锐客网

  1. 首页 > 睿知 > it技术 > >

人工智能人工神经网络,神经元网络 人工智能

神经网络

人工智能人工神经网络,神经元网络 人工智能
文章图片

美国和日本的哪所大学人工智能，计算机专业比较好 美国无疑是MIT最好，其次是斯坦福、卡内基梅隆、加州大学伯克利分校、华盛顿大学、德州大学奥斯丁分校、宾州大学、康奈尔等。日本我知道东京大学，早稻田大学这方面比较强，但这个我了解不够全面。
计算机也是上述几个大学排名最前（硕士），另外加上普林斯顿和佐治亚理工学院。
日本查了一下资料，排名是：1东京大学3KyotoUniversity京都大学5UniversityofTsukuba筑波大学12NagoyaUniversity名古屋大学13OsakaUniversity大阪大学15KeioUniversity庆应义塾大学27TokyoInstituteofTechnology东京工业大学28KyushuUniversity九州大学36KobeUniversity神户大学48OkayamaUniversity冈山大学54RitsumeikanUniversity立命馆大学55HiroshimaUniversity广岛大学实际上早稻田在计算机方面也是很强的。
谷歌人工智能写作项目：爱发猫
人工智能人工神经网络,神经元网络 人工智能
文章图片

计算机之父和人工智能之父分别是谁 计算机之父冯·诺依曼，人工智能之父马文·明斯基写作猫。冯·诺依曼，原籍匈牙利，布达佩斯大学数学博士。
20世纪最重要的数学家之一，在现代计算机、博弈论、核武器和生化武器等领域内的科学全才之一，被后人称为“计算机之父”和“博弈论之父”。马文·明斯基是“人工智能之父”和框架理论的创立者。
和麦卡锡一起在1956年发起“达特茅斯会议”并提出人工智能概念的计算机科学家马文·明斯基被授予了1969年度图灵奖，是第一位获此殊荣的人工智能学者。
扩展资料：冯·诺伊曼是二十世纪最重要的数学家之一，在纯粹数学和应用数学方面都有杰出的贡献。
他的工作大致可以分为两个时期：1940年以前，主要是纯粹数学的研究：在数理逻辑方面提出简单而明确的序数理论，并对集合论进行新的公理化，其中明确区别集合与类。
其后，他研究希尔伯特空间上线性自伴算子谱理论，从而为量子力学打下数学基础；1930年起，他证明平均遍历定理开拓了遍历理论的新领域。1933年，他运用紧致群解决了希尔伯特第五问题。
此外，他还在测度论、格论和连续几何学方面也有开创性的贡献；从1936～1943年，他和默里合作，创造了算子环理论，即所谓的冯·诺伊曼代数。
二次世界大战以前，图灵正是在这里开始研究机器是否可以思考这个问题的，明斯基也在这里开始研究同一问题。1951年他提出了关于思维如何萌发并形成的一些基本理论，并建造了一台学习机，名为Snare。
Snare是世界上第一个神经网络模拟器，其目的是学习如何穿过迷宫，其组成中包括40个“代理”（agent，国内资料也有把它译为“主体”、“智能体”的）和一个对成功给予奖励的系统。
参考资料来源：百度百科——马文·明斯基参考资料来源：百度百科——约翰·冯·诺依曼。
人工智能的起源是什么？ 人工智能（ArtificialIntelligence）,英文缩写为AI,是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。
自问世以来AI经过波波折折，但终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。
不仅许多其他学科开始引入或借用AI技术，而且AI中的专家系统、自然语言处理和图象识别已成为新兴的知识产业的三大突破口。
人工智能的思想萌芽可以追溯到十七世纪的巴斯卡和莱布尼茨，他们较早萌生了有智能的机器的想法。十九世纪，英国数学家布尔和德o摩尔根提出了“思维定律“，这些可谓是人工智能的开端。
十九世纪二十年代，英国科学家巴贝奇设计了第一架“计算机器“，它被认为是计算机硬件，也是人工智能硬件的前身。电子计算机的问世，使人工智能的研究真正成为可能。
作为一门学科，人工智能于1956年问世，是由“人工智能之父“McCarthy及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在Dartmouth大学召开的会议上，首次提出。
对人工智能的研究，由于研究角度的不同，形成了不同的研究学派。这就是：符号主义学派、连接主义学派和行为主义学派。
传统人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。
物理符号系统是由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组成成分出现，可通过各种操作生成其它符号结构。物理符号系统假设认为：物理符号系统是智能行为的充分和必要条件。
主要工作是“通用问题求解程序“（GeneralProblemSolver,GPS）：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。
连接主义学派是从人的大脑神经系统结构出发，研究非程序的、适应性的、大脑风格的信息处理的本质和能力，研究大量简单的神经元的集团信息处理能力及其动态行为。人们也称之为神经计算。
研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程。行为主义学派是从行为心理学出发，认为智能只是在与环境的交互作用中表现出来。
人工智能的研究经历了以下几个阶段：第一阶段：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。
第二阶段：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、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。
并且，1969年成立了国际人工智能联合会议（InternationalJointConferencesonArtificialIntelligence即IJCAI）。
第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展日本1982年开始了“第五代计算机研制计划“，即“知识信息处理计算机系统KIPS“，其目的是使逻辑推理达到数值运算那么快。
虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。第四阶段：80年代末，神经网络飞速发展1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。
此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段：90年代，人工智能出现新的研究高潮由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。
不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。
人工智能已深入到社会生活的各个领域。
IBM公司“深蓝“电脑击败了人类的世界国际象棋冠军，美国制定了以多Agent系统应用为重要研究内容的信息高速公路计划，基于Agent技术的Softbot(软机器人)在软件领域和网络搜索引擎中得到了充分应用，同时，美国Sandia实验室建立了国际上最庞大的“虚拟现实“实验室，拟通过数据头盔和数据手套实现更友好的人机交互，建立更好的智能用户接口。
