hello大家好，今天来给您讲授有关ai人工智能发展简史，AI人工智能发展简史第三阶段的相关知识，希望可以帮助到您，解决大家的一些困惑，下面一起来看看吧！

人工智能（Artificial Intelligence，简称AI）作为一门学科领域，经历了几十年的发展和演进。随着计算能力的提高和数据量的增加，AI正进入第三阶段的发展。本文将扼要介绍AI发展的历史，并重点探讨AI发展的第三阶段。

AI的发展可以追溯到上世纪50年代中期。早期的AI研究主要集中在推理和问题解决上，研究者们试图通过制定一套规则来摹拟人类的思惟进程。由于计算能力的限制和对人类智能理解的不足，这一阶段的发展进展缓慢，很少获得实质性的成果。

第二阶段的AI发展始于上世纪80年代末至90年代初。随着计算机性能的提高和数据量的增加，机器学习成为研究的重点。研究者们开始采取统计学方法，通过分析大量数据来训练模型，使计算机具有一定的学习能力。这一阶段的代表性成果包括神经网络和支持向量机等机器学习算法的利用。

在第三阶段的AI发展中，我们迎来了深度学习的时期。深度学习是机器学习的一种特殊情势，它通过摹拟神经网络的结构和功能，来实现对复杂问题的处理和复杂任务的解决。深度学习利用多层次的神经网络结构来表示数据和学习模式，通过反向传播算法来训练神经网络，从而实现对数据的自动特点提取和模式辨认。这类方式与人类的学习方式类似，使得计算性能够更好地理解和处理复杂的信息。

深度学习在各个领域获得了突破性的进展。在图象辨认领域，深度学习已超出人类水平，实现了精确的目标检测和图象分类。在自然语言处理领域，深度学习被广泛利用于机器翻译、文本生成和智能对话等任务。在医疗领域，深度学习被用于辅助医生进行疾病诊断和预测。

除深度学习，第三阶段的AI发展还出现了其他一些重要的技术和利用。强化学习是一种用于训练智能体通过与环境的交互来学习最优行动策略的方法。这类方法在游戏和机器人控制等领域已获得了显著的成果。边沿计算、量子计算和量子机器学习等新兴技术也逐步被利用于AI领域，为AI的发展带来了新的机遇和挑战。

AI的发展经历了几十年的演进，目前正处于第三阶段的发展。深度学习作为该阶段的核心技术，为AI带来了重大突破和利用前景。随着技术的不断进步和利用的推广，AI有望在未来发挥更重要的作用，推动各个领域的发展和进步。

ai人工智能发展简史，AI人工智能发展简史第三阶段

提到人工智能的历史，所有书都会提到1956年度的达特茅斯会议，在这次会上人工智能的鼻祖John mcarthy是发起人，minsky也 积极参与包括我们课本上非常著名的提出信息论的香农本人。曾麦卡锡和明斯基都曾在贝尔实验室为香农打工，当时他们研究的核心就是图灵机，并将此作为智能活动的理论基础。后来麦卡锡到IBM打工，遇到了研究神经网络的罗切斯特并得到了洛克菲勒基金会的资助，决定在第二年达特茅斯召开人工智能夏季研讨会，这便是人工智能名字的由来。从1955年到1965年，人工智能进入快速发展时期，在机器学习领域，出现了“跳棋程序”并在1959年实现了人工智能克服人类的事件打败了当时设计他的设计师Samuel，并在1962年，打败了州跳棋冠军。在模式辨认领域，1956年Oliver selfridge研发了第一个字符辨认程序，并在1963年发明了符号积分程序SAINT，在1967年SAINT的升级版SIN就到达了专家级的水准。同时美国政府也投入了2000万美元资金作为机器翻译的科研经费。当年参加达特茅斯的专家们纷纭发表言论，不出十年，计算机将成为世界象棋冠军、可以证明数学定理、谱写优美的音乐，并且在2000年就能够超过人类。

简述人工智能发展简史

人工智能是甚么梦寐以求的事件，但是你不知道人工智未来时。能会让人们多吗？恐怖！！

逐一未来的世界，地球已冒话，已原来蓝色的星球已变成了一片银色。大路上也不在有绿色。海洋现在已被一大部份的陆地覆盖。现在智能机器人已成了人们主人，人们只能为智能机器人服务。

AI人工智能发展简史第三阶段

第三阶段由本世纪初至今，是量变产生质变，人工智能有望实现范围化利用。

人工智能的发展阶段

（1）第一阶段（20 世纪50 年代中期到80 年代早期）：深耕细作，30 年技术发展为人工智能产业化奠定基础。在1956 年之前，人工智能就已开始孕育。

（2）第二阶段（20 世纪80 年代早期至21 世纪早期）：急功近利，人工智能成功商用但逾越式发展失败。80 年代早期，人工智能逐步成为产业，第一个成功的商用专家系统R1 为DEC 公司每一年节俭4000 万美元左右的费用。

