人工智慧發展歷史的時間軸怎麼畫

① 人工智慧發展史 4張圖看盡AI重大里程碑

作者 | 王健宗 瞿曉陽

來源 | 大數據DT

01 人工智慧發展歷程

圖1是人工智慧發展情況概覽。人工智慧的發展經歷了很長時間的歷史積淀，早在1950年，阿蘭·圖靈就提出了圖靈測試機，大意是將人和機器放在一個小黑屋裡與屋外的人對話，如果屋外的人分不清對話者是人類還是機器，那麼這台機器就擁有像人一樣的智能。

▲圖1 人工智慧起源及發展

隨後，在1956年的達特茅斯會議上，「人工智慧」的概念被首次提出。在之後的十餘年內，人工智慧迎來了發展史上的第一個小高峰，研究者們瘋狂湧入，取得了一批矚目的成就，比如1959年，第一台工業機器人誕生；1964年，首台聊天機器人也誕生了。

但是，由於當時計算能力的嚴重不足，在20世紀70年代，人工智慧迎來了第一個寒冬。早期的人工智慧大多是通過固定指令來執行特定的問題，並不具備真正的學習和思考能力，問題一旦變復雜，人工智慧程序就不堪重負，變得不智能了。

雖然有人趁機否定人工智慧的發展和價值，但是研究學者們並沒有因此停下前進的腳步，終於在1980年，卡內基梅隆大學設計出了第一套專家系統——XCON。該專家系統具有一套強大的知識庫和推理能力，可以模擬人類專家來解決特定領域問題。

從這時起，機器學習開始興起，各種專家系統開始被人們廣泛應用。不幸的是，隨著專家系統的應用領域越來越廣，問題也逐漸暴露出來。專家系統應用有限，且經常在常識性問題上出錯，因此人工智慧迎來了第二個寒冬。

1997年，IBM公司的「深藍」計算機戰勝了國際象棋世界冠軍卡斯帕羅夫，成為人工智慧史上的一個重要里程碑。之後，人工智慧開始了平穩向上的發展。

2006年，李飛飛教授意識到了專家學者在研究演算法的過程中忽視了「數據」的重要性，於是開始帶頭構建大型圖像數據集—ImageNet，圖像識別大賽由此拉開帷幕。

同年，由於人工神經網路的不斷發展，「深度學習」的概念被提出，之後，深度神經網路和卷積神經網路開始不斷映入人們的眼簾。深度學習的發展又一次掀起人工智慧的研究狂潮，這一次狂潮至今仍在持續。

圖2列出了人工智慧發展史上的一些重要事件。從誕生以來，機器學習經歷了長足發展，現在已經被應用於極為廣泛的領域，包括數據挖掘、計算機視覺、自然語言處理、生物特徵識別、搜索引擎、醫學診斷、檢測信用卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰略游戲、藝術創作和機器人等，以及我們特別關注的機器學習和深度學習未來發展的一大趨勢——自動化機器學習和深度學習（AutoML及AutoDL）。

▲圖2 人工智慧發展重大事件

02 下一代人工智慧

我們首先通過圖3來回顧一下人工智慧的發展歷程。

▲圖3 人工智慧發展歷程

到目前為止，人工智慧按照總體向上的發展歷程，可以大致分為4個發展階段，分別為精耕細作的誕生期、急功近利的產業期、集腋成裘的爆發期，以及現在逐漸用AutoML來自動產生神經網路的未來發展期。

早期由於受到計算機算力的限制，機器學習處於慢速發展階段，人們更注重於將邏輯推理能力和人類總結的知識賦予計算機。但隨著計算機硬體的發展，尤其是GPU在機器學習中的應用，計算機可以從海量的數據中學習各種數據特徵，從而很好地完成人類分配給它的各種基本任務。

此時，深度學習開始在語音、圖像等領域大獲成功，各種深度學習網路層出不窮，完成相關任務的准確率也不斷提升。同時，深度學習神經網路朝著深度更深、結構更加巧妙復雜的方向推進，GPU的研發與應用也隨著神經網路對算力要求的不斷提高而持續快速向前推進。圖4展示了近年來主要神經網路的發展。

▲圖4 主要深度神經網路的發展

2012年，AlexNet為了充分利用多個GPU的算力，創新性地將深度神經網路設計成兩部分，使網路可以在兩個GPU上進行訓練。

2013年，ZFNet又進一步解決了Feature Map可視化的問題，將深度神經網路的理解推進了一大步。2014年，VGGNet通過進一步增加網路的深度而獲得了更高的准確率；同年，GoogLeNet的發明引入了重復模塊Inception Model，使得准確率進一步提升。

