用于计算机视觉、自然语言处理、语音识别等领域，使得人工智能技术真正走向了实际应用。
总体来说，人工智能的发展历程充满曲折和挑战，但是观察其发展轨迹，可以看到这一领域正在持续成长和发展。
人工智能的技术也正在不断拓宽应用范围，其中一些领域已经成为商业上的成功案例，如机器翻译和智能客服。
未来，人工智能有望成为更加人性化和高效的工具，能够在更多领域取得令人难以置信的成就，使人类社会拥有更美好的未来。
人工智能技术发展历史大事件
人工智能技术发展历史大事件人工智能技术的发展可以追溯到20世纪上半叶，经历了多个重要的里程碑事件。
本文将依时间顺序介绍人工智能技术的历史发展大事件，以及对人工智能技术演进的重大影响。
1. 1956年达特茅斯会议在1956年，人工智能的奠基石被打下，这是因为达特茅斯会议出现了该术语，并且于是将其纳入了学术研讨会议的议程当中。
此次会议吸引了当时AI领域的许多关键人物与领导者，他们对于人工智能的重要性与前瞻性达成共识。
2. 1958年首个人工智能编程语言诞生在1958年，人工智能领域的首个编程语言，LISP诞生了。
LISP语言为人工智能研究者提供了一种更加方便和高效的工具，开放了人工智能研究的新篇章。
3. 1966年ELIZA问答系统1966年，魏茨曼研究所的约瑟夫·魏茨曼教授开发出了第一个模仿心理咨询师的人工智能问答系统ELIZA。
这个系统使用模式匹配技术来对话，以一种类似自然语言的方式与用户进行交互，为后来的自然语言处理和对话系统的发展奠定了基础。
4. 1973年WINTER评估报告1973年，James A. Anderson等人发布了WINTER（任务选择解决方案的综合性技术评估）报告。
该报告详细评估了当时人工智能技术的局限性，提出了相应的解决方案，对于人工智能技术的未来发展方向起到了重要影响。
5. 1997年深蓝击败国际象棋世界冠军1997年，IBM的深蓝计算机在比赛中击败了国际象棋世界冠军加里·卡斯帕罗夫，此事件引起全球范围内的广泛关注。
深蓝的胜利标志着人工智能技术在为复杂问题提供解决方案方面取得显著进展。
6. 2011年IBM的沃森赢得“危险边缘”的游戏表演2011年，IBM的沃森计算机以令人惊叹的方式参加了著名电视智力竞赛节目“危险边缘”，并最终以优势获胜。
沃森的出色表现再次引起了公众对人工智能技术在广泛应用中的潜力的关注。
7. 2016年AlphaGo击败围棋冠军2016年，DeepMind（谷歌的子公司）开发的AlphaGo人工智能系统在围棋比赛中击败了当时的世界冠军李世石。
人工智能课程目录[精品]
![人工智能课程目录[精品]](https://img.taocdn.com/s3/m/83d3edf29a89680203d8ce2f0066f5335a81670e.png)
◇第一章人工智能概述- 课前索引- 1.1 人工智能的定义- 1.2 人工智能的发展史- 1.3 人工智能成功的实例- 1.4 人工智能的研究内容- 1.5 人工智能研究的特点- 1.6 人工智能相关文献及网站介绍- 章节小结- 课后思考题◇第二章归结推理方法- 课前索引- 2.1 归结原理概述- 2.2 命题逻辑的归结- 2.3 谓词逻辑归结法基础- 2.4 归结原理- 2.5 归结过程控制策略- 2.6 Herbrand定理- 章节小结- 课后思考题- 课后习题◇第三章不确定性推理方法- 课前索引- 3.1 概述- 3.2 确定性方法- 3.3 主观Bayes方法- 3.4 证据理论（D-S Theory）- 3.5 贝叶斯网络- 章节小结- 课后思考题- 课后习题◇第四章知识表示- 课前索引- 4.1 概述- 4.2 表示观- 4.3 逻辑表示法- 4.4 产生式表示法- 4.5 语义网络表示法- 4.6 框架表示法- 4.7 面向对象的表示法- 4.8 直接型知识表示方法- 4.9 混合型知识表示方法- 章节小结- 课后思考题- 课后习题◇第五章机器学习- 课前索引- 5.1 概述- 5.2 机器学习的分类与基本系统结构- 5.3 符号学习方法- 5.4 实例学习方法- 章节小结- 课后思考题- 课后习题◇第六章神经网络- 课前索引- 6.1 概述- 6.2 前馈型人工神经网络- 6.3 反馈神经网络- 6.4 自组织竞争人工神经网络- 6.5 神经网络在模式识别中的应用- 章节小结- 课后思考题◇第七章自然语言处理- 课前索引- 7.1 概述- 7.2 句法分析- 7.3 词性标注- 章节小结- 课后思考题- 课后习题◇第八章智能体- 课前索引- 8.1 智能体概述- 8.2 多智能体- 8.3 智能体之间的通讯- 8.4 智能体体系结构- 章节小结- 课后思考题。