图像处理和图像识别，声音处理和声音识别取得了较好的发展，IBM公司推出了ViaVoice声音识别软件，以使声音作为重要的信息输入媒体。国际各大计算机公司又开始将“人工智能“作为其研究内容。
人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。
目前人工智能主要研究内容是：分布式人工智能与多智能主体系统、人工思维模型、知识系统（包括专家系统、知识库系统和智能决策系统）、知识发现与数据挖掘（从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识）、遗传与演化计算（通过对生物遗传与进化理论的模拟，揭示出人的智能进化规律）、人工生命（通过构造简单的人工生命系统（如：机器虫）并观察其行为，探讨初级智能的奥秘）、人工智能应用（如：模糊控制、智能大厦、智能人机接口、智能机器人等）等等。
人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。
未来人工智能的研究方向主要有：人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型、智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。
计算机“人工智能之父”是谁 图灵阿兰·麦席森·图灵（AlanMathisonTuring，1912.6.23—1954.6.7），英国数学家、逻辑学家，被称为人工智能之父。
1931年图灵进入剑桥大学国王学院，毕业后到美国普林斯顿大学攻读博士学位，二战爆发后回到剑桥，后曾协助军方破解德国的著名密码系统Enigma，帮助盟军取得了二战的胜利。
阿兰·麦席森·图灵，1912年生于英国伦敦，1954年死于英国的曼彻斯特，他是计算机逻辑的奠基者，许多人工智能的重要方法也源自于这位伟大的科学家。
他对计算机的重要贡献在于他提出的有限状态自动机也就是图灵机的概念，对于人工智能，它提出了重要的衡量标准“图灵测试”，如果有机器能够通过图灵测试，那他就是一个完全意义上的智能机，和人没有区别了。
他杰出的贡献使他成为计算机界的第一人，现在人们为了纪念这位伟大的科学家将计算机界的最高奖定名为“图灵奖”。
上中学时，他在科学方面的才能就已经显示出来，这种才能仅仅限于非文科的学科上，他的导师希望这位聪明的孩子也能够在历史和文学上有所成就，但是都没有太大的建树。少年图灵感兴趣的是数学等学科。
在加拿大他开始了他的职业数学生涯，在大学期间这位学生似乎对前人现成的理论并不感兴趣，什么东西都要自己来一次。大学毕业后，他前往美国普林斯顿大学也正是在那里，他制造出了以后称之为图灵机的东西。
图灵机被公认为现代计算机的原型，这台机器可以读入一系列的零和一，这些数字代表了解决某一问题所需要的步骤，按这个步骤走下去，就可以解决某一特定的问题。
这种观念在当时是具有革命性意义的，因为即使在50年代的时候，大部分的计算机还只能解决某一特定问题，不是通用的，而图灵机从理论上却是通用机。
在图灵看来，这台机器只用保留一些最简单的指令，一个复杂的工作只用把它分解为这几个最简单的操作就可以实现了，在当时他能够具有这样的思想确实是很了不起的。
他相信有一个算法可以解决大部分问题，而困难的部分则是如何确定最简单的指令集，怎么样的指令集才是最少的，而且又能顶用，还有一个难点是如何将复杂问题分解为这些指令的问题。
1936年，图灵向伦敦权威的数学杂志投了一篇论文，题为“论数字计算在决断难题中的应用”。
在这篇开创性的论文中，图灵给“可计算性”下了一个严格的数学定义，并提出著名的“图灵机”(TuringMachine)的设想。
“图灵机”不是一种具体的机器，而是一种思想模型，可制造一种十分简单但运算能力极强的计算装置，用来计算所有能想象得到的可计算函数。“图灵机”与“冯·诺伊曼机”齐名，被永远载入计算机的发展史中。
1950年10月，图灵又发表了另一篇题为“机器能思考吗”的论文，成为划时代之作。也正是这篇文章，为图灵赢得了“人工智能之父”的桂冠。
【英文简述】AlanMathisonTuring,OBE(23June1912–7June1954)wasanEnglishmathematician,logician,andcryptographer.Turingisoftenconsideredtobethefatherofmoderncomputerscience.TuringprovidedaninfluentialformalisationoftheconceptofthealgorithmandcomputationwiththeTuringmachine,formulatingthenowwidelyaccepted"Turing"versionoftheChurch–Turingthesis,namelythatanypracticalcomputingmodelhaseithertheequivalentorasubsetofthecapabilitiesofaTuringmachine.WiththeTuringtest,hemadeasignificantandcharacteristicallyprovocativecontributiontothedebateregardingartificialintelligence:whetheritwilleverbepossibletosaythatamachineisconsciousandcanthink.HelaterworkedattheNationalPhysicalLaboratory,creatingoneofthefirstdesignsforastored-programcomputer,althoughitwasneveractuallybuilt.In1948hemovedtotheUniversityofManchestertowork,largelyonsoftware,ontheManchesterMarkI,thenemergingasoneoftheworld'searliesttruecomputers.DuringtheSecondWorldWarTuringworkedatBletchleyPark,Britain'scodebreakingcentre,andwasforatimeheadofHut8,thesectionresponsibleforGermannavalcryptanalysis.HedevisedanumberoftechniquesforbreakingGermanciphers,includingthemethodofthebombe,anelectromechanicalmachinethatcouldfindsettingsfortheEnigmamachine.In1952,Turingwasconvictedof"actsofgrossindecency"afteradmittingtoasexualrelationshipwithamaninManchester.Hewasplacedonprobationandrequiredtoundergohormonetherapy.Turingdiedaftereatinganapplelacedwithcyanidein1954.Hisdeathwasruledasuicide.【生平】◆故事从谜开始英国现代计算机的起步是从德国的密码电报机——Enigma(谜)开始的，而解开这个谜的不是别人，正是阿兰·图灵，一个在计算机界响当当的人物，可与美国的冯·诺依曼相媲美的电脑天才。
