AI神經網路是誰發明的

⑴ 人工智慧的發展史是什麼

【1950-1956年是人工智慧的誕生年】
圖靈測試1950
Dartmouth 會議1956
（1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，它標志著「人工智慧」這門新興學科的正式誕生。）

【1956-1974 年是人工智慧的黃金年】
第一個人工智慧程序ＬＴ邏輯理論家1958（西蒙和紐維爾）
LISP編程語言1958（約翰麥卡錫）
用於機器翻譯的語義網1960（馬斯特曼和劍橋大學同事）
模式識別-第一個機器學習論文發表（1963）
Dendral 專家系統1965
基於規則的Mycin醫學診斷程序1974

【1974-1980年是人工智慧第一個冬天】
人工智慧：綜合調查1973（來特希爾）
項目失敗，列強削減科研經費

【1980-1987年是人工智慧繁榮期】
AAAI在斯坦福大學召開第一屆全國大會1980
日本啟動第五代計算機用於知識處理1982
決策樹模型帶動機器學習復甦1980中期
ANN及多層神經網路1980中期

【1987-1993年是人工智慧第二個冬天】
Lisp機市場崩潰1987
列強再次取消科研經費1988
專家系統滑翔谷底1993
日本第五代機退場1990年代

【1993-現在突破期】
IBM深藍戰勝卡斯帕羅夫1997
斯坦福大學Stanley 贏得無人駕駛汽車挑戰賽2005
深度學習論文發表2006
IBM的沃森機器人問答比賽奪魁2011
谷歌啟動谷歌大腦2011
蘋果公司的Siri上線2012
微軟通用實時翻譯系統2012
微軟Cortana 上線2014
網路度秘2015
IBM發布truenorth晶元2014
阿爾法狗打敗人類棋手2016

⑵ 人工智慧是怎麼起源的

人工智慧（Artificial Intelligence）, 英文縮寫為 AI, 是一門由計算機科學、控制論、資訊理論、語言學、神經生理學、心理學、數學、哲學等多種學科相互滲透而發展起來的綜合性新學科。自問世以來AI經過波波折折，但終於作為一門邊緣新學科得到世界的承認並且日益引起人們的興趣和關注。不僅許多其他學科開始引入或借用AI技術，而且AI中的專家系統、自然語言處理和圖象識別已成為新興的知識產業的三大突破口。

人工智慧的思想萌芽可以追溯到十七世紀的巴斯卡和萊布尼茨，他們較早萌生了有智能的機器的想法。十九世紀，英國數學家布爾和德o摩爾根提出了「思維定律「，這些可謂是人工智慧的開端。十九世紀二十年代，英國科學家巴貝奇設計了第一架「計算機器「，它被認為是計算機硬體，也是人工智慧硬體的前身。電子計算機的問世，使人工智慧的研究真正成為可能。

作為一門學科，人工智慧於1956年問世，是由「人工智慧之父「McCarthy及一批數學家、信息學家、心理學家、神經生理學家、計算機科學家在Dartmouth大學召開的會議上，首次提出。對人工智慧的研究，由於研究角度的不同，形成了不同的研究學派。這就是：符號主義學派、連接主義學派和行為主義學派。

傳統人工智慧是符號主義，它以Newell和Simon提出的物理符號系統假設為基礎。物理符號系統是由一組符號實體組成，它們都是物理模式，可在符號結構的實體中作為組成成分出現，可通過各種操作生成其它符號結構。物理符號系統假設認為：物理符號系統是智能行為的充分和必要條件。主要工作是「通用問題求解程序「（General Problem Solver, GPS）：通過抽象，將一個現實系統變成一個符號系統，基於此符號系統，使用動態搜索方法求解問題。

