下载掌阅APP，畅读海量书库
立即打开
人工智能（Artif i cial Intelligence，AI）是计算机科学的重要分支，旨在研究如何让机器具备类似人类的思维和学习能力。随着计算能力的提升和数据规模的增长，人工智能技术在多个领域取得了突破性进展，推动了社会和经济的发展。
人工智能的发展历程可以划分为以下几个主要阶段。
概念萌芽期（20世纪50年代）：
1956年，在美国达特茅斯会议上，人工智能的概念被正式提出，标志着该领域的诞生。早期研究以推理和问题求解为核心，提出了如逻辑演算、状态空间搜索等经典方法。
技术探索期（20世纪60—70年代）：
这一时期，专家系统成为人工智能研究的重点，通过知识库和推理规则模拟专家决策。由于计算能力和数据资源的限制，该阶段的成果未能达到预期。
低谷与复兴期（20世纪80—90年代）：
虽然经历了几次“人工智能寒冬”，但随着神经网络的引入和计算机硬件性能的提升，人工智能重新焕发活力，出现了如反向传播算法和模糊逻辑等技术突破。
深度学习崛起（21世纪初至今）：
随着大数据技术和计算能力的飞速发展，深度学习技术推动人工智能进入应用爆发期。卷积神经网络（CNN）、递归神经网络（RNN）等技术广泛应用于图像识别、语音处理和自然语言处理等领域，人工智能逐步走向产业化。
人工智能是一门关于如何模拟人类智能的学科，涉及机器学习、自然语言处理、计算机视觉等技术。人工智能的核心特征如下。
人工智能技术的首要目标是模拟或模仿人类的智能行为，包括视觉、听觉、触觉、思维、决策等。例如，计算机视觉使机器具备了“看”的能力，语音识别让机器能“听懂”人说话，自然语言处理则让机器能理解和生成人类语言。
传统计算机系统只能执行人类编写的明确指令，人工智能系统则能够在大数据中自主学习，从数据中提取有用的信息和模式，进而预测新的情况。机器学习（Machine Learning）和深度学习（Deep Learning）是实现自主学习的主要技术，使得系统可以不断优化自己的行为和决策。
人工智能系统可以通过反馈机制，分析错误并改进模型。例如，在自动驾驶中，人工智能系统会在面对不同的道路情况时自主调整驾驶策略，并在错误中学习，从而不断提高行驶的安全性和准确性。
人工智能系统通常具备一定的感知能力，通过传感器或摄像头等硬件感知环境，将数据输入后进行分析和决策。