在他短暂的生涯中，图灵在量子力学、数理逻辑、生物学、化学方面都有深入的研究，在晚年还开创了一门新学科——非线性力学。图灵英年早逝。
在他42年的人生历程中，他的创造力是丰富多彩的，他是天才的数学家和计算机理论专家。
24岁提出图灵机理论，31岁参与COLOSSUS的研制，33岁设想仿真系统，35岁提出自动程序设计概念，38岁设计“图灵测验”。这一朵朵灵感浪花无不闪耀着他在计算机发展史上的预见性。
特别是在60年代后当然，图灵最高的成就还是在电脑和人工智能方面，他是这一领域开天辟地的大师。为表彰他的贡献，专门设有一个一年一度的“图灵奖”，颁发给最优秀的电脑科学家。
这枚奖章就像“诺贝尔奖”一样，为计算机界的获奖者带来至高无上的荣誉。而阿兰·图灵本人，更被人们推崇为人工智能之父，在计算机业十倍速变化的历史画卷中永远占有一席之地。
他的惊世才华和盛年夭折，也给他的个人生活涂上了谜一样的传奇色彩。◆神童图灵图灵1912年6月23日出生于英国伦敦。其祖父曾获得剑桥大学数学荣誉学位，但他父亲的数学才能平平。
因此，图灵的家庭教育，对他以后在数学及计算机方面的成就并没有多少帮助。小时候的图灵生性活泼好动，很早就表现出对科学的探索精神。
据他母亲回忆，3岁时，小图灵就进行了他的首次实验，尝试把一个玩具木头人的小胳膊、小腿掰下来栽到花园里，等待长出更多的木头人。到了8岁，他更开始尝试写一部科学著作，题目为《关于一种显微镜》。
在这部很短的书中，天才儿童图灵拼错了很多单词，句法也有些问题，但写得还能让人看懂，很像那么一回事儿。
在书的开头和结尾，他都用同一句话“首先你必须知道光是直的”作前后呼应，但中间的内容却很短，短得破了科学著作的记录。图灵曾说：“我似乎总想从最普通的东西中弄出些名堂。
”就连和小朋友们玩足球，他也能放弃当前锋进球这样出风头的事，只喜欢在场外巡边，因为这样能有机会去计算球飞出边界的角度。他的老师认为：“图灵的头脑思维可以像袋鼠一样进行跳跃。”图灵是个天才。
他16岁就开始研究爱因斯坦的相对论。1931年，图灵考入剑桥大学国王学院，开始他的数学生涯，研究量子力学、概率论和逻辑学。在校期间，图灵还是现代语言哲学大师维特根斯坦班上最出色的学生。
他对由剑桥大学的罗素和怀特海创立的数理逻辑很感兴趣。数理逻辑的创建，主要源于古希腊克里特岛上有个叫爱皮梅尼特的“智者”，他说：“所有的克里特岛人都说谎”。我们可以把它简化为：“我说的这句话是假话”。
这就出现一种两面都无法自圆的怪圈：如果他没有说谎，那他这句话是错的，他是在说谎；如果他真的在说谎，那他说自己在说谎是对的，所以他又没有说谎。
罗素和怀特海把它从逻辑、集合论以及数论中驱逐出去，最后又想尽办法归入《数学原理》之中。图灵一上大学，就迷上了《数学原理》。
在1931年，著名的“哥德尔定理”出现后(该定理认为没有一种公理系统可以导出数论中所有的真实命题，除非这种系统本身就有悖论)，天才的图灵在数理逻辑大本营的剑桥大学提出一个设想：能否有这样一台机器，通过某种一般的机械步骤，能在原则上一个接一个地解决所有的数学问题。
大学毕业后，图灵去美国普林斯顿大学攻读博士学位，还顺手发明过一个解码器。在那里，他遇见了冯·诺依曼，后者对他的论文击节赞赏，并随后由此提出了“存储程序”概念。图灵学成后又回到他的母校任教。
在短短的时间里，图灵就发表了几篇很有份量的数学论文，为他赢得了很大的声誉。◆怪才图灵在剑桥，图灵可称得上是一个怪才，一举一动常常出人意料。他是个单身汉和长跑运动员。
在他的同事和学生中间，这位衣着随便、不打领带的著名教授，不善言辞，有些木讷、害羞，常咬指甲，但他更多地以自己杰出的才智赢得了人们的敬意。
图灵每天骑自行车上班，因为患过敏性鼻炎，一遇到花粉，就会鼻涕不止，大打喷嚏。于是，他就常常在上班途中戴防毒面具，招摇过市，这早已成为剑桥的一大奇观。图灵的自行车经常半路掉链子，但他就是不肯去车铺修理。
每次骑车时，他总是嘴里念念有词，在心里细细计算，这链条也怪，总是转到一定的圈数就滑落了，而图灵竟然能够做到在链条下滑前一刹那停车，让旁观者佩服不已，以为图灵在玩杂技。
后来图灵又居然在脚踏车旁装了一个小巧的机械记数器，到圈数时就停，歇口气换换脑子，再重新运动起来。1936年，图灵向伦敦权威的数学杂志投了一篇论文，题为《论数字计算在决断难题中的应用》。
在这篇开创性的论文中，图灵给“可计算性”下了一个严格的数学定义，并提出著名的“图灵机”(TuringMachine)的设想。
“图灵机”不是一种具体的机器，而是一种思想模型，可制造一种十分简单但运算能力极强的计算机装置，用来计算所有能想像得到的可计算函数。装置由一个控制器和一根假设两端无界的工作带(起存储器的作用)组成。
工作带被划分为大小相同的方格，每一格上可书写一个给定字母表上的符号。控制器可以在带上左右移动，它带有一个读写出一个你期待的结果。
外行人看了会坠入云里雾里，而内行人则称它是“阐明现代电脑原理的开山之作”，并冠以“理想计算机”的名称。这篇论文在纸上谈了一把兵，创造出一个“图灵机”来。
但现代通用电脑确实是用相应的程序来完成任何设定好的任务。这一理论奠定了整个现代计算机的理论基础。“图灵机”更在电脑史上与“冯·诺依曼机”齐名，被永远载入计算机的发展史中。
图灵机理论不仅解决了纯数学基础理论问题，一个巨大的“意外”收获则是，理论上证明了研制通用数字计算机的可行性。
虽然早在100年前的1834年，巴贝奇(CharkBabbage，1792～1871)就设计制造了“分析机”以说明具体的数字计算，但他的失败之处是没能证明“必然可行”。
图灵机理论不仅证明了研制“通用机”的可行性，而且比世界上第一台由德国人朱斯(K·Zuze)于1941年制造的通用程序控制计算机Z-3整整早5年。这不得不使人惊叹这一理论的深刻意义。
◆谜语图灵正当图灵的理论研究工作进一步深入时，战争爆发了。他被派往布雷契莱庄园承担“超级机密”研究。当时的布雷契莱庄园是一所“政府密码学校”，即战时的英国情报破译中心。
在这座幽静的维多利亚式建筑里，表面上鸟语花香、人迹罕见，其实每天都有12000多名志愿者在这里夜以继日地工作，截获、整理、破译德国的军事情报，有些结果甚至直达丘吉尔首相本人手中。
在这里，图灵被人们称为“教授”，没有人知道他的真名。当时德国有一个名为“Enigma”（谜）的通信密码机，破译高手们绞尽脑汁也难以破解。
这个难题交到了图灵手中，他率领着大约200多名精干人员进行密码分析，其中甚至还包括象棋冠军亚历山大。分析和计算工作非常复杂，26个字母在“Enigma”机中能替代8万亿个谜文字母。
如果改动接线，变化会超过2.5千万亿亿。最后多亏波兰同行们提供了一台真正的“Enigma”，图灵才凭借着他的天才设想设计出一种破译机。
这台机器主要由继电器构成，还用了80个电子管，由光电阅读器直接读入密码，每秒可读字符2000个，运行起来咔嚓咔嚓直响。它被图灵戏称为“罗宾逊”，至今没人能搞懂图灵究竟如何指挥它工作。
但"罗宾逊"的确神通广大，在它的密报下，德国飞机一再落入圈套，死无葬身之地。1945年，图灵带着大英帝国授予的荣誉勋章，来到英国国家物理研究所担任高级研究员。
两年后，图灵写了一份内部报告，提出了"自动程序"的概念，但由于英国政府严密、死板的保密法令，这份报告一直不见天日。
1969年，美国的瓦丁格(Woldingger)发表了同样成果，英国才连忙亮出压在箱底的宝贝，终于在1970年给图灵的报告“解密”。图灵的这份报告后来收入爱丁堡大学编的《机器智能》论文集中。
