人工智能发展简史

人工智能发展简史

人工智能是在1956年作为一门新兴学科的名称正式提出的，自此之后，它已经取得了惊人的成就，获得了迅速的发展，它的发展历史，可归结为孕育、形成、发展这三个阶段。

1 孕育阶段

这个阶段主要是指1956年以前。自古以来，人们就一直试图用各种机器来代替人的部分脑力劳动，以提高人们征服自然的能力，其中对人工智能的产生、发展有重大影响的主要研究成果包括：

早在公元前384-公元前322年，伟大的哲学家亚里士多德(Aristotle)就在他的名著《工具论》中提出了形式逻辑的一些主要定律，他提出的三段论至今仍是演绎推理的基本依据。

英国哲学家培根(F. Bacon)曾系统地提出了归纳法，还提出了“知识就是力量”的警句。这对于研究人类的思维过程，以及自20世纪70年代人工智能转向以知识为中心的研究都产生了重要影响。

德国数学家和哲学家莱布尼茨(G. W. Leibniz)提出了万能符号和推理计算的思想，他认为可以建立一种通用的符号语言以及在此符号语言上进行推理的演算。这一思想不仅为数理逻辑的产生和发展奠定了基础，而且是现代机器思维设计思想的萌芽。

英国逻辑学家布尔(C. Boole)致力于使思维规律形式化和实现机械化，并创立了布尔代数。他在《思维法则》一书中首次用符号语言描述了思维活动的基本推理法则。

英国数学家图灵(A. M. Turing)在1936年提出了一种理想计算机的数学模型，即图灵机，为后来电子数字计算机的问世奠定了理论基础。

美国神经生理学家麦克洛奇(W. McCulloch)与匹兹(W. Pitts)在1943年建成了第一个神经网络模型(M-P模型)，开创了微观人工智能的研究领域，为后来人工神经网络的研究奠定了基础。

美国爱荷华州立大学的阿塔纳索夫(Atanasoff)教授和他的研究生贝瑞(Berry)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。需要说明的是：世界上第一台计算机不是许多书上所说的由美国的莫克利和埃柯特在1946年发明。这是美国历史上一桩著名的公案。

由上面的发展过程可以看出，人工智能的产生和发展绝不是偶然的，它是科学技术发展的必然产物。

2 形成阶段

这个阶段主要是指1956-1969年。1956年夏季，由当时达特茅斯大学的年轻数学助教、现任斯坦福大学教授麦卡锡(J. MeCarthy)联合哈佛大学年轻数学和神经学家、麻省理工学院教

授明斯基(M. L. Minsky)，IBM公司信息研究中心负责人洛切斯特(N. Rochester)，贝尔实验室信息部数学研究员香农(C. E. Shannon)共同发起，邀请普林斯顿大学的莫尔(T.Moore)和IBM 公司的塞缪尔(A. L. Samuel)、麻省理工学院的塞尔夫里奇(O. Selfridge)和索罗莫夫(R. Solomonff)以及兰德(RAND)公司和卡内基梅隆大学的纽厄尔(A. Newell)、西蒙(H. A. Simon)等在美国达特茅斯大学召开了一次为时两个月的学术研讨会，讨论关于机器智能的问题。

会上经麦卡锡提议正式采用了“人工智能”这一术语。麦卡锡因而被称为人工智能之父。这是一次具有历史意义的重要会议，它标志着人工智能作为一门新兴学科正式诞生了。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。

自这次会议之后的10多年间，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注目的成就，例如：

在机器学习方面，1957年Rosenblatt研制成功了感知机。这是一种将神经元用于识别的系统，它的学习功能引起了广泛的兴趣，推动了连接机制的研究，但人们很快发现了感知机的局限性。

在定理证明方面，美籍华人数理逻辑学家王浩于1958年在IBM-704机器上用3~5min证明了《数学原理》中有关命题演算的全部定理(220条)，并且还证明了谓词演算中150条定理的85%，1965年鲁宾逊(J. A. Robinson)提出了归结原理，为定理的机器证明作出了突破性的贡献。

在模式识别方面，1959年塞尔夫里奇推出了一个模式识别程序，1965年罗伯特(Roberts)编制出了可分辨积木构造的程序。

在问题求解方面，1960年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序(General Problem Solver，GPS)，可以用来求解11种不同类型的问题。

在专家系统方面，美国斯坦福大学的费根鲍姆(E. A. Feigenbaum)领导的研究小组自1965年开始专家系统DENDRAL的研究，1968年完成并投入使用。该专家系统能根据质谱仪的实验，通过分析推理决定化合物的分子结构，其分析能力已接近甚至超过有关化学专家的水平，在美、英等国得到了实际的应用。该专家系统的研制成功不仅为人们提供了一个实用的专家系统，而且对知识表示、存储、获取、推理及利用等技术是一次非常有益的探索，为以后专家系统的建造树立了榜样，对人工智能的发展产生了深刻的影响，其意义远远超过了系统本身在实用上所创造的价值。

在人工智能语言方面，1960年麦卡锡研制出了人工智能语言(List Processing，LISP)，成为建造专家系统的重要工具。

1969年成立的国际人工智能联合会议(International Joint Conferences On Artificial Intelligence，IJCAI)是人工智能发展史上一个重要的里程碑，它标志着人工智能这门新兴学科已经得到了世界的肯定和认可。1970年创刊的国际性人工智能杂志《Artificial Intelligence》对推动人工智能的发展，促进研究者们的交流起到了重要的作用。

3 发展阶段

这个阶段主要是指1970年以后。进入20世纪70年代，许多国家都开展了人工智能的研究，涌现了大量的研究成果。例如，1972年法国马赛大学的科麦瑞尔(A. Comerauer)提出并实现了逻辑程序设计语言PROLOG；斯坦福大学的肖特利夫(E. H. Shorliffe)等人从1972年开始研制用于诊断和治疗感染性疾病的专家系统MYCIN。

但是，和其他新兴学科的发展一样，人工智能的发展道路也不是平坦的。例如，机器翻译的研究没有像人们最初想象的那么容易。当时人们总以为只要一部双向词典及一些词法知识就可以实现两种语言文字间的互译。后来发现机器翻译远非这么简单。

实际上，由机器翻译出来的文字有时会出现十分荒谬的错误。例如，当把“眼不见，心不烦”的英语句子“Out of sight，out of mind”。翻译成俄语变成“又瞎又疯”；当把“心有余而力

不足”的英语句子“The spirit is willing but the flesh is weak”翻译成俄语，然后再翻译回来时竟变成了“The wine is good but the meat is spoiled”，即“酒是好的，但肉变质了”；当把“光阴似箭”的英语句子“Time flies like an arrow”翻译成日语，然后再翻译回来的时候，竟变成了“苍蝇喜欢箭”。

