人工智能的历史，始于上古时期（大约公元前3,000年～公元500年）；当时的哲学家、数学家，甚至小说家们；开始为大家的思维，插上想象的翅膀。

　　（比如，希腊神话中的金色机器人和人造人；中世纪时期与炼金术一起流传的魔像（Golem）；19世纪创作的科幻小说等。）

　　1940年代，艾伦·图灵（Alan Turing）在数学逻辑学方面的研究，取得了突破性的进展；他的“计算理论”（Theory of computation）表明，机器可以模拟形式推理的任何过程。

　　可编程数字计算机（基于数学推理的抽象机器）的发明，神经生物学、信息论和控制论的发现；激发了来自各个领域（数学、心理学、工程学、经济学和科学）的少数科学家，他们开始认真讨论构建“电子大脑”的可能性。

　　论文中，图灵指出：如果，一台机器可以像人类一样，与人类进行无法区分的对话（通过电传打印机）；那么，可以说该机器在“思考”。

　　由于“思维”很难定义，图灵还专门设计了著名的“图灵测试”（Turing test）；同时提议，将关注点从“机器是否是智能的”；转变为，“机器是否有可能表现出智能行为”。

　　艾伦·麦席森·图灵（英语：Alan Mathison Turing，1912年6月23日－1954年6月7日），是英国计算机科学家、数学家、逻辑学家、密码分析学家、哲学家和理论生物学家，他被誉为理论计算机科学与人工智能之父。

　　当时，相关团队向人们展示：电脑能够学习“跳棋”，并且比一般人玩得更好；还可以解决字代数问题，证明逻辑定理，甚至讲英语。

　　各种成果展示，加上媒体的跟风渲染，让大家对人工智能产生了浓厚的兴趣；各方机构和各国政府，也开始投入大量资金，在世界各地建立了多个实验室。

　　此般种种，令相关研究人员，对未来的发展极为乐观；然而，他们严重低估了一些任务的难度，使得项目进展及其缓慢。

　　1980年，DEC在位于新罕布什尔州塞勒姆的工厂，首次投入Xcon使用；它大概包含有2500条规则，通过减少在技术人员出现错误时，为客户提供免费组件的需求，加快了组装过程并提高了客户满意度。

　　到1986年，Xcon已经处理了80,000个订单，并且达到了95-98％的精度。据估计，在短短六年的运营中，该系统为公司节省了超过4000万美元的运营成本。

　　（说明：在人工智能领域中，专家系统是模拟人类专家决策能力的计算机系统；旨在通过“ 规则”推理，来解决复杂问题。

　　第一个专家系统创建于1970年代，然后在1980年代激增；专家系统，也是最早真正成功的人工智能软件形式。

　　专家系统分为两个子系统，即：推理引擎和知识库；其中，知识库代表事实和规则；推理引擎，则将规则应用于已知事实，以推断出新事实；推理引擎还可以包括解释和调试功能。）

　　“Xcon”的消息公开后，世界各地纷纷开始部署商业专家系统；到1985年，各家公司在AI上的总投入超过10亿美元（其中大部分用于内部AI部门）。

　　同时，相关服务支持行业，如雨后春笋般成长起来；包括Teknowledge和Intellicorp（KEE）等软件公司，以及Symbolics和LISP等硬件公司；他们创建了专用的计算机和编程语言，用以优化处理AI相关问题。

　　当时，太阳微系统（Sun Microsystems）等公司推出的工作站，提供了强大的替代方案；而Apple和IBM制造的台式计算机，更是提供了一种简单、流行的体系结构，来运行LISP应用程序杏彩体育。

　　进入新世纪后，随着计算能力的提高，特别是在“摩尔定律”的加持下；人工智能的发展，与计算机相关的联系，已经越发紧密。

　　1997年5月11日，深蓝（Deep Blue）再一次击败了国际象棋比赛世界卫冕冠军Garry Kasparov；成为该项赛事，第一个在规定时间内，战胜世界冠军的智能系统。

