1、以演算式表达的数学问题。这种机器被命名为“图灵机”。成为了现代计算机的理论基础。 1950 年 阿兰 图灵出版计算机与智能。书中提到用来检验机器智能是否与人类相当的 “图灵测试”：如果一台机 器能够与人类展开对话且不能被辨别出其机器身份，那么，就称这台机器具有智能。同年，科幻作家艾萨克阿西莫夫提出“机器人三定律”，为人工智能的设计与制造提供了准则。 5 1956 年 第一节人工智能会议在美国达特茅斯学院召开，标志着人工智能领域正式诞生。同年，艾伦纽厄尔和赫伯特 A西蒙开发出了一个名为“逻辑理论家”的程序，能够证明数学原理中的 38 个定理，其中某些证明比原著更新颖和精妙。 1958 年 约翰麦
2、卡锡发明了 Lisp 编程语言，后来被广泛运用于人工智能和计算机领域。 1963 年 美国国防部高级研究 计划局（ DARPA）给麻省理工学院、卡内基梅隆大学的人工智能研究组投入了大量经费，人工智能的研究迎来了第一个高潮 1964 年 麻省理工学院的丹尼 巴洛向世人展示，电脑能掌握足够的自然语言从而解决了开发计算机代数词汇程序的难题。 1965 年 约瑟夫 魏岑堡建造了 ELIZA一种互动程序，它能以英语与人就任意话题展开对话。 1969 年 斯坦福大学研制出 Shakey一种集运动、理解和解决问题能力于一身的机器人。 1973 年 英国数学家詹姆斯莱特希尔报告称人工智能最多只能在棋类游戏上达
3、到比较有经验的业余选手水平，永远无法胜任常识推理和人脸识别这样的工作。导致英国政府大幅缩减了对人工智能的研究投资。同时 DARPA 也对美国人工智能研究感到失望取消了卡内基梅隆大学人工智能研究的投资，人工智能第一次陷入寒冬 1979 年 第一台电脑控制的自动行走器 “ 斯坦福车 ” 诞生。 人工智能 2.0：数据驱动 6 人工智能发展的第二个阶段，是数据推动人工智能更新迭代的阶段。这个阶段，可获得和分析的数据量级的增长，不仅磨练和提高了大计算的能力，使人工智能的大规 模运算成为可能，并且也反过来倒逼了数据的采集、清洗和积累，以及相应的软硬件基础设施的发展，推动了大数据行业的腾飞。大公司在这个阶
4、段发挥出了规模优势，训练数据的获取和积累，成为了推动人工智能发展第二波高潮的主要动力 。在这个阶段的历史性事件有： 1982 年 物理学家约翰霍普菲尔德证明使用神经网络可以让计算机以崭新的方式学习并处理信息。同时戴维鲁梅哈特推广了由保罗韦尔博斯发明的反向传播算法（ BP 算法），是的大规模神经网络训练成为可能。使人工智能迎来第二波高潮。同时标志着人工智能正式进入了数据驱动时代。 1983 年 世界第一家批量生产统一规格电脑的公司 “ 思考机器 ” 诞生。 1987 年 人工智能硬件设备遭遇突然挫败，原因是苹果公司和 IBM 公司设计的一系列台式计算机性能稳步提升，赶上了人工智能设备，甚至还有价
5、格上的优势，以至于没有人选择人工智能设备了。人工智能再次陷入低谷。 1994 年 西洋跳棋程序 Chinook 打败了世界排名第二的人类选手廷斯利。 1997 年 IBM（国际商用机械公司）制造的电脑 “ 深蓝 ” 击败了国际象棋冠军加里 卡斯帕罗夫。 “深蓝”在 1 秒内能够计算两亿种可能的位置，可搜索并估计随后的 12步棋。 2000 年 互动机械宠物面世。麻省理工学院推出了会做数十种面部表情的机器人Kisinel。 人工智能 3.0：情境驱动（进一步推动新技术驱动，通用性 AI/超级 AI） 7 人工智能发展的第 三 个阶段，是 情境 推动人工智能 更深入到具体应用的阶段 。 随着人工智
6、能的技术发展和数据积累，行业逐渐发现 短期内通用智能和强人工智能是难以实现的，数据分布的情境化特性使得人工智能在特定情境下的垂直发展成为了可能。 这个阶段， 新的实用情境的识别与发现，以及对该情境的人工智能解决方案的研究极大的推动了人工智能行业的丰富和前进 。在这个阶段的历史性 事件有： 2005 年 Stanford 开发的一台机器人在一条沙漠小径上成功地自动行驶了 131 英里，赢得了 DARPA 挑战大赛头奖。同年 ， 波士顿动力公司的专家创造了四腿机器人大狗。这个项目是由美国国防高级研究计划局资助的，源自国防部为军队开发新技术的任务。 2010 年 塞巴斯蒂安 特龙领导的谷歌无人驾驶汽