連接主義學派是從人的大腦神經系統結構出發，研究非程序的、適應性的、大腦風格的信息處理的本質和能力，研究大量簡單的神經元的集團信息處理能力及其動態行為。

人們也稱之為神經計算。研究重點是側重於模擬和實現人的認識過程中的感覺、知覺過程、形象思維、分布式記憶和自學習、自組織過程。

行為主義學派是從行為心理學出發，認為智能只是在與環境的交互作用中表現出來。

人工智慧的研究經歷了以下幾個階段：

第一階段：50年代人工智慧的興起和冷落

人工智慧概念首次提出後，相繼出現了一批顯著的成果，如機器定理證明、跳棋程序、通用問題s求解程序、LISP表處理語言等。但由於消解法推理能力的有限，以及機器翻譯等的失敗，使人工智慧走入了低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。

第二階段：60年代末到70年代，專家系統出現，使人工智慧研究出現新高潮

DENDRAL化學質譜分析系統、MYCIN疾病診斷和治療系統、PROSPECTIOR探礦系統、Hearsay-II語音理解系統等專家系統的研究和開發，將人工智慧引向了實用化。並且，1969年成立了國際人工智慧聯合會議（International Joint Conferences on Artificial Intelligence即IJCAI）。

第三階段：80年代，隨著第五代計算機的研製，人工智慧得到了很大發展

日本1982年開始了「第五代計算機研製計劃「，即「知識信息處理計算機系統KIPS「，其目的是使邏輯推理達到數值運算那麼快。雖然此計劃最終失敗，但它的開展形成了一股研究人工智慧的熱潮。

第四階段：80年代末，神經網路飛速發展

1987年，美國召開第一次神經網路國際會議，宣告了這一新學科的誕生。此後，各國在神經網路方面的投資逐漸增加，神經網路迅速發展起來。

第五階段：90年代，人工智慧出現新的研究高潮

由於網路技術特別是國際互連網的技術發展，人工智慧開始由單個智能主體研究轉向基於網路環境下的分布式人工智慧研究。不僅研究基於同一目標的分布式問題求解，而且研究多個智能主體的多目標問題求解，將人工智慧更面向實用。另外，由於Hopfield多層神經網路模型的提出，使人工神經網路研究與應用出現了欣欣向榮的景象。人工智慧已深入到社會生活的各個領域。

IBM公司「深藍「電腦擊敗了人類的世界國際象棋冠軍，美國制定了以多Agent系統應用為重要研究內容的信息高速公路計劃，基於Agent技術的Softbot(軟機器人)在軟體領域和網路搜索引擎中得到了充分應用，同時，美國Sandia實驗室建立了國際上最龐大的「虛擬現實「實驗室，擬通過數據頭盔和數據手套實現更友好的人機交互，建立更好的智能用戶介面。圖像處理和圖像識別，聲音處理和聲音識別取得了較好的發展，IBM公司推出了ViaVoice聲音識別軟體，以使聲音作為重要的信息輸入媒體。國際各大計算機公司又開始將「人工智慧「作為其研究內容。人們普遍認為，計算機將會向網路化、智能化、並行化方向發展。二十一世紀的信息技術領域將會以智能信息處理為中心。

目前人工智慧主要研究內容是：分布式人工智慧與多智能主體系統、人工思維模型、知識系統（包括專家系統、知識庫系統和智能決策系統）、知識發現與數據挖掘（從大量的、不完全的、模糊的、有雜訊的數據中挖掘出對我們有用的知識）、遺傳與演化計算（通過對生物遺傳與進化理論的模擬，揭示出人的智能進化規律）、人工生命（通過構造簡單的人工生命系統（如：機器蟲）並觀察其行為，探討初級智能的奧秘）、人工智慧應用（如：模糊控制、智能大廈、智能人機介面、智能機器人等）等等。

人工智慧研究與應用雖取得了不少成果，但離全面推廣應用還有很大的距離，還有許多問題有待解決，且需要多學科的研究專家共同合作。未來人工智慧的研究方向主要有：人工智慧理論、機器學習模型和理論、不精確知識表示及其推理、常識知識及其推理、人工思維模型、智能人機介面、多智能主體系統、知識發現與知識獲取、人工智慧應用基礎等。

