「高度」《人工智能标准化白皮书（2018）》发布（完整版）

人工智能始于 20 世纪 50 年代，至今大致分为三个发展阶段：第一阶段（20 世纪 50 年代——80 年代）。这一阶段人工智能刚诞生，基于抽象数学推理的可 编程数字计算机已经出现，符号主义（Symbolism）快速发展，但由于很多事物 不能形式化表达，建立的模型存在一定的局限性。此外，随着计算任务的复杂性 不断加大，人工智能发展一度遇到瓶颈；第二阶段（20 世纪 80 年代——90 年代 末）。在这一阶段，专家系统得到快速发展，数学模型有重大突破，但由于专家 系统在知识获取、推理能力等方面的不足，以及开发成本高等原因，人工智能的 发展又一次进入低谷期；第三阶段（21 世纪初——至今）。随着大数据的积聚、 理论算法的革新、计算能力的提升，人工智能在很多应用领域取得了突破性进展， 迎来了又一个繁荣时期。人工智能具体的发展历程如图 1 所示。

长期以来，制造具有智能的机器一直是人类的重大梦想。早在 1950 年，Alan Turing 在《计算机器与智能》中就阐述了对人工智能的思考。他提出的图灵测试 是机器智能的重要测量手段，后来还衍生出了视觉图灵测试等测量方法。1956年，“人工智能”这个词首次出现在达特茅斯会议上，标志着其作为一个研究领 域的正式诞生。六十年来，人工智能发展潮起潮落的同时，基本思想可大致划分 为四个流派：符号主义（Symbolism）、连接主义（Connectionism）、行为主义 （Behaviourism）和统计主义（Statisticsism）（注：由于篇幅原因，本白皮书不 对四个流派进行详细阐述）。这四个流派从不同侧面抓住了智能的部分特征，在 “制造”人工智能方面都取得了里程碑式的成就。

1959 年，Arthur Samuel 提出了机器学习，机器学习将传统的制造智能演化 为通过学习能力来获取智能，推动人工智能进入了第一次繁荣期。20 世纪 70 年 代末期专家系统的出现，实现了人工智能从理论研究走向实际应用，从一般思维 规律探索走向专门知识应用的重大突破，将人工智能的研究推向了新高潮。然而， 机器学习的模型仍然是“人工”的，也有很大的局限性。随着专家系统应用的不 断深入，专家系统自身存在的知识获取难、知识领域窄、推理能力弱、实用性差 等问题逐步暴露。从 1976 年开始，人工智能的研究进入长达 6 年的萧瑟期。

在 80 年代中期，随着美国、日本立项支持人工智能研究，以及以知识工程 为主导的机器学习方法的发展，出现了具有更强可视化效果的决策树模型和突破 早期感知机局限的多层人工神经网络，由此带来了人工智能的又一次繁荣期。然 而，当时的计算机难以模拟复杂度高及规模大的神经网络，仍有一定的局限性。 1987 年由于 LISP 机市场崩塌，美国取消了人工智能预算，日本第五代计算机项 目失败并退出市场，专家系统进展缓慢，人工智能又进入了萧瑟期。

（编辑：PHP编程网 - 湛江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!