当我开始学习人工智能：简要介绍

这可太难了，上课不想听，下课学不进去，真的，我哭死

---

人工智能的一般解释： 人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能、计算机智能 知识 人们通过体验、学习或联想而知晓的对客观世界规律性的认识，包括事实、条件、过程、规则、关系和规律等。 智能 一种应用知识对一定环境或问题进行处理的能力或者进行 抽象思考的能力。 智能机器 能够在各类环境中自主地或交互地执行各种拟人任务的机器。 AI (能力) 智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。 AI (学科) 计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期目标在于研究用机器来模仿和执行人脑的某些功能，并开发相关理论和技术。

孕育期(1956年前) 形成期(1956-1970年) 暗淡期（ 1966 -1974年) 知识应用期（1970 - 1988年) 集成发展期(1986年至今)

孕育期

亚里斯多德（公元前384—322）：古希腊伟大的哲学家和思想家，创立了演绎法。他提出的三段论至今仍然是演绎推理的最基本出发点。

莱布尼茨(1646—1716)：德国数学家和哲学家，把形式逻辑符号化，奠定了数理逻辑的基础。智能科学与技术系

图灵(1912—1954)：英国数学家，1936年创立了自动机理论亦称图灵机1950年在其著作《计算机器与智能》中首次提出“机器也能思维” ，被誉为“人工智能之父”。

莫克(1907—1980)：美国数学家、电子数字计算机的先驱，1946年研制成功了世界上第一台通用电子数字计算机ENIAC。智能科学与技术系

麦克洛奇和皮兹：美国神经生理学家，1943年建成第一个神经网络模型(MP模型)。维纳(1874—1956) ：美国著名数学家、控制论创始人。1948年创立了控制论。控制论对人工智能的影响，形成了行为主义学派。

形成期

AI诞生于一次历史性的聚会—达 特茅斯会议 1956年夏季，年轻的美国学者麦卡锡、明斯基、朗彻斯特和香农共同发起，邀请莫尔、塞缪尔、 纽厄尔和西蒙等参加在美国达特茅斯大学举办了一次长达2个多月的研讨会，热烈地讨论用机器模拟人类智能的问题。会上，首次使用了 “人工智能”这一术语。这是人类历史上第一次 人工智能研讨会，标志着人工智能学科的诞生，具有十分重要的历史意义。智能科学与技术系

形成期 （1956-1970） 迅速发展，过于乐观 1956年，塞缪尔在IBM计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序。 1957年，纽厄尔、肖(Shaw)和西蒙等研制了一个称为逻辑理论机（LT)的数学定理证明程序。 1958年，麦卡锡建立了行动规划咨询系统。 1960年纽厄尔等研制了通用问题求解(GPS)程序。麦卡锡研制了人工智能语言LISP。 1961年，明斯基发表了“走向人工智能的步骤”的论文，推动了人工智能的发展。 1965年，鲁宾逊提出了归结（消解）原理。

暗淡期

过高预言的失败，给AI的声誉造成重大伤害。

塞缪尔的下棋程序在与世界冠军对弈时，以1 比4告负。 归结法的能力有限。当用归结原理证明“两连续函数之和仍然是连续函数”时，推了10万步也没证明出结果来。 把“心有余而力不足” (The spirit is willing but the flesh is weak)的英语句子翻译成俄语，再翻译回来时竟变成了“酒是好的，肉变质了” 英国剑桥大学数学家詹姆士按照英国政府的旨意，发表一份关于人工智能的综合报告，声称人工智能即使不是骗局也是庸人自扰 。

知识应用期

专家系统

实现了人工智能从理论研究走向专门知识应用，是AI发展史上的一次重要突破与转折。 1972-1976年，费根鲍姆研制MYCIN专家系统，用于协助内科医生诊断细菌感染疾病，并提供最佳处方。 1976年，斯坦福大学的杜达等人研制地质勘探专家系统PROSPECTOR。 计算机视觉、机器人、自然语言理解、机器翻译等AI应用研究获得发展。同时也出现新的问题

专家系统的不足：应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、没有分布式功能、不能访问现存数据库等，促进专家系统的改进与发展。机器学习、人工神经网络、智能机器人和行为主义研究趋向热烈和深入。 智能计算 (CI）弥补了人工智能中在数学理论和计算上的不足，更新和丰富了人工智能理论框架，使人工智能进入一个新的发展时期 。

• “尤金” 在2012年图灵诞辰100周年的比赛上，以29.2%的成绩，险些通过图灵测试。 • 库兹韦尔预言,在2045年跨越人工智能超过人类智能的“奇点”。 • 苹果于2011年正式推出人工智能计划CALO的Siri语音助理，推广到亿万人的手机上。 • 2012年，多伦多大学的Geoffery Hinton宣布在机器深度学习领域（Deep Learning）达成重大突破，模拟人类神经元的重要发明忆阻器，和高通的神经网络芯片也相继诞生，人工智能研究的软硬件条件都已基本具备。

Hinton与库兹韦尔一起加入Google的X实验室，谷歌的战略则开始疯狂向人工智能倾斜。 IBM推出超级计算机Watson，并在电视智力竞赛中战胜人类对手，该公司将语音识别的精度提高了30%，并推出类Siri功能“Cortana个人助理”。中国的玩家百度深度学习研究院，公布了 “百度大脑”项目，宣布该项目已能模拟人脑的200亿个神经元，达到两三岁孩童的智力水平——这意味着百度的进度已经是谷歌此前10亿个神经元的20倍，在不声不响中做到了全球领先。

一个完善的符号系统应具有下列6种基本功能： (1) 输入符号(input)； (2) 输出符号(output); (3) 存储符号(store); (4) 符号(copy); (5) 建立符号结构：在符号系统中形成符号结构； (6) 条件性迁移:根据已有符号，继续完成活动过程。

可以把人看成一个智能信息处理系统 如果一个物理符号系统具有上述全部6种功能，能够完成这个全过程，那么它就是一个完整的物理符号系统。人具有上述6种功能；现代计算机也具备物理符号系统的这6种功能。 物理符号系统的假设 任何一个系统，如果它能表现出智能，那么它就必定能够执行上述6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能；这种智能指的是人类所具有的那种智能。把这个假设称为物理符号系统的假设。