人工智能的三次发展高潮

人工智能发展的三次浪潮介绍人工智能（Artificial Intelligence，简称AI）是一门研究如何使计算机能够像人一样思考和行动的科学。

随着计算能力、数据量和算法的不断进步，人工智能已经取得了显著的发展。

本文将介绍人工智能发展的三次浪潮，分别是符号主义浪潮、连接主义浪潮和深度学习浪潮。

我们将从不同的角度探讨这些浪潮对人工智能的发展带来的影响。

符号主义浪潮符号主义浪潮是人工智能发展的第一次浪潮，起始于上世纪五六十年代。

在这个时期，人工智能研究主要关注使用逻辑和符号推理来实现智能行为。

研究者们希望通过编写规则和程序来模拟人类的思维过程。

在这个浪潮中，一些经典的人工智能计算机程序被开发出来，比如IBM的Deep Blue和AT&T贝尔实验室的SHRDLU。

然而，符号主义浪潮也面临一些挑战。

人工智能的推理过程往往需要手工编写大量的规则和知识，这对人力和时间的要求非常高。

而且，这些规则往往是固定的，无法适应复杂和变化的环境。

因此，符号主义浪潮逐渐失去了发展的动力。

连接主义浪潮连接主义浪潮是人工智能发展的第二次浪潮，起始于上世纪八九十年代。

在这个时期，人工智能研究主要关注使用神经网络和统计模型来实现智能行为。

连接主义模型通过模拟神经元之间的连接和突触传递信息的方式，实现了类似于人脑的信息处理。

连接主义浪潮在语音识别、图像处理和机器学习等领域取得了重大突破。

例如，1997年，IBM的Deep Blue击败了国际象棋世界冠军卡斯帕罗夫，引起了世界的关注。

另外，深度学习模型的兴起也是连接主义浪潮的重要成果，它使用多层神经网络来从大量数据中学习特征表示和模式识别。

连接主义浪潮的突出特点是其能够从数据中学习，并且能够处理复杂和非线性的问题。

然而，连接主义模型的可解释性较弱，很难理解学习到的特征和模式是如何作用的，这对一些应用场景来说是一个挑战。

深度学习浪潮深度学习浪潮是当前人工智能发展的主流趋势，起始于上世纪十年代中期。

第一次人工智能浪潮
第一次人工智能浪潮在1956年，当时在人工智能研讨会上，约翰.麦卡锡提出了“人工智能”的概念，这被认为是人工智能的起源，于是约翰.麦卡锡被称为人工智能之父。

这个阶段产生了很多理论基石，这些不仅成为了人工智能的理论基石，还成为了计算机领域的基石。

这个时间段的人工智能发展还是很快的，比如约翰.麦卡锡提出了逻辑语言LISP、通过机器学习出能够玩游戏的机器、实现了初步的自动驾驶（特定环境）。

第二次人工智能浪潮
此时的科学家们开始从公用的人工智能技术转变为了能够解决某一领域问题的专家系统，并且实现了应用。

科学家们将大量的规律和知识存入到计算机中，而计算机就是执行知识库的自动化工具，不过这并不是我们所追求的真正人工智能，但也算从实验室走了出来。

第三次人工智能浪潮
随着大数据时代的到来，以及计算机算力的提升，人工智能终于迎来了属于它的时代，2012年AlexNet在ImageNet大赛中战火冠军，让人们看到了深度学习的力量。

同时AlphaGo第一次战胜人类围棋选手，震惊了整个世界，这就像一个爆点，彻底点燃了第三次人工智能浪潮，
这也让人工智能的发展延续到现在。

此时的人工智能技术、比如语音识别、人脸识别、机器人、文本生成已经在现实生活中得到了应用。

发展⼈⼯智能需要经历的三个重要阶段现如今，⼈⼯智能的浪潮越来越热，技术也越来越强⼤，对于⼈⼯智能这个词相信⼤家已经⽿熟能详了。

⼈⼯智能从1956年被提出之后，经过岁⽉的变迁，从提出到发展到如今已经有了62年的历史，这期间积累的⼈⼯智能技术和⼈才，可以说都是在为了我们现在的⾼科技产品、⼈⼯智能产品实现落地，以及实现这些产品应⽤在⽇常⽣活场景中奠定基础。

