A. 人工智慧發展史
歷史 突飛猛進
1950年阿蘭·圖靈出版《計算機與智能》。
1956年約翰·麥卡錫在美國達特矛斯電腦大會上「創造」「人工智慧 」一詞。
1956年美國卡內基·梅隆大學展示世界上第一個人工智慧軟體的工作。
1958年約翰·麥卡錫在麻省理工學院發明Lisp語言———一種A．I．語言。
1964年麻省理工學院的丹尼·巴洛向世人展示，電腦能掌握足夠的自然語言從而解決了開發計算機代數詞彙程序的難題。
1965年約瑟夫·魏岑堡建造了ELIZA———一種互動程序，它能以英語與人就任意話題展開對話。
1969年斯坦福大學研製出Shakey————一種集運動、理解和解決問題能力於一身的機器人。
1979年第一台電腦控制的自動行走器「斯坦福車」誕生。
1983年世界第一家批量生產統一規格電腦的公司「思考機器」誕生。
1985年哈羅德·科岑編寫的繪圖軟體Aaron在A．I．大會亮相。
90年代A．I．技術的發展在各個領域均展示長足發展————學習、教學、案件推理、策劃、自然環境認識及方位識別、翻譯，乃至游戲軟體等領域都瞄準了A．I．的研發。
1997年IBM（國際商用機械公司）製造的電腦「深藍」擊敗了國際象棋冠軍加里·卡斯帕羅夫。
90年代末以A．I．技術為基礎的網路信息搜索軟體已是國際互聯網的基本構件。
2000年互動機械寵物面世。麻省理工學院推出了會做數十種面部表情的機器人Kisinel。
現在 流行擋不住
商業上的成功，成為實驗室研究工作的催化劑。A．I．的邊界正一步步向人類智慧逼進。
全球的高科技實驗室不約而同盯上了A．I．大腦，這其中響當當的名字包括卡內基·梅隆大學，IBM和日本的本田汽車公司。
在比利時，Starlab（星實驗室）正開發種能取代真貓大腦工作的人工大腦。據「人工大腦網站」報道，它將擁有約7500個人工腦神經細胞。它將能自如地操控貓咪行走，玩耍毛線球。據估計它將在2002年完成。
軟體在將復雜決策程序化整為零方面取得突破。像外貌識別等看似簡單的人類能力實際涉及廣泛、復雜的認知和判斷步驟。今天的電腦軟體越來越精於模仿人類最精細的思維。而計算機硬體在追趕人腦能力方面亦不遺餘力。
目前世界上最快的超級電腦————位於美國加利福利亞州勞倫斯·立弗摩爾國家實驗室的IBM制「ASCI白色」已經是有人腦0·1％的運算能力。
IBM正在研製的「藍色牛仔」（BlueJean）的每秒運算能力估計將與人腦相當。IBM研發部主管保羅·霍恩說BlueJean將在4年後開始運行。
斯坦福大學A．I．領域的首席專家埃里克·霍維茲及其許多同行相信，A．I．技術迎來突破發展的日子近在眼前，那時，A．I．將細分並派生出跨越出廣泛領域的學科。
未來 聰明過人？
關於A．I．人們最迫切希望知道的問題是，它真能和人一般聰明嗎？許多科學家相信，這只是個時間上的問題。A．I．軟體設計師庫爾茲維爾認為遲至2020年A．I．即可聰明過人。IBM的霍恩估計比較保守，他認為A．I．趕上人還需要40—50年時間。AT＆T的斯通則說他的目標是在2050前組建一隻能挑戰曼聯的A．I．足球隊。他這不是開玩笑。
在許多方面，A．I．大腦比人類更有優勢。人腦的學習吸收新知識的過程非常慢。要說一口流利的英語至少得半年或兩三年時間（吹牛廣告中的例子除外）。而要讓A．I．學會講法語，只需為它裝上一個說法語軟體，數秒之間一個A．I．法語專家便誕生了。
另一個更難解答的問題：A．I．是否能擁有情感。目前沒有人有把握回答這個問題。
於是剩下一個最可怕的問題：A．I．機器人能變得比人類更聰明，並反戈一擊與人類為敵？庫爾茲維爾、技術學家比爾·喬伊認為這並非不可能。霍恩在這個問題上拿不太穩。
霍恩認為雖然電腦的粗略運算能力可超過人類，但它不可能具備人類所有精細的特徵，因為人類對自己的大腦擁有的許多微妙能力並不了解，更無從仿模相應軟體。
庫爾維茲的看法比較樂觀，他認為人類在開發超級A．I．的同時，在對它們的引導和管理方面也將相應提高，因此將永遠走在前面，掌握控制權。
B. 簡述一下人工智慧的歷史，發展，技術基礎，主要作用和未來展望，不用太詳細，只要能包括上面的幾個方面就
這個你還不如網路人工智慧呢、、
C. 人工智慧的發展史是什麼
【1950-1956年是人工智慧的誕生年】
圖靈測試1950
Dartmouth 會議1956
（1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，它標志著「人工智慧」這門新興學科的正式誕生。）
【1956-1974 年是人工智慧的黃金年】
第一個人工智慧程序ＬＴ邏輯理論家1958（西蒙和紐維爾）
LISP編程語言1958（約翰麥卡錫）
用於機器翻譯的語義網1960（馬斯特曼和劍橋大學同事）
模式識別-第一個機器學習論文發表（1963）
Dendral 專家系統1965
基於規則的Mycin醫學診斷程序1974
【1974-1980年是人工智慧第一個冬天】
人工智慧：綜合調查1973（來特希爾）
項目失敗，列強削減科研經費
【1980-1987年是人工智慧繁榮期】
AAAI在斯坦福大學召開第一屆全國大會1980
日本啟動第五代計算機用於知識處理1982
決策樹模型帶動機器學習復甦1980中期
ANN及多層神經網路1980中期
【1987-1993年是人工智慧第二個冬天】
Lisp機市場崩潰1987
列強再次取消科研經費1988
專家系統滑翔谷底1993
日本第五代機退場1990年代
【1993-現在突破期】
IBM深藍戰勝卡斯帕羅夫1997
斯坦福大學Stanley 贏得無人駕駛汽車挑戰賽2005
深度學習論文發表2006
IBM的沃森機器人問答比賽奪魁2011
谷歌啟動谷歌大腦2011
蘋果公司的Siri上線2012
微軟通用實時翻譯系統2012
微軟Cortana 上線2014
網路度秘2015
IBM發布truenorth晶元2014
阿爾法狗打敗人類棋手2016