人工智能的发展史
人工智能的发展史
一、发展概况
人工智能（Artificial Intelligence）是结合了计算机科学、心理学和神经科学三者研究的一门新兴学科。
它拥有深厚的科学基础，专门用来研究机器推理、智能化和仿生学。
其本质是研究生物智能的模仿，即通过计算机仿造人脑的智能技能来实现人类的智能行为，让机器具有与人类同样的思维能力和逍遥的自主性。
人工智能实际上是一个非常老的学科，可以追溯到古希腊拉普拉斯的“智慧机器人”，甚至可以追溯到秦朝时期的“高科技机器人”。
1950年的时候，英国科学家亚历山大·斯托克斯发表了他的著名论文《机器智能》，宣告了人工智能的初步形成。
之后，美国哈佛大学科学家威廉·斯塔克尔提出了“人工智能”这个概念，并发表了自己的著作《人工智能原理》，这才是人工智能这个学科正式名称的由来。
在1960年代，人工智能的发展出现了新的突破。
计算机思维的概念被首次提出，著名计算机科学家梅耶尔发表了“机器智能”一书，将机器智能的研究领域扩展到了计算机思维的新领域。
人工智能导论课件第1章第2节
1.2.1 大师与通用机器
• 电子计算机通称电脑，简称计算机，是一种通用的信息处理机器，它能执行可 以充分详细描述的任何过程。用于描述解决特定问题的步骤序列称为算法，算 法可以变成软件（程序），确定硬件（物理机）能做什么和做了什么。创建软 件的过程称为编程。
1.2.2 人工智能学科的诞生
• 人工智能甚至可以追溯到古埃及。电子计算机的出现使信息存储和处理的各个 方面都发生了革命，计算机理论的发展产生了计算机科学并最终促使了人工智 能的出现。计算机这个用电子方式处理数据的发明，为人工智能的可能实现提 供了一种媒介。
1.2.2 人工智能学科的诞生
• 虽然计算机为人工智能提供了必要的技术基础，但人们直到上个世纪50年代早 期才注意到人类智能与机器之间的联系。诺伯特·维纳是最早研究反馈理论的美 国人之一，反馈控制的一个大家熟悉的例子是自动调温器，它将收集到的房间 温度与人们希望的温度比较并做出反应，将加热器开大或关小，从而控制环境 温度。这项对反馈回路的研究重要性在于：维纳从理论上指出，所有的智能活 动都是反馈机制的结果，而反馈机制是有可能用机器模拟的。这项发现对早期 人工智能的发展影响很大。
1.2.4 人工智能的社会必然性
• 人工智能技术的发展反映了生产力发展的要求，它的产生有其必要性。 – （1）人工智能是工具进化的结果。与以前的劳动工具相比，人工智能的进 步之一是它可以对大脑模拟。人工智能技术超越以往的技术，推动了生产 力的发展。此外，与之前的生产工具相比，人工智能丰富了人的内心，强 壮了人类的身体。人工智能比以前的工具吸收了更多的肢体功能，它高度 模仿人类技能，拟人性强，具有拟人装置的特征。
• 二是反思发展期：60 ~70年代初。人工智能发展初期的突破性进展大大提升了 人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切 实际的研发目标。然而，接二连三的失败和预期目标的落空（例如无法用机器 证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的 发展走入了低谷。
人工智能讲稿ppt课件
第一节 问题求解与问题表示
二、状态空间法 1、图的概念与术语
图，父辈结点与后继结点
nr
nh
np
路径， 树
ni
nq
nj
ns
nl3
nl1
nl2
第一节 问题求解与问题表示
2、状态空间表示 一个问题求解系统，问题的状态可由图中的结点代表，
它的所有可能的状态就成结点的集合，构成了状态空间， 或称状态图。
状态空间图中： 有向弧线代表操作，反应状态间的转移关系； 节点代表问题的状态。
第二节 人工智能的学科范畴
一、研究目标
AI是一门研究：如何使机器具有智能，如何设计智能 机器的学科，即使机器具有象人那样的