由于机器翻译出现的这些问题，1960年美国政府顾问委员会的一份报告裁定：“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。”因此，英国、美国当时中断了对大部分机器翻译项目的资助。在其他方面，如问题求解、神经网络、机器学习等，也都遇到了困难，使人工智能的研究一时陷入了困境。

人工智能研究的先驱者们认真反思，总结前一段研究的经验和教训。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”的概念，对以知识为基础的智能系统的研究与建造起到了重要的作用。大多数人接受了费根鲍姆关于以知识为中心展开人工智能研究的观点。从此，人工智能的研究又迎来了蓬勃发展的以知识为中心的新时期。

这个时期中，专家系统的研究在多种领域中取得了重大突破，各种不同功能、不同类型的专家系统如雨后春笋般地建立起来，产生了巨大的经济效益及社会效益。例如，地矿勘探专家系统PROSPECTOR拥有15种矿藏知识，能根据岩石标本及地质勘探数据对矿藏资源进行估计和预测，能对矿床分布、储藏量、品位及开采价值进行推断，制定合理的开采方案。应用该系统成功地

找到了超亿美元的钼矿。

专家系统MYCIN能识别51种病菌，正确地处理23种抗菌素，可协助医生诊断、治疗细菌感染性血液病，为患者提供最佳处方。该系统成功地处理了数百个病例，并通过了严格的测试，显示出了较高的医疗水平。美国DEC公司的专家系统XCON能根据用户要求确定计算机的配置。

由专家做这项工作一般需要3小时，而该系统只需要0.5分钟，速度提高了360倍。DEC公司还建立了另外一些专家系统，由此产生的净收益每年超过4000万美元。信用卡认证辅助决策专家系统American Express能够防止不应有的损失，据说每年可节省2700万美元左右。

专家系统的成功，使人们越来越清楚地认识到知识是智能的基础，对人工智能的研究必须以知识为中心来进行。对知识的表示、利用及获取等的研究取得了较大的进展，特别是对不确定性知识的表示与推理取得了突破，建立了主观Bayes理论、确定性理论、证据理论等，对人工智能中模式识别、自然语言理解等领域的发展提供了支持，解决了许多理论及技术上的问题。

人工智能在博弈中的成功应用也举世瞩目。人们对博弈的研究一直抱有极大的兴趣，早在1956年人工智能刚刚作为一门学科问世时，塞缪尔就研制出了跳棋程序。这个程序能从棋谱中学习，也能从下棋实践中提高棋艺。1959年它击败了塞缪尔本人，1962年又击败了一个州的冠军。1991年8月在悉尼举行的第

12届国际人工智能联合会议上，IBM公司研制的“深思”(Deep Thought)计算机系统就与澳大利亚象棋冠军约翰森(D. Johansen)举行了一场人机对抗赛，结果以1:1平局告终。1957年西蒙曾预测10年内计算机可以击败人类的世界冠军。虽然在10年内没有实现，但40年后深蓝计算机击败国际象棋棋王卡斯帕罗夫(Kasparov)，仅仅比预测迟了30年。

1996年2月10日至17日，为了纪念世界上第一台电子计算机诞生50周年，美国IBM公司出巨资邀请国际象棋棋王卡斯帕罗夫与IBM公司的深蓝计算机系统进行了六局的“人机大战”。这场比赛被人们称为“人脑与电脑的世界决战”。参赛的双方分别代表了人脑和电脑的世界最高水平。当时的深蓝是一台运算速度达每秒1亿次的超级计算机。第一盘，深蓝就给卡斯帕罗夫一个下马威，赢了这位世界冠军，给世界棋坛以极大的震动。但卡斯帕罗夫总结经验，稳扎稳打，在剩下的五盘中赢三盘，平两盘，最后以总比分4:2获胜。

一年后，即1997年5月3日至11日，深蓝再次挑战卡斯帕罗夫。这时，深蓝是一台拥有32个处理器和强大并行计算能力的RS/6000SP/2的超级计算机，运算速度达每秒2亿次。计算机里存储了百余年来世界顶尖棋手的棋局，5月3日棋王卡斯帕罗夫首战击败深蓝，5月4日深蓝扳回一盘，之后双方战平三局。双方的决胜局于5月11日拉开了帷幕，卡斯帕罗夫在这盘

比赛中仅仅走了19步便放弃了抵抗，比赛用时只有1小时多一点。

这样，深蓝最终以3.5：2.5的总比分赢得这场举世瞩目的“人机大战”的胜利。深蓝的胜利表明了人工智能所达到的成就。尽管它的棋路还远非真正地对人类思维方式的模拟，但它已经向世人说明，电脑能够以人类远远不能企及的速度和准确性，实现属于人类思维的大量任务。深蓝精湛的残局战略使观战的国际象棋专家们大为惊讶。卡斯帕罗夫也表示：“这场比赛中有许多新的发现，其中之一就是计算机有时也可以走出人性化的棋步。在一定程度上，我不能不赞扬这台机器，因为它对盘势因素有着深刻的理解，我认为这是一项杰出的科学成就。”因为这场胜利，IBM 的股票升值为180亿美元。

4 人工智能的学派

根据前面的论述，我们知道要理解人工智能就要研究如何在一般的意义上定义知识，可惜的是，准确定义知识也是个十分复杂的事情。严格来说，人们最早使用的知识定义是柏拉图在《泰阿泰德篇》中给出的，即“被证实的、真的和被相信的陈述”(Justified true belief，简称JTB条件)。

然而，这个延续了两千多年的定义在1963年被哲学家盖梯尔否定了。盖梯尔提出了一个著名的悖论(简称“盖梯尔悖论”)。该悖论说明柏拉图给出的知识定文存在严重缺陷。虽然后来人们给出了很多知识的替代定义，但直到现在仍然没有定论。

但关于知识，至少有一点是明确的，那就是知识的基本单位是概念。精通掌握任何一门知识，必须从这门知识的基本概念开始学习。而知识自身也是一个概念。因此，如何定义一个概念，对于人工智能具有非常重要的意义。给出一个定义看似简单，实际上是非常难的，因为经常会涉及自指的性质(自指：词性的转化——由谓词性转化为体词性，语义则保持不变)。一旦涉及自指，就会出现非常多的问题，很多的语义悖论都出于概念自指。

自指与转指这一对概念最早出自朱德熙先生的《自指与转指》(《方言》1983年第一期，《朱德熙文集》第三卷)。陆俭明先生在《八十年代中国语法研究》中(第98页)说：“自指和转指的区别在于，自指单纯是词性的转化－由谓词性转化为体词性，语义则保持不变；转指则不仅词性转化，语义也发生变化，尤指行为动作或性质本身转化为指与行为动作或性质相关的事物。”

