人工智能发展史，机器学习/神经网络与其关系

人工智能是指让机器获得像人类一样思考与处理事情能力的技术，最早出现在 1956 年召开的达特茅斯会议上。这次会议主要讨论着一个在当时看来完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。

人工智能是一项极具挑战性的任务。从人类认知角度看，因为人类目前尚无法对人脑的工作机制有全面科学的认知，所以制造出达到人脑水平的智能机器无疑是非常困难的。但是随着计算机技术的发展，在某个方面呈现出类似、接近甚至超越人类智能水平的机器被证明是可行的。

怎么实现人工智能是一个非常广袤的问题。人工智能的发展主要经历过 3 种阶段，每个阶段都代表了人类从不同的角度尝试实现人工智能的探索足迹。

最早期人类试图通过总结、归纳出一些逻辑规则，并将逻辑规则以计算机程序的方式来开发智能系统。但是这种显式的规则往往过于简单，很难表达复杂、抽象的规则。这一阶段被称为推理期。

1970 年代，科学家们尝试通过知识库+推理的方式解决人工智能，通过构建庞大复杂的专家系统来模拟人类专家的智能水平。这些明确指定规则的方式存在一个最大的难题，就是很多复杂，抽象的概念无法用具体的代码实现。比如人类对图片的识别，对语言的理解过程，根本无法通过既定规则模拟。为了解决这类问题，一门通过让机器自动从数据中学习规则的研究学科诞生了，称为机器学习，并在 1980 年代成为人工智能中的热门学科。

在机器学习中，有一门通过神经网络来学习复杂、抽象逻辑的方向，称为神经网络。

神经网络方向的研究经历了 2 起 2 落，并从 2012 年开始，由于效果极为显著，应用深层神经网络技术在计算机视觉、自然语言处理、机器人等领域取得了重大突破，部分任务上甚至超越了人类智能水平，开启了以深层神经网络为代表的人工智能的第 3 次复兴。这次复兴直接与我们生活息息相关，如语音识别技术、人脸识别技术从本质上改变了我们生活的方式。

深层神经网络有了一个新名字，叫做深度学习，一般来讲，神经网络和深度学习的本质区别并不大，深度学习特指基于深层神经网络实现的模型或算法。人工智能，机器学习，神经网络，深度学习的相互之间的关系如图所示。