（3）第三阶段（21世纪早期至今）：量变产生质变，人工智能有望实现范围化利用。摩尔定律和云计算带来的计算能力的提升，和互联网和大数据广泛利用带来的海量数据量的积累，使得深度学习算法在各行业得到快速利用，并推动语音辨认、图象辨认等技术快速发展并迅速产业化。

发展阶段，人工智能的发展简史，主要分为三个阶段，分别是孕育、构成和发展三个阶段：

第一个阶段是在1956年，第二个阶段是在1956~1969年，第三个阶段指的是在20世纪70年代以后。

人工智能的发展简史

人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已终究可以创造出机器智能，“人工智能”（ARTIFICIAL INTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩大，在它还不长的历史中，人工智能的发展比料想的要慢，但一直在前进，从40年前出现至今，已出现了许多AI程序，并且它们也影响到了其它 技术的发展。 1941年的一项发明使信息存储和处理的各个方面都产生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间，对程序员来讲是场噩梦：仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机 理论的发展产生了计算机科学，并终究促使了人工智能的出现.计算机这个用电子方式处理数据的发明，为人工智能的可能实现提供了一种媒介.

虽然计算机为AI提供了必要的技术基础，但直到50年代初期人们才注意到人类智能与机器之间 的联系. NORBERT WIENER是最早研究反馈理论的美国人之一.最熟习的反馈控制的例子是自动调温器.它 将搜集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度.这项对反馈 回路的研究重要性在于：WIENER从理论上指出，所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器摹拟的.这项发现对初期AI的发展影响很大.

1955年末，NEWELL和SIMON做了一个名为逻辑专家(LOGIC THEORIST）的程序.这个程序被许多人 认为是第一个AI程序.它将每一个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解 问题.逻辑专家对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年，被认为是 人工智能之父的JOHN MCCARTHY组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 VERMONT参加 DARTMOUTH人工智能夏季研究会.从那时起，这个领域被命名为 人工智能.虽然 DARTMOUTH学会不是非常成功，但它确切集中了AI的创建者们，并为以后的AI研究奠定了基础.

DARTMOUTH会议后的7年中，AI研究开始快速发展.虽然这个领域还没明肯定义，会议中的一些思想 已被重新斟酌和使用了. CARNEGIE MELLON大学和MIT开始组建AI研究中心.研究面临新的挑战：下一步需 要建立能够更有效解决问题的系统，例如在逻辑专家中减少搜索；还有就是建立可以自我学习的系统.

1957年一个新程序，通用解题机(GPS）的第一个版本进行了测试.这个程序是由制作逻辑专家 的同一个组开发的.GPS扩大了WIENER的反馈原理，可以解决很多常识问题.两年以后，IBM成立了一个AI研 究组.HERBERT GELERNETER花3年时间制作了一个解几何定理的程序.

当愈来愈多的程序出现时，MCCARTHY正忙于一个AI史上的突破.1958年MCCARTHY宣布了他的新成 果：LISP语言. LISP到今天还在用.LISP的意思是表处理(LIST PROCESSING），它很快就为大多数AI开发者采用.

1963年MIT从美国政府得到一笔220万美元的资助，用于研究机器辅助辨认.这笔资助来自国防部 高级研究计划署（ARPA），已保证美国在技术进步上领先于苏联.这个计划吸引了来自全球的计算机科学家，加快了AI研究的发展步伐. LOEBNER（人工智能类）

以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能），对人类来讲是一个极具诱惑的领域，人类为了实现这一梦想也已奋斗了很多个年头了。而从一个语言研究者的角度来看，要让机器与人之间自由交换那是相当困难的，乃至可以说可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以致于我们的研究还并未触及其导向本质的外延部份的边沿。 以后几年出现了大量程序.其中一个著名的叫SHRDLU.SHRDLU是微型世界项目的一部份，包括 在微型世界（例如只有有限数量的几何形体）中的研究与编程.在MIT由MARVIN MINSKY领导的研究人员发现，面对小范围的对象，计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的STUDENT可以解决代数 问题，SIR可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.

70年代另外一个进展是专家系统.专家系统可以预测在一定条件下某种解的几率.由于当时计算机已 有巨大容量，专家系统有可能从数据中得出规律.专家系统的市场利用很广.十年间，专家系统被用于股市预 测，帮助医生诊断疾病，和唆使矿工肯定矿藏位置等.这一切都由于专家系统存储规律和信息的能力而成为可能.

