年代－机器人问诊

年，世界第一个拟人机器人WABOT-1在日本早稻田大学诞生。

除此之外，这段时间AI领域基本上是埋头科研，主要侧重研究机器模拟记忆心理学和理解机制、知识和推理。因此，这个阶段AI语义知识表示技术有长足进展，进而推动了专家系统的研发。

专家系统利用一流专家的知识来再现他们的思维过程；从年代早期开始在医疗诊断和其他一些领域广泛应用。

年，针对细菌感染的医疗诊断系统MYCIN问世，准确率69%，专科医生是80%。年，用于电脑销售过程中为顾客自动配置零部件的专家系统XCON诞生。XCON是第一个投入商用的AI专家，也是当时最成功的一款。

年，斯坦福大学开始研发自动驾驶技术，但世界上第一次无人驾驶汽车完成首秀是在年；那是一辆奔驰面包车，德国联邦大学研制，车上有摄像机和感应装置。它在无人的街道上行驶速度达55mph。

年代——《终结者》

数据和知识积累推动计算机学习算法发展，使机器能够利用自己的经验自动调整编程，AI的应用突飞猛进，如指纹、语音识别等。人工智能、计算机和人造生命开始和其他学科交融，生出混合系统。

年，美国普林斯顿大学教授、物理学家、分子生物学家和神经学家霍普菲尔德用模拟集成电路实现了自己两年前提出的神经网络模型，这个模型带动了神经网络学派的复兴。深度学习大热并取得突破。

同年，深度学习"三巨头"辛顿（GeoffreyHinton）、本吉奥（YoshuaBengio）和杨立昆（YannLeCun）发表反向传播算法论文，开启深度学习潮流。

那年，卡梅隆大片《终结者》上映，作家布鲁克斯（RodneyAllenBrooks）发表《大象不下棋》，提出更高层次的AI系统设想：在与环境互动的基础上打造人工智能。

人工智能三大源头之一，哲学，又站到聚光灯下。年，美国哲学家、数学家与计算机科学家普特南（HilaryW.Putnam）发表《理性、真理与历史》，提出著名的“缸中脑”假象试验。

这本身是一个哲学命题，缸中靠营养液存活、通过电脑接收各种刺激而产生感知的大脑，实际上就是虚拟现实。这个假想为人工智能提供了启示，也引发了对人工智能的哲学思考，也催生了许多科幻作品，比如《盗梦空间》、《源代码》和《阿凡达》。

来自日本的拟人机器人Alter会学跳舞

AI的两个冬季

-年，-年，AI遭遇两次寒冬。

第一次是因为两份学术报告发表，导致AI领域研究经费锐减。一份是年在美国自动语言处理顾问委员会（ALPAC）的《语言与机器：翻译和语言学中的计算机》（LanguageandMachines:ComputersinTranslationandLinguistics），另一份是英国莱特希尔教授（SirJamesLighthill）年发表的《人工智能普查报告》。这两份报告都表达了对先前的投资未能产生预期受益的失望，结论是不应该继续往AI这个无底洞砸钱。

不过，一线的科研仍在继续，但直接说AI的少了，诸如机器学习、信息数学、基于知识的系统和模式识别之类新词开始涌现。

出现第二个冬季则是因为桌面电脑迅速普及，AI系统的金主，包括美国国防部，觉得投资AI性价比不高，兴趣大减。但到20世纪末，AI领域再度春暖花开。标志性事件是年IBM深蓝大胜世界象棋冠军卡斯帕洛夫。

历史上这两次“钱荒”，跟AI研究资金来源较单一，主要来自政府给学术机构的科研拨款。随着AI产业化加深，越来越多研发资金来自企业。但AI领域内部的混乱、门派纷争、各自为政的问题依然存在。

年代——聊天机器人

年代后期，人工智能与机器人和人机界面结合，产生了具有情感和情绪的智能代理，情绪／情感计算（即评估情绪的变化然后在机器上再现）得以迅速发展，尤其是对话代理（聊天机器人）。