⑶ 人工智慧學科誕生於什麼時期

人工智慧學科
學科起源
從學科起源的時間原點來看，人工智慧學科以1956年美國達特茅斯學院夏季討論班為緣起。

人工智慧學科，是一個以計算機科學為基礎，由計算機、心理學、哲學等多學科交叉融合的交叉學科、新興學科，研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

發展規劃
《新一代人工智慧發展規劃》明確，啟動實施人工智慧重大項目、推動人工智慧學科建設、布局人工智慧創新發展實驗區等一系列"中國方案"，強化了人工智慧基礎理論和關鍵技術研究，促進人工智慧與經濟社會的高度融合。

學科專業
浙江大學計算機科學與技術學院作為新增的人工智慧專業的主管學院，擁有五個一級學科，其中人工智慧學科為2018年新設立。

專業學院
2019年4月22日，中國人民大學高瓴人工智慧學院成立，高瓴人工智慧學院是中國人民大學二級學院，承擔人工智慧學科的規劃與建設，未來將開展本學科和相關交叉學科領域的本、碩、博人才培養和科學研究工作。

「人工智慧」一詞最初是在1956 年Dartmouth學會上提出的。從那以後，研究者們發展了眾多理論和原理，人工智慧的概念也隨之擴展。人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。

人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。

⑷ AI技術復原91年前黑白視頻顏色，此技術是由誰研發的

視頻博主大谷Spitzer利用AI技術復原了91年前的黑白視頻顏色，呈現出來的效果非常好。

說到AI，很多人認為就是能說話的聰明的機器人，他有多聰明呢，還記得那隻打敗李世石的阿爾法狗嗎？這就是AI。像這種聰明的AI機器人以後將運用在更多方面，知名的游戲公司像谷歌啊、暴雪啊、騰訊啊，都在研究AI技術，欲運用在游戲方面，它可以代替現在傻乎乎的人機，還可以替代、幫助掉線玩家，這估計比人類還厲害，就是個技術很高的代練。

AI圖像復原技術目前運用於很多方面，監控啊、視頻復原啊、醫學等都有其存在的意義，AI技術還有很多方面，它不止是圖像還原，就像剛才所說的運用的游戲中，取代木訥的人機和掉線的玩家，AI人機幾乎就和真人一樣，隨著發展，AI技術將離我們的生活更近，人和機器人共存將不再是夢想。

⑸ 人工智慧是怎麼起源的

人工智慧（Artificial Intelligence）, 英文縮寫為 AI, 是一門由計算機科學、控制論、資訊理論、語言學、神經生理學、心理學、數學、哲學等多種學科相互滲透而發展起來的綜合性新學科。自問世以來AI經過波波折折，但終於作為一門邊緣新學科得到世界的承認並且日益引起人們的興趣和關注。不僅許多其他學科開始引入或借用AI技術，而且AI中的專家系統、自然語言處理和圖象識別已成為新興的知識產業的三大突破口。

人工智慧的思想萌芽可以追溯到十七世紀的巴斯卡和萊布尼茨，他們較早萌生了有智能的機器的想法。十九世紀，英國數學家布爾和德o摩爾根提出了「思維定律「，這些可謂是人工智慧的開端。十九世紀二十年代，英國科學家巴貝奇設計了第一架「計算機器「，它被認為是計算機硬體，也是人工智慧硬體的前身。電子計算機的問世，使人工智慧的研究真正成為可能。

作為一門學科，人工智慧於1956年問世，是由「人工智慧之父「McCarthy及一批數學家、信息學家、心理學家、神經生理學家、計算機科學家在Dartmouth大學召開的會議上，首次提出。對人工智慧的研究，由於研究角度的不同，形成了不同的研究學派。這就是：符號主義學派、連接主義學派和行為主義學派。