70年代许多新方法被用于AI开发，著名的如MINSKY的构造理论.另外DAVID MARR提出了机器视觉方 面的新理论，如何通过一副图象的阴影，形状，色彩，边界和纹理等基本信息辨别图象.通过分析这些信 息，可以推断出图象多是甚么.同时期另外一项成果是PROLOGE语言，于1972年提出. 80年代期间，AI前进更加迅速，并更多地进入商业领域.1986年，美国AI相关软硬件销售高达4.25亿 美元.专家系统因其功效尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦，通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要，一些生产专家系统辅助制作软件的公 司，如TEKNOWLEDGE和INTELLICORP成立了。为了查找和改正现有专家系统中的毛病，又有另外一些专家系统被设计出来. 人们开始感遭到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们眼前.有了像美国人工智能协会这样的基金会.由于AI开发 的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像DEC（它雇了700多员工从事AI研究）这样的公司共花了10亿美元在内部的AI开发组上.

其它AI领域也在80年代进入市场.其中一项就是机器视觉. MINSKY和MARR的成果如今用到了生产线上的相机和计算机中，进行质量控制.虽然还很简陋，这些系统已能够通过黑白区分分辨出物件形状的区别.到1985年美国有一百多个公司生产机器视觉系统，销售额共达8千万美元.

但80年代对AI工业来讲也不全是好年景.86⑻7年对AI系统的需求降落，业界损失了近5亿美元.象 TEKNOWLEDGE和INTELLICORP两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另外一个使人失望的是国防部高级研究计划署支持的所谓智能卡车.这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺点和成功无望，PENTAGON停止了项目的经费.

虽然经历了这些受挫的事件，AI仍在渐渐恢复发展.新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不肯定的条件作出决策；还有神经网络，被视为实现人工智能的可能途径.80年代AI被引入了市场，并显示出实用价值.可以确信，它将是通向21世纪之匙. 人工智能技术接受检验 在沙漠风暴行动中军方的智能装备承受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣；一些面向苹果机和IBM兼容机的利用 软件例如语音和文字辨认已可买到；使用模糊逻辑，AI技术简化了摄像装备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已并且将继续不可避免地改变我们的生活。 人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（JOHN MCCARTHY）在1956年的达特矛斯会议（DARTMOUTH CONFERENCE）上提出的：人工智能就是要让机器的行动看起来就象是人所表现出的智能行动一样。但是这个定义仿佛疏忽了能人工智能的可能性（见下）。另外一个定义指人工智能是人造机器所表现出来的智能性。整体来说，对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。

能人工智能(BOTTOM-UP AI)

能人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这样的机器能将被认为是有知觉的，有自我意识的。能人工智能可以有两类：

类人的人工智能，即机器的思考和推理就像人的思惟一样。

非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

弱人工智能(TOP-DOWN AI)

弱人工智能观点认为不可能制造出能真正地推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这些机器只不过看起来像是智能的，但是其实不真正具有智能，也不会有自主张识。

主流科研集中在弱人工智能上，并且一般认为这一研究领域已获得可观的成绩。能人工智能的研究则处于停滞不前的状态下。

对能人工智能的哲学争辩

“能人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：

“能人工智能观点认为计算机不但是用来研究人的思惟的一种工具；相反，只要运行适当的程序，计算机本身就是有思惟的。”（J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不肯定的，像下面所提到的就是其中的例子。利用计算机解决问题时，一定要知道明确的程序。可是，人即便在不清楚程序时，根据发现（HEU- RISTIC）法而想法奇妙的解决了问题的情况是很多的。如辨认书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、根据类推而进行的推理等，也是其例。解决的程序虽然是清楚的，但是实行起来需要很长时间，对这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能捉住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。

关于能人工智能的争辩区别于更广义的一元论和二元论（DUALISM）的争辩。其争辩要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那末这台机器是不是是有思惟的？希尔勒认为这是不可能的。他举了个中文房间的例子来讲明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那末在不理解这一编码和这实际事情之间的对应关系的条件下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即便有机器通过了图灵测试，也不一定说明机器就真的像人一样有思惟和意识。

也有哲学家持区别的观点。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里认为，人也不过是一台有灵魂的机器而已，为何我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思惟和意识的。

有的哲学家认为如果弱人工智能是可实现的，那末能人工智能也是可实现的。比如SIMON BLACKBURN在其哲学入门教材 THINK 里说道，一个人的看起来是“智能”的行动其实不能真正说明这个人就真的是智能的。我永久不可能知道另外一个人会不会真的像我一样是智能的，或者说她/他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。BLACKBURN 认为这是一个主观认定的问题。