而2015年ResNet將重復模塊的思想更深層次地發展，從而獲得了超越人類水平的分辨能力。這時，由於深度神經網路層數的不斷加深，需要訓練的參數過於龐大，為了在不犧牲精度的同時減少需要訓練的參數個數，2017年DenceNet應運而生。

隨著深度神經網路的不斷發展，各種模型和新穎模塊的不斷發明利用，人們逐漸意識到開發一種新的神經網路結構越來越費時費力，為什麼不讓機器自己在不斷的學習過程中創造出新的神經網路呢？

出於這個構思，2017年Google推出了AutoML——一個能自主設計深度神經網路的AI網路，緊接著在2018年1月發布第一個產品，並將它作為雲服務開放出來，稱為Cloud AutoML。

自此，人工智慧又有了更進一步的發展，人們開始探索如何利用已有的機器學習知識和神經網路框架來讓人工智慧自主搭建適合業務場景的網路，人工智慧的另一扇大門被打開。

② 基礎篇：問題1.人工智慧的發展簡史是怎樣的1936-1969（1/3）

點擊收聽課程音頻

  在我們開始探討人工智慧的相關問題之前，還是先簡單回顧一下人工智慧發展簡史。

一、人工智慧的誕生(20世紀三十~五十年代)

    人工智慧的概念最早是由約翰·麥卡錫(John McCarthy)在1956年著名的達特矛斯會議(Dartmouth Conference)上提出： 人工智慧是指讓機器的行為看起來就象是人類所表現出的智能行為一樣。 因為社會在不斷進步和發展，所以對新技術的認知不可避免存在時空的局限性。人工智慧這個定義在六十年後再往回看，已經被賦予了更多新的內容， 個別領域的人工智慧應用已經不僅僅是象人類行為一樣，甚至已經超越了人類，更快速、更准確、更強大。

 這個定義強調人工智慧是人造機器，所「表現」出來一定的智能性也就是 弱人工智慧 。主流科學研究也是集中在弱人工智慧上，並且取得可觀的成就。那既然說到了弱人工智慧，就不得說與之對應的另一個分類就是強人工智慧。   

       強人工智慧一般觀點認為： 人類有可能製造出真正能推理和解決問題的智能機器 ，具有以下幾種特徵：

1、機器有知覺和自我意識；2、機器可以獨立思考問題並制定解決問題的最優方案； 3、有自己的價值觀和世界觀體系； 4、有和生物一樣的各種本能，比如生存和安全需求； 5、在某種意義上可以看作一種新的文明。

 比如在好萊塢出品的人工智慧的題材科幻電影中，很多機器人都表現出了很強的學習認知能力以及自我意識，這樣的人工智慧就可以認為屬於強人工智慧。但遺憾的是當前我們科技發展水平還沒有能力創造任何種類的強人工智慧。還有 弱人工智慧與強人工智慧並不是發展階段的關系，弱人工智慧不一定能發展為強人工智慧，二者發展路徑與理念存在根本的不同。

    讓我們來回顧一下在人工智慧誕生時期的偉大歷史事件：

         1936年，數學家 阿隆佐·邱奇 (Alonzo Churc) 和艾倫·圖靈 ( Alan Turing) 命名邱奇-圖靈論題，提出 所有計算或演算法都可以由一台圖靈機來執行，這也是構建計算機科學的基礎之一。 圖靈這個人相信大家都有了解了，二戰時發明了解碼機破解了德國人密碼，改變了戰爭的進程。並且他發表的圖靈計算機論文也是現代計算機的原型。他把生物的進化也看做是一種程序，也就是圖靈機的基本概念，一切都是數學公式的表達，然後按程序進行。

        1943年， 沃倫 · 麥卡洛克 (WarrenMcCulloch) 和沃爾特 · 皮茨 (WalterPitts) 兩位科學家提出了 「 神經網路 」 的概念，正式開啟了 AI 的大門。 雖然在當時僅是一個數學理論，但有著極其深遠的影響，因為這個理論讓人們了解到計算機可以如人類大腦一樣進行「深度學習」，描述了人造神經元網路如何實現邏輯功能。