但其实，⼈⼯智能从⼀开始的提出到现在的发展，经历的这六⼗多年，都有⼀个很明显的规律，或者说这个规律其实是⼈⼯智能在发展途中所需要经历的。

我认为，这个规律就是⼈⼯智能在发展过程中必须经历的三个阶段。

那么，这三个阶段分别是什么呢?第⼀阶段⾸先是第⼀阶，我认为第⼀阶段是运算智能阶段，也就是在最开始诞⽣基础理论的阶段，为什么这么说呢，因为第⼀个阶段，也就是这个阶段奠定了⼈⼯智能技术发展的基本规则。

并且，在这个阶段的⼈⼯智能，具备了存储和运算的能⼒，⽽且也拥有了最基本的开发⼯具，为我们后⾯的⼈⼯智能研究提供了条件，毕竟没有⼯具，⼀切都是徒然。

除此之外，这个最基本的开发⼯具也为后来⼈们升级更好的⼯具开创了良好的条件。

在基础算法和原始开发⼯具的加持下，⼈们对于⼈⼯智能的研究产⽣了极⼤的动⼒，并且对算法程序和语⾔开发投⼊了极⼤的热情，也正因为如此，这第⼀个阶段就给⼈⼯智能的发展带来了第⼀波的⾼潮，⼤家争先恐后抢占研发，为⽇后⼈⼯智能技术的迭代更新打下了⾮常重要的基础。

所以这第⼀个阶段就是集中诞⽣基础理论的阶段，也是为⼈⼯智能的未来打基础的阶段，也是⾮常重要的⼀个阶段。

第⼆阶段那第⼀阶段谈理论打基础，那么第⼆阶段会是什么呢?其实很好猜也很好理解，第⼆个阶段就是⼈⼯智能技术要更新迭代进步的阶段。

在这个阶段。

由于前个阶段⼈们研究⼈⼯智能所打下的基础，使得现在可以获得和分析的数据飞速增长，经过也⼀遍⼀遍的数据分析与研究，认⼈⼯智能的超级⼤规模运算成为了可能，不再存在于幻想中。

人工智能发展中的第三次浪潮的时间和特点近几年，机器学习、图像识别等技术在人们的日常生活与工作中得到了更广泛的应用。

比如，人们可以通过Google Photos更快地寻找自己需要的图片，可以利用Google Now 的自动推送功能获取所需信息，可以通过Inbox自动撰写邮件回复等。

人工智能为我们的工作、生活带来了极大的便利。

一、第一次人工智能浪潮1956年，在美国达特茅斯学院举办的夏季学术研讨会上，助理教授John McCarthy提出的“人工智能”概念被正式使用。

此后，人工智能的先驱艾伦·图灵提出了著名的“图灵测试”：将人和机器分开进行测试，如果30%以上的被测试者无法确定他面对的是人还是机器，这台机器就顺利通过测试，被认为具有人工智能功能。