7、车曝光，当时已经创下了超过 16万千米无事故的纪录。 2011 年 苹果公司发布手机语音助手 Siri，它可以 “ 理解 ” 人类讲的话并根据用户的偏好从网上搜索信息，为用户导航，播报天气，或是推荐附近的餐馆，甚至与客户进行简单的聊天。 2013 年 谷歌 Atlas 机器人公开亮相。 Atlas 是一个双足人形机器人，由美国波士顿动力公司为主开发，和由美国国防部国防高等研究计划署（ DARPA）的资助和监督。这个身高 6 英尺 (1.8 米 )的机器人是专为各种搜索及拯救任务而设计。 2016 年 谷歌旗下的 Deepmind 公司研发的人工智能围棋程序 AlphaGo 以 4:1 的比分战
8、胜了世界冠军李世石， 震惊了世界，围棋因为其复杂性被认为是机器最难战胜人类的领域，但 AlphaGo 通过深度学习和神经网络技术赋予了机器 “ 直觉 ” 以及自我学习能8 力，最终征服了围棋，成为了人工智能时尚的又一里程碑，也让我们对人工智能的未来中充满了信心。 2016 年 苹果用户可以正式更新全新的 iOS 10 系统，更新后的 iOS 系统可以让用户随意找到在任意时间和地点、有关任意人或事物的照片。 iOS 10 系统利用了人工智能神经网络技术，用户每次拍摄照片的 0.1 秒内会进行约 110 亿次运算，可以找出照片中的人物是谁，甚至以及他们处于什么样的情绪 。 2016 年 谷歌 De
9、epMind 改进了深度学习算法使其变为单次学习，让人工智能可以仅通过一个例子就辨认出图像中的事物 。 B. 国内 人工智能行业发展 中国的人工智能发展始于 改革开放 年代，也经历过这三个阶段。中国 人工智能的发展在汲取西方先进科学技术的同时，也发展出了自己独特的模式方向，以及惊人的速度。 我国是从 1978 年才开始人工智能课题的研究，主要在定理证明、汉语自然语言理解、机器人及专家系统方面设立课题，并取得一些初步成果。我国也先后成立中国人工智能学会、中国计算机学会人工智能和模式识别专业委员会和中国自动化学会模式识别与机器智能专业委员会等学术团体，开展这方面的学术交流。此外国家还着手兴建了若干
10、个与人工智能研究有关的国家重点实验室，这些都将促进我国人工智能的研究，为这一学科的发展作出贡献。纳入国家计划的 “ 智能模拟 ” 研究始于 1978 年； 1984 年召开了智能计算机及其系统的全国学术讨论会； 1981 年起， 相继成立了中国人工智能学会（ CAAI）等学术团体； 1986 年起把智能计算机系统、智能机器人和智能信息处理（含模式识别）等重大项目列入国家高技术研究计划； 1993 年起，又把智能控制和智能自动化等项目列入国家科技攀登计划。进入 21 世纪后，有更多的人工智能与智能系统研究获得各种基金计划9 支持，各个领域的人工智能的创业团队鲸吞了 2015 年以来的一大大部分创
11、业资本市场，在中国掀起了人工智能的发展高潮。 在关于人工智能理论研究方面，国内学者除沿袭国外三大人工智能学派理论之外，具有代表性的还有：我国人工智能学科的主 要奠基人、中国人工智能学会的主要创始人之一涂序彦提出的广义人工智能（ GAI），北京邮电大学钟义信教授提出的机制主义理论，北京师范大学教授刘晓力倡导的以 “ 认知是算法不可完全的 ” 理念为基础的研究纲领等。现在，我国已有数以万计的科技人员和大学师生从事不同层次的人工智能研究与学习。人工智能研究已在我国的深入开展，必将为促进其它学科的发展和我国的现代化建设做出新的重大贡献。 2、 人工智能市场预测 根据 IDC 新的一份全球半年度认知 /
12、人工智能系统开支指南，认知 /人工智能解决方案市场在 2016 年 2020 年预测期内的复合年增长 率（ CAGR）将达到 55.1%，认知计算和人工智能（ AI）在各行各业中的广泛应用将推动其全球收入从 2016 年的近 80 亿美元增加到 2020 年的 470 多亿美元。 根据国外调查机构 Tractica 的统计预测数字，到 2024 年人工智能的市场规模将达到406 亿美元，也就是 2700 亿人民币。 2015 年，人工智能市场规模为 490 亿元，还不及2024 年的 1/8，整个人工智能市场将呈现出爆炸式增长。 经济学人发表文章显示，大型公司在加紧收购 AI 创业公司，招聘科研人员，文章也写道，在 2015 年，大型公司在 AI 企业上共花费了 85 亿美金，是 2010 年的 4 倍。 根据 CB Insights 统计，仅在 2016 年上半年， 200 家 AI 企业筹资高达 15 亿美元。