（1）感知能力 （2）思维能力 （3）行为能力 （4）学习、记忆能力
四种能力：
感知能力 听、看、闻
行为能力
将作出的结论付之于行 动，即去说、写、画，
进行操作、处理等。
思维能力
讨论
如果设d(n)反映搜索层次或深度， 当w(n)=0，
f(n)=d(n)，即同一层代价相同，就全部要扩展，挨个判 断是否为目标——宽度优先搜索 当d(n)=0，极好地反映被解问题的特性，使搜索完全向 目标结点进行——深度优先搜索。
283
1644
7
5
283 164
75
6
2 18
76
5
283
1
44
部分成果： 1、1984年完成了串行推理机PSI和操作系统SIMPOS
2、1988年完成了并行推理机Multi-PSI和操作系统
PIMOS ！
80年代末期ANN飞速发展给AI发展注入新血液：
1、80年代Hopfield模型及B-P反向传播模型的提出使 ANN兴起了一个热潮
人工智能发展历史脉络
人工智能发展历史脉络
人工智能的发展历史可以追溯到 20 世纪 50 年代，以下是其主要的发展脉络：
1. 起源（1950 年代）：20 世纪 50 年代，计算机科学家开始尝试使用机器来模拟人类思维和解决问题的能力。
这一时期的重要事件包括阿兰·图灵提出的图灵测试，以及约翰·麦卡锡等人在达特茅斯会议上提出的“人工智能”这一术语。
2. 早期发展（1960-1970 年代）：在这一时期，人们开始研究基于规则的专家系统和机器学习算法。
其中，最著名的专家系统是DENDRAL，它能够自动识别化学分子结构。
3. 低谷（1970-1980 年代）：由于早期的人工智能系统在实际应用中遇到了许多问题，如计算能力有限、数据不足等，导致人工智能研究进入了低谷期。
4. 复苏（1980-1990 年代）：随着计算机技术的发展和数据的积累，人工智能研究逐渐复苏。
这一时期的重要事件包括神经网络的复兴、深度学习的出现以及语音识别和图像识别等领域的突破。
5. 现代发展（2000 年代至今）：在这一时期，人工智能技术得到了广泛应用，包括自然语言处理、机器翻译、自动驾驶、智能机器人等。
同时，深度学习技术的发展也推动了人工智能的进一步发展。
人工智能的发展历史是一个不断探索和创新的过程，随着技术的不断进步和应用场景的不断拓展，人工智能将在未来发挥更加重要的作用。
人工智能的发展史
人工智能的发展史
人工智能（Artificial Intelligence，缩写为AI）源自1956年，是那年由维克多·格罗斯基（Victor Glushkov）、乔治·米格尔斯（George Mihailovici）等学者召开的夏天AI会议上诞生的概念。
夏天AI会议定义了人工智能是“有对象的技术，能够在机器上实现人类智力”。
随着计算机技术的不断发展，人工智能相关的研究领域也在不断发展壮大。
本文将着重概述人工智能从诞生至今的发展史。
一、诞生初期
人工智能的诞生，要从1956年诞生的夏天AI会议说起。
国际著名的计算机科学家如：乔纳森·贝瑞（John von Neumann）、詹姆斯·李（James Lee）、约翰·威尔逊·塔勒布（John W. Tuulara）、保罗·莫尔斯（Paul Moulse）等发起并参与了这次AI会议，它们提出的AI概念为后续的AI研究提供了技术支持和发展蓝图。
二、高速发展期
随着计算机技术的发展，人工智能也进入了高速发展期，也就是今天大家熟知的人工智能时代。
1999年，美国两位著名学者约翰·克劳斯和弗洛伊德·斯蒂尔曼，在《人工智能：理论与实践》一书中系统地介绍了人工智能的定义、概念及其基础认知等内容，为人工智能发展提供了重要支持。
这一时期，像谷歌、IBM等科技公司也都投入了大量的研发经费，研发出一系列人工智能的应用产品。
人工智能的发展历程汇总
人工智能的发展历程汇总
人工智能作为一门新兴的学科，其发展历史已有上百年之久。
一、早期时期（1850年—1950年）
1850年，马克斯·普朗克提出了逻辑演绎的概念，为人工智能技术的发展打下了基础。
1900年，阮梅奇斯基提出了机器人学的概念，开启了人工智能的研究，并在1926年研制出了第一台电子数字计算机“Enigma”。
1950年，艾伦·图灵提出了著名的图灵测试，提出了人工智能的概念。
二、中期时期（1950年—1970年）