由于有了布雷契莱的经验，图灵提交了一份“自动计算机”的设计方案，领导一批优秀的电子工程师，着手制造一种名叫ACE的新型电脑。它大约用了800个电子管，成本约为4万英镑。
1950年，ACE电脑就横空出世，开始公开露面，为感兴趣的人们玩一些“小把戏”，赢得阵阵喝彩。图灵在介绍ACE的内存装置时说：“它可以很容易把一本书的10页内容记住。
”显然，ACE是当时世界上最快、最强劲的电子计算机之一。1946年，在纽曼博士的动议下，皇家学会成立电脑实验室。
纽曼博士是皇家学会会员，又是当年破译小组的成员，正是他对“赫斯·鲁宾逊”的制造起了关键作用。皇家学会的这一新实验室不在伦敦，而是设在曼彻斯特大学，由纽曼博士牵头负责。
1946年7月，研制基金到位，纽曼博士开始招募人选。阿兰·图灵也在次年9月加盟电脑实验室。一时间，曼彻斯特大学群英会萃。
实验室设在一幢维多利亚时代的老房子里，条件十分简陋，但因图灵他们的到来，也算是蓬荜生辉了。在1948年6月，这里造出了一台小的模型机，大家都爱叫它“婴儿”(Baby)。
这台模型机用阴极射线管来解决存储问题，能存储32个字，每一字有32位字长。这是第一台能完全执行存储程序的电子计算机的模型。
◆大师图灵到了1949年10月，各项改进工作都已展开，夹在两层存储器之间的自动控制系统已正常运转，并能在程序的控制下，实现磁鼓和阴极射线管存储单元间信息交互。
图灵设计出一些协同电路来做输入和输出的外设。有关电动打字设备也是图灵通过老关系从他战时供职的外交部通信部门弄过来的，其中甚至包括一个战后从德国人那里收缴来的穿孔纸带键盘。这样，整个模型机已大功告成。
在整个试验阶段，大家忙上忙下。1949年底，模型机交付给曼彻斯特当地的一家叫弗兰尼蒂(Ferranti)的电子公司，开始正式建造。1951年2月完工，通称“迈可1型”。
它有4000个电子管，72000个电阻器，2500个电容器，能在0.1秒内开平方根、求对数和三角函数的运算。
比起先前的模型机，“迈可1型”功能更为齐全，静电存储器的内存容量已翻倍，能存256个40位字长字，分别存在8个阴极射线管中，而磁鼓的容量能扩容到16384个字，真是一项了不起的工程。
与冯·诺依曼同时代的富兰克尔(Frankel，冯氏同事)在回忆中说：冯·诺依曼没有说过"存储程序"型计算机的概念是他的发明，却不止一次地说过，图灵是现代计算机设计思想的创始人。
当有人将"电子计算机之父"的头衔戴在冯·诺依曼头上时，他谦逊地说，真正的计算机之父应该是图灵。当然，冯·诺依曼问之无愧，而图灵也有“人工智能之父”的桂冠。他俩是计算机历史浩瀚星空中相互映照的两颗巨星。
早在1945年，图灵就提出“仿真系统”的思想，并有一份详细的报告，想建造一台没有固定指令系统的电脑。它能够模拟其他不同指令系统的电脑的功能，但这份报告直到1972年才公布。
这说明图灵在二战结束后就开始了后来被称为“人工智能”领域的探索，他开始关注人的神经网络和电脑计算之间的关联。1950年，图灵又来到曼彻斯特大学任教，同时还担任该大学自动计算机项目的负责人。
就在这一年的十月，他又发表了另一篇题为《机器能思考吗？》的论文，成为划时代之作。也正是这篇文章，为图灵赢得了一顶桂冠——“人工智能之父”。在这篇论文里，图灵第一次提出“机器思维”的概念。
他逐条反驳了机器不能思维的论调，做出了肯定的回答。
他还对智能问题从行为主义的角度给出了定义，由此提出一假想：即一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行一系列的问答，如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么，就可以认为这个计算机具有同人相当的智力，即这台计算机是能思维的。
这就是著名的“图灵测试”(TuringTesting)。当时全世界只有几台电脑，根本无法通过这一测试。但图灵预言，在本世纪末，一定会有电脑通过“图灵测试”。
终于他的预言在IBM的“深蓝”身上得到彻底实现。当然，卡斯帕罗夫和“深蓝”之间不是猜谜式的泛泛而谈，而是你输我赢的彼此较量。◆故事以谜结束1951年，图灵以他杰出的贡献被当选为英国皇家学会会员。
就在他事业步入辉煌之际，灾难降临了。1952年，图灵遭到警方拘捕，原因是他是一个同性恋者。与其他一些智慧超群的人物一样，图灵在个人生活方式上也“与众不同”。
当时，人们对同性恋还没有像现在这样宽容，而是把这种行为当作一桩伤风败俗的罪孽。
事情的败露是这样的，当时有一位叫琼·克拉克(JoanClarke)的姑娘爱上了图灵，图灵也对对方很有好感，并向对方求婚，琼欣然接受。但不久，图灵自己退缩了，告诉琼，他是同性恋者。
在1948年，图灵就由于同性恋倾向，离开了当时属于高度保密的英国国家物理实验室(NPL)。但也有人说，图灵是被英国军事情报部门“开除”出去的，对于这位天才的离去，许多人怅惜不已。
1952年3月31日，图灵更因为和曼彻斯特当地一位青年有染，被警方逮捕。在法庭上，图灵既不否认，也不为自己辨解。在庄严的法庭上，他郑重其事地告诉人们：他的行为没有错，结果被判有罪。
在入狱和治疗两者中间，图灵选择了注射激素，来治疗所谓的“性欲倒错”。此后图灵开始研究生物学、化学，还和一位心理医生有很深的交往。那时，他的脾气已变得躁怒不安，性格更为阴沉怪僻。
1953年3月，他因为接待过一位被英国警方注意的挪威客人，成为警方的目标，甚至去希腊度假时也被跟踪。1954年6月8日，图灵42岁，正逢进入他生命中最辉煌的创造顶峰。
一天早晨，女管家走进他的卧室，发现台灯还亮着，床头上还有个苹果，只咬了一小半，图灵沉睡在床上，一切都和往常一样。
但这一次，图灵是永远地睡着了，不会再醒来……经过解剖，法医断定是剧毒氰化物致死，那个苹果是在氰化物溶液中浸泡过的。图灵的母亲则说他是在做化学实验时，不小心沾上的，她的"艾伦"从小就有咬指甲的习惯。
但外界的说法是服毒自杀，一代天才就这样走完了人生。今天，苹果电脑公司以那个咬了一口的苹果作为其商标图案，就是为纪念这位伟大的人工智能领域的先驱者——图灵。
【大事年表】1912年6月23日，出生于英国伦敦。1931年-1934年，在英国剑桥大学国王学院（King'sCollege）学习。1932年-1935年，主要研究量子力学、概率论和逻辑学。
1935年，年仅23岁的图灵，被选为剑桥大学国王学院院士。1936年，主要研究可计算理论，并提出“图灵机”的构想。
1936年-1938年，主要在美国普林斯顿大学做博士研究，涉及逻辑学、代数和数论等领域。1938-1939年，返回剑桥从事研究工作，并应邀加入英国政府破译二战德军密码的工作。
1940年-1942年，作为主要参与者和贡献者之一，在破译纳粹德国通讯密码的工作上成就杰出，并成功破译了德军U-潜艇密码，为扭转二战盟军的大西洋战场战局立下汗马功劳。
1943年-1945年，担任英美密码破译部门的总顾问。1945年，应邀在英国国家物理实验室从事计算机理论研究工作。
1946年，这个时候，图灵在计算机和程序设计原始理论上的构思和成果，已经确定了他的理论开创者的地位。由于图灵的杰出贡献，年轻的他被英国皇室授予OBE爵士勋衔。
1947年-1948年，主要从事计算机程序理论的研究，并同时在神经网络和人工智能领域做出开创性的理论研究。1948年，应邀加入英国曼彻斯特大学从事研究工作，担任曼彻斯特大学计算实验室副主任。
1949年，成为世界上第一位把计算机实际用于数学研究的科学家。1950年，发表论文“计算机器与智能”，为后来的人工智能科学提供了开创性的构思。提出著名的“图灵测试”理论。