D. 2020年人工智慧發展趨勢分析
2003年非典，很多人不敢出門，實體店門可羅雀，損失慘重。但電商卻順勢而起，自此開啟了互聯網消費時代。每一次災難波折，都會有人倒下，但同時，也會有人逆勢而出，甚至會有一個或好幾個新興產業應運而生。危機，危險之中暗藏機遇。這是歷史的規律，也是必然的發生。
E. 人工智慧的發展歷史
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
F. 淺談人工智慧技術的發展
人工抄智能（Artificial Intelligence），英文縮寫襲為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。人工智慧可以對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」，也可能超過人的智能。
人工智慧的定義可以分為兩部分，即「 人工」和「 智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。
G. 人工智慧的具體發展歷史是什麼
【1950-1956年是人工智慧的誕生年】
圖靈測試1950
Dartmouth 會議1956
（1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，它標志著「人工智慧」這門新興學科的正式誕生。）
【1956-1974 年是人工智慧的黃金年】
第一個人工智慧程序LT邏輯理論家1958（西蒙和紐維爾）
LISP編程語言1958（約翰麥卡錫）
用於機器翻譯的語義網1960（馬斯特曼和劍橋大學同事）
模式識別-第一個機器學習論文發表（1963）
Dendral 專家系統1965
基於規則的Mycin醫學診斷程序1974
【1974-1980年是人工智慧第一個冬天】
人工智慧：綜合調查1973（來特希爾）
項目失敗，列強削減科研經費
【1980-1987年是人工智慧繁榮期】
AAAI在斯坦福大學召開第一屆全國大會1980
日本啟動第五代計算機用於知識處理1982
決策樹模型帶動機器學習復甦1980中期
ANN及多層神經網路1980中期
【1987-1993年是人工智慧第二個冬天】
Lisp機市場崩潰1987
列強再次取消科研經費1988
專家系統滑翔谷底1993
日本第五代機退場1990年代
【1993-現在突破期】
IBM深藍戰勝卡斯帕羅夫1997
斯坦福大學Stanley 贏得無人駕駛汽車挑戰賽2005
深度學習論文發表2006
IBM的沃森機器人問答比賽奪魁2011
谷歌啟動谷歌大腦2011
蘋果公司的Siri上線2012
微軟通用實時翻譯系統2012
微軟Cortana 上線2014
網路度秘2015
IBM發布truenorth晶元2014
阿爾法狗打敗人類棋手2016
H. 人工智慧的發展歷程可分為形成期和發展期
1950-1970年代，人工智慧的」推理時代「。這一時期，一般認為只要機器被賦予邏輯推理能力就可以實現人工智慧。不過此後人們發現，只是具備了邏輯推理能力，機器還遠遠達不到智能化的水平。1970-1990年代，人工智慧的」知識工程「時代。這一時期，人們認為要讓機器變得有智能，就應該設法讓機器學習知識，於是專家系統得到了大量的開發。後來人們發現，把知識總結出來再灌輸給計算機相當困難。舉個例子來說，想要開發一個疾病診斷的人工智慧系統，首先要找好多有經驗的醫生總結出疾病的規律和知識，隨後讓機器進行學習，但是在知識總結的階段已經花費了大量的人工成本，機器只不過是一台執行知識庫的自動化工具而已，無法達到真正意義上的智能水平進而取代人力工作。2000年至今，人工智慧的」數據挖掘「時代。隨著各種機器學習演算法的提出和應用，特別是深度學習技術的發展，人們希望機器能夠通過大量數據分析，從而自動學習出知識並實現智能化水平。這一時期，隨著計算機硬體水平的提升，大數據分析技術的發展，機器採集、存儲、處理數據的水平有了大幅提高。特別是深度學習技術對知識的理解比之前淺層學習有了很大的進步，Alpha Go和中韓圍棋高手過招大幅領先就是目前人工智慧的高水平代表之一。
I. 人工智慧的歷史
AI(Artificial Intelligence，人工智慧) 。
「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後,研究者們發展了眾多理論和原理,人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的, 現在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更准確, 因之當代人已不再把這種計算看作是「需要人類智能才能完成的復雜任務」, 可見復雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展, 一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是計算機, 人工智慧的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。
人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。
知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。
常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。
問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。
搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。 `