受图灵测试的刺激，全球范围内出现了第一波人工智能浪潮。

在此阶段，研究方法方面符号主义方法盛行，数学证明、专家系统、知识推理等形式化的方法在人机交互过程中得到了广泛应用。

但因为那个时候计算机和互联网技术刚刚起步，运算速度有限，在很大程度上制约了人工智能的发展。

二、第二次人工智能浪潮进入20世纪80年代之后，人工智能出现了第二次浪潮。

因为传统的符号主义学派发展缓慢，有研究者尝试使用基于概率统计模型的新方法，促使语音识别、机器翻译实现了进一步发展。

在模式识别领域，人工神经网络大放异彩。

在这个阶段，由于数据量不足，再加上测试环境有限，人工智能只限于学术研究，没能走出实验室，不具备实用价值。

三、第三次人工智能浪潮2006年，Hinton等人提出深度学习技术掀起了人工智能的第三次浪潮。

2015年，在图像识别领域，基于深度学习的人工智能算法的准确率首次超过了人类肉眼识图的准确率，人工智能实现了飞跃式发展。

随着机器视觉研究领域的突破，在语音识别、自然语言处理、数据挖掘等领域，深度学习都取得了突破性进展。

2016年，微软英语语音识别错词率降至5.9%，与人类不相上下。

人工智能的三个阶段
人工智能的三个阶段
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。

人工智能的发展大概分为三个阶段：
第一个阶段，我们称之为计算智能，即让计算能存会算，机器开始像人类一样会计算，传递信息。

第二个阶段，我们称之为认知智能，能说会听，能看会认。

例如，完全独立驾驶的无人驾驶汽车、自主行动的机器人。

它的价值是可以全面辅助或替代人类部分工作。

第三个阶段，我们称之为感知智能，是目前的最高阶段，它要求机器或系统能理解会思考，这是人工智能领域正在的努力的目标。

人工智能的发展过程人工智能的发展浪潮和阶段介绍——在研究者们的努力下，弱人工智能的发展出现了三波发展浪潮。

第一次发展浪潮：人工智能发展形成阶段（20世纪40年代-20世纪70年代中期）。

1943年McCulloch和Pitts提出神经元逻辑模型，意味着人工智能在人类历史上正式诞生。

1956年，为解决人工神经网络“结构复杂”问题，以麦卡锡、马文明斯基等为代表的从事数学、心理学、计算机科学、信息论和神经学研究的年轻学者们集聚在达特茅斯大学。

召开了人类历史上第一次人工智能研讨会，并第一次使用了“人工智能”这一术语，这一年被视为人工智能的元年，同时也开启了各国政府、研究机构、军方对人工智能投资和研究的第一波热潮。

此后，人工智能取得了显著的成果。

1960年，美国的麦卡锡（J.Mccarthy）发明了人工智能程序设计语言Lisp，用于对符号表达式进行加工和处理。

1963年，纽厄尔（A.Newell）发布了问题求解程序，首次将问题的领域知识与求解方法分离开来，标志着人类走上了以计算机程序模拟人类思维的道路。

1965年鲁宾逊（Robinson）提出了归结原理，实现了自动定理证明的重大突破。

1968年，奎利恩（J.R.Quillian）指出，记忆是基于概念之间的相互联系来实现的。

20世纪70年代，人工智能的研究已在世界许多国家相继展开，研究成果大量涌现。

1970年国际性的人工智能杂志《Artificial Intelligence》创刊，对推动人工智能的发展、促进研究者们的交流起到了重要作用。

1972年法国科默寥尔（A.Clomerauer）提出并实现了逻辑程序设计语言PROLOG。

肖特里费（E.H.Shortliffe）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。

然而，这一时期，受到基础科技发展水平以及可获取的数据量等因素的限制，在机器翻译、问题求解、机器学习等领域出现了一些问题，在语音识别、图像识别等简单的机器智能技术方面取得的进展都非常有限。

人工智能第三次浪潮以及若干认知（来源：科学杂志，2017-06-02）长期以来，智能一直用来表示大脑思维的能力。

智能究竟是什么？这个问题至今没有公认的答案，不断有人试图从本质上给出一个简短而精确的定义。

其实，早在60年前，就有一个接受度较高的提法——智能的本质是大脑的信息处理或计算能力。

这比思维能力具体了一些，有信息理论和人造的计算机做参照，但仍太笼统，除了思辨没有多大用途。

追求智能的简要精确定义可能是个迷思，因为大脑是一个非常复杂的系统，智能是该系统多种属性、功能和外在表现的综合。

大脑智能的外在描述和内在探索对大脑智能的了解，可以通过对大脑智能外在描述的观察，及对其内在的进一步探索。

大脑智能的外在描述可以从广义和狭义两个角度来讨论。

广义上，所有需要经过大脑的信息处理或计算都可以视作智能活动，主要包括心智方面的感知、注意、识别、反应、情绪、推理、理解、觉悟、发现、动机、意图、规划、搜索、评估、决策，以及更为一般的控制和通信活动等。

狭义上，常用“智、慧、聪、能”等字描述大脑智能，多指人类大脑独有的、而非人类大脑所不具有的能力。

随着时代发展，人们开始发现，过去被认为是“智、慧、聪、能”的能力，人造计算机以及某些动物的大脑也具备。

换言之，这种狭义的智能概念是随着人们认识的扩展而不断发展的。

大脑智能的内在探索至少应该包含信息处理和神经科学两个方面。

信息处理方面，率先探索的是大脑的最基本元件。

回顾历史，对这方面存在一系列疑问，比如大脑系统究竟存在几个基本单元？每个单元担任什么样角色？这些基本元件将形成几种不同的基本通路并发挥什么作用？这些通路以怎样的结构形成不同功能的模块，并如何构成系统？更进一步，还想了解在这个系统里信息是如何流动的，有几种机制协调管理这些流动实现各种智能活动等。

