人工智能发展的路线图：人工智能的定义、神经网络的发展历程

·何谓人工智能；
广义的人工智能就是创造出能像人类一样思考的机器，它不仅是科幻电影喜闻乐见的主题，更是科学极客们的终极梦想，是技术狂不切实际、异想天开的代名词。
而狭义的人工智能，美国斯坦福大学人工智能研究中心尼尔逊教授就给下了这样一个定义：“人工智能是关于知识的学科，是怎样表示知识以及怎样获得知识并使用知识的科学。从人工智能实现的功能来定义是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别学习和问题求解等思维活动。这些反映了人工智能学科的基本思想和基本内容，即人工智能是研究人类智能活动的规律。若是从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。”

·追溯人工智能的产生和发展；

1943年最早的人工神经元模型被提出；1956年达特茅斯会议上一群科学家的集中讨论，引出了人工智能这个概念，也是这一年成为了人工智能的元年； 1977年在第五届国际

人工智能会议上，美国斯坦福大学计算机科学家费根鲍姆教授正式提出了知识工程概念，随

后各类专家系统得以发展，大量商品化的专家系统被推出市面，但发展的好景不长，因为该

计算机系统没有什么学习能力，或者说学习能力非常有限，满足不了科技和生产提出的新要

求，于是继专家系统之后，机器学习便成了人工智能的又一重要领域。

·人工智能、机器学习和深度学习三者关系；

人工智能、机器学习和深度学习三者之间的关系，后者属于前者。时下火热的深度学习是机器学习下的一分支，其所搭建的多层神经网络，其实是由最早的神经元模型演化而来的。

·神经网络的发展历程；

M-P神经元模型；

单层感知机；

多层感知机；

深度学习神经网络（Deep Neural Network，DNN）;

卷积神经网络（Convolutional Neural Network，CNN）;

递归神经网络（Recurrent Neural Network，RNN）；

……
早在1943年计算机发明之前便有了第一个M-P神经元模型，在这个模型中，神经元接收来自N个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比对，然后通过激活函数产生神经元的输出。

1958年提出的单层感知机是在M-P神经元上发展得来，有输入和输出两层神经元搭建而成，能解决“与、或、非”这些简单的线性问题，却在1969年遭遇人工智能奠基者之一的Minsky写书的质疑。

单层感知机确实解决不了异或问题，但堆叠成的多层感知机（Multilayer Perception，MLP）可以，也就是我们说的多层神经网络，它将一步完成不了的东西给拆分成多步完成，在这中间利用算法从大量训练样本中学习出统计规律，从而对未知事件进行预测。

所谓深度学习，狭义地说就是很多层的神经网络，在若干的测试和竞赛上，尤其涉及语音、图像等复杂对象的应用中，深度学习技术取得了优越的性能。以往机器学习想要在应用中取得好的性能，对使用者的要求门槛较高，而深度学习技术基于复杂模型之上，使用者只要下功夫去“调参”，调好参数性能往往就好，对使用者的门槛大大的降低了。