1951年，从事生物的非线性理论研究。年仅39岁的图林，被选为英国皇家学会会员。1952年，在当年保守愚昧和冷战的时代，当警察得知图灵与同性朋友密切交往的消息之后，同性恋倾向的图灵被逮捕入狱。
在法庭审判过程中，图灵明确告知人们，他认为自己没有做错什么事。在那个观念落后的年代，为了避免被判刑入狱，图灵被迫选择了为期一年的雌性激素注射的所谓“治疗”，才得以重新返回研究工作。
1953年-1954年，继续在生物和物理学等方面的研究。被迫承受的对同性恋倾向的“治疗”，致使原本热爱体育运动的图灵在身心上受到极大的伤害。1954年6月7日，图灵被发现死于家中的床上。
死因是氰化物中毒，警方调查结论是自杀。一代英灵，就此过早离去，成为人类科学史上的一大遗憾。
人工智能学科诞生于什么时期 人工智能学科学科起源从学科起源的时间原点来看，人工智能学科以1956年美国达特茅斯学院夏季讨论班为缘起。
人工智能学科，是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，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，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
发展规划《新一代人工智能发展规划》明确，启动实施人工智能重大项目、推动人工智能学科建设、布局人工智能创新发展实验区等一系列"中国方案"，强化了人工智能基础理论和关键技术研究，促进人工智能与经济社会的高度融合。
学科专业浙江大学计算机科学与技术学院作为新增的人工智能专业的主管学院，拥有五个一级学科，其中人工智能学科为2018年新设立。
专业学院2019年4月22日，中国人民大学高瓴人工智能学院成立，高瓴人工智能学院是中国人民大学二级学院，承担人工智能学科的规划与建设，未来将开展本学科和相关交叉学科领域的本、硕、博人才培养和科学研究工作。
“人工智能”一词最初是在1956年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。
人工智能（ArtificialIntelligence），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以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能是对人的意识、思维的信息过程的模拟。
人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工神经网络是哪一年由谁提出来的 人工神经网络是1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts提出来。
他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1949年，心理学家提出了突触联系强度可变的设想。
60年代，人工神经网络得到了进一步发展，更完善的神经网络模型被提出，其中包括感知器和自适应线性元件等。
M.Minsky等仔细分析了以感知器为代表的神经网络系统的功能及局限后，于1969年出版了《Perceptron》一书，指出感知器不能解决高阶谓词问题。
扩展资料人工神经网络的特点和优越性，主要表现在三个方面：第一，具有自学习功能。
例如实现图像识别时，只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。自学习功能对于预测有特别重要的意义。
预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。第二，具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。第三，具有高速寻找优化解的能力。
寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
carol reiley是华人吗 CarolReiley是华裔！
【引证资料】吴恩达：创造不可限量的未来21世纪经济报道张勇曾宪超谈钊硅谷、北京报道2014-05-2400:53:01评论(0)条移动客户端吴恩达创造未来机器人人工智能核心提示：人工智能的未来不可限量，这是无论硅谷还是世界上任何一个类似硅谷的地方都认同的说法。
21世纪经济报道吴恩达无疑是硅谷的一个传奇人物，其实并不需要很多标签来表述。
但提起他，永远都逃不开这一连串带着惊叹号的履历：他是全世界人工智能和深度学习的泰斗级人物，是谷歌大脑的缔造者，是斯坦福大学人工智能实验室的主任，同时还是MOOK巨头Coursera的创始人。
从还是孩童起便梦想发明一种像人类一样思考、学习的机器，之后经历了许多的挫败和颠覆性的顿悟，终于在8年前触摸到坚守多年的理想之光。而后的故事，我们都知道了。2014年对于吴恩达来说是很不平凡的一年。
就在前不久，他完成了人生中重要的一件事，与他的同领域华裔女友在美国举办了婚礼。两人的甜蜜合影一公布便收到数不清的祝福，有人甚至把这一私事称为“也许是人工智能发展史上历史性的一刻。
”人工智能的未来不可限量，这是无论硅谷还是世界上任何一个类似硅谷的地方都认同的说法。数据挖掘、深度学习、智能系统乃至于下一代计算机的构造，任何突破，都在以人类梦想设计现实。
而吴恩达迎向的，是一个充满爆炸性奇迹的不可限量的未来。在线教育之梦2012年初，Coursera的诞生是全球在线学习的一个标志性事件。
在创始人吴恩达的生日那天，被称为引领在线教育海啸的Coursera正式上线，吴恩达的机器学习讲课视频作为最早的几个课程被放到网上，点击率瞬间爆表。
Coursera也被评为了2012年度美国最佳创业公司。在接受特约采访人员专访时，吴恩达曾动情地告诉我们他对于教育的期冀：“我想让全世界所有的人都能随时随地接受最好的高等教育。
我希望人的成功是立足于他们的胆量、勤奋以及智慧，而不是依赖着家庭、地位和出身。我想看到，每一个人都能有通过受教育取得为他们自己、他的家庭、他所在的社会创造美好和价值的平等机会。
”他的心愿通过Coursera正在得以实现。采访人员得知，不久前，Coursera因为人数扩张到100多人而搬了新家，并在全球拥有了750万注册用户。
呈几何级增长的背后，来自全球的学生通过这个网站学习到了涵盖100多所顶尖高校12种语言的优质课程，其中有昆曲之美、秦始皇等中文课，以及复旦大学、上海交通大学、香港中文大学和台湾大学的内容。
美国教育委员会也官方认可了其中部分课程可转化为相应学分。今年年初Coursera又提供了一个新的项目，让学生不仅可以学一门课程，还可以学连续的进阶的课程，目前最受欢迎的是安卓的变成。
通过这个项目，学生可以选择其中的三门安卓的编程，学完之后还可以做一个大型的课程设计的项目。
Coursera会将你作为课程毕业设计的作者帮助联系一些安卓的开发者来进行评估，从而让学生对自己的学习内容理解更深刻，并获得更多的指导和机会。吴恩达说这些可能还将会更多。他还说到与此带来的数字化挖掘。
让吴恩达真正脸上透露出掩不住喜悦的是数字挖掘。他告诉我们在Coursera创办的第一年所收集到的数据就比人类五千年教育史上采集到的综合还要多。
而根据这些数据，可以深度挖掘出不同国家和地区学生的学习内容、习惯，并根据各自不同的情况进行个性化内容的推送。他表示Coursera给每个学生发的邮件都是不一样的，而且还会在过程中测试各种不同的算法。