与由电阻、电容、电感、互补金属氧化物半导体（complementary metal oxide semiconductor，CMOS）等基本元件构成的电路系统相类似，脑信息系统也应该不止有一种元件。

可编辑修改精选全文完整版人工智能充满未知的探索道路曲折起伏。

如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。

我们将人工智能的发展历程划分为以下6个阶段：一是起步发展期：1956年—20世纪60年代初。

人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。

二是反思发展期：20世纪60年代—70年代初。

人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。

然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。

三是应用发展期：20世纪70年代初—80年代中。

20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。

专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。

四是低迷发展期：20世纪80年代中—90年代中。

随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。

五是稳步发展期：20世纪90年代中—2010年。

由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。

1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。

以上都是这一时期的标志性事件。

六是蓬勃发展期：2011年至今。

随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。

人工智能发展中的三次浪潮第一次浪潮（1956-1974年）：AI思潮赋予机器逻辑推理能力。

伴随着“人工智能”这一新兴概念的兴起，人们对AI的未来充满了想象，人工智能迎来第一次发展浪潮。

这一阶段，人工智能主要用于解决代数、几何问题，以及学习和使用英语程序，研发主要围绕机器的逻辑推理能力展开。

其中20世纪60年代自然语言处理和人机对话技术的突破性发展，大大地提升了人们对人工智能的期望，也将人工智能带入了第一波高潮。

但受限于当时计算机算力不足，同时由于国会压力下美英政府于1973年停止向没有明确目标的人工智能研究项目拨款，人工智能研发变现周期拉长、行业遇冷。

第二次浪潮（1980-1987年）：专家系统使得人工智能实用化。

最早的专家系统是1968年由费根鲍姆研发的DENDRAL系统，可以帮助化学家判断某特定物质的分子结构；DENDRAL首次对知识库提出定义，也为第二次AI发展浪潮埋下伏笔。

20世纪80年代起，特定领域的“专家系统”AI程序被更广泛的采纳，该系统能够根据领域内的专业知识，推理出专业问题的答案，AI也由此变得更加“实用”，专家系统所依赖的知识库系统和知识工程成为了当时主要的研究方向。

然而专家系统的实用性只局限于特定领域，同时升级难度高、维护成本居高不下，行业发展再次遇到瓶颈。

1990年人工智能DARPA项目失败，宣告AI的第二次浪潮步入低谷。

不过，同时期BP神经网络的提出，为之后机器感知、交互的能力奠定了基础。

第三次浪潮（1993年至今）：深度学习助力感知智能步入成熟。

不断提高的计算机算力加速了人工智能技术的迭代，也推动感知智能进入成熟阶段，AI与多个应用场景结合落地、产业焕发新生机。

2006年深度学习算法的提出、2012年AlexNet在ImageNet训练集上图像识别精度取得重大突破，直接推升了新一轮人工智能发展的浪潮。

2016年，AlphaGo打败围棋职业选手后人工智能再次收获了空前的关注度。

ai产业历史
自1956年达特茅斯会议第一次提出人工智能的概念以来，人工智能的发展经历了三次浪潮。

第一次浪潮（1956-1974）：这个阶段的主要成就是算法、方法论及早期人工智能系统。

其中最为杰出的代表就是贝尔曼公式（增强学习的雏形）和感知机（深度学习的雏形）。

早期人工智能系统主要是用机器证明的办法去证明和推理一些知识，在这个阶段中实现效果最好的就是定理证明。

第二次浪潮（1974-2006）：这个阶段朝着更为专业化的方向发展，侧重于借用领域专家的知识来武装自己。

这一时期的主要成就是人工智能计算机、多层神经网络和BP反向传播等方算法的突破及语音识别和语言翻译等领域。

第三次浪潮（2006年至今）：这个阶段的标志是深度学习的发展和应用。

2006年，Hinton等人提出了深度学习的概念，通过构建多层的神经网络，使得计算机能够自动地学习和提取数据中的特征，极大地提高了人工智能的性能和应用范围。

随着深度学习技术的不断发展，AI产业也在不断壮大，涵盖了多个领域和应用场景，如自然语言处理、计算机视觉、语音识别、智能推荐等。

以上信息仅供参考，如有需要，建议您查阅相关网站。