人工智能（Artificial Intelligence），英文缩写为AI；它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等；人工智能从诞生以来，理论和技术日益成熟，应用领域也正在不断扩大，逐渐的走向我们的生活。
如今，人工智能已经是一个非常重要和复杂的领域；未来人工智能带来的科技产品，将会是人类智慧的“容器”；关于人工智能发展的里程碑式大事件，对于身处于人工智能热潮中的你当然要知道和了解，下面就和怡美一起细数哪些人工智能发展史中里程碑的大事件。
【神经网络的诞生】
你可能已经听说过神经网络，在当今最先进的人工智能背后，是大脑激发的人工智能工具；你可能已经听说过神经网络，这是一种当今前沿人工智能背后受大脑启发的人工智能工具；虽然像深度学习这样的概念是比较新的，但它们背后的理论体系可以追溯到1943年的一个数学理论。
Warren McCulloch 和 Walter Pitts 的《 神经活动内在想法的逻辑演算 》可能听起来非常的普通，但它与计算机科学一样重要（甚至超过计算机科学）；其中，《 PageRank 引文排名 》一文，催生了谷歌公司的诞生；并且在《逻辑微积分》中， McCulloch 和 Pitts 描述了如何让人造神经元网络实现逻辑功能；以至于为今后 AI 的发展正式打开大门。
【人工智能的名字由来】
如果要提到人工智能的真正开端，那就要追溯到1955年8月31日；当时，研究人员John McCarthy、Marvin Minsky、 Nathaniel Rochester 和 Claude Shannon 提交了一份《2个月，10个人的人工智能研究》的提案，第一次提出了“人工智能”的概念；而其中 John McCarthy 被后人尊称为“人工智能之父”。
1956年，会议在达特茅斯学院占地269英亩的庄园举行；不幸的是，他们对于人工智能的发展有点过于乐观了；他们写到：“我们认为，如果一个精心挑选的科学家团队努力工作一个夏天，那我们就能取得重大进展。”然而事实证明，事到如今我们才爱人工智能上有所突破。
【反向传播算法（BACKPROP）的出现】
反向传播（英语：Backpropagation，缩写为 BP），有时缩写为“ BP ”，是机器学习历史上最重要的算法之一；尽管该算法成为机器学习的主流算法是在 20 世纪 80 年代，但该算法第一次被提出是在 1969 年；这是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。
反向传播要求有对每个输入值想得到的已知输出，来计算损失函数梯度；因此，它通常被认为是一种监督式学习方法，虽然它也用在一些无监督网络（如自动编码器）中；简而言之，这意味着创作者可以通过在犯错时纠正错误来训练他们的网络；在完成后，道具会修改神经网络中的不同连接，确保下次遇到同样问题时能得到正确的答案。
【语言助手的诞生】
提及亚马逊的 Alexa、谷歌助手和苹果的 Siri 大家一定都不陌生；早在20世纪60年代中期，麻省理工学院的一名研究人员就发明了一个名为 ELIZA 的计算机心理治疗师，可以实现与用户之间的“智能”对话；在当时，ELIZA 的发明者就指出，用户如此愿意以这种方式与机器交谈，这让他们感到非常惊讶。
【科技奇点的提出】
1993 年，作家兼计算机科学家 Vernor Vinge 发表了一篇文章，这篇文章首次提到了人工智能的“奇点”；而这里所指的“奇点”并不是广义上的，而是指未来某一天机器将变得比人类更聪明，甚至会取代人类，主宰人类世界；但在 1993 年，作家兼计算机科学家 Vernor Vinge 发表了一篇文章，这篇文章推广了这个想法。
被称为“即将到来的技术奇点”， Vernor Vinge 预测，在未来 30 年内，人类将拥有创造超级人工智能的能力；他在书中写到：“不久之后，人类时代就会结束。”这是一个警告，和现如今特斯拉 CEO 马斯克所担心的一样。
【第一辆自动驾驶汽车诞生】
你认为谷歌开发了世界上第一辆自动驾驶汽车吗？错！早在 1986 年，德国联邦国防军大学的研究人员就在一辆奔驰面包车上安装了摄像头和智能传感器，成功地在空无一人的街道上行驶。
几年后，一位名叫 Dean Pomerleau 的卡内基梅隆大学的研究人员建造了一辆自动驾驶的庞蒂克运输小货车，并沿海岸线从宾夕法尼亚州的匹兹堡到加州的圣地亚哥,共行驶了 2797 英里；相较于当今的自动驾驶技术，当时的这项技术像是小儿科，但是至少它证明了无人驾驶是可以实现的。
【IBM“深蓝”战胜国际象棋冠军】
对于人工智能来说，1997 年是一个标志性的年份，IBM的“深蓝”超级计算机在一场人机大战中战胜国际象棋冠军 Garry Kasparov ；尽管毫无疑问，深蓝的处理信息比人类更快；这一结果可能并没有证明人工智能有能力在有明确规则的问题上表现得异常出色，它仍然是人工智能领域的巨大飞跃。
【IBM“沃森”在智力竞赛节目中大获全胜】
IBM“沃森”在智力竞赛节目中大获全胜
就像深蓝与 Garry Kasparov 的比赛一样， IBM 的人工智能在 2011 年面临着另一个巨大的挑战——沃森人工智能在著名的智力竞赛节目“ Jeopardy ”中击败了所有人类对手，成功赢取了100万美元的大奖；比赛结束后，肯·詹尼斯打趣道：“欢迎我们的新机器人霸主。”人工智能的再次胜利 ，又一次向世界证明了人工智能比人脑更快。
【AI也爱猫？通过深度学习算法识别猫科动物】
2012 年 6 月，谷歌研究人员 Jeff Dean 和吴恩达从 YouTube 视频中提取了1000万个未标记的图像，训练了一个由16,000个电脑处理器组成的庞大神经网络；尽管没有给出有关它们的识别信息，但人工智能还是能够通过深度学习算法来识别猫科动物的照片；事实证明，就像我们一样，即使是令人印象深刻的智能AI，也喜欢看视频，而且尤其喜欢猫科动物。
【谷歌 AlphaGo 战胜世界围棋冠军李世石】
2016 年 3 月，继 IBM 深蓝之后，谷歌 DeepMind 的 AlphaGo 在四场比赛中击败了国际围棋世界冠军李世石，而这场激烈的人机大战吸引了来自世界各地的 6000 万人的观看；同样，2017年的升级版 AlphaGo 再次击败了国际围棋大师柯洁，引发了全世界的关注。
【人工智能里程碑：谷歌 AlphaGo Zero 横空出世，彻底摆脱人类】
近日，《自然》杂志刊登了谷歌DeepMind团队的新成果，名为 AlphaGo Zero （暂译：阿尔法元）的机器系统仅训练 3 天就战胜了AlphaGo Lee ，比分 100：0 ，后者就是战败李世石的那套。
经过40天训练后，AlphaGo Zero 又以 89：11 战胜了 AlphaGo Master ，即横扫柯洁的那套；更令人震惊的是，AlphaGo Zero 的设计理念和系统配置完全和 Lee/Master 不同，它不依托于人类的先验成果，完全靠自我对弈学习下棋；此前， Lee/Master 都是用上千盘人类业余和专业棋手的棋谱进行训练。
与此同时，AlphaGo Zero 仅配置了4个TPU，Lee 则是48个谷歌TPU计算单元；对于这一进步，人类围棋现世界第一柯洁以及前世界冠军古力分别发表看法，柯洁称：“一个纯净、纯粹自我学习的AlphaGo 是最强的；对于 AlphaGo 的自我进步来讲；人类太多余了。”