1950年，艾伦·图灵提出了著名的Turing Test，提出了人工智能的概念。
1956年，美国计算机科学家约翰·麦卡锡在智能机器人和神经网络领域发表论文，提出了“反馈神经网络”的概念，从而推动了人工智能的发展。
1959年，维克多·弗洛依德提出了“弗洛依德机”的概念，开创了人工智能自然语言处理的新纪元。
1966年，早期的知识工程项目“提名”开始运行，开始使用用户可读的规则推理的方法来建立机器知识库。
1967年，迪金森提出了“模式识别”的概念，并开发了应用程序，提供了有效的识别感知技术。
三、近代时期（1980年—至今）
1980年，计算机专家约翰·麦卡锡提出了“麦卡锡主义”的概念，提倡将机器与人类的思维技能连接起来。
人工智能发展史正确的顺序
人工智能的发展史正确的顺序可以大致分为以下六个阶段：
1. 人工智能的诞生：这个阶段以“图灵测试”为标志，同时包括了达特茅斯会议上“人工智能”概念的首次提出。
2. 人工智能的黄金时期：这个阶段大致在1956年至1970年之间。
在这个时期，人工智能研究取得了许多重要的成果，如机器定理证明、跳棋程序等，同时也出现了像Shakey 这样的首台人工智能机器人。
3. 人工智能的低谷期：在20世纪70年代初，人工智能遭遇了瓶颈，进入了第一次低谷期。
4. 人工智能的再次繁荣：这个阶段大致在1980年至1990年代中期。
在这个时期，人工智能开始进入实际应用阶段，如日本研发的人工智能计算机，以及启动的Cyc项目等。
5. 人工智能的第二次低谷期：这个阶段也被称为“AI的冬天”，主要是由于研究经费的削减和人工智能发展的困难。
6. 人工智能的春天和开始摸索性应用：从1997年开始，人工智能进入了一个新的发展阶段。
例如，IBM公司的电脑“深蓝”战胜国际象棋世界冠军卡斯帕罗夫，标志着人工智能技术的重大突破。
此后，人工智能的应用领域不断扩大，包括无人驾驶汽车、使用自然语言回答问题的人工智能程序等。
第1章-人工智能概述
⑤ 人工智能是一种能够执行需要人的智能的创造性机器的技 术（Kurzwell,1990）
⑥ 人工智能研究如何使计算机做事让人过得更好（Rick和 Knight,1991）
⑦ 人工智能是一门通过计算过程力图理解和模仿智能行为的 学科（Schalkoff,1990）
• 1950年，图灵（A.Turing）在《心智》杂志上发表了一篇 题为“计算机和智能”的文章，第一次提出了“机器能思 维”的观点。从此也拉开了人类史上人工智能研究的序幕 。
图灵测试
• 大家请思考图灵测试合理吗？ • 人类与计算机具有不一致的特长 • 一个通过了图灵测试的机器是否就一定具有智能呢？ 如深蓝
英国数学家、逻辑学家Boole（布尔）（1815-1864），他 初步实现了布莱尼茨的思维符号化和数学化的思想，提出 了一种崭新的代数系统--布尔代数，构成了现代计算机的 理论基础。
美籍奥地利数理逻辑学家Godel（哥德尔)(1906-1978) 证明 了一阶谓词的完备性定理: 任何包含初等数论的形式系统， 如果它是无矛盾的，那么一定是不完备的。 此定理的意义在于，人的思维形式化和机械化的某种极限， 在理论上证明了有些事是做不到的。
• 方法论不同：是唯一一个明确属于计算机科学的分支， 因而不是数学或者控制论或其他学科的分支
• AI是唯一这样的领域：它试图建造在复杂和变化的环 境中自动发挥功能的机器
1.2 人工智能的发展概况-早期成功与期望
西尔勒认为尽管计算机用这种符号处理方式也能正确回答问题, 并且 也可通过图灵测试，但仍然不能说计算机就有了智能。
1.1.3 脑智能和群智能
• 人脑由大约1011-1012个神经元组成的一个复杂的、动态的 巨系统，人脑的智能表现可以辨识出来，如学习、发现、 创造等能力。而这些智能表现的发生过程都是在心理层面 上可见的，即以某种心理活动和思维过程表现的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.2人工智能的发展史
人工智能的研究不仅与对人的思维研究直接相关，而且和许多其它学科领域关系密切。
因此说到人工智能的历史，应当上溯到历史上一些伟大的科学家和思想家所作的贡献，他们为人工智能研究积累了充分的条件和基础理论。
这里仅列举几位重要的代表人物。