举例：

①教书的来了(“教书的”是转指，转指教书的“人”)；教书的时候要认真(“教书的”语义没变，是自指)。②Unplug一词的原意为“不使用(电源)插座”，是自指；常用来转指为不使用电子乐器的唱歌。③colored在表示having colour(着色)时是自指。colored在表示有色人种时，就是转指。④rich，富有的，是自指。the rich，富人，是转指。

知识本身也是一个概念。据此，人工智能的问题就变成了如下三个问题：一、如何定义(或者表示)一个概念、如何学习一个

概念、如何应用一个概念。因此对概念进行深人研究就非常必要了。

那么，如何定义一个概念呢？简单起见，这里先讨论最为简单的经典概念。经典概念的定义由三部分组成：第一部分是概念的符号表示，即概念的名称，说明这个概念叫什么，简称概念名；第二部分是概念的内涵表示，由命题来表示，命题就是能判断真假的陈述句。第三部分是概念的外延表示，由经典集合来表示，用来说明与概念对应的实际对象是哪些。

举一个常见经典概念的例子——素数(prime number)，其内涵表示是一个命题，即只能够被1和自身整除的自然数。

概念有什么作用呢？或者说概念定义的各个组成部分有什么作用呢？经典概念定义的三部分各有作用，且彼此不能互相代替。具体来说，概念有三个作用或功能，要掌握一个概念，必须清楚其三个功能。

第一个功能是概念的指物功能，即指向客观世界的对象，表示客观世界的对象的可观测性。对象的可观测性是指对象对于人或者仪器的知觉感知特性，不依赖于人的主观感受。举一个《阿Q正传》里的例子：那赵家的狗，何以看我两眼呢？句子中“赵家的狗”应该是指现实世界当中的一条真正的狗。但概念的指物功能有时不一定能够实现，有些概念其设想存在的对象在现实世界并不存在，例如“鬼”。

第二个功能是指心功能，即指向人心智世界里的对象，代表心智世界里的对象表示。鲁迅有一篇著名的文章《论丧家的资本家的乏走狗》，显然，这个“狗”不是现实世界的狗，只是他心智世界中的狗，即心里的狗(在客观世界，梁实秋先生显然无论如何不是狗)。概念的指心功能一定存在。如果对于某一个人，一个概念的指心功能没有实现，则该词对于该人不可见，简单地说，该人不理解该概念。

最后一个功能是指名功能，即指向认知世界或者符号世界表示对象的符号名称，这些符号名称组成各种语言。最著名的例子是乔姆斯基的“colorless green ideas sleep furiously”，这句话翻译过来是“无色的绿色思想在狂怒地休息”。这句话没有什么意思，但是完全符合语法，纯粹是在语义符号世界里，即仅仅指向符号世界而已。当然也有另外，“鸳鸯两字怎生书”指的就是“鸳鸯”这两个字组成的名字。一般情形下，概念的指名功能依赖于不同的语言系统或者符号系统，由人类所创造，属于认知世界。同一个概念在不同的符号系统里，概念名不一定相同，如汉语称“雨”，英语称“rain”。

根据波普尔的三个世界理论，认知世界、物理世界与心理世界虽然相关，但各不相同。因此，一个概念的三个功能虽然彼此相关，也各不相同。更重要的是，人类文明发展至今，这三个功能不断发展，彼此都越来越复杂，但概念的三个功能并没有改变。

在现实生活中，如果你要了解一个概念，就需要知道这个概念的三个功能：要知道概念的名字，也要知道概念所指的对象(可能是物理世界)。更要在自己的心智世界里具有该概念的形象(或者图像)。如果只有一个，那是不行的。

知道了概念的三个功能之后，就可以理解人工智能的三个学派以及各学派之间的关系。

人工智能也是一个概念，而要使一个概念成为现实，自然要实现概念的三个功能。人工智能的三个学派关注于如何才能让机器具有人工智能，并根据概念的不同功能给出了不同的研究路线。专注于实现AI指名功能的人工智能学派成为符号主义，专注于实现AI指心功能的人工智能学派称为连接主义，专注于实现AI指物功能的人工智能学派成为行为主义。

1. 符号主义

符号主义的代表人物是Simon与Newell，他们提出了物理符号系统假设，即只要在符号计算上实现了相应的功能，那么在现实世界就实现了对应的功能，这是智能的充分必要条件。因此，符号主义认为，只要在机器上是正确的，现实世界就是正确的。说得更通俗一点，指名对了，指物自然正确。

在哲学上，关于物理符号系统假设也有一个著名的思想实验——本章1.1.3节中提到的图灵测试。图灵测试要解决的问题就是如何判断一台机器是否具有智能。

图灵测试将智能的表现完全限定在指名功能里。但马少平教授的故事已经说明，只在指名功能里实现了概念的功能，并不能说明一定实现了概念的指物功能。实际上，根据指名与指物的不同，哲学家约翰·塞尔勒专门设计了一个思想实验用来批判图灵测试，这就是著名的中文屋实验。

中文屋实验明确说明，即使符号主义成功了，这全是符号的计算跟现实世界也不一定搭界，即完全实现指名功能也不见得具有智能。这是哲学上对符号主义的一个正式批评，明确指出了按照符号主义实现的人工智能不等同于人的智能。

虽然如此，符号主义在人工智能研究中依然扮演了重要角色，其早期工作的主要成就体现在机器证明和知识表示上。在机器证明方面，早期Simon与Newell做出了重要的贡献，王浩、吴文俊等华人也得出了很重要的结果。机器证明以后，符号主义最重要的成就是专家系统和知识工程，最著名的学者就是Feigenbaum。如果认为沿着这条路就可以实现全部智能，显然存在问题。日本第五代智能机就是沿着知识工程这条路走的，其后来的失败在现在看来是完全合乎逻辑的。

实现符号主义面临的观实挑成主要有三个。第一个是概念的组合爆炸问题。每个人掌握的基本概念大约有5万个，其形成的组合概念却是无穷的。因为常识难以穷尽，推理步骤可以无穷。第二个是命题的组合悖论问题。两个都是合理的命题，合起来就变成了没法判断真假的句子了，比如著名的柯里悖论(Curry’s