        1945年博弈論的創立者 馮·諾依曼(John.Von.N eumann)提出了存儲程序的概念，在計算機領域建立了不朽的功勛。 他的這一思想被譽為電子計算機時代的開始。到今天計算機的體系結構還基本上是馮 · 諾依曼型。

1946年2月14日情人節那天，基於 圖靈和馮 · 諾伊曼 學說，計算機的先驅者莫克利(J.W.Mauchly)與他的研究生埃克特(J.P.Eckert)在美國合作研發了世界上第一台通用計算機， 這 是現代計算機發展史上重要的里程碑，也 為人工智慧的出現奠定了硬體基礎。

        1947年，神經學的研究發現大腦結構是由神經元組成的電子網路，其電平只存在「有」和「無」兩種狀態，不存在中間狀態，這也是人類研究大腦結構的重大成果。

         1948年，計算機時代剛剛進入黎明時， 諾伯特  ·  維納 ( Norbert Wiener)  就提出了一種「控制論」的概念。他是最先預見到信息技術雙重可能性的人，這把雙刃劍可能也逃離人類掌控並反過來控制人類。他也成為了最早對機器智能的到來提出批判的學者。

         1950 年，圖靈發表了一篇劃時代的論文，預言了創造出具有真正智能的機器的可能性。 圖靈測試是人工智慧哲學方面第一個嚴肅的提案。著名的圖靈測試誕生： 如果一台機器能夠與人類 ( 通過電子設備 ) 展開間接對話而不能被辨別出其機器身份，那麼稱這台機器具有智能。 他也因此被譽為「人工智慧之父」。同一年，圖靈還預言了人類將會創造出具有真正智能的機器的可能性。

1951年， 克 里斯托弗  ·  斯特雷奇 (ChristopherStrachey) 使用寫出了一個西洋跳棋程序； 迪特里希  ·  普林茨 (DietrichPrinz) 寫出了一個國際象棋程序。 從這開始游戲 AI 就一直被當做評價 AI 發展水平的標准。

        1955 年，艾倫·紐厄爾 (Allen Newell) 和赫伯特 · 西蒙 (Herbert Simon) 在 J. C.  肖 的協助下開發了「邏輯理論家」。這個程序通過模擬人證明符號邏輯定理的思維活動，證明《數學原理》中的38個定理，其中某些證明比原著更加簡明合理。

1956 年，人工智慧誕生 馬文· 明斯基 (Marvin Minsky) 與 約翰· 麥卡錫 (John McCarthy) 、克勞德· 香農 (Claude Shannon) 等人一起在美國達特茅斯學院發起並組織「達特茅斯會議」，麥卡錫首次提出了「人工智慧」這個概念，紐厄爾和西蒙則展示了編寫的「邏輯理論家」。會議上AI的名稱和任務得以確定，同時出現了最初的成就和最早的一批研究者，因此這一事件被廣泛認為是AI誕生的標志，被譽為「人工智慧的起點」。

        1956 年喬治  ·  戴沃爾戴沃爾  (Ge orge Devol ) 與約瑟夫 · 恩格爾博格 ( Joseph F·Engelberger ) ， 創建了世界上第一家機器人公司，名為「尤尼梅新」。

        1956 年，奧利弗·薩爾夫瑞德 (Oliver Selfridge) 研製出第一個字元識別程序，開辟了模式識別這一新的領域。

            1957年， 艾倫·紐厄爾 (Allen Newell) 和 赫伯特 · 西蒙 (Herbert Simon) 等人開始研究一種不依賴於具體領域的通用問題求解器，他們稱之為GPS(General Problem Solver)，這一時期，搜索式推理是許多AI程序使用相同的基本演算法。原理就像在迷宮中尋找出路一般；如果遇到了死胡同則進行回溯選擇其他分支路徑往前，這就是「搜索式推理」。這演算法主要困難是在很多問題中，線路總數的可能性是一個天文數字。

        1958年，美國國防部先進研究項目局(Defense Advanced ResearchProjects Agency)成立，主要負責高新技術的研究、開發和應用。幾十年來DARPA已為美軍研發成功了大量的先進武器系統，同時為美國積累了大量的科技資源儲備，並且引領著美國乃至世界軍民高技術研發的潮流。

總結一下，最初的人工智慧研究是20世紀30年代末到50年代初的一系列科學研究成果交匯的創新的產物。在這些領域的頂級研究人員本身也是多學科跨界的專家，因此需要集各家所長的人工智慧，才得以快速發展，其中主要的幾個學科成果是：

