一. 政策
爲推動我國人工智能規模化應用，全面提升產業發展智能化水平，2017年7月20日，國務院印發了《新一代人工智能發展規劃》，並將在製造、金融、農業、物流、商務、家居等重點行業和領域開展人工智能應用試點示範工作。就金融行業而言，《規劃》指出，要在智能金融方面，建立金融大數據系統，提升金融多媒體數據處理與理解能力；創新智能金融產品和服務，發展金融新業態；鼓勵金融行業應用智能客服、智能監控等技術和裝備；建立金融風險智能預警與防控系統。
二. 主要發展階段
人工智能的起源：人工智能在五六十年代時正式提出，1950年，一位名叫馬文·明斯基(後被人稱爲“人工智能之父”)的大四學生與他的同學鄧恩·埃德蒙一起，建造了世界上第一臺神經網絡計算機。這也被看做是人工智能的一個起點。巧合的是，同樣是在1950年，被稱爲“計算機之父”的阿蘭·圖靈提出了一個舉世矚目的想法——圖靈測試。按照圖靈的設想：如果一臺機器能夠與人類開展對話而不能被辨別出機器身份，那麼這臺機器就具有智能。而就在這一年，圖靈還大膽預言了真正具備智能機器的可行性。1956年，在由達特茅斯學院舉辦的一次會議上，計算機專家約翰·麥卡錫提出了“人工智能”一詞。後來，這被人們看做是人工智能正式誕生的標誌。就在這次會議後不久，麥卡錫從達特茅斯搬到了MIT。同年，明斯基也搬到了這裏，之後兩人共同創建了世界上第一座人工智能實驗室——MIT AI LAB實驗室。值得追的是，茅斯會議正式確立了AI這一術語，並且開始從學術角度對AI展開了嚴肅而精專的研究。在那之後不久，最早的一批人工智能學者和技術開始湧現。達特茅斯會議被廣泛認爲是人工智能誕生的標誌，從此人工智能走上了快速發展的道路。
人工智能的第一次高峯：在1956年的這次會議之後，人工智能迎來了屬於它的第一段Happy Time。在這段長達十餘年的時間裏，計算機被廣泛應用於數學和自然語言領域，用來解決代數、幾何和英語問題。這讓很多研究學者看到了機器向人工智能發展的信心。甚至在當時，有很多學者認爲：“二十年內，機器將能完成人能做到的一切。”
人工智能第一次低谷： 70年代，人工智能進入了一段痛苦而艱難歲月。由於科研人員在人工智能的研究中對項目難度預估不足，不僅導致與美國國防高級研究計劃署的合作計劃失敗，還讓大家對人工智能的前景蒙上了一層陰影。與此同時，社會輿論的壓力也開始慢慢壓向人工智能這邊,導致很多研究經費被轉移到了其他項目上。
在當時，人工智能面臨的技術瓶頸主要是三個方面，第一,計算機性能不足，導致早期很多程序無法在人工智能領域得到應用；第二，問題的複雜性，早期人工智能程序主要是解決特定的問題，因爲特定的問題對象少，複雜性低，可一旦問題上升維度，程序立馬就不堪重負了；第三，數據量嚴重缺失，在當時不可能找到足夠大的數據庫來支撐程序進行深度學習，這很容易導致機器無法讀取足夠量的數據進行智能化。
因此，人工智能項目停滯不前，但卻讓一些人有機可乘,1973年Lighthill針對英國AI研究狀況的報告。批評了AI在實現“宏偉目標”上的失敗。由此，人工智能遭遇了長達6年的科研深淵。
人工智能的崛起：1980年，卡內基梅隆大學爲數字設備公司設計了一套名爲XCON的“專家系統”。這是一種，採用人工智能程序的系統，可以簡單的理解爲“知識庫+推理機”的組合，XCON是一套具有完整專業知識和經驗的計算機智能系統。這套系統在1986年之前能爲公司每年節省下來超過四千美元經費。有了這種商業模式後，衍生出了像Symbolics、Lisp Machines等和IntelliCorp、Aion等這樣的硬件，軟件公司。在這個時期，僅專家系統產業的價值就高達5億美元。
人工智能第二次低谷：可憐的是，命運的車輪再一次碾過人工智能，讓其回到原點。僅僅在維持了7年之後，這個曾經轟動一時的人工智能系統就宣告結束歷史進程。到1987年時，蘋果和IBM公司生產的臺式機性能都超過了Symbolics等廠商生產的通用計算機。從此，專家系統風光不再。
人工智能再次崛起：上世紀九十年代中期開始，隨着AI技術尤其是神經網絡技術的逐步發展，以及人們對AI開始抱有客觀理性的認知，人工智能技術開始進入平穩發展時期。1997年5月11日，IBM的計算機系統“深藍”戰勝了國際象棋世界冠軍卡斯帕羅夫，又一次在公衆領域引發了現象級的AI話題討論。這是人工智能發展的一個重要里程。
2006年，Hinton在神經網絡的深度學習領域取得突破，人類又一次看到機器趕超人類的希望,也是標誌性的技術進步。
【注】Geoffrey Hinton的論文《A fast learning algorithm for deep belief
nets》鏈接地址