Paradox)(1942)。第三个也是最难的问题，即经典概念在实际生活当中是很难得到的，知识也难以提取。上述三个问题成了符号主义发展的瓶颈。

2. 连接主义

连接主义认为大脑是一切智能的基础，主要关注于大脑神经元及其连接机制，试图发现大脑的结构及其处理信息的机制、揭示人类智能的本质机理，进而在机器上实现相应的模拟。前面已经指出知识是智能的基础，而概念是知识的基本单元，因此连接主义实际上主要关注于概念的心智表示以及如何在计算机上实现其心智表示，这对应着概念的指心功能。2016年发表在Nature 上的一篇学术论文揭示了大脑语义地图的存在性，文章指出概念都可以在每个脑区找到对应的表示区，确确实实概念的心智表示是存在的。因此，连接主义也有其坚实的物理基础。

连接主义学派的早期代表人物有麦克洛克、皮茨、霍普菲尔德等。按照这条路，连接主义认为可以实现完全的人工智能。对此，哲学家普特南设计了著名的“缸中之脑实验”，可以看作是对连接主义的一个哲学批判。

缸中之脑实验描述如下：一个人(可以假设是你自己)被邪恶科学家进行了手术，脑被切下来并放在存有营养液的缸中。脑的神经末梢被连接在计算机上，同时计算机按照程序向脑传递信息。对于这个人来说，人、物体、天空都存在，神经感觉等都可以输入，这个大脑还可以被输入、截取记忆，比如截取掉大脑手术的

记忆，然后输入他可能经历的各种环境、日常生活，甚至可以被输入代码，“感觉”到自己正在阅读这一段有趣而荒唐的文字。

缸中之脑实验说明即使连接主义实现了，指心没有问题，但指物依然存在严重问题。因此，连接主义实现的人工智能也不等同于人的智能。

尽管如此，连接主义仍是目前最为大众所知的一条AI实现路线。在围棋上，采用了深度学习技术的AlphaGo战胜了李世石，之后又战胜了柯洁。在机器翻译上，深度学习技术已经超过了人的翻译水平。在语音识别和图像识别上，深度学习也已经达到了实用水准。客观地说，深度学习的研究成就已经取得了工业级的进展。

但是，这并不意味着连接主义就可以实现人的智能。更重要的是，即使要实现完全的连接主义，也面临极大的挑战。到现在为止，人们并不清楚人脑表示概念的机制，也不清楚人脑中概念的具体表示形式表示方式和组合方式等。现在的神经网络与深度学习实际上与人脑的真正机制距离尚远。

3. 行为主义

行为主义假设智能取决于感知和行动，不需要知识、表示和推理，只需要将智能行为表现出来就好，即只要能实现指物功能就可以认为具有智能了。这一学派的早期代表作是Brooks的六足爬行机器人。

对此，哲学家普特南也设计了一个思想实验，可以看作是对行为主义的哲学批判，这就是“完美伪装者和斯巴达人”。完美伪装者可以根据外在的需求进行完美的表演，需要哭的时候可以哭得让人撕心裂肺，需要笑的时候可以笑得让人兴高采烈，但是其内心可能始终冷静如常。斯巴达人则相反，无论其内心是激动万分还是心冷似铁，其外在总是一副泰山崩于前而色不变的表情。完美伪装者和斯巴达人的外在表现都与内心没有联系，这样的智能如何从外在行为进行测试？因此，行为主义路线实现的人工智能也不等同于人的智能。

对于行为主义路线，其面临的最大实现困难可以用莫拉维克悖论来说明。所谓莫拉维克悖论，是指对计算机来说困难的问题是简单的、简单的问题是困难的，最难以复制的反而是人类技能中那些无意识的技能。目前，模拟人类的行动技能面临很大挑战。

比如，在网上看到波士顿动力公司人形机器人可以做高难度的后空翻动作，大狗机器人可以在任何地形负重前行，其行动能力似乎非常强。但是这些机器人都有一个大的缺点一能耗过高、噪音过大。大狗机器人原是美国军方订购的产品，但因为大狗机器人开动时的声音在十里之外都能听到，大大提高了其成为一个活靶子的可能性，使其在战场上几乎没有实用价值，美国军方最终放弃了采购。

人工智能发展史解读

人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,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: Wiener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AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用它来解决不定积分、三角函数、代数方程等11种不同类型的问题，并首次提出启发式搜索概念，从而使启发式程序具有较普遍的意义。

人工智能发展现状与趋势分析

人工智能发展现状与趋势分析从互联网到物联网,我们到底还有几步路要走? 电影里刷脸、在办公室遥控家中电器、无人驾驶那些看似天方夜谭的镜头,正在一一变成现实,未来还会变得更神奇吗? 从人口密集型大国变成人工智能(AI)大国,中国可以吗? …… 打破怀疑,这是追逐信仰的时代。而新产品层出不穷,科技日新月异,对富有创新精神的企业来说,这也是一个最好的时代。 一、AI之战 互联网行业的诸神之战,始于AI。谷歌、微软、百度等巨头的开发者大会,更像是一场AI的角力。 时间的指针拨向2019,战火未燃,硝烟弥漫。 谷歌开发者大会发布新系统Android Q,强调在新技术、保护隐私、时间管理等方面的创新,方便用户关闭各类涉及隐私的功能,同时让用户更好地管理使用时间。 微软开发者大会推出Azure SQL数据库工具,凭借“无服务器”的能力处理计算任务。这意味着开发人员不必设置和管理数据库的底层资源。 苹果开发者大会推出新款MacPro,宣布关闭iTunes服务。 2017年7月,百度在AI开发者大会上李彦宏把无人车开上了五环,并正式宣布酝酿多年的“Apollo”计划——向汽车行业及自动驾

驶领域的合作伙伴提供一个开放、完整、安全的软件平台,帮助他们 结合车辆和硬件系统,快速搭建一套属于自己的完整的自动驾驶系统。 2018年7月,百度AI开发者大会再曝重磅消息——一是没有方 向盘的百度无人车量产下线,标志着中国第一辆全自动无人驾驶车具 备了量产能力;二是AI(人工智能)芯片昆仑发布。 时间迈入2019年7月,百度AI开发者大会上,首席执行官李彦宏与吉利集团董事长李书福登台互动,体验“车家互联”。李书福一直 是百度阿波罗(Apollo)的坚定支持者,从博越pro开始,吉利全线搭 载小度车载OS。 与传统的语音交互不同,小度车载 OS升级到了包括视觉在内的 完整自然交互体验,可以实现从被动响应到主动感知的用户需求。车 主在车内可以实时操控家中电器,比如提前预热家里空调、或者关闭 家里的电器开关等等。 “双李”会,不仅是树立了产业智能化的标签,更是将AI战争推 向了新的高度。 二、百度AI先行 有这样一首波斯诗歌:蜘蛛在帝国的宫殿里织下它的丝网,猫头 鹰却已在阿弗拉希阿卜的塔上唱完了夜歌。 这恰如汽车产业目下的“丝网”和“夜歌”——传统汽车巨头过去百年都在编织着自家整车制造的“丝网”,而科技巨头半路杀出, 在朝着技术变革的路上吟唱着“夜歌”。

