1.人工智能发展历程
AI诞生
1956年8月达特茅斯会议
利用机器来模仿人类学习以及其他方面的智能
第一次发展高潮
理论爆发期
1955—1974年
人工神经网络在，1951年马文·明斯基制造出第一台神经网络机
贝尔曼方程（也称动态规划方程，被认为是强化学习的雏形）
感知器模型（深度学习的雏形）
搜索式推理、自然语言处理、微世界等人工智能概念
人工智能拥有模仿智能的特征，懂得使用语言，懂得形成抽象概念并解决人类现存问题
亚瑟·塞缪尔（Arthur Samuel）在20世纪50年代中期国际象棋程序，程序的棋力已经可以挑战具有相当水平的业余爱好者
查理·罗森，首款具备移动能力的机器人Shakey，感知周围环境并创建路线规划；根据事实来推断隐藏含义；通过普通英语进行沟通
第一次寒冬
1974—1980年
计算机运算能力遭遇瓶颈，无法解决指数型爆炸的复杂计算问题
常识和推理需要大量认识信息，计算机无法“看懂”和“听懂
计算机无法解决莫拉维克悖论
人类所独有的高阶智慧能力只需要非常少的计算能力，例如推理，但是无意识的技能和直觉却需要极大的运算能力
无法解决部分涉及自动规划的逻辑问题
神经网络研究学者遭遇冷落
第二次发展高潮
复兴期
1980—1987年
专家系统的诞生
智能可能需要建立在对分门别类的大量知识的多种处理方法之上
辛顿等研究人员提出反向传播算法实现了神经网络训练的突破
机器需要有感知、移动、生存，与这个世界交互的能力
促进了未来自然语言、机器视觉的发展
第二次寒冬
1987—1993年
大型计算机受到台式机和个人计算机理念的冲击影响
商业机构对人工智能的追捧逐渐冷落，泡沫破裂
计算机性能瓶颈仍然无法突破
缺乏海量数据训练机器
第三次发展高潮
现代机器学习的成型时期
1993年至21世纪初
Schapire提出Boosting算法
通过构造一个预测函数系列,然后以一定的方式将他们组合成一个预测函数。
瓦普尼克和科尔特斯提出支持向量(SVM )
支持向量机在以前许多神经网络模型不能解决的任务中取得了良好的效果
布雷曼博士提出了随机森林(RF)
它是由一个随机子集的实例组成，并且每个节点都是从一系列随机子集中选择。
第四次发展高潮
神经网络&AI应用的爆发
21世纪初至今
Hinton提出了神经网络Deep Learning算法
利用人工神经网络帮助进行可视化或分类
“逐层初始化”来有效克服训练难度
人工智能概念60周年，深度学习的联合综述
2.人机交互发展历程
人工智能AI与智能增强IA
AI阵营
Artificial Intelligence
明斯基
智能机器来取代人类的认知功能和能力
IA阵营
Intelligence Augmentation
恩格尔巴特
将智能机器用来扩展人类的认知功能和能力
初代互联网
GUI发展
1960~1980年代
1960年，利克莱德提出了“人机共生”（Man-Machine Symbiosis）概念，被视为人机界面学的启蒙观点
1962年，恩格尔巴特《提升人类智能：一个概念性的框架》
人机交互阵营实现的各种技术例如视窗、鼠标、互联网，再到语音交互，基本停留在恩格尔巴特这个理论框架中。
1963年，伊凡·苏泽兰项目“画板”（Sketchpad）帮助图形、交互式计算向前大步迈进
1964年，恩格尔巴特发明的鼠标
1965年，伊凡·苏泽兰提出了虚拟现实
1968年，恩格尔巴特开发了世界上第一个标准化的编辑器NIB
1969年，第一次人机系统国际大会，《国际人机研究》创刊
1970年，人机交互研究中心：HUSAT，施乐Palo Alto研究中心
1973年，施乐Alto计算机，人机交互正式进入GUI时代
80年代，苹果、IBM、微软等大公司相继推出自己的图形界面系统
移动互联网
GUI进化
1973年，AT&T蜂窝网络，通过无线通道将终端和网络设备连起来
1983年，NASA开发了火星探测的虚拟环境视觉显示器VIVEDVR
1993年，苹果Newton带来触控屏、红外线、手写输入等交互功能
1997年，飞利浦公司推出数字化智能手机
2002年，手机和WAP技术逐渐成熟
2004年，Web 2.0成为主流，“应用软件构建在互联网”
2007年，苹果发布了iPhone和iOS
2008年，Google发布了开源移动操作平台Android
3G、4G、5G的发展
多模态发展
1990年，VPL Research，面向民用市场推出了一系列VR设备
1992年，李开复演示了Casper的语音助理
1997年，室外移动增强现实系统Touring Machin
1999年，世界第一款AR开源工具ARToolKit问世
2000年，交互式语音应答（Interactive Voice Response，IVR）诞生
2006年，任天堂推出了Wii，通过运动传感器识别玩家手臂动作
2009年，微软Xbox 360推出体感周边外设Kinect
拥有即时动态捕捉、影像辨识、麦克风输入、语音辨识、社群互动等功能
2011年，苹果发布了语音助手Siri，随后几年语音交互时代来临
2012年，Google革命性产品Google Glass开始测试
2013年
Leap发布了体感控制器Leap Motion
手势控制臂环MYO腕带
2014年至今，VR热潮，柔性屏，AR Pokémon GO
3.人工智能现状
人工智能定义
强人工智能
不确定因素时的推理、决策能力
知识表达能力
规划能力
学习能力
自然交流沟通能力
整合，实现目标的能力
弱人工智能
专注于且只能解决特定领域问题的人工智能
现阶段，机器学习，该算法可以使程序拥有自我学习和演变的能力
人工智能爆发原因
数据
互联网、移动设备和传感器的普及，产生及存储数据量急速剧增
算力
运算力的提升也起到了明显效果
CPU/GPU→FPGA/ASIC/TPU
基础能力
记忆思考能力
深度学习、知识图谱、迁移学习、自然语言处理
机器学习
监督学习
标注数据从而提高模型的准确性，通过挖掘标注数据之间的关系最后给出结果
信息检索、个性化推荐、预测、垃圾邮件侦测等
目前的深度学习应用几乎都属于监督学习
非监督学习
从数据中自动提取出数据模式和结构，不断优化自身模型给出结果
应用场景多为数据挖掘、异常检测、用户聚类、新闻聚类等
强化学习
动态的学习过程，没有明确的学习目标，结果没有精确衡量标准
输入是历史的状态、动作和对应奖励，要求输出的是当前状态下的最佳动作
4.主要发展方向
计算智能
包括神经计算、模糊计算和进化计算，AlphaGo是计算智能的代表
感知智能
包括视觉、听觉、触觉等方向的传感器
机器人、自动驾驶车
认知智能
有主动思考和目的性推理的能力，并与人自然交互