傳統人工智慧是符號主義，它以Newell和Simon提出的物理符號系統假設為基礎。物理符號系統是由一組符號實體組成，它們都是物理模式，可在符號結構的實體中作為組成成分出現，可通過各種操作生成其它符號結構。物理符號系統假設認為：物理符號系統是智能行為的充分和必要條件。主要工作是「通用問題求解程序「（General Problem Solver, GPS）：通過抽象，將一個現實系統變成一個符號系統，基於此符號系統，使用動態搜索方法求解問題。

連接主義學派是從人的大腦神經系統結構出發，研究非程序的、適應性的、大腦風格的信息處理的本質和能力，研究大量簡單的神經元的集團信息處理能力及其動態行為。

人們也稱之為神經計算。研究重點是側重於模擬和實現人的認識過程中的感覺、知覺過程、形象思維、分布式記憶和自學習、自組織過程。

行為主義學派是從行為心理學出發，認為智能只是在與環境的交互作用中表現出來。

人工智慧的研究經歷了以下幾個階段：

第一階段：50年代人工智慧的興起和冷落

人工智慧概念首次提出後，相繼出現了一批顯著的成果，如機器定理證明、跳棋程序、通用問題s求解程序、LISP表處理語言等。但由於消解法推理能力的有限，以及機器翻譯等的失敗，使人工智慧走入了低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。

第二階段：60年代末到70年代，專家系統出現，使人工智慧研究出現新高潮

DENDRAL化學質譜分析系統、MYCIN疾病診斷和治療系統、PROSPECTIOR探礦系統、Hearsay-II語音理解系統等專家系統的研究和開發，將人工智慧引向了實用化。並且，1969年成立了國際人工智慧聯合會議（International Joint Conferences on Artificial Intelligence即IJCAI）。

第三階段：80年代，隨著第五代計算機的研製，人工智慧得到了很大發展

日本1982年開始了「第五代計算機研製計劃「，即「知識信息處理計算機系統KIPS「，其目的是使邏輯推理達到數值運算那麼快。雖然此計劃最終失敗，但它的開展形成了一股研究人工智慧的熱潮。

第四階段：80年代末，神經網路飛速發展

1987年，美國召開第一次神經網路國際會議，宣告了這一新學科的誕生。此後，各國在神經網路方面的投資逐漸增加，神經網路迅速發展起來。

第五階段：90年代，人工智慧出現新的研究高潮

由於網路技術特別是國際互連網的技術發展，人工智慧開始由單個智能主體研究轉向基於網路環境下的分布式人工智慧研究。不僅研究基於同一目標的分布式問題求解，而且研究多個智能主體的多目標問題求解，將人工智慧更面向實用。另外，由於Hopfield多層神經網路模型的提出，使人工神經網路研究與應用出現了欣欣向榮的景象。人工智慧已深入到社會生活的各個領域。

IBM公司「深藍「電腦擊敗了人類的世界國際象棋冠軍，美國制定了以多Agent系統應用為重要研究內容的信息高速公路計劃，基於Agent技術的Softbot(軟機器人)在軟體領域和網路搜索引擎中得到了充分應用，同時，美國Sandia實驗室建立了國際上最龐大的「虛擬現實「實驗室，擬通過數據頭盔和數據手套實現更友好的人機交互，建立更好的智能用戶介面。圖像處理和圖像識別，聲音處理和聲音識別取得了較好的發展，IBM公司推出了ViaVoice聲音識別軟體，以使聲音作為重要的信息輸入媒體。國際各大計算機公司又開始將「人工智慧「作為其研究內容。人們普遍認為，計算機將會向網路化、智能化、並行化方向發展。二十一世紀的信息技術領域將會以智能信息處理為中心。