人工智能发展与应用简介

人工智能发展与应用综述 摘要：概要的阐述了人工智能的概念、发展历史、当前研究热点和实际应用以及未来的发展趋势 20世纪是自然科学发展史上最为辉煌的时代，生物科学是自然科学中发展最迅速的学科。因为生物科学与人类生存、人民健康、社会发展密切相关，必然成为21世纪初的主导学科。在20世纪生物科学的发展中有许多重大突破，出现了许多新观念、新思想、新成果和新技术。特别是20世纪50年代以来，随着数理科学广泛深入地渗透到生物科学以及一些先进的仪器设备和研究技术的问世，生物科学已经从基本上是静态的、以形态描述与分析为主的学科演化发展成动态的、以实验为基础的定量的学科，逐步发展为自动化、智能化。在生物系统的领域，人工智能的发展尤为令人关注。 一．人工智能的概念 人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了“人工智能”(Artificial Intelligence，AI)这个术语。 人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能更灵活方效地为人类服务。只要电脑能够表现出与人类相似的智能行为,就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了。人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。 人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用机器（主要是计算机）来模仿和实现人类的智能行为. 二．人工智能的发展历史 50年代人工智能的兴起和冷落人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。 60年代末到70年代，专家系统出现，使人工智能研究出现新高潮DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、

人工智能发展史

人工智能发展史 人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,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: Wiener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AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用

人工智能学习研究的现状及其发展趋势

浅谈人工智能学习研究的现状 及其发展趋势 摘要：自上世纪五十年代以来，经过了几个阶段的不断探索和发展，人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正意义上的的人类智能还相差甚远。但是进入新世纪以来，随着信息技术的快速进步，与人工智能相关的技术水平也得到了相应的提高。尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的更加广泛的舞台。本文强调在当今的网络时代，作为信息技术的先导，人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向，要在学科交叉研究中实现人工智能学习的发展与创新，就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点，尤其是重视认知物理学的研究。自然语言是人类思维活动的载体，是人工智能学习研究知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智

能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能学习与应用领域新的辉煌。 1.前言 自20世纪90年代以来，随着全球化的形式与国际竞争的日益激烈，对人工智能技术的研究与应用变的越来越被人们关注，且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。 人工智能已对现实社会做出了非常重大的贡献，而且其作用已在各领域发挥得淋漓尽致，特别是在计算机领域，人工智能的应用更加突出，可以说，哪里有计算机应用，哪里就在应用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。目前，人工智能应用的主要领域，也就是计算机应用的主要领域。 人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。 学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具

人工智能的研究与应用现状

人工智能的研究与应用现状 南开大学信息技术科学学院智能科学与技术师浩宸1010645 摘要 使机器具有自主能动能力这一愿望，从古希腊甚至古埃及的神话传说开始就一直延续至今：亚里士多德（公元前384-322年）的一个著名演绎推理——三段论代表着他对人工智能的哲学思想探索步伐；中世纪神秘主义者Ramon Llull构建了世界上第一部可以“回答”问题的机器；近代“人工智能”（Artificial Intelligence）这个概念的提出最早是在1956年Dartmouth 学会，当时数字计算机研制成果显著，对编写有原始推理思想的程序有质的帮助；今天的各国在智能研究领域都有了重大发展，波士顿动力公司研制的大狗机器人bigdog。因而，还可以认为，人工智能的研究目标是使机器模仿人的行为计算机模仿人脑的推理，学习，思考和规划等思维活动。文章还介绍了早期的专家系统：大多数是用规则推理的方法,如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。众所周知，人类大脑的组织结构和运行机制有其绝妙的特点，从模仿人脑智能的角度出发，来探寻新的信息表示、储存和处理方式，设计全新的计算机处理结构模型，构建一种更接近人类智能的信息处理系统来解决实际工程和科学研究领域中难以解决的问题，一定能够极大推动科研进步，这些促成了人工神经网络（ANN）的出现。 关键词：人工智能博弈专家系统人工神经网络模式识别自言语言理解翻译机 引言：这篇文章主要介绍了人工智能的产生与发展，并对人工智能领域一部分研究成果进行分析介绍。附录是观看网络公开课的笔记，作者希望通过学习进一步提升理解。 1．1人工智能简介 使机器具有自主能动能力这一愿望，从古希腊甚至古埃及的神话传说开始就一直延续至今：亚里士多德（公元前384-322年）的一个著名演绎推理——三段论代表着他对人工智能的哲学思想探索步伐；中世纪神秘主义者Ramon Llull构建了世界上第一部可以“回答”问题的机器；近代“人工智能”（Artificial Intelligence）这个概念的提出最早是在1956年Dartmouth 学会，当时数字计算机研制成果显著，对编写有原始推理思想的程序有质的帮助；今天的各国在智能研究领域都有了重大发展，波士顿动力公司研制的大狗机器人bigdog。 广义来讲，人工智能就是人造物的智能行为。人工智能的发展往往依靠计算机科学和认知科学的发展，在不同的发展阶段，对于人工智能有不同的理解，其概念也随之拓展。 人工智能是计算机科学的一个分支，是研究使计算机来完成能表现出人类智能的任务的学科。主要包括计算机实现智能的原理，制造类似于人脑的智能计算机，以及使计算机更巧妙些实现高层次的应用。它涉及到计算机科学，心理学，哲学和语言学学科。总的目标是增强人的智能 进而我们需要了解什么是智能。 智能是一种能够认识客观事物和运用知识解决问题的综合能力。智能的四个特征：具有感知

