人工智能的发展史PPT
人工智能的发展史可以追溯到20世纪50年代，下面是一个简略的AI发展历程。起步发展期：1943年-1956年神经网络的诞生1943年心理学家Warren ...
人工智能的发展史可以追溯到20世纪50年代，下面是一个简略的AI发展历程。起步发展期：1943年-1956年神经网络的诞生1943年心理学家Warren McCulloch和数学家Walter Pitts提出了第一个基于生物神经网络的计算模型1949年心理学家Donald O. Hebb提出了“Hebb学习规则”人工智能的诞生1956年美国达特茅斯学院的一次会议上，正式提出了“人工智能”这个概念1957年第一个生产专家系统Dendral诞生反思发展期：1957年-1974年感知机的提出1957年Rosenblatt提出了感知机模型1960年提出了二叉判定树和多重感知机对人工智能的质疑1963年Minsky和Papert的《感知机》一书出版，对感知机模型的有效性提出了质疑1966年Newell和Simon的“物理符号系统假说”被提出应用发展期：1974年-1980年专家系统的繁荣1974年Feigenbaum提出了“知识工程”的概念，专家系统开始繁荣发展1976年第一个农业专家系统诞生1977年第五代计算机研制计划启动人工神经网络的重新兴起1972年Fukushima提出卷积神经网络（CNN）的前身——感知机（neocognitron）模型；并引入了局部感受野和层次结构等重要概念。同年 Hinton 等人在贝尔实验室发明了基于误差反向传播（backpropagation）的人工神经网络模型（ANN）和学习算法，标志人工神经网络的复苏。这种方法给机器赋予了从原始输入到目标输出的一系列复杂功能，尤其是当避开了早期人工智能方法的明晰的符号表示时，这种方法能够解决更为复杂的问题。人工神经网络从简单走向了复杂。 但是早期的基于人工神经网络的AI系统，在可解释性和稳定性方面存在很多问题。人们逐渐认识到神经网络方法具有表达力更强、更接近人脑的运行模式等优点。但是也存在一些局限性，例如缺乏有效的训练方法、训练时间过长、结构不可调整等。因此，这一时期神经网络并没有得到广泛应用。另外很多科学家开始研究神经网络的数学基础和理论，这标志着神经网络的正式崛起。这个阶段也是深度学习的萌芽期。2006年深度学习的概念由Hinton等人正式提出。深度学习是机器学习的一个子领域，它试图解决人工神经网络训练困难的问题。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习可以解决一些传统机器学习难以解决的问题，例如图像和语音识别等。深度学习的兴起使得人工智能进入到一个新的高速发展阶段。在这个阶段出现了很多优秀的开源框架，例如TensorFlow和PyTorch等，极大地促进了深度学习的发展和应用。人工智能在自然语言处理(NLP)、计算机视觉(CV)、语音识别、推荐和个性化技术等领域取得了巨大成功。深度学习也从最初的图像识别扩展到了自然语言处理等领域。随着深度学习的不断发展，人工智能也进入了高速发展期。在应用方面出现了很多成功案例。例如语音助手Siri、图像识别领域的目标检测、物体识别等、自然语言处理领域的机器翻译、情感分析等、计算机视觉领域的物体检测、人脸识别等、推荐和个性化技术领域的广告推荐、新闻推荐等。人工智能在应用方面取得了巨大成功的同时也出现了一些伦理和社会问题。例如隐私问题、数据歧视等问题。这些问题需要我们认真思考和解决。在技术方面人工智能也取得了很大进展。例如2015年微软研究院提出了残差网络（ResNet），解决了深度神经网络训练过程中的梯度消失问题；2017年提出了生成对抗网络（GAN），用于生成具有真实感的图像、音频等；2018年谷歌发布了对话生成大模型（BERT），极大地推动了自然语言处理的发展；2020年以来又出现了像GPT-3这样的超大规模语言模型，具有非常强的对话生成能力和文本创作能力。人工智能已经从一个受质疑的领域成长为一个蓬勃发展的产业。如今人工智能已经渗透到了各个领域并正在改变着我们的生活。随着技术的不断进步和应用场景的不断拓展，人工智能将会在更多领域发挥重要作用并成为推动人类社会发展的重要力量
