人工智能（AI）的起源标志通常被认为是1956年的达特茅斯会议。这次会议不仅正式提出了“人工智能”这一术语，还奠定了AI作为独立学科的基础。以下是关于人工智能起源的详细信息。

达特茅斯会议

会议背景

• ​会议时间与地点：1956年8月，美国新罕布什尔州的达特茅斯学院。
• ​会议组织者：约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）和内森·罗切斯特（Nathaniel Rochester）等。

会议意义

• ​首次提出“人工智能”​：会议上首次正式提出了“人工智能”这一术语，标志着AI作为一个独立研究领域的诞生。
• ​研究方向与目标：会议的目标是“让机器模拟人类学习的每个方面”，并确立了符号主义（Symbolic AI）的研究方向，即通过逻辑规则和知识表示构建智能系统。

会议影响

• ​学科确立：达特茅斯会议被认为是AI正式诞生的标志，奠定了AI作为独立学科的地位。
• ​研究基础：会议后，最早的一批人工智能学者和技术开始涌现，从此AI走上了快速发展的道路。

图灵测试

提出背景

• ​提出者：艾伦·图灵（Alan Turing），英国数学家。
• ​提出时间：1950年。

测试内容

图灵测试是通过判断一个机器是否能够展现出与人类不可区分的智能行为来定义人工智能。具体来说，如果人类无法通过对话区分机器与真人，则机器可被视为具备智能。

影响

• ​智能定义：图灵测试成为衡量机器智能的重要标准，挑战了“智能必须依赖生物大脑”的传统观念。
• ​技术标杆：图灵测试至今仍被广泛认为是AI研究的核心伦理与技术标杆。

早期人工智能研究

神经网络模型

• ​提出者：沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts），1943年。
• ​贡献：提出了人工神经网络模型，为后来的神经网络研究奠定了基础。

其他早期研究

• ​逻辑理论家：艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Simon），1955年开发了逻辑理论家程序，能够证明数学定理，展示了计算机程序可以模拟人类的逻辑思维过程。
• ​跳棋程序：阿瑟·塞缪尔（Arthur Samuel），1952年开发了第一个计算机下棋程序，被认为是最早的机器学习程序之一。

1956年的达特茅斯会议是人工智能正式诞生的标志。这次会议不仅首次提出了“人工智能”这一术语，还确立了AI作为独立学科的基础。图灵测试和早期的神经网络模型等研究为AI的发展奠定了重要的理论基础。这些里程碑事件共同标志着人工智能从理论探索到实际应用的转变。

人工智能的定义是什么

人工智能（Artificial Intelligence，简称AI）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。以下是关于人工智能定义的详细解释：

人工智能的定义

• ​​“人工”和“智能”​：人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。关于什么是“智能”，涉及到诸如意识、自我、思维等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。
• ​学科定义：人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器。人工智能是十分广泛的科学，包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。

人工智能的历史

• ​提出时间和地点：人工智能一词是在1955年由美国科学家约翰·麦卡锡（达特茅斯学院）、马文·明斯基（哈佛大学）、纳撒尼尔·罗切斯特（IBM）和克劳德·香农（贝尔电话实验室）提交的提案中创造的。一年后，在1956年7月和8月举行的研讨会通常被认为是这一新领域的正式诞生日。

人工智能的研究目标

• ​模拟人类智能活动：人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作。

人工智能有哪些核心技术

人工智能的核心技术主要包括以下几个方面：

1. ​机器学习：

   • ​定义：机器学习是人工智能的核心技术，使计算机能够从数据中学习并做出决策或预测。
   • ​类型：包括监督学习、无监督学习和强化学习等。
   • ​应用：广泛应用于图像识别、语音识别、推荐系统等领域。

2. ​深度学习：

   • ​定义：深度学习是机器学习的一个子集，使用多层神经网络来学习数据的复杂模式。
   • ​应用：在图像识别、语音识别、自然语言处理等领域取得了显著成果。

3. ​自然语言处理（NLP）​：

   • ​定义：NLP使计算机能够理解、解释和生成人类语言，实现与人类的自然交互。
   • ​应用：包括语音识别与合成、机器翻译、情感分析与文本挖掘等。

4. ​计算机视觉：

   • ​定义：计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。
   • ​应用：广泛应用于医疗成像分析、人脸识别、安防监控、购物等领域。

5. ​机器人技术：

   • ​定义：机器人技术是人工智能落地的重要手段，涉及智能机器人的设计、开发及其应用。
   • ​应用：包括无人机、自动驾驶、服务机器人、特种机器人等。

6. ​神经网络：

   • ​定义：神经网络是AI的“大脑结构”，通过多层虚拟“神经元”处理信息。
   • ​应用：广泛应用于图像识别、语音识别、自然语言处理等领域。

7. ​卷积神经网络（CNN）​：

   • ​定义：专门处理图像的神经网络，模仿人类视觉原理。
   • ​应用：在医疗影像诊断、自动驾驶视觉系统中表现出色。

8. ​Transformer：

   • ​定义：具有革命性注意力机制的模型，用于处理序列数据。
   • ​应用：支撑着ChatGPT等对话能力，也用于翻译软件和语境理解。

9. ​强化学习：

   • ​定义：通过“行动-奖励”机制让AI自主学习。
   • ​应用：应用于机器人控制、金融交易策略优化等领域。

10. ​生成对抗网络（GAN）​：

    • ​定义：由生成器和鉴别器组成的AI模型，用于生成逼真的图像、音频等。
    • ​应用：生成逼真人脸、修复老照片、设计服装等。

11. ​扩散模型：

    • ​定义：从噪声中生成数据的模型，能够生成精细逼真的图像。
    • ​应用：用于图像生成、视频处理等领域。

12. ​大语言模型：

    • ​定义：通过海量文本训练形成的语言模型，如GPT-4。
    • ​应用：能够续写文章、进行逻辑推理等。

13. ​联邦学习：

    • ​定义：一种隐私保护的协作学习方法，允许设备在不共享原始数据的前提下共同训练模型。
    • ​应用：应用于智能手机输入法预测、工业设备故障检测等领域。

人工智能最早出现的时间

人工智能（AI）最早出现的时间可以追溯到20世纪40年代，但正式作为一个独立研究领域的诞生则是在1956年。

1. ​早期概念与奠基（1940s-1950s）​：

   • ​1943年：沃伦·麦卡洛克（Warren McCulloch）与沃尔特·皮茨（Walter Pitts）提出“人工神经元模型”，奠定了神经网络理论的基础。
   • ​1950年：艾伦·图灵（Alan Turing）发表《计算机器与智能》，提出了著名的“图灵测试”，成为衡量人工智能的重要标准。
   • ​1955年：约翰·麦卡锡（John McCarthy）等人在达特茅斯学院提交了一份关于举办人工智能研讨会的提案，首次使用了“人工智能”这一术语。
   • ​1956年：在达特茅斯会议上，约翰·麦卡锡正式提出了“人工智能”（Artificial Intelligence）的概念，标志着人工智能作为一个独立研究领域的正式诞生。

2. ​达特茅斯会议：

   • 达特茅斯会议被认为是人工智能历史上的一个重要里程碑。会议聚集了当时最具影响力的计算机科学家和数学家，讨论了如何让机器模拟人类智能的可能性，并提出了许多早期的AI研究方向。