我国人工智能发展历程及未来战略思路与重点教学文案

我国人工智能发展历程及未来战略思路与重点人工智能作为一种通用目的技术（GPT），是当前科技创新和推动产业升级转型的焦点。人工智能的发展及其在各个领域的应用，将会显著改变几乎所有行业原来发展的路径，不断催生新的业态和新的商业模式，形成新的发展空间，同时也为我国促进科技创新、提升国家竞争优势甚至赶超发达国家带来了新的机遇。 国内人工智能发展历程 在人工智能所带来的新赛场上，无论是从理论研究、技术研发方面，还是从产业基础方面来看，应该说我国的研究积累与发达国家相比差距不大。早在上世纪70年代后期，吴文俊就凭借几何定理的机器证明成果，成为国际自动推理界的领军人物，他所开创的数学机械化也在国际上被誉为"吴方法"。在人际对弈方面，浪潮天梭在2006年8月以3胜5平2负击败柳大华等5位中国象棋大师组成的联盟。近些年来，我国人工智能领域有取得了飞速发展。科大讯飞语音识别技术已经处于国际领先地位，其语音识别和理解的准确率均达到了世界第一，自2006年首次参加国际权威的BlizzardChallenge大赛以来，一直保持冠军地位。百度推出了度秘和自动驾驶汽车。腾讯推出了机器人记者Dreamwriter和图像识别产品腾讯优图。阿里巴巴推出了人工智能平台DTPAI和机器人客服平台。清华大学研发成功的人脸识别系统以及智能问答技术都已经获得了应用。中科院自动化所研发成功了"寒武纪"芯片并建成了类脑智能研究平台。华为也推出了MoKA 人工智能系统。 政府重视发展人工智能 我国一直政府也一直重视人工智能的发展。尤其是2015年将人工智能作为国家"互联网＋"战略中十一个具体行动之一，提出要"加快人工智能核心技术突破，培育发展人工智能新兴产业，推进智能产品创新，提升终端产品智能化水平"。2016年中，国家发改委、科技部、工信部、中央网信办联合发布了《"互联网＋"人工智能三年行动实施方案》，这是我国首次单独为人工智能发展提出具体的策略方案，也是对去年发布的"互联网＋"战略中人工智能部分内容的具体落实。该行动方案提出了三大方向共九大工程，系统地提出了我国在2016至2018年间推动人工智能发展的具体思路和内容，目的在于充分发挥人工智能技术创新的引领作用，支撑各行业领域"互联网＋"创业创新，培育经济发展新动能。这不仅在

人工智能控制技术的发展与研究现状

人工智能控制技术的发展与研究现状人工智能控制技术的发展与研究现状综述 1.人工智能的定义 人工智能(Artificial Intelligence)，英文缩写为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。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(DarEmouth)学会上提出的。自此，研究者们发展了众多理论和原理，人工智能的概念也随之展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 尽管对于人工智能控制的定义，学术界有许多种说法和定义方式，但他们的本质都是一致的。人工智能控制就是研究怎么样利用机器模仿人脑从事推理规划、设计、思考、学习等思维活动，解决迄今认为需要由专家才能处理好的复杂问题。人工智能是一个大科学的通称，它所覆盖的研究领域非常广，涉及到研究内容非常丰富。从实用观点看，人工智能是一门知识工程学，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 2.人工智能控制技术的发展历史

论人工智能的发展历程

论人工智能的发展历程 王鑫涛16151228 摘要：人工智能的发展、人工智能的应用、人工智能的未来 关键字：人工智能、阿尔法围棋、AI 正文：近几年，人工智能这个话题变得越来越热门，尤其是在今年三月份的一场举世瞩目的人机围棋大赛后，人工智能这个话题在人们之间也是越来越普遍地被谈论。2016年3月，阿尔法围棋（AlphaGo）与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜，不少职业围棋手认为，阿尔法围棋的棋力已经达到甚至超过围棋职业九段水平，在世界职业围棋排名中，其等级分曾经超过排名人类第一的棋手柯洁。那么，阿尔法围棋是什么呢，为什么这么厉害？阿尔法围棋（AlphaGo）是一款围棋人工智能程序，由谷歌（Google）旗下DeepMind公司的戴密斯·哈萨比斯、大卫·席尔瓦、黄士杰和与他们的团队开发，其主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。通过上述所所，可见现在的人工智能已发展到一个相当高相当先进的程度了，那么，人工智能又是怎么一步步发展到今天的呢，它的未来又会是如何？我在这里就说一下自己对人工智能浅薄的见解。

一、什么是人工智能 人工智能(Artificial Intelligence),英文缩写为AI，也称机器智能。“人工智能”一词最初是在1956年的Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能与人类智能相似的方式做出反应的智能机器。人工智能的发展史是和计算机科学与技术的发展史联系在一起的，目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能在21世纪必将为发展国民经济和改善人类生活做出更大的贡献。 人类的科学演变已从单一的“数值计算”发展到系统的“逻辑计算”。人类正在将信息工程学逐步提入到计算机系统中，从而出现了“信息管理”“和“信息交换”等科学的迫切需求。而加速扩大“信息处理”层面来说，现有的计算机的处理数据能力是匹配不了的，缺少领域专业“智能”。这样的“计算机科学”已无法适应信息科学的发展需求。全球的信息科学正在逐步形成，Al作为现代信息科学发展的核心。从古至今人们对提及智能相关的问题就很感兴趣，只不过在计算机没有发明之前，没有任何高科技辅助工具能解开智能的奥秘。

《2019年国内外人工智能技术发展概况》

表1-4部分省市出台的人工智能政策 从上述不同层面出台的政策看,在国内经济正处于新旧动能转换的关键窗口期,政府正在大力推动人工智能在社会各个领域的深度布局三 1.2国内外人工智能技术发展概况 1.2.1人工智能学术研究总体态势 人工智能的快速发展,在技术与理论层面,离不开学术界的持续二深度研究与拓展三 1.论文与活动方面 近几年,学术界对人工智能的研究与探索,一直处于高度活跃状态三来自斯坦福大学发布的‘2019人工智能索引报告“(2019A I I n d e xR e p o r t)指出,从1998年到2018年,同行评议的人工智能论文数量增长了300%以上,占同行评议期刊出版物的3%,占已发表会议论文的9%;而人工智能会议的出席人员也越来越多,2019年,仅神经信息处理系统大会(N e u r I P S,全球最受瞩目的人工智能和机器学习领域的顶级盛会之一)就有13500人参加,比2018年增长41%,比2012年增长800%三A A A I(t h eA s s o c i a t i o n f o r t h eA d v a n c e o fA r t i f i c i a l I n t e l l i g e n c e,美国人工智能协会)和C V P R[I E E E (I n s t i t u t eo fE l e c t r i c a la n d E l e c t r o n i c sE n g i n e e r s,国际电气与电子工程师协会)C o n f e r e n c eo n C o m p u t e rV i s i o na n dP a t t e r nR e c o g n i t i o n,I E E E国际计算机视觉与模式识别会议]会议出席人员也增长了30%三 在中国知网(C N K I)平台中,以主题关键词 人工智能 进行搜索,2014年1月1日至2019年12月16日期间,中国本地学者发表的人工智能相关论文总量如图1-2所示三通过图表我们能看出,中国学者在人工智能的学术研究方面,一直处于高位增长三 2.专利申请与公开情况 我们以 人工智能 深度学习 机器学习 等关键词,在中国智慧芽专利数据库中检索,按年度处理得到图1-3三通过图表,我们感受到世界范围内涉及人工智能的专利公开量正在快速攀升三