需要要指出的是，弱人工智能并不是和能人工智能完全对峙，也就是说，即便能人工智能是可能的，弱人工智能依然是成心义的。最少，本日的计算性能做的事，像算术运算等，在百多年前是被认为很需要智能的。

人工智能发展简史感悟

人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已终究可以创造出机器智能，“人工智能”（ARTIFICIAL INTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩大，在它还不长的历史中，人工智能的发展比料想的要慢，但一直在前进，从40年前出现至今，已出现了许多AI程序，并且它们也影响到了其它 技术的发展。 1941年的一项发明使信息存储和处理的各个方面都产生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间，对程序员来讲是场噩梦：仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机 理论的发展产生了计算机科学，并终究促使了人工智能的出现.计算机这个用电子方式处理数据的发明，为人工智能的可能实现提供了一种媒介.

虽然计算机为AI提供了必要的技术基础，但直到50年代初期人们才注意到人类智能与机器之间 的联系. NORBERT WIENER是最早研究反馈理论的美国人之一.最熟习的反馈控制的例子是自动调温器.它 将搜集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度.这项对反馈 回路的研究重要性在于：WIENER从理论上指出，所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器摹拟的.这项发现对初期AI的发展影响很大.

1955年末，NEWELL和SIMON做了一个名为逻辑专家(LOGIC THEORIST）的程序.这个程序被许多人 认为是第一个AI程序.它将每一个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解 问题.逻辑专家对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年，被认为是 人工智能之父的JOHN MCCARTHY组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 VERMONT参加 DARTMOUTH人工智能夏季研究会.从那时起，这个领域被命名为 人工智能.虽然 DARTMOUTH学会不是非常成功，但它确切集中了AI的创建者们，并为以后的AI研究奠定了基础.

DARTMOUTH会议后的7年中，AI研究开始快速发展.虽然这个领域还没明肯定义，会议中的一些思想 已被重新斟酌和使用了. CARNEGIE MELLON大学和MIT开始组建AI研究中心.研究面临新的挑战：下一步需 要建立能够更有效解决问题的系统，例如在逻辑专家中减少搜索；还有就是建立可以自我学习的系统.

1957年一个新程序，通用解题机(GPS）的第一个版本进行了测试.这个程序是由制作逻辑专家 的同一个组开发的.GPS扩大了WIENER的反馈原理，可以解决很多常识问题.两年以后，IBM成立了一个AI研 究组.HERBERT GELERNETER花3年时间制作了一个解几何定理的程序.

当愈来愈多的程序出现时，MCCARTHY正忙于一个AI史上的突破.1958年MCCARTHY宣布了他的新成 果：LISP语言. LISP到今天还在用.LISP的意思是表处理(LIST PROCESSING），它很快就为大多数AI开发者采用.

1963年MIT从美国政府得到一笔220万美元的资助，用于研究机器辅助辨认.这笔资助来自国防部 高级研究计划署（ARPA），已保证美国在技术进步上领先于苏联.这个计划吸引了来自全球的计算机科学家，加快了AI研究的发展步伐. LOEBNER（人工智能类）

以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能），对人类来讲是一个极具诱惑的领域，人类为了实现这一梦想也已奋斗了很多个年头了。而从一个语言研究者的角度来看，要让机器与人之间自由交换那是相当困难的，乃至可以说可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以致于我们的研究还并未触及其导向本质的外延部份的边沿。 以后几年出现了大量程序.其中一个著名的叫SHRDLU.SHRDLU是微型世界项目的一部份，包括 在微型世界（例如只有有限数量的几何形体）中的研究与编程.在MIT由MARVIN MINSKY领导的研究人员发现，面对小范围的对象，计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的STUDENT可以解决代数 问题，SIR可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.

70年代另外一个进展是专家系统.专家系统可以预测在一定条件下某种解的几率.由于当时计算机已 有巨大容量，专家系统有可能从数据中得出规律.专家系统的市场利用很广.十年间，专家系统被用于股市预 测，帮助医生诊断疾病，和唆使矿工肯定矿藏位置等.这一切都由于专家系统存储规律和信息的能力而成为可能.