◆古希腊伟大的哲学家、思想家Aristotle（亚里士多德）（公元前384-322），他的主要贡献是为形式逻辑奠定了基础。
形式逻辑是一切推理活动的最基本的出发点。
在他的代表作《工具论》中，就给出了形式逻辑的一些基本规律，如矛盾律、排中律，并且实际上已经提到了同一律和充足理由律。
此外，亚里士多得还研究了概念、判断问题，以及概念的分类和概念之间的关系，判断问题的分类和它们之间的关系。
其最著名的创造就是提出人人熟知的三段论。
◆英国的哲学家、自然科学家Bacon（培根）（1561-1626），他的主要贡献是系统地给出了归纳法，成为和Aristotle的演绎法相辅相成的思维法则。
Bacon另一个功绩是强调了知识的作用。
Bacon的著名警句是"知识就是力量"。
◆德国数学家、哲学家Leibnitz（莱布尼茨）（1646-1716），他提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。
他曾经做出了能进行四则运算的手摇计算机
◆英国数学家、逻辑学家Boole（布尔）（1815-1864），他初步实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统--布尔代数。
◆美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），他证明了一阶谓词的完备性定理；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。
此定理的意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。
◆英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了"计算机与智能"的论文。
当今世界上计算机科学最高荣誉奖励为"图灵奖"。
名词解释：图灵试验。
当一个人与一个封闭房间里的人或者机器交谈时，如果他不能分辨自己问题的回答是计算机还是人给出时，则称该机器是具有智能的。
以往该试验几乎是衡量机器人工智能的唯一标准，但是从九十年代开始，现代人工智能领域的科学家开始对此试验提出异议：反对封闭式的，机器完全自主的智能；提出与外界交流的，人机交互的智能。
◆美国数学家Mauchly，1946发明了电子数字计算机ENIAC
◆美国神经生理学家McCulloch，建立了第一个神经网络
数学模型。
从某种意义上可以说近代人工智能的发展，首先是从人工神经网络研究开始的。
但是由于某种原因，神经网络的研究一度进入低潮。
详细内容参见第六章《人工神经元网络》
◆美国数学家Shannon（香农）,1948年发表了《通讯的数学理论》，标志着"信息论"的诞生。
◆美国数学家、计算机科学家McCarthy，人工智能的早期研究者。
1956年，他和其他一些学者联合发起召开了世界上第一次人工智能学术大会，在他的提议下，会上正式决定使用人工智能这个词来概括这个研究方向。
参加大会的有Minsky,Rochester,Shannon,Moore,Samuel, Selfridge,Solomonff,Simon,Newell等数学家、心理学家、神经生理学家、计算机科学家。
McCarthy也被尊为"人工智能之父"。
50年代--70年代
◆50年代初开始有了符号处理，搜索法产生。
人工智能的基本方法是逻辑法和搜索法。
最初的搜索应用于机器翻译、机器定理证明、跳棋程序等。
◆60年代Simon由试验得到结论：人类问题的求解是一个搜索的过程，效果与启发式函数有关。
叙述了智能系统的特点：智能表示、智能推理、智能搜索。
◆Nilson发表了A*算法（搜索方法）
◆McCarthy建立了人工智能程序设计语言Lisp
◆1965年Robinson提出了归结原理。
归结原理是与传统的自然演绎法完全不同的消解法。
是第一个也是目前唯一的一个具有完备性（半完备性）的推理方法。
曾轰动整个科学界。
但该方法本身也有计算爆炸等问题。
◆1968年Quillian提出了语义网络的知识表示方法
◆1969年Minsky出了一本书"感知机"，给当时的神经网络研究结果判了死刑
由于该书从理论上证明了当时主要的神经网络模型---感知器的分类能力是很有限的。