据吴恩达所说，目前所有已知的算法都在Coursera上试了一遍。很多高校已经通过Coursera让吴恩达所说的“翻转课堂”的实践成为了可能。
在吴恩达看来，“翻转教室”正是将在线教育和传统教育的优势结合起来的一种非常科学而高效的教育形态。
学生可以自行在家或者在任何地方通过网络听完课程写完练习，然后到一个教室（或是发展成熟的广义平台）进行互动。
本月于北京召开的全球移动化联网大会上，吴恩达向所有人介绍了Coursera新任命的CEO，并发表了演讲。今后，吴恩达将担任Coursera的董事长职位，且负责Coursera在中国的长期发展。
关于教育，他的演讲中有同样动人的一段话：“我认为教育事业是给人力量的一个事业，有了教育之后你可以去编程、你可以去再教别人，你还可以为自己的孩子去烹饪健康的食品，你还可以活得更久、活得更健康。
我觉得在Coursera有了这样的一种技术，可以使我们自己还有大学的合作伙伴在全球把这种力量赋予全球的每一个公民。
未来我们的目标就是要实现全面的教育的获得，让未来不再是一个乌托邦式的梦想，这就是我们的使命。未来，全球每一个人都应该免费的能够获得优质的教育。”人工智能之父吴恩达的科研史几乎就是人工智能领域的断代史。
2010年，已然是学界领军者的吴恩达加入谷歌开发团队XLab；2012年其开发的人工神经网络通过观看一周YouTube视频，自主学会了识别猫的视频，这是人工智能领域的一个里程碑。
童年的梦想步步照进现实。
尽管现有技术对于人类大脑数以亿计的神经元如何互相连结尚还在摸索，对于中枢神经系统存储和处理信息的原理仍然在不断完善，但他亲身所历的人工智能领域的爆发式革命让他惊叹这一切发展得如此之快，让他有信心能在未来看到与人脑媲美的机器，实现儿时的念想。
2011年，吴恩达正式在谷歌领导建立了GoogleBrain项目，随后谷歌便在深度学习领域迅速推行了一系列动作。
参与并引领了这场业界革命的吴恩达欣喜看到，世界上越来越多的国家和地区开始对深度学习高度重视，大量技术和资源向这个领域明显倾斜。
中国的科学家正在研究一个名为“脑网络穹顶”（Brainnetdome）的新的大脑图谱；中国搜索巨头百度在硅谷成立了深度学习实验室；日本工程师在构建控制机器人的人工神经网络；南非神经科学家亨利·马克曼与来自欧盟和以色列的科学家们合作，试图利用数千次实验得到的数据在一台超级计算机中模拟出人脑。
其他科技巨头公司如微软和高通也都开始招聘和聘请更多研究“基于神经科学的计算机算法”的科学家。而美国国内，大量项目资金投向了深度学习领域。
奥巴马政府宣布将支持筹建一项名为“脑计划”（BRAIN）的跨学科的科研项目，其全称是“基于神经科学技术创新的人脑研究”（BrainResearchThroughAdvancingInnovativeNeurotechnologiesInitiative，简写为BRAIN项目）。
有数据显示，美国政府对这项工作重心为人工智能的BRAIN项目拨款的1.1亿美元中，一半来自美国国防部高级研究项目局，超过了美国国立卫生研究院的拨款数。
美国国立卫生研究院特地为此发布了一个指南，计划用3年时间集中研究6类领域，研发观察大脑神经元的新技术和新方法。美国国防部研究部门称，希望BRAIN项目能够“催生新的信息处理架构或者计算方法”。
在美国推出BRAIN计划前，欧盟委员会宣布投入10亿欧元资助“未来与新兴技术（FET）”竞赛的旗舰项目之一的“人脑工程（HumanBrainProject）”。2014年3月，两项计划展开合作。
并就合作的程度、数据共享的问题以及彼此的科学进展进行协商，以期在尽量不重复彼此工作的前提下使研究覆盖尽可能多的领域。“大神经网络时代”已到来。深度学习已是计算机科学发展的大势所趋。
人工智能之父吴恩达用一个童年梦想，某种程度上点亮了未来。“I‘mfromgreaterChina”比起AndrewYNg来说，吴恩达这个中文名似乎听起来更亲切一些。
他的身份看起来有一点“复杂”：1976年吴恩达出生在英国，父亲是香港当地的一名医生。
吴恩达在香港长大，随后前往新加坡和美国学习，于2002年获得了加州大学伯克利分校的博士学位，之后便一直在美国从事科研工作。作为一名华裔科学家，吴恩达与中国的交流互动一直非常频繁。
接受采访的时候，他不止一次说道：“I‘mfromgreaterChina。”他不时以人气嘉宾的身份出现在清华北大的演讲中，他来回飞中国多次促成Coursera与中国高校以及网易等的合作。
就在5月16日，中国最大的搜索引擎公司百度的内部邮件中公布，吴恩达将正式出任百度硅谷首席科学家职务，负责百度深度学习研究院的工作。吴恩达的加入，是中国互联网界迄今为止引进的最为重量级外援。
早期，吴恩达与他的团队开发了世界上最先进的自动控制直升机之一。那时，他也一直从事斯坦福的人工智能机器人项目，项目最终开发了广泛使用的开源机器人技术软件平台ROS。
2011年投入GoogleBrain后吴恩达便一直专注于深度学习领域。
这名大神级外援其实一直以来都是百度的专家顾问，去年起已在帮助位于硅谷的百度深度实验室招人，因为百度的深度实验室距离google只有不到十公里，而从去年起，吴恩达便不止一次来到百度北京办公所在地进行指导和交流。
加上刚刚与同领域且同为华裔的CarolReiley结婚，2014年对于吴恩达来说是名符其实的“中国年”。
作为一个希望以自身努力对这个世界做推动的人，无论是中国美国，是科技还是教育，或许从普世价值上来说，对于吴恩达都是一样的。对吴恩达来说，有一个学术上甚至是人生上的节点，给他的影响是不可磨灭的。
这便是在八年前，在他一度濒临放弃学术研究时很偶然地接触到了一种当时“并不入流”的理论：“人类的智慧源于单一的算法。”也就是说不同区域的功能包括大脑，都是在后天调试和执行中产生的，但本质上算法完全一样。
一瞬间，他悟了。随后，便是他的硅谷传奇人生。今天，对于Coursera在中国的推行，他不遗余力去做；对于深度学习在中国的发展，他也心怀热忱。
他希望让数以亿计的中国学生和美国以及世界同步，随时接受到最好的高等教育，也希望科技的力量能够带给全人类更智能的生活方式和充满更多可能的未来。
或许因为他的心一直和中国贴得很近，还因为，他相信，相隔得再远，“但本质都一样”，就和那个改变了他人生的理论说的那样。（编辑张勇）返回21世纪网首页>>请采纳~。
人工智能发展的历史 。
人工智能发展历程人工智能诞生于20世纪50年代中期，1956年被确立为一门学科，至今经历过经费枯竭的两个寒冬(1974-1980年、1987-1993年)，也经历过两个大发展的春天(1956-1974年、1993-2005年)。
从2006年开始，人工智能进入了加速发展的新阶段，并行计算能力、大数据和先进算法，使当前人工智能加速发展; 同时，近年来人工智能的研究越来越受到产业界的重视，产业界对AI的投资和收购如火如荼。
全球的人工智能仍处于感知智能的发展阶段按照人工智能的发展程度，行业一般将其分为计算智能、感知智能和认知智能三个层次。
其中，计算智能阶段指机器能够像人类一样进行计算，诸如神经网络和遗传算法的出现，使得机器能够更高效、快速处理海量的数据; 感知智能阶段指机器能听懂我们的语言、看懂世界万物，语音和视觉识别就属于这一范畴，这些技术能够更好的辅助人类高效完成任务; 认知智能阶段指，在这一阶段，机器将能够主动思考并采取行动，实现全面辅助甚至替代人类工作。
目前，全球的人工智能仍处于感知智能的发展阶段。——更多数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。