　　当今社会，随着硬件技术多次突破，相关算法进一步改进；以及，大数据的全面收集和运用；使得机器学习和感知的能力，再一次长足发展。

　　人们对于使用AI来解决特定问题，也越发开始重视；在统计学、经济学和数学等方面的运用，更是达到了全新的高度。

　　2012年左右，基于“人工神经网络”的数据深度学习方法，开始大范围的为人们所接受；比如，智能手机中的“个人助理”。

　　从2015年10月～2016年3月，AlphaGo在五次比赛中，四次击败了曾经18次获得世界冠军的韩国职业围棋选手李世石。

　　比赛结束后，韩国Baduk协会授予了AlphaGo最高的大师级荣誉——“荣誉9段”；以表彰AlphaGo在精通围棋方面的“真诚努力”。

　　在2017年举行的“未来围棋”峰会上，AlphaGo连续三次赢得了和中国棋手柯洁的比赛；柯洁，曾经多次战胜李世石；并且，当时的他已经连续两年蝉联世界冠军杏彩体育。

　　这在“人工智能”发展史上，具有重要的里程碑意义；因为，围棋是比国际象棋，更加复杂的一项运动。

　　AI相关研究能够快速上马，这和冷战环境有相当大的关系；当时，美国政府对前苏联文档和科学报告的自动即时翻译特别感兴趣；政府从1954年开始，积极支持机器翻译方面的工作。

　　一开始，研究人员都很乐观；但是，他们低估了“词义消歧”的巨大困难；为了翻译准确，机器必须了解整个句子的含义，否则便会出错。

　　后来的研究人员，将这类问题称为“常识性知识”；并且，AI研究中增设“常识推理”分支，专门模拟人类的推测能力。

　　他们认为，当AI成功解决问题后，该问题就不再是AI的一部分；实践中的AI运用，只是实现了智能行为的计算程序。

　　这种方式，很快就能被吸收到任何应用程序领域；并与其他解决问题的方法，一起更好的为攻克难题给予帮助。

　　这种认知，他们称其为“AI效应”（AI effect）；并且，试图将AI重新定义；即：AI是尚未完成的任何事情。

　　当前，许多声称运用“人工智能”的系统，可能只是专注于某一特定问题的狭义AI运行；并不是传统意义上理解的真正AI，比如Siri、Cortana和Google Assistant等均如此。

　　它们只是在有限的预定义功能范围内运行，将自然语言处理与预定义的规则一起使用；比如，“今天天气怎么样？”、“明天会下雨吗？”、“早上几点叫醒我”……这一类的使用场景。

　　这些都只是狭义AI运用，初级阶段的简单示例；由于，并不具备真正的智慧或自我意识；因此，总会有一些出人意料的事情发生。

　　一些群体认为，狭义AI相当“脆弱”；由各种无法预测的方式，所导致的失败；其产生的后果，可能相当危险。比如，导致电网中断，损坏核电站，造成全球经济问题；以及，自动驾驶的汽车，出现低级的交通事故等。

　　在人工智能领域，智能代理（Intelligent agent，简称IA）有自主行为；其通过传感器观察环境变化，再由执行器完成现实目标。

　　聪明的智能代理，可以让其学习或使用知识，来实现一些目标。它们有可能特别简单，也可能非常复杂；例如，智能恒温器，就是智能代理的示例之一。

　　因此，智能代理有时也称为抽象智能代理（AIA）；以将其与计算机系统、生物系统或组织的实际实现方式区分开。杏彩体育官方在线登录

　　人工智能中的智能主体，与经济学中的主体密切相关；并且，在认知科学、伦理学、实践理性哲学；以及，许多跨学科的社会认知、建模和计算机社会模拟中，研究了智能主体范式的版本。