1、神經學研究發現神經網路；2、維納的控制論描述了電子網路研究3、香農資訊理論的數字信號研究；4、圖靈的計算理論證明數字信號可以描述任何形式的計算，5、馮·諾依曼提出了存儲程序的概念，這些密切相關的想法融合在一起，展現了構建一個電子大腦的可能性，研究如何用機器來模擬人類智能的學科產生了。

二、人工智慧邏輯推理時期 (20世紀六十年代)

        在這一時期，一般認為只要機器被賦予了邏輯推理能力就可以實現人工智慧。 不過此後人們失望的發現，製造出來的機器僅僅具備了基本的邏輯推理能力，還遠遠達不到「智能」的水平。

    早在1958年， 約翰· 麥卡錫 (John McCarthy) 提出了「納諫者」的程序構想，將邏輯學引入了AI研究界。到了六十年代末麥卡錫和他的學生們發現，實現這一想法運算復雜度極高：即便是證明很簡單的定理也需要天文數字的運算步驟。此時，麥卡錫認為，人類怎麼思考是無關緊要的：真正的目標應該是解決問題的機器，而不是模仿人類進行思考的機器。因此麥卡錫等人一派也被稱為「簡約派」。

這一時期的重大事件有：

        1962年，創立6年時間的公司 「尤尼梅特」 ， 推出了世界上首款工業機器人「尤尼梅特」， 開始在通用汽車公司的裝配線上服役。

        1963年6月，麻省理工學院MIT從DARPA，國防部先進研究項目局獲得經費資助，其中包括 馬文· 明斯基 (MarvinMinsky) 和麥卡錫 (John McCarthy) 五年前建立的 AI 研究組。 此後DARPA每年提供三百萬美元，直到七十年代為止。

        1966年到1972年間，美國斯坦福國際研究所(SRI)研製了具備一定人工智慧移動式機器人Shakey,，它能夠自主進行感知、環境建模、行為規劃並執行任務(如尋找木箱並將其推到指定目的位置)。這是首台採用了人工智慧學的移動機器人，引發了人工智慧早期研究工作爆發。

        1966 年， MIT 的系統工程師約瑟夫·魏澤堡 (Joseph Weizenbaum 和精神病學家   肯尼思·科爾比 (Kenneth Colby) 發布了世界上第一個聊天機器人艾麗莎 Eliza 。智能之處在於她能通過腳本「理解」簡單的自然語言，並能產生類似人類的互動。而其中最著名的腳本便是模擬羅吉斯心理治療師的Doctor。作為最早的有情感人工智慧機器，可以幫助用戶和機器進行對話，緩解壓力和抑鬱，同時這也是人工智慧語音助手最早的雛形。

        1968年12，加州斯坦福研究所的 道格·恩格勒巴特  ( Douglas C. Engelbart) 發明了滑鼠，被譽為「滑鼠之父」。 如果你認為發明滑鼠已經很厲害的話，那他還有個更厲害發明，正是他提出了超鏈接概念，而超鏈接原理幾十年後成了現代互聯網的根基。他關於人工智慧發展的理念是提倡「智能增強」而非取代人類。

     了解最新課程內容，點擊 原文鏈接 或者搜索"知識星球"小程序，在裡面搜索「人工智慧進化論」訂閱課程，加入圈子討論或者向作者提問。 或者加wx:AI61825

③ 人工智慧的發展歷程

人工智慧的發展歷程劃分為以下6個階段：

一是起步發展期：1956年—20世紀60年代初。人工智慧概念提出後，相繼取得了一批令人矚目的研究成果，如機器定理證明、跳棋程序等，掀起人工智慧發展的第一個高潮。

二是反思發展期：20世紀60年代—70年代初。人工智慧發展初期的突破性進展大大提升了人們對人工智慧的期望，人們開始嘗試更具挑戰性的任務，並提出了一些不切實際的研發目標。然而，接二連三的失敗和預期目標的落空，使人工智慧的發展走入低谷。

三是應用發展期：20世紀70年代初—80年代中。20世紀70年代出現的專家系統模擬人類專家的知識和經驗解決特定領域的問題，實現了人工智慧從理論研究走向實際應用、從一般推理策略探討轉向運用專門知識的重大突破。

四是低迷發展期：20世紀80年代中—90年代中。隨著人工智慧的應用規模不斷擴大，專家系統存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能、難以與現有資料庫兼容等問題逐漸暴露出來。