国外人工智能教学应用研究综述

龙源期刊网 https://www.docsj.com/doc/7315656105.html, 国外人工智能教学应用研究综述 作者：郭炯荣乾郝建江 来源：《电化教育研究》2020年第02期 [摘; ;要] 人工智能技术在教育教学中的应用日渐丰富，国内关于人机协同的研究多偏向于宏观理论探索，实践研究较少。鉴于此，研究以近三年三本具有国际影响力的期刊中人工智能教学应用相关文献为样本，以人工智能局部替代教学、赋能教学为焦点，分析国外人工智能教学应用研究现状。从中可以看出，当前国外研究者在探索认知特征、学习本质和教育规律的基础上，关注将机器学习、逻辑推理、自然语言理解等人工智能技术嵌入各类教学、学习、决策等工具、系统、平台中，支持构建体验学习情境、规范学习行为、评估学业水平和能力结构、制定个性化学习路径和内容等研究，旨在通过人机协同优化教学方式与路径，为学习者提供个性化学习服务。这些研究成果对开发人工智能教学产品、理解学习的本质、探索教学规律等提供了方法指导和可供借鉴的研究范式，但也存在人工智能教学应用研究狭窄化、碎片化、微观化等问题，后期还需从宏观、中观层面开展人工智能与教学的关系研究、人工智能教学应用关键技术研究、人工智能赋能教师的理论基础研究、人工智能与教学融合形态研究、人机协同背景下的教师人工智能教学应用素养研究等。 [关键词] 人工智能; 教学应用; 人机协作; 研究综述; 替代教师; 赋能教师 [中图分类号] G434; ; ; ; ; ; [文獻标志码] A 一、引; ;言 人工智能（Artificial Intelligence，AI）在教育教学中的应用越来越受到重视，大量基于 AI的教育教学工具应用在不同的场景中，逐步被教育者和学习者接纳。研究者也开始对其在教学过程中引发的变革进行积极探讨。国内学者从人工智能对教师职业的再造、人工智能教师在未来教育教学中代替人类所承担的角色、智能时代的教师工具、人工智能时代教师角色与思维的转变等方面进行了研究。主流观点认为，人工智能在可预见的未来并不会完全替代教师，但未来将会是教师与人工智能协作共存的教育新生态[1-4]。但此类研究多偏向于理论探讨、宏观分析，结合案例的教学实证研究较少。国外人工智能教育研究起步早，且更加注重实证研究，可为国内人工智能教学应用的研究与实践提供借鉴。本研究从国外文献入手，选取在国际教育技术领域影响力较大的三本期刊（Computers & Education、International Journal of Artificial Intelligence in Education、Journal of Educational Technology and Society）作为文献来源，从人机协作的视角关注近三年与人工智能教学应用相关的研究。 二、人工智能教学应用研究概述 （一）人工智能教学研究的发展

国外人工智能发展及应用

国外人工智能发展及应用 提起人工智能首先要从程序AlphaGo说起。在以5:0大胜欧洲围棋冠军樊麾之后，AlphaGo又在3月以4:1的比分战胜世界围棋顶级高手李世石，引起了举世瞩目的轰动，也成为了人工智能领域的一个里程碑事件。至此，人工智能已经在完全信息的棋类对战游戏中全面战胜人类对手。实际上，AlphaGo之所以能够取得如此大的胜利，是由多方面的技术进步共同作用，使得人工智能技术临近引爆点。 AlphaGo在赛前不仅掌握了3000万步大师秘笈，还进行了3000万局的自我对弈，积累了丰富的经验。其次是计算能力大幅度提升。一方面，AlphaGo采用了1920个CPU外加280个GPU，其理论计算能力达到2332TFLOPS，约相当于深蓝的21万倍，神经元的2500亿倍。另一方面，云计算的发展也将这些计算能力完美地结合起来，使得这些CPU、GPU能够高度协同工作。第三是人工智能算法的进步。经历了十多年的发展，蒙特卡洛搜索、深度学习、强化学习等算法日臻成熟，而AlphaGo的快速走子策略也使得他能够在短时间内作出落子决策，达到实战的时间要求。不仅如此，从近几年Gartner的发布的技术成熟度曲线来看，生物芯片、微数据中心、智能机器人、自然语言问答、虚拟现实、增强现实、自动驾驶等都将会在5~10年内达到生产力平稳期，而同声传译、机器学习、自动区域驾驶等技术所需时间仅为2~5年。 为抓住难得的发展机遇，发达国家纷纷加快人工智能技术创新与战略布局，将人工智能做为提升国家竞争力的重要战略取向和重要抓手，力图占领产业发展新的制高点，这也使得人工智能成为了各国综合竞争力角逐的主战场。美国对人工智能尤其重视。DARPA秉持"保持美国技术的领先地位、纺织潜在对手意想不到的超越"的宗旨，自2010年开始长期扶持人工智能在军事、医疗、航空航天等各领域应用，2015年的DARPA未来技术论坛更是直接将"太空机器人、自主人工智能到地外生命及神经科学"列为讨论主题。2013年4月发布了总统项目"推进创新神经技术脑研究计划"。2015年发布的"美国国家创新战略"将与人工智能息息相关的9大领域作为优先发展的对象加以主动支撑，包括精密医疗、卫生保健、大脑计划、先进汽车、智慧城市、清洁能源与节能技术、教育技术、太空探索和高性能计算等。美国智库战略与国际研究中心(CSIS)在去年发布的《国防2045：

1.2 人工智能的发展史

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

国外的智能小区案例国外人工智能研究现状

国外的智能小区案例国外人工智能研究现状探讨人工智能，就要回答什么是智能的问题，综合各类定义，智能是一种知识与思维的合成,是人类认识世界和改造世界过程中的一种分析问题和解决问题的综合能力以下是精心的国外人工智能研 究现状的相关资料，希望对你有帮助! 探讨人工智能，就要回答什么是智能的问题，综合各类定义，智能是一种知识与思维的合成,是人类认识世界和改造世界过程中的一种分析问题和解决问题的综合能力。对于人工智能，美国麻省理工学院的温斯顿教授提出“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”，斯坦福大学人工智能研究中心尼尔逊教授提出“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学”。综合来看人工智能是相对人的智能而言的。其本质是对人思维的信息过程的模拟，是人的智能的物化。是研究、开发模拟、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。 人工智能经过信息采集、处理和反馈三个核心环节，综合表现出智能感知、精确性计算、智能反馈控制，即感知、思考、行动三个层层递进的特征。