　　在计算机科学中，术语“ 智能代理”可用于表示具有某种智能的软件代理，无论它是不是Russell和Norvig定义中的理性代理。

　　人工智能的研究，是高度技术性和专业的；各个领域分支，相关理论和技术都极其深入，并且彼此之间各不相通。

　　比如，基于人工神经网络的深度学习算法，就必须经过长时间训练才能提高“智能”；然而，随着处理数据量越发庞大，运行速度将会受到重大影响；进而，出现“消失梯度”等问题。

　　AI的核心问题，在于重建能够跟人类相似，甚至超过普通人的能力；包括，推理、知识、规划、学习、交流、感知，移动物体，使用工具和精准的机械操控等。

　　要想实现“完全体”的人工智能（AI-complete），仍然只是该领域的长远目标；当前，人工智能在影像识别、语言分析、棋类游戏等，单方面的能力已经超越了人类的水平。

　　另一方面，在搜索、数学优化和逻辑推演上的应用；以及，基于仿生学、认知心理学、概率论和经济学的算法等，也在全面探索当中。

　　从1991年到2015年，计算机功能（尤其是GPU提供的功能）已增长了大约一百万倍；因此，很多人坚信，人工智能真正的春天，已经到来。

　　但是，绝大多数民众所“熟悉”的人工智能，都被严重夸大了；究其来源，往往是一些媒体报道，甚至影视作品。

　　在人们想象中所存在的人工智能，严格意义来讲应该叫做“强”人工智能（ ）；或者，杏彩体育官方在线登录超级AI（Artificial General Intelligence）。

　　简单的讲，人工智能可以分为两部分，即“人工”和“智能”；“人工”表示由人设计，为人制造或创造；关于“智能”，这方面却一直存在争议性。

　　这其中涉及到“意识、自我、心灵”，甚至包括无意识的精神等问题；而且，人类对智能的唯一了解，只来源于人本身的智力。

　　但是，我们对人类自身智力的理解，其实非常有限；对构成动物智力必要元素的了解，也很模糊；因此，很难定义什么是“人工”制造的“智能”。

　　不过，有一点大家是有共识的：如果真的出现超级人工智能，牠一定是能推理和解决问题的智能机器；并且，这样的机器将被认为是具有感知和自我意识的。

　　在可预期的未来，硬件和技术方面的问题，将不再是壁垒；如果有一天，真的出现了超级AI；那时候的世界，会是什么样的呢？

　　在AI的发展史上，“道德约束”（Ethics of artificial intelligence）一直是人们绕不开的问题；既要规范人类对待机器人（AI）的道德约束，也要考虑“机器利”相关问题；更重要的是，衡量AI（甚至是超级AI）是否对人类构成威胁。

　　1976年，约瑟夫·维森鲍姆（Joseph Weizenbaum）教授提出，包括：客服、治疗师、护理人员、士兵、法官、等职业，均不适合由人工智能取代。

　　在很多事情上，人们或多或少都有过“感同身受”的体验；比如，同情和愤怒——这也是“亲社会行为”的表现。

　　如今，AI相关运用极其广泛；包括：自动驾驶汽车、无人机、医疗诊断、艺术创作（例如诗歌）、证明数学定理、玩游戏（例如国际象棋或围棋）、搜索引擎（例如Google搜索）、在线助手（例如Siri）、照片中的图像识别、垃圾邮件过滤、预测航班延误、司法判决预测、在线广告追踪等。

　　随着社交媒体网站取代电视，成为年轻人获取资讯的主要来源；新闻机构，也越来越依赖社交媒体平台进行发行；许多发行商，更是大量使用人工智能（AI）技术，以便更有效地发布新闻，甚至产生更多的新闻。

　　大家对人工智能的理解，千万不能停留在过往的认知；你可能不知道，由于学习练习和算法设定的关系；很多AI，其实都有自己的“爱好”，甚至偏见。

　　比如，有观察发现，某些AI具有“偏爱”男性的特征；究其原因，可能是其相关程序员，男性更多的缘故。