1、人工智能的定義
      人工智能領域苦于存在多種概念和定義，有的太過有的則不夠。
      作為該領域創始人之一的Nils Nilsson先生寫到：“人工智能缺乏通用的定義。”
      隨著計算機為解決新任務挑戰而升級換代并推而廣之，人們對那些所謂需要依靠人類智慧才能解決的任務的定義門檻也越來越高。
      所以，人工智能的定義隨著時間而演變，這一現象稱之為“人工智能效應”，概括起來就是，“人工智能，就是要實現所有目前還無法不借助人類智慧才能實現的任務的集合。”

2、人工智能的歷史
      人工智能并不是一個新名詞。
      實際上，這個領域在20世紀50年代就已經開始啟動，這段探索的歷史被稱為“喧囂與渴望、挫折與失望交替出現的時代”——最近給出的一個較為恰當的評價。
      20世紀50年代明確了人工智能要模擬人類智慧這一大膽目標，從此研究人員開展了一系列貫穿20世紀60年代并延續到70年代的研究項目，這些項目表明，計算機能夠完成一系列所本只屬于人類能力范疇之內的任務，例如證明定理、求解微積分、通過規劃來響應命令、履行物理動作，甚至是模擬心理學家、譜曲這樣的活動。
      但是，過分簡單的算法、匱乏的難以應對不確定環境（這種情形在生活中無處不在）的理論，以及計算能力的限制，嚴重阻礙了我們使用人工智能來解決更加困難和多樣的問題。
      伴隨著對缺乏繼續努力的失望，人工智能于20世紀70年代中期逐漸淡出公眾視野。
      20世紀80年代末，幾乎一半的“財富500強”都在開發或使用“專家系統”，這是一項通過對人類專家的問題求解能力進行建模，來模擬人類專家解決該領域問題的人工智能技術。
      對于專家系統潛力的過高希望，徹底掩蓋了它本身的局限性，包括明顯缺乏常識、難以捕捉專家的隱性知識、建造和維護大型系統這項工作的復雜性和成本，當這一點被越來越多的人所認識到時，人工智能研究再一次脫離軌道。
      20世紀90年代，在人工智能領域的技術成果始終處于低潮，成果寥寥。反而是神經網絡、遺傳算法等科技得到了新的關注，這一方面，是因為這些技術避免了專家系統的若干限制，另一方面，是因為新算法讓它們運行起來更加高效。

      神經網絡的設計受到了大腦結構的啟發。遺傳算法的機制是，首先迭代生成備選解決方案，然后剔除最差方案，最后通過引入隨機變量來產生新的解決方案，從而“進化”出解決問題的最佳方案。

3、人工智能進步的催化劑

2）大數據
      得益于互聯網、社交媒體、移動設備和廉價的傳感器，這個世界產生的數據量急劇增加。
      隨著對這些數據的價值的不斷認識，用來管理和分析數據的新技術也得到了發展。大數據是人工智能發展的助推劑，這是因為有些人工智能技術使用統計模型來進行數據的概率推算，比如圖像、文本或者語音，通過把這些模型暴露在數據的海洋中，使它們得到不斷優化，或者稱之為“訓練”——現在這樣的條件隨處可得。

3）互聯網和云計算
      和大數據現象緊密相關，互聯網和云計算可以被認為是人工智能基石有兩個原因。
      第一，它們可以讓所有聯網的計算機設備都能獲得海量數據。這些數據是人們推進人工智能研發所需要的，因此它可以促進人工智能的發展。
      第二，它們為人們提供了一種可行的合作方式——有時顯式有時隱式——來幫助人工智能系統進行訓練。
      比如，有些研究人員使用類似Mechanical Turk這樣基于云計算的眾包服務來雇傭成千上萬的人來描繪數字圖像。這就使得圖像識別算法可以從這些描繪中進行學習。谷歌翻譯通過分析用戶的反饋以及使用者的無償貢獻來提高它自動翻譯的質量。

4）新算法
      算法是解決一個設計程序或完成任務的路徑方法。
      最近幾年，新算法的發展極大提高了機器學習的能力，這些算法本身很重要，同時也是其他技術的推動者，比如計算機視覺（這項科技將會在后文描述）。
      機器學習算法目前被開源使用，這種情形將促成更大進步，因為在開源環境下開發人員可以補足和增強彼此的工作。

      本文由培訓無憂網長沙牛耳教育專屬課程顧問整理發布，希望能夠對想參加長沙大數據分析培訓的學生有所幫助。更多大數據分析培訓課程資訊歡迎關注培訓無憂網大數據人工智能培訓頻道或添加老師微信：1503333605010

      注：尊重原創文章,轉載請注明出處和鏈接 http://www.hebeijilong.cn/news-id-14194.html 違者必究！部分文章來源于網絡由培訓無憂網編輯部人員整理發布,內容真實性請自行核實或聯系我們，了解更多相關資訊請關注人工智能頻道查看更多，了解相關專業課程信息您可在線咨詢也可免費申請試課。關注官方微信了解更多：150 3333 6050