70年代许多新方法被用于AI开发，著名的如MINSKY的构造理论.另外DAVID MARR提出了机器视觉方 面的新理论，如何通过一副图象的阴影，形状，色彩，边界和纹理等基本信息辨别图象.通过分析这些信 息，可以推断出图象多是甚么.同时期另外一项成果是PROLOGE语言，于1972年提出. 80年代期间，AI前进更加迅速，并更多地进入商业领域.1986年，美国AI相关软硬件销售高达4.25亿 美元.专家系统因其功效尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦，通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要，一些生产专家系统辅助制作软件的公 司，如TEKNOWLEDGE和INTELLICORP成立了。为了查找和改正现有专家系统中的毛病，又有另外一些专家系统被设计出来. 人们开始感遭到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们眼前.有了像美国人工智能协会这样的基金会.由于AI开发 的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像DEC（它雇了700多员工从事AI研究）这样的公司共花了10亿美元在内部的AI开发组上.

其它AI领域也在80年代进入市场.其中一项就是机器视觉. MINSKY和MARR的成果如今用到了生产线上的相机和计算机中，进行质量控制.虽然还很简陋，这些系统已能够通过黑白区分分辨出物件形状的区别.到1985年美国有一百多个公司生产机器视觉系统，销售额共达8千万美元.

但80年代对AI工业来讲也不全是好年景.86⑻7年对AI系统的需求降落，业界损失了近5亿美元.象 TEKNOWLEDGE和INTELLICORP两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另外一个使人失望的是国防部高级研究计划署支持的所谓智能卡车.这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺点和成功无望，PENTAGON停止了项目的经费.

虽然经历了这些受挫的事件，AI仍在渐渐恢复发展.新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不肯定的条件作出决策；还有神经网络，被视为实现人工智能的可能途径.80年代AI被引入了市场，并显示出实用价值.可以确信，它将是通向21世纪之匙. 人工智能技术接受检验 在沙漠风暴行动中军方的智能装备承受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣；一些面向苹果机和IBM兼容机的利用 软件例如语音和文字辨认已可买到；使用模糊逻辑，AI技术简化了摄像装备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已并且将继续不可避免地改变我们的生活。 人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（JOHN MCCARTHY）在1956年的达特矛斯会议（DARTMOUTH CONFERENCE）上提出的：人工智能就是要让机器的行动看起来就象是人所表现出的智能行动一样。但是这个定义仿佛疏忽了能人工智能的可能性（见下）。另外一个定义指人工智能是人造机器所表现出来的智能性。整体来说，对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。

能人工智能(BOTTOM-UP AI)

能人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这样的机器能将被认为是有知觉的，有自我意识的。能人工智能可以有两类：

类人的人工智能，即机器的思考和推理就像人的思惟一样。

非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

弱人工智能(TOP-DOWN AI)

弱人工智能观点认为不可能制造出能真正地推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这些机器只不过看起来像是智能的，但是其实不真正具有智能，也不会有自主张识。

主流科研集中在弱人工智能上，并且一般认为这一研究领域已获得可观的成绩。能人工智能的研究则处于停滞不前的状态下。

对能人工智能的哲学争辩

“能人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：

“能人工智能观点认为计算机不但是用来研究人的思惟的一种工具；相反，只要运行适当的程序，计算机本身就是有思惟的。”（J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不肯定的，像下面所提到的就是其中的例子。利用计算机解决问题时，一定要知道明确的程序。可是，人即便在不清楚程序时，根据发现（HEU- RISTIC）法而想法奇妙的解决了问题的情况是很多的。如辨认书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、根据类推而进行的推理等，也是其例。解决的程序虽然是清楚的，但是实行起来需要很长时间，对这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能捉住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。

关于能人工智能的争辩区别于更广义的一元论和二元论（DUALISM）的争辩。其争辩要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那末这台机器是不是是有思惟的？希尔勒认为这是不可能的。他举了个中文房间的例子来讲明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那末在不理解这一编码和这实际事情之间的对应关系的条件下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即便有机器通过了图灵测试，也不一定说明机器就真的像人一样有思惟和意识。

也有哲学家持区别的观点。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里认为，人也不过是一台有灵魂的机器而已，为何我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思惟和意识的。

有的哲学家认为如果弱人工智能是可实现的，那末能人工智能也是可实现的。比如SIMON BLACKBURN在其哲学入门教材 THINK 里说道，一个人的看起来是“智能”的行动其实不能真正说明这个人就真的是智能的。我永久不可能知道另外一个人会不会真的像我一样是智能的，或者说她/他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。BLACKBURN 认为这是一个主观认定的问题。

需要要指出的是，弱人工智能并不是和能人工智能完全对峙，也就是说，即便能人工智能是可能的，弱人工智能依然是成心义的。最少，本日的计算性能做的事，像算术运算等，在百多年前是被认为很需要智能的。

END，关于“ai人工智能发展简史，AI人工智能发展简史第三阶段”的具体内容就介绍到这里了，如果可以帮助到大家，还望关注本站哦！