年，维诺尔·温奇发表《即将来临的技术奇点》（TheComingTechnologicalSingularity）一文，预言30年后人类将能够创造具有超级智慧的机器，由此走上人类终结之路。这个时刻就是后来很多人说的“奇点”。数学家霍金和企业家马斯克都是机器终结人类说法的信众。

但对于这个奇点究竟是否存在目前仍有不同看法。

年，IBM的深蓝超级电脑击败世界象棋冠军卡斯帕洛夫，西蒙年的预言算是实现了，尽管晚了近40年。

21世纪——深度学习

进入21世纪，许多人工智能的能力已经超越人类，比如围棋、德州扑克，比如证明数学定理，比如学习从海量数据中自动构建知识，识别语音、面孔、指纹，驾驶汽车，处理海量的文件、物流和制造业的自动化操作。

机器人可以识别和模拟人类情绪，可以充当陪伴和护理员了。AI的应用也因此遍地开花，很快进入人类生活的各个领域。

深度学习和强化学习成了时代强音。

一个普遍认同的说法是，年的ImageNet年度挑战开启了这一轮AI复兴浪潮，把深度学习和大数据推到前台，大量投资资金涌入。ImageNet是为视觉认知软件研究而设计建立的大型视觉数据库，由华裔AI科学家李飞飞年发起；她当时是普林斯顿大学教授。

ImageNet挑战是每年一度的全行业比武，比谁家的电脑视觉算法最强。年夺冠的多伦多大学团队的图像识别软件AlexNet错误率比第二名低10.8%。观察人士总结秘密武器有3个：大数据、更强的电脑、更聪明的算法。

李飞飞现为美国斯坦福大学教授、斯坦福大学人工智能实验室与视觉实验室负责人、谷歌云人工智能和机器学习首席科学家，斯坦福以人为本人工智能研究院共同院长。

另一个值得一提的名字是樊麾，生于中国，围棋手，职业二段，现任法国围棋队总教练。他年10月与谷歌人工智能AlphaGO较量0:5败于对方。他对BBC中文网表示，输给机器的感觉终身难忘。

过去10年中，人工智能开始写新闻、抢独家，经过海量数据训练学会了识别猫，IBM超级电脑沃森战胜了智力竞赛两任冠军，谷歌阿尔法狗战胜了围棋世界冠军，波士顿动力的机器人Atlas学会了三级障碍跳。沃森和阿尔法狗的秘诀都是强化学习。

这个领域的镇海宝典《深度学习》年发表，作者辛顿、本吉奥和杨立昆年代就合写了同样开行业先河的经典论文，阐述反向传播算法，年获图灵奖。

不得不提的是索菲亚。年这个拟人机器人亮相时艳惊天下，与人交谈语言生动、深刻，沙特抢先给"她"发公民证，后来被杨立昆揭露是个骗局。

因为，索菲亚虽然具备不少先进的技术，包括仿生材料做的皮肤和逼真的面部表情，与人互动时的共情反应，但她只会说事先输入和设置的话，不具备人们以为她拥有的应用语言智能和思想意识。很快，索菲亚销声匿迹。

现代科学诞生前，世界上有迷信，有工匠。然后科学和技术融合，科技和迷信并存；科技和迷信之间有一片宽阔地带，繁茂地生长着科幻，小说、影视和艺术。

深度学习似乎表明人类向复制自己的原始意愿又迈进了一步；人工智能的发展将继续跌宕起伏，而人与机器的关系、人工智能带来的伦理挑战日益成为AI领域的焦点话。

有人预言，几百年后，世界上的智慧智能将由3部分组成：人类智能（AI）+人类可控的人工智能+人类不可控的机器智能。

这一切又都离不开人类文明曙光初现时一个古老的梦想。

想象和现实从来不可能一刀两断切割，科技和商业更是如影随形，但区分人工智能（AI）和通用人工智能（AGI），或许有助于减缓第三次“AI寒冬”将至的担忧和焦虑。

—公司简介—

公司坚持”专业,专注,专心”的精神,秉承客户为先,用户至上的管理理念,同时拥有强大的研发能力,致力于为推动传统产业与互联网的深度融合。