在最近三年引爆了一場商業革命。谷歌、微軟、百度等互聯網巨頭，還有衆多的初創科技公司，紛紛加入人工智能產品的戰場，掀起又一輪的智能化狂潮，而且隨着技術的日趨成熟和大衆的廣泛接受，這一次狂潮也許會架起一座現代文明與未來文明的橋樑。
三. 60年曆程關鍵事件
時至今日，人工智能發展日新月異，此刻AI已經走出實驗室，離開棋盤，已通過智能客服、智能醫生、智能家電等服務場景在諸多行業進行深入而廣泛的應用。可以說，AI正在全面進入我們的日常生活，屬於未來的力量正席捲而來。讓我們來回顧下人工智能走過的曲折發展的60年曆程中的一些關鍵事件：
1946年，全球第一臺通用計算機ENIAC誕生。它最初是爲美軍作戰研製，每秒能完成5000次加法，400次乘法等運算。ENIAC爲人工智能的研究提供了物質基礎。
1950年，艾倫·圖靈提出“圖靈測試”。如果電腦能在5分鐘內回答由人類測試者提出的一些列問題，且其超過30%的回答讓測試者誤認爲是人類所答，則通過測試。這邊論文語言了創造出具有真正智能的機器的可能性。
1956年，“人工智能”概念首次提出。在美國達特茅斯大學舉行的一場爲其兩個月的討論會上，“人工智能”概念首次被提出。
1959年，首臺工業機器人誕生。美國發明家喬治·德沃爾與約瑟夫·英格伯格發明了首臺工業機器人，該機器人藉助計算機讀取示教存儲程序和信息，發出指令控制一臺多自由度的機械。它對外界環境沒有感知。
1964年，首臺聊天機器人誕生。美國麻省理工學院AI實驗室的約瑟夫·魏岑鮑姆教授開發了ELIZA聊天機器人，實現了計算機與人通過文本來交流。這是人工智能研究的一個重要方面。不過，它只是用符合語法的方式將問題複述一遍。
1965年，專家系統首次亮相。美國科學家愛德華·費根鮑姆等研製出化學分析專家系統程序DENDRAL。它能夠分析實驗數據來判斷未知化合物的分子結構。
1968年，首臺人工智能機器人誕生。美國斯坦福研究所（SRI）研發的機器人Shakey，能夠自主感知、分析環境、規劃行爲並執行任務，可以柑橘人的指令發現並抓取積木。這種機器人擁有類似人的感覺，如觸覺、聽覺等。
1970年，能夠分析語義、理解語言的系統誕生。美國斯坦福大學計算機教授T·維諾格拉德開發的人機對話系統SHRDLU，能分析指令，比如理解語義、解釋不明確的句子、並通過虛擬方塊操作來完成任務。由於它能夠正確理解語言，被視爲人工智能研究的一次巨大成功。
1976年，專家系統廣泛使用。美國斯坦福大學肖特里夫等人發佈的醫療諮詢系統MYCIN，可用於對傳染性血液病患診斷。這一時期還陸續研製出了用於生產製造、財務會計、金融等個領域的專家系統。
1980年，專家系統商業化。美國卡耐基·梅隆大學爲DEC公司製造出XCON專家系統，幫助DEC公司每年節約4000萬美元左右的費用，特別是在決策方面能提供有價值的內容。
1981年，第五代計算機項目研發。日本率先撥款支持，目標是製造出能夠與人對話、翻譯語言、解釋圖像，並能像人一樣推理的機器。隨後，英美等國也開始爲AI和信息技術領域的研究提供大量資金。
1984年，大百科全書（Cyc）項目。Cyc項目試圖將人類擁有的所有一般性知識都輸入計算機，建立一個巨型數據庫，並在此基礎上實現知識推理，它的目標是讓人工智能的應用能夠以類似人類推理的方式工作，成爲人工智能領域的一個全新研發方向。
1997年，“深藍”戰勝國際象棋世界冠軍。IBM公司的國際象棋電腦深藍DeepBlue戰勝了國際象棋世界冠軍卡斯帕羅夫。它的運算速度爲每秒2億步棋，並存有70萬份大師對戰的棋局數據，可搜尋並估計隨後的12步棋。
2011年，Watson參加智力問答節目。 IBM開發的人工智能程序“沃森”（Watson）參加了一檔智力問答節目並戰勝了兩位人類冠軍。沃森存儲了2億頁數據，能夠將於問題相關的關鍵詞從看似相關的答案中抽取出來。這一人工智能程序已被IBM廣泛應用於醫療診斷領域。
2016~2017年，AlphaGo戰勝圍棋冠軍。AlphaGo是由Google DeepMind開發的人工智能圍棋程序，具有自我學習能力。它能夠蒐集大量圍棋對弈數據和名人棋譜，學習並模仿人類下棋。DeepMind已進軍醫療保健等領域。
2017年，深度學習大熱。AlphaGoZero（第四代AlphaGo）在無任何數據輸入的情況下，開始自學圍棋3天后便以100:0橫掃了第二版本的“舊狗”，學習40天后又戰勝了在人類高手看來不可企及的第三個版本“大師”。
————————————————
版權聲明：本文爲CSDN博主「周雄偉」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/ebzxw/article/details/80470053