人工智能基础

偷个懒，直接贴上目录的思维导图。

人工智能基础（高中版）.png

人工智能简史

1950 年，艾伦.图灵 (Alan Turing) 在他的论文《计算机器与智能》 ( Compu- tmg Machinery and Intelligence) 中提出了著名的图灵测试 (Turing test)

图灵.png

1956年，美国的达特茅斯学院讨论会。这次会议提出:

"学习和智能的每一个方面都能被精确地描述，使得人们可以制造一台机器来棋模拟它。”

这次会议为这个致力于通过机器来模拟人类智能的新领域定下了名字一一人工智能 ( Artificial Intelligence, AI) , 从而正式宜告了人工智能作为一门学科的诞生。

人工智陛的诞生-达恃茅斯会议.png

麻省理工学院的约瑟夫· 维森鲍姆 (Joseph Weizen-haum) 教授在 1964 年到 1966 年间建立了世界上第一个自然语言对话程序 ELIZA。 ELIZA 通过简单的模式匹配和对话规则与人聊天。

ELIZA.png

进人80年代，由千专家系统(expert system)和人工神经网络(artific1al neural 专家系统是一种基于一组特定规则来回答特定领域问题的程序系统。

与此同时 . 人工神经网络的研究也取得了重要进展。

反向传播算法(backpropagation)可以在神经网络的隐藏层中学习到对输入数据的有效表达。从此，反向传播算法被广泛用于人工神经网络的训练。

在新一次人工智能浪潮兴起的同时，日本通商产业省在1982年雄心勃勃地开始了旨在建造 “ 第五代计笢机" 的大型研究计划。

经过了10年研发，耗费了500亿日元，这个项目末能达成预期的目标。到了80年代后期，产业界对专家系统的巨大投入和过高期望开始显现出负面的效果。人们发现这类系统开发与维护的成本高昂，而商业价值有限。在矢望情绪的影响下，对人工智能的投入被大幅度削减，人工智能的发展再度步入冬天。

进入了 21 世纪

2012年一次全球范围的图像识别算法竞赛ILSVRC (也称为ImageNet挑战赛)。

多伦多大学开发的一个多层神经网络 Alex Net取得了冠军，并大幅度超越了使用传统 "一各学习算法的第二名。

这次比赛的成果在人工智能学界引起了广泛的震动。

从此，多层神经网络为基础的深度学习被推广到多个应用领域，在语音识别、图像分析、视频埋解等诸多领域取得成功。

2016年，谷歌 (Google) 通过深度学习训练的阿尔法(AlphaGo) 4 : 1 战胜了曾经的围棋世界冠军李世乭(石)。

它的改进版更在2017年战胜了当时世界排名第一的中国棋手柯洁。

人工智能是通过机器来拱拟人类认知能力的技术

人工智能涉及很广，涵盖了感知、学习、推理与决策等方面的能力。从实际应用的角度说，人工智能最核心的能力就是根据给定的输人做出判断或预测。比如 :

在人脸识别应用中，它是根据梒入的照片，判断照片中的人是谁。
在语音识别中，它可以根据人说话的音频信号，判断说话的内容。
在医疗诊断中，它可以根据拚入的医疗影像，判断疾病的成因和性质。 .在电子商务网站中，它可以根据一个用尸过去的购买记录，预测这位用户对什么商品感兴趣，从而让网站做出相应的推荐。
在金融应用中，它可以根据一只股票过去的价格和交易信息，预浏它未来的价格走势。
在围棋对弈中，它可以祁据_当前的盘面形势，预测选择某个落子的胜率。