目前人工智慧主要研究內容是：分布式人工智慧與多智能主體系統、人工思維模型、知識系統（包括專家系統、知識庫系統和智能決策系統）、知識發現與數據挖掘（從大量的、不完全的、模糊的、有雜訊的數據中挖掘出對我們有用的知識）、遺傳與演化計算（通過對生物遺傳與進化理論的模擬，揭示出人的智能進化規律）、人工生命（通過構造簡單的人工生命系統（如：機器蟲）並觀察其行為，探討初級智能的奧秘）、人工智慧應用（如：模糊控制、智能大廈、智能人機介面、智能機器人等）等等。

人工智慧研究與應用雖取得了不少成果，但離全面推廣應用還有很大的距離，還有許多問題有待解決，且需要多學科的研究專家共同合作。未來人工智慧的研究方向主要有：人工智慧理論、機器學習模型和理論、不精確知識表示及其推理、常識知識及其推理、人工思維模型、智能人機介面、多智能主體系統、知識發現與知識獲取、人工智慧應用基礎等。

⑹ 人工神經網路的發展

人工神經網路（ Artificial Neural Networks， 簡寫為ANNs）也簡稱為神經網路（NNs）或稱作連接模型（Connectionist Model） ，是對人腦或自然神經網路（Natural Neural Network）若干基本特性的抽象和模擬。人工神經網路以對大腦的生理研究成果為基礎 的，其目的在於模擬大腦的某些機理與機制，實現某個方面的功能。國際著名的神經網路研究專家，第一家神經計算機公司的創立者 與領導人Hecht—Nielsen給人工神經網路下的定義就是：「人工神經網路是由人工建立的以有向圖為拓撲結構的動態系統，它通過對連 續或斷續的輸入作狀態相應而進行信息處理。」 這一定義是恰當的。 人工神經網路的研究，可以追溯到 1957年Rosenblatt提出的感知器(Perceptron)模型 。它幾乎與人工智慧——AI（Artificial Intelligence）同時起步，但30餘年來卻並未取得人工智慧那樣巨大的成功，中間經歷了一段長時間的蕭條。直到80年代，獲得了關於 人工神經網路切實可行的演算法，以及以Von Neumann體系為依託的傳統演算法在知識處理方面日益顯露出其力不從心後，人們才重新對 人工神經網路發生了興趣，導致神經網路的復興。 目前在神經網路研究方法上已形成多個流派，最富有成果的研究工作包括：多層網路 BP演算法，Hopfield網路模型，自適應共振理 論，自組織特徵映射理論等。人工神經網路是在現代神經科學的基礎上提出來的。它雖然反映了人腦功能的基本特徵，但遠不是自然 神經網路的逼真描寫，而只是它的某種簡化抽象和模擬。

1. 人工神經網路的特點

人工神經網路的以下幾個突出的優點使它近年來引起人們的極大關註：
(1)可以充分逼近任意復雜的非線性關系；
(2)所有定量或定性的信息都等勢分布貯存於網路內的各神經元，故有很強的魯棒性和容錯性；
(3)採用並行分布處理方法，使得快速進行大量運算成為可能；
(4)可學習和自適應不知道或不確定的系統；
(5)能夠同時處理定量、定性知識。

人工神經網路的特點和優越性，主要表現在三個方面：
第一，具有自學習功能。例如實現圖像識別時，只在先把許多不同的圖像樣板和對應的應識別的結果輸入人工神經網路，網路就 會通過自學習功能，慢慢學會識別類似的圖像。自學習功能對於預測有特別重要的意義。預期未來的人工神經網路計算機將為人類提 供經濟預測、市場預測、效益預測，其應用前途是很遠大的。
第二，具有聯想存儲功能。用人工神經網路的反饋網路就可以實現這種聯想。
第三，具有高速尋找優化解的能力。尋找一個復雜問題的優化解，往往需要很大的計算量，利用一個針對某問題而設計的反饋型 人工神經網路，發揮計算機的高速運算能力，可能很快找到優化解。

