人工智能史

本文是 Björn Schuller 教授的人工智能课程的第一部分。

发展

人工智能（Artificial Intelligence，AI） 是以机器为载体所展示的人类智能，旨在模仿和超越人类的认知与能力。

阶段	时间	标志或原因
第一次高潮	1956 年	达特茅斯会议；机器定理证明，棋类博弈
第一次寒冬	1960s	莱特希尔报告；只能解决玩具问题；组合爆炸，机器翻译
第二次高潮	1970s	专家系统，知识工程
第二次寒冬	1980s	没有达到人们的期望；第五代计算机研制失败
稳步发展期	1990s	深度学习取得成功；围棋博弈，蛋白质结构预测
全面爆发期	21 世纪	深度学习的全面突破

流派

针对人工智能的本质和实现方法，有三大主要流派：符号主义（Symbolism）、连接主义（Connectionism）和行为主义（Behaviorism）。

流派	主要观点	代表方法与特点	应用实例
符号主义	智能是通过符号和逻辑的操作实现的	专家系统，知识库，强调推理和知识过程	医疗诊断，机器定理证明
连接主义	智能是通过神经元的连接和交互产生的	人工神经网络，深度学习，强调算力与数据	图像识别，自然语言处理
行为主义	智能是通过与环境的交互和适应形成的	强化学习，试错和奖惩，强调自我优化	游戏智能体，机器人控制

AI/ML/DL

机器学习（Machine Learning，ML） 是人工智能的子集，是人工智能的一种实现方法：让机器通过学习大量数据（Data）来获得完成特定任务的能力。

深度学习（Deep Learning，DL） 是机器学习的子集，是机器学习的一种实现方法：通过构建多层的神经网络（此之谓“深”）来完成机器学习。

此外，生成式人工智能（GenAI）是人工智能的子集，且与机器学习和深度学习都有交集；大数据（Big Data）不是人工智能的子集，但是与人工智能有交集。