五是穩步發展期：20世紀90年代中—2010年。由於網路技術特別是互聯網技術的發展，加速了人工智慧的創新研究，促使人工智慧技術進一步走向實用化。1997年國際商業機器公司（簡稱IBM）深藍超級計算機戰勝了國際象棋世界冠軍卡斯帕羅夫，2008年IBM提出「智慧地球」的概念。

六是蓬勃發展期：2011年至今。隨著大數據、雲計算、互聯網、物聯網等信息技術的發展，泛在感知數據和圖形處理器等計算平台推動以深度神經網路為代表的人工智慧技術飛速發展，大幅跨越了科學與應用之間的「技術鴻溝」。

現狀與影響

對於人工智慧的發展現狀，社會上存在一些「炒作」。比如說，認為人工智慧系統的智能水平即將全面超越人類水平、30年內機器人將統治世界、人類將成為人工智慧的奴隸等等。

這些有意無意的「炒作」和錯誤認識會給人工智慧的發展帶來不利影響。因此，制定人工智慧發展的戰略、方針和政策，首先要准確把握人工智慧技術和產業發展的現狀。

專用人工智慧取得重要突破。從可應用性看，人工智慧大體可分為專用人工智慧和通用人工智慧。面向特定任務（比如下圍棋）的專用人工智慧系統由於任務單一、需求明確、應用邊界清晰、領域知識豐富、建模相對簡單，形成了人工智慧領域的單點突破，在局部智能水平的單項測試中可以超越人類智能。

人工智慧的近期進展主要集中在專用智能領域。例如，阿爾法狗（AlphaGo）在圍棋比賽中戰勝人類冠軍，人工智慧程序在大規模圖像識別和人臉識別中達到了超越人類的水平，人工智慧系統診斷皮膚癌達到專業醫生水平。

以上內容參考工信部-人工智慧的歷史、現狀和未來

④ 人工智慧發展的歷史

人工智慧發展歷程

人工智慧誕生於20世紀50年代中期，1956年被確立為一門學科，至今經歷過經費枯竭的兩個寒冬(1974-1980年、1987-1993年)，也經歷過兩個大發展的春天(1956-1974年、1993-2005年)。從2006年開始，人工智慧進入了加速發展的新階段，並行計算能力、大數據和先進演算法，使當前人工智慧加速發展;同時，近年來人工智慧的研究越來越受到產業界的重視，產業界對AI的投資和收購如火如荼。

——更多數據請參考前瞻產業研究院《中國人工智慧行業市場前瞻與投資戰略規劃分析報告》。

⑤ ai時間軸在哪

ai時間軸在和PS一樣，快捷鍵A。

我們只要選中需要傾斜的對象，在工具箱中選擇傾斜工具，然後在對象外拖拽滑鼠，即可讓對象傾斜。如果同時按住Shift鍵，可以讓對象沿水平或垂直軸傾斜，完成後松開滑鼠即可。

ai用artboard畫畫相當於把你的視頻一幀一幀畫出來，然後導出為png格式，你不能直接得到視頻但是可以得到很多png圖片，相當於是視頻拆分。然後把這些artboard導入到Photoshop用時間軸再編輯。

配置技巧：

1、該軟體要求一個暫存磁碟，它的大小至少是打算處理的最大圖像大小的三到五倍。例如，如果打算對一個5MB大小的圖像進行處理，至少需要有15MB到25MB可用的硬碟空間和內存大小。

2、如果沒有分派足夠的暫存磁碟空間，軟體的性能會受到影響。要獲得Photoshop的最佳性能，可將物理內存佔用的最大數量值設置在50%——75%之間。

3、在打開Photoshop時按下Ctrl和Alt鍵，可在Photoshop載入之前改變它的暫存磁碟。

⑥ 人工智慧的六大發展階段是什麼設想第七階段，還有人工智慧誕生的標志是什麼

人工智慧的歷史與未來劃分為了三個階段：

1.手工知識（HandcraftedKnowledge）階段，代表是形式邏輯理論

2.統計學習（StatisticalLearning）階段
，代表是機器學習理論
3.語境順應（ContextualAdaptation）階段，代表是深度學習技術

第七階段是全面智能感知

1956年，在由達特茅斯學院舉辦的一次會議上，計算機專家約翰·麥卡錫提出了「人工智慧」一詞。後來，這被人們看做是人工智慧正式誕生的標志。