人工智能的发展,主要经历哪几个阶段? 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-BerryComputer，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(GeneralProblemSolver，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(ListProcessing，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(InternationalJointConferencesOnArtificialIntelligence，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《ArtificialIntelligence》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“Outofsight，outofmind”。
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“Thespiritiswillingbutthefleshisweak”翻译成俄语，然后再翻译回来时竟变成了“Thewineisgoodbutthemeatisspoiled”，即“酒是好的，但肉变质了”；当把“光阴似箭”的英语句子“Timeflieslikeanarrow”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AmericanExpress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”(DeepThought)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”(Justifiedtruebelief，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havingcolour(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。therich，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(primenumber)，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“colorlessgreenideassleepfuriously”，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’sParadox)(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。
人工智能的发展简史 。
人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”（ARTIFICIALINTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现至今，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。
1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的发明就是电子计算机.第一台计算机要占用几间装空调的大房间，对程序员来说是场噩梦：仅仅为运行一个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且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.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.NORBERTWIENER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.1955年末，NEWELL和SIMON做了一个名为逻辑专家(LOGICTHEORIST）的程序.这个程序被许多人认为是第一个AI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.逻辑专家对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年，被认为是人工智能之父的JOHNMCCARTHY组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论.他请他们到VERMONT参加DARTMOUTH人工智能夏季研究会.从那时起，这个领域被命名为人工智能.虽然DARTMOUTH学会不是非常成功，但它确实集中了AI的创立者们，并为以后的AI研究奠定了基础.DARTMOUTH会议后的7年中，AI研究开始快速发展.虽然这个领域还没明确定义，会议中的一些思想已被重新考虑和使用了.CARNEGIEMELLON大学和MIT开始组建AI研究中心.研究面临新的挑战：下一步需要建立能够更有效解决问题的系统，例如在逻辑专家中减少搜索；还有就是建立可以自我学习的系统.1957年一个新程序，通用解题机(GPS）的第一个版本进行了测试.这个程序是由制作逻辑专家的同一个组开发的.GPS扩展了WIENER的反馈原理，可以解决很多常识问题.两年以后，IBM成立了一个AI研究组.HERBERTGELERNETER花3年时间制作了一个解几何定理的程序.当越来越多的程序涌现时，MCCARTHY正忙于一个AI史上的突破.1958年MCCARTHY宣布了他的新成果：LISP语言.LISP到今天还在用.LISP的意思是表处理(LISTPROCESSING），它很快就为大多数AI开发者采纳.1963年MIT从美国政府得到一笔220万美元的资助，用于研究机器辅助识别.这笔资助来自国防部高级研究计划署（ARPA），已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家，加快了AI研究的发展步伐.LOEBNER（人工智能类）以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能），对人类来说是一个极具诱惑的领域，人类为了实现这一梦想也已经奋斗了很多个年头了。
而从一个语言研究者的角度来看，要让机器与人之间自由交流那是相当困难的，甚至可以说可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以至于我们的研究还并未触及其导向本质的外延部分的边沿。