智能感知：智能的产生首先需要收集到足够多的结构化数据去表述场景，因此智能感知是实现人工智能的第一步。智能感知技术的目的是使计算机能“听”、会“看”,目前相应的计算机视觉技术和自然语言处理技术均已经初步成熟，开始商业化尝试。 智能处理：产生智能的第二步是使计算机具备足够的计算能力模拟人的某些思维过程和行为对分析收集来的数据信息做出判断，即对感知的信息进行自我学**、信息检索、逻辑判断、决策，并产生相应反映。具体的研究领域包括知识表达、自动推理、机器学**等，与精确性计算及编程技术、存储技术、网络技术等密切相关，是大数据技术发展的远期目标，目前该领域研究还处于实验室研究阶段，其中机器学**是人工智能领域目前热度最高，科研成果最密集的领域。 智能反馈：智能反馈控制将前期处理和判断的结果转译为肢体运动和媒介信息传输给人机交互界面或外部设备，实现人机、机物的信息交流和物理互动。智能反馈控制是人工智能最直观的表现形式，其表达能力展现了系统整体的智能水平。智能反馈控制领域与机械技术、控制技术和感知技术密切相关，整体表现为机器人学，目前机械技术受制于材料学发展缓慢，控制技术受益于工业机器人领域的积累相对成熟。 (二)深度学**是当前最热的人工智能研究领域

人工智能的发展历程

人工智能与虚拟现实技术在教育领域中的研究成果和应用情况 人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。 人工智能发展简史 1. 萌芽期（1956年以前） 自古以来，人类就力图根据认识水平和当时的技术条件，企图用机器来代替人的部分脑力劳动，以提高征服自然的能力。公元850年，古希腊就有制造机器人帮助人们劳动的神话传说。在我国公元前900多年，也有歌舞机器人传说的记载，这说明古代人就有人工智能的幻想。 随着历史的发展，到十二世纪末至十三世纪初年间，西班牙的神学家和逻辑学家Romen Luee试图制造能解决各种问题的通用逻辑机。十七世纪法国物理学家和数学家B.Pascal制成了世界上第一台会演算的机械加法器并获得实际应用。随后德国数学家和哲学家，即通过符号体系，对对象的特征进行推理，这种"万能符号"和"推理计算"的思想是现代化"思考"机器的萌芽，因而他曾被后人誉为数理逻辑的第一个奠基人。十九世纪英国数学和力学家C.Babbage致力于差分机和分析机的研究，虽因条件限制未能完全实现，但其设计思想不愧为当时人工智能最高成就。 进入本世纪后，人工智能相继出现若干开创性的工作。1936年，年仅24岁的英国数学家"理想计算机"的论文中，就提出了著名的图林机模型，1945年他进一步论述了电子数字计算机设计思想，1950年他又在"计算机能思维吗？"一文中提出了机器能够思维的论述，可以说这些都是图灵为人工智能所作的杰出贡献。1938年德国青年工程师Zuse研制成了第一台累计数字计算机Z-1，后来又进行了改进，到1945年他又发明了Planka.kel程序语言。此外，1946年美国科学家，美国数学家，英国生物学家，这一切都为人工智能学科的诞生作了理论和实验工具的巨大贡献。 2. 形成时期（1956-1961） 1956年在美国的Dartmouth大学的一次历史性的聚会被认为是人工智能学科正式诞生的标志，从此在美国开始形成了以人工智能为研究目标的几个研究组：如Newell和Simon的Carnegie-RAND协作组；Samuel和Gelernter的IBM 公司工程课题研究组；Minsky和McCarthy的MIT研究组等，这一时期人工智能的研究工作主要在下述几个方面。 1957年A.Newell、J.Shaw和H.Simon等人的心理学小组编制出一个称为逻辑理论机LT(The Logic Theory Machine)的数学定理证明程序，当时该程序证明了"数学原理"一书第二章中的38个定理（1963年修订的程序在大机器上终于

人工智能研究现状综述

郑州大学 学院：软件学院 专业名称：软件工程 姓名：陈俊奎 学号：20127611504 综述课题：人工智能研究现状综述

人工智能研究现状综述 陈俊奎（20127611504） 摘要：人工智能是20世纪计算机科学发展的重大成就，在许多领域有着广泛的应用。近年来，随着人工智能理论技术的不断发展，以模糊技术、人工神经网络和遗传算法为代表的智能理论方法在电力系统领域得到了十分广泛的应用。本文从探讨人工智能的概念出发，阐述了对“智能”的理解在研究中的地位，简要介绍了人工智能的三个阶段的发展简史、当前的研究与应用热点，并指出人工智能的进一步发展依赖于更先进的数学工具,介绍了人工智能研究的历史与现状, 并分析了人工智能与具体领域相结合形成的不同学科领域, 阐述了人工智能主要的应用领域, 并从哲学的角度对人工智能能否超过人的智能这个问题进行了分析, 最后介绍了人工智能未来的发展趋势及潜力。 关键词：计算机科学机器人人工智能发展趋势及潜力 Artificial intelligence research status were reviewed Chen Junkui (20127611504). Abstract:The artificial intelligence (AI) is a major achievement in the development of computer science in the 20th century, has been widely used in many fields. In recent years, with the continuous development of the technique of artificial intelligence theory, based on the fuzzy technology, artificial neural network and genetic algorithm as a representative of intelligence theory method has been very widely used in the field of power system. This paper discusses the concept of artificial intelligence, this paper

(总结452类)人工智能综述

人工智能 “人工智能”( )简称。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，是计算机科学的一个分支。是计算机科学技术的前沿科技领域。 人工智能虽然是计算机科学的一个分支，但它的研究却不仅涉及到计算机科学，而且还涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知(思维)科学、行为科学和数学以及信息论、控制论和系统论等许多学科领域。因此，人工智能实际上是一门综合性的交叉学科和边缘学科。 在世界各地对人工智能的研究很早就开始了。但对人工智能的真正实现要从计算机的诞生开始算起，这时人类才有可能以机器实现人类的智能。这个英文单词最早是在年的一次会议上提出的，在此以后．因为一些科学家的努力使它得以发展。但人工智能的进展并不像我们期待的那样迅速，因为人工智能的基本理论还不完整．我们还不能从本质上解释我们的大脑为什么能够思考，这种思考来自于什么，这种思考为什么得以产生等一系列问题。但经过这几十年的发展，人工智能正在以它巨大的力量影响着人们的生活[]。 一、人工智能涉及的技术或方法的基本功能、特点与适用对象 目前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域[]： ) 问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和施工全过程管理人员所应用。有些程序甚至还能够用经验来改善其性能。 ) 逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 ) 理解自然语言 ( )自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序。这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上