人工智能的三次发展高潮

人工智能最早是在1956年的达特茅斯会议上提出的。会议将人工智能的目标设定为“实现能够像人类一样利用知识解决问题的机器”尽管这个梦想很快被一系列不成功的尝试击碎，但它开启了人工智能漫长而曲折的研究过程。

人工智能的第一次高潮开始于20世纪50年代。在算法方面，提出了感知器数学模型来模拟人类神经元的反应过程，并采用梯度下降法从训练样本中自动学习来完成分类任务。此外，由于计算机应用的发展，一些用计算机实现逻辑推理的尝试已经成功。理论和实际效果带来了第一波神经网络。然而，感知器模型的缺陷是后来才发现的，即本质上它只能处理线性分类，即使是最简单的异或问题也不能正确分类。随着时间的推移，许多应用问题没有得到解决，神经网络的研究也停滞不前。

人工智能的第二次高潮始于20世纪80年代。为解决非线性分类和学习问题，提出了多层神经网络参数计算的反向传播算法。此外，特定领域的专家系统也已成功应用于商业，人工智能也达到了另一个高潮。然而，人工神经网络的设计一直缺乏相应严格的数学理论支持。之后，指出了BP算法存在梯度消失的问题，因此不能有效地学习前一层。专家系统也暴露出应用领域狭窄、知识获取困难等问题。人工智能的研究已经进入第二个低谷。

人工智能的第三次高潮始于20世纪10年代，深度学习的出现引起了广泛关注。多层神经网络学习过程中的梯度消失得到有效抑制。网络的深层结构可以自动提取和表征复杂特征，避免了传统方法中人工提取特征的问题。深度学习已经应用到语音识别和图像识别中，并取得了很好的效果。人工智能已经进入大数据时代的第三个高潮。