以后几年出现了大量程序.其中一个著名的叫SHRDLU.SHRDLU是微型世界项目的一部分，包括在微型世界（例如只有有限数量的几何形体）中的研究与编程.在MIT由MARVINMINSKY领导的研究人员发现，面对小规模的对象，计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的STUDENT可以解决代数问题，SIR可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已有巨大容量，专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间，专家系统被用于股市预测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能.70年代许多新方法被用于AI开发，著名的如MINSKY的构造理论.另外DAVIDMARR提出了机器视觉方面的新理论，例如，如何通过一副图像的阴影，形状，颜色，边界和纹理等基本信息辨别图像.通过分析这些信息，可以推断出图像可能是什么.同时期另一项成果是PROLOGE语言，于1972年提出.80年代期间，AI前进更为迅速，并更多地进入商业领域.1986年，美国AI相关软硬件销售高达4.25亿美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦，通用汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要，一些生产专家系统辅助制作软件的公司，如TEKNOWLEDGE和INTELLICORP成立了。
为了查找和改正现有专家系统中的错误，又有另外一些专家系统被设计出来.人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员.个人电脑和众多技术杂志使计算机技术展现在人们面前.有了像美国人工智能协会这样的基金会.因为AI开发的需要，还出现了一阵研究人员进入私人公司的热潮。
150多所像DEC（它雇了700多员工从事AI研究）这样的公司共花了10亿美元在内部的AI开发组上.其它AI领域也在80年代进入市场.其中一项就是机器视觉.MINSKY和MARR的成果如今用到了生产线上的相机和计算机中，进行质量控制.尽管还很简陋，这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统，销售额共达8千万美元.但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降，业界损失了近5亿美元.象TEKNOWLEDGE和INTELLICORP两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领导者削减经费.另一个令人失望的是国防部高级研究计划署支持的所谓智能卡车.这个项目目的是研制一种能完成许多战地任务的机器人。
由于项目缺陷和成功无望，PENTAGON停止了项目的经费.尽管经历了这些受挫的事件，AI仍在慢慢恢复发展.新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不确定的条件作出决策；还有神经网络，被视为实现人工智能的可能途径.总之，80年代AI被引入了市场，并显示出实用价值.可以确信，它将是通向21世纪之匙.人工智能技术接受检验在沙漠风暴行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣；一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到；使用模糊逻辑，AI技术简化了摄像设备.对人工智能相关技术更大的需求促使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活。
人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（JOHNMCCARTHY）在1956年的达特矛斯会议（DARTMOUTHCONFERENCE）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。
但是这个定义似乎忽略了强人工智能的可能性（见下）。另一个定义指人工智能是人造机器所表现出来的智能性。
总体来讲，对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
强人工智能(BOTTOM-UPAI)强人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。
强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
弱人工智能(TOP-DOWNAI)弱人工智能观点认为不可能制造出能真正地推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。
对强人工智能的哲学争论“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。
”（JSEARLEINMINDSBRAINSANDPROGRAMS.THEBEHAVIORALANDBRAINSCIENCES,VOL.3,1980）这是指使计算机从事智能的活动。
在这里智能的涵义是多义的、不确定的，像下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。
可是，人即使在不清楚程序时，根据发现（HEU-RISTIC）法而设法巧妙的解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。
再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。
此外，解决的程序虽然是清楚的，但是实行起来需要很长时间，对于这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。
还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。
用计算机处理自然语言，称为自然语言处理。关于强人工智能的争论不同于更广义的一元论和二元论（DUALISM）的争论。
其争论要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？希尔勒认为这是不可能的。
他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。
基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。也有哲学家持不同的观点。
DANIELC.DENNETT在其著作CONSCIOUSNESSEXPLAINED里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？
他认为像上述的数据转换机器是有可能有思维和意识的。有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。
比如SIMONBLACKBURN在其哲学入门教材THINK里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。
我永远不可能知道另一个人是否真的像我一样是智能的，还是说她/他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。
BLACKBURN认为这是一个主观认定的问题。需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。
【人工智能人工神经网络,神经元网络 人工智能】至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。

    推荐阅读


    上一篇：一文了解72名图灵奖获得者的成就

    下一篇：lisp|1971年图灵奖得主 － 约翰·麦卡锡 (John McCarthy)