前言

  想要对人工智能（Artificial Intelligence，AI）进行系统的学习、研究、归纳以及总结，形成一套完整的理论体系，于是搜索了相关资料、文献等，综述人工智能是什么，总结了人工智能的相关知识体系，并按照该知识体系进行系统学习研究。

  人工智能是一个比较系统，并且是一个综合性的研究领域。从字面意思上讲，它是使机器或计算机程序赋予人类理解能力的科学和工程的产物。题外话，之前思考过一个问题，人工智能一定是最有效的，最完美的让机器拥有智能的方式吗。生物都有其独特的生存方式，有些也具备特有的智能，如果出现动物智能会是什么样子。后来在相关文献搜索过程中，发现已经有类似的定义及解释。Artificial intelligence (AI) is intelligence demonstrated by machines, as opposed to natural intelligence displayed by animals including humans.[1]即人的智能属于动物智能，在本质上纸一样的。

  整个学习过程，会结合网上资料、书籍以及论文等进行学习，主要分四个过程：掌握人工智能相关基础知识点；对相关的算法进行推导；结合相关框架进行练习以及对高质量论文进行研读。

人工智能定义

  人工智能概念比较难定义，搜索了很多文献和资料，都没有给出一个明确的定义。随着人工智能技术的发展，人工智能的范围和概念越来越庞杂，较1956年麦卡锡提出的概念已大不相同，如今，人工智能概念更加庞杂，技术更加完善，应用更加广泛。因此，可分别从基本概念、人工智能技术和人工智能应用等角度分别阐述。

  人工智能属于计算机科学领域，致力于研究人类智能行为如何应用于应用系统和机械系统，是计算机科学的一个分支；人工智能基础又包含了哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学等多门学科，也可以说人工智能是一门综合学科。要实现人工智能，让机器跟人一样从经验中去学习，这便需要“机器学习”，而随着神经网络和硬件的发展，受监督的“深度学习”已成为人工智能的同义词。同样，人工智能已在若干行业取得不错成绩，甚至已经超过人类，如AlphaGo，ImageNet图像识别等，因此又可以称某一项应用为人工智能。

人工智能背景

  如今，人工智能的发展历程大致可总结为六个阶段：

诞生

  20世纪50年代，人工智能概念提出，并取得了一些重要的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。1950年，图灵（Alan Turing）提出图灵测试，用来确定计算机是否具备跟人一样的智力了；1956年，麦卡锡（John McCarthy）创造了人工智能一词，并跟其学生们主导了跳棋程序；1956年，Allen Newell等创造了逻辑理论家；

快速发展

  20世纪50-70年代，人工智能初期的突破性进展，出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用，从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。1966年，首个聊天机器人ELIZA发布；1967年，Frank建造了马克1号感知器，第一台基于神经网络的计算机；1972年，首台智能移动机器人Shakey诞生；1972年，Shorliffe等开始研制用于诊断和治疗感染性疾病的专家系统MYCIN；

低谷

  20世纪80年代中—90年代中，财政支持减少，发展单一，热衷于发展专家系统，但专家系统应用领域狭窄、缺乏常识知识、知识获取困难、推理方法单一等问题。许多研究学者开始怀疑符号方法是否能模仿人类认知的所有过程，特别是在感知、机器人、学习、和模式识别等领域。

真正的发展

  20世纪90年代中—21世纪初，网络技术特别是互联网的发展，加速了人工智能的创新研究，使人工智能技术进一步走向实用化。1997年，IBM“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫；2008年，IBM提出“智慧地球”的概念；

蓬勃发展

  2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从无到有，并且真正应用的发展阶段；2011年，IBM智能问答人工智能程序（Waston）获得冠军；2012年，加拿大神经学家创建虚拟大脑“Span”，拥有250万个模拟神经元；2015年，百度深度学习研究院成立；2016年，AlphaGo战胜围棋冠军李世石；

人工智能领域

  随着人工智能技术的发展，人工智能已被应用到若干领域，如：语音识别、字符识别、机器视觉、自然语言处理、知识推理、自动控制、游戏和人机博弈、数据挖掘等领域。

人工智能技术

人工智能应用

人工智能已经被应用到各行各业，如：

总结和展望

  ……

人工智能学习计划

参考书：

  • 深度学习[deep learning] [美] Ian，Goodfellow，[加] Yoshua，Bengio，[加] Aaron … 著
  • 机器学习 [Machine Learning] 周志华 著
  • 神经网络与深度学习 邱锡鹏 著
  • 人工智能 [美]史蒂芬·卢奇（Stephen Lucci）

模型论文：

  • ImageNet Classification with Deep Convolutional Neural Networks
  • Going Deeper with Convolutions
  • VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
  • Deep Residual Learning for Image Recognition
  • Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
  • Rethinking the Inception Architecture for Computer Vision
  • Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning
  • Squeeze-and-Excitation Networks

应用论文：

  • Zero-Shot Sketch-based Image Retrieval via Graph Convolution Network
  • …

笔记：

  • 学习理论知识+论文阅读，定期产出相关笔记。

Reference

Artificial Intelligence
What is artificial intelligence
WHAT IS ARTIFICIAL INTELLIGENCE? John McCarthy
人工智能发展简史
人工智能是什么？
人工智能的历史、现状和未来
人工智能知识体系大全
人工智能学习路线图
Artificial intelligence in medicine