2.人工神經網路的主要方向

神經網路的研究可以分為理論研究和應用研究兩大方面。
理論研究可分為以下兩類：
1)．利用神經生理與認知科學研究人類思維以及智能機理。
2)．利用神經基礎理論的研究成果，用數理方法探索功能更加完善、性能更加優越的神經網路模型，深入研究網路演算法和性能， 如：穩定性、收斂性、容錯性、魯棒性等；開發新的網路數理理論，如：神經網路動力學、非線性神經場等。

應用研究可分為以下兩類：
1)．神經網路的軟體模擬和硬體實現的研究。
2)．神經網路在各個領域中應用的研究。這些領域主要包括：

模式識別、信號處理、知識工程、專家系統、優化組合、機器人控制等。 隨著神經網路理論本身以及相關理論、相關技術的不斷 發展，神經網路的應用定將更加深入。

⑺ 第一次提出人工智慧這個想法的人是誰

人工智慧（Artificial Intelligence，AI）是指計算機像人一樣擁有智能能力，是一個融合計算機科學、統計學、腦神經學和社會科學的前沿綜合學科，可以代替人類實現識別、認知，分析和決策等多種功能。如當你說一句話時，機器能夠識別成文字，並理解你話的意思，進行分析和對話等。

人工智慧的第一次高峰 在1956年的這次會議之後，人工智慧迎來了屬於它的第一段Happy Time。在這段長達十餘年的時間里，計算機被廣泛應用於數學和自然語言領域，用來解決代數、幾何和英語問題。這讓很多研究學者看到了機器向人工智慧發展的信心。甚至在當時，有很多學者認為：「二十年內，機器將能完成人能做到的一切。」

因此，人工智慧項目停滯不前，但卻讓一些人有機可乘,1973年Lighthill針對英國AI研究狀況的報告。批評了AI在實現「宏偉目標」上的失敗。由此，人工智慧遭遇了長達6年的科研深淵。

⑻ 人工智慧的具體發展歷史是什麼

【1950-1956年是人工智慧的誕生年】
圖靈測試1950
Dartmouth 會議1956
（1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，並首次提出了「人工智慧」這一術語，它標志著「人工智慧」這門新興學科的正式誕生。）

【1956-1974 年是人工智慧的黃金年】
第一個人工智慧程序LT邏輯理論家1958（西蒙和紐維爾）
LISP編程語言1958（約翰麥卡錫）
用於機器翻譯的語義網1960（馬斯特曼和劍橋大學同事）
模式識別-第一個機器學習論文發表（1963）
Dendral 專家系統1965
基於規則的Mycin醫學診斷程序1974

【1974-1980年是人工智慧第一個冬天】
人工智慧：綜合調查1973（來特希爾）
項目失敗，列強削減科研經費

【1980-1987年是人工智慧繁榮期】
AAAI在斯坦福大學召開第一屆全國大會1980
日本啟動第五代計算機用於知識處理1982
決策樹模型帶動機器學習復甦1980中期
ANN及多層神經網路1980中期

【1987-1993年是人工智慧第二個冬天】
Lisp機市場崩潰1987
列強再次取消科研經費1988
專家系統滑翔谷底1993
日本第五代機退場1990年代

【1993-現在突破期】
IBM深藍戰勝卡斯帕羅夫1997
斯坦福大學Stanley 贏得無人駕駛汽車挑戰賽2005
深度學習論文發表2006
IBM的沃森機器人問答比賽奪魁2011
谷歌啟動谷歌大腦2011
蘋果公司的Siri上線2012
微軟通用實時翻譯系統2012
微軟Cortana 上線2014
網路度秘2015
IBM發布truenorth晶元2014
阿爾法狗打敗人類棋手2016

⑼ AI競賽開始，誰將最先研究出神經網路

這個應該還是要看誰在這一方面有新的突破的吧。