因此，人工神经网络的研究由此进入低潮时期，而人工智能、专家系统的研究进入高潮。
70年代以后
◆70年代，人工智能开始从理论走向实践，解决一些实际问题。
同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。
此时，以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出了知识工程的概念，开展了以知识为基础的专家咨询系统研究与应用。
著名的专家系统有
DENDRAL化学分析专家系统（斯坦福大学1968）；
MACSYMA符号数学专家系统（麻省理工1971）；
MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯
坦福大学1973）；
CASNET(Causal ASsciational Network)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）；
CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；
HEARSAY I和II语音理解系统（卡内基-梅隆大学）；
PROSPECTOR地质勘探专家系统（斯坦福大学1976）；
XCON计算机配置专家系统（卡内基-梅隆大学1978）。
应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。
◆80年代，人工智能发展达到阶段性的顶峰。
87,89年世界大会有6－7千人参加。
硬件公司有上千个。
Lisp硬件、Lisp 机形成产品。
同时，在专家系统及其工具越来越商品化的过程中，国际软件市场上形成了一门旨在生产和加工知识的新产业--知识产业。
◆同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络分类能力有限这一根本问题。
从此，神经网络的研究进入新的高潮。
◆90年代，计算机发展趋势为小型化、并行化、网络化、智能化。
人工智能技术逐渐与数据库、多媒体等主流技术相结合，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。
日本政府于1992年结束了为期十年的，称为"知识信息处理体统"的第五代计算机系统研究开发计划。
并开始了为期十年的实况计算（Real World Computing）计划。
随着计算机和网络技术的发展与普及，当今人工智能主攻方向体现于：
◆并行与分布式处理技术，包括大规模并行机和机群的体系结构、并行操作系统与并行数据结构，分布式Client/Server计算模型及其处理技术，多专机系统的合作与知识共享技术等；
◆知识的获取、表示、更新和推理新机制，包括新的知识获取方法，常识性知识的表示、更新与推理，大型知识库的组织与维护，新一代逻辑处理机制等；
◆多功能的感知技术，包括对语音文字、图形与图像等信号的获取、识别、压缩与转化，以及多媒体输出和VR技术等。
◆智能Agent。
智能体的交互、通讯和多智能体体系结构。
智能体是智能体程序和智能体结构的结合。
◆数据挖掘。
其中包括数据挖掘、数据查询。
该方面的研究主要是信息时代的需求，面对海量的信息，人类必须有一整套的信息检索、处理手段，才能够从中得到有效的知识，否则将被繁多无用的信息淹没。
人工智能从以往的追求自主的系统，改变为人机结合的系统。
计算机的定量与人的定性信息处理相结合，取长补短。
甚至
提出了没有知识表示、没有推理的智能（六脚爬虫）。
从以前单一的mind到现在mind and body，Situated AI,Sensing and Acting 的结合，并且引入了概率论、遗传算法等理论。
传统的人工智能研究是的基于逻辑的，深思熟虑的智能。
现代的人工智能是研究直觉、顿悟、形象思维的智能。
与模式识别的研究有密不可分的联系。
我国人工智能研究状况：
从七十年代开始，在国家的支持下，做了一些专家系统的研究，其中医疗诊断系统最多，尤其是中医医疗诊断系统。
相对于美国很多探矿、化学等专家系统来说，我国的医疗诊断专家系统也是相当成功的，但是由于医疗风险等问题，投入实际使用的难度比较大。