1955年，被誉为“人工智能之父”的约翰·麦卡锡和明斯基、罗彻斯特、香农等一起给洛克菲勒基金会提交了一份项目建议书，希望能取得第二年于达特茅斯学院举行“人工智能夏日研讨会”的赞助。其时，他们以为由10位科学家组成的工作小组在为期两个月的时刻里就可以在人工智能范畴取得巨大的前进。事实证明，他们严峻轻视了人工智能的杂乱程度。不过，达特茅斯会议正式确立了人工智能（AI）这一术语，也因而被以为是人工智能诞生的标志。

　　经过60年的开展，人工智能历经三次浪潮，现在正处于第三个“春天”。“春天”的风正往哪儿吹？在4月22日由我国人工智能学会建议，联合我国互联网协会、我国核算机学会等20多家国家一级学会及协会举行的2016全球人工智能技能大会（GAITC）暨人工智能60年纪念活动发动典礼上，来自学术界和产业界的全球人工智能范畴尖端专家们给出了答案。

　　1956年至今，人工智能的开展可谓起起落落，一方面被视为冉冉升起的新星，另一方面也饱尝批判，并遭遇过两次严峻波折。关于曩昔的60年，微软亚洲研讨院常务副院长芮勇的点评是，“不仅仅是一个轮回，仍是一次提高。现在正处于第三个春天。”

　　三星电子我国研讨院院长张代君则以为：“现在人工智能的开展还处于比较初级的阶段。当下是人工智能的第三次高潮，并且还会有第四次浪潮的到来。”

　　自2006年以来，人工智能开展加快。究其原因，百度深度学习研讨院“出色科学家”徐伟以为，大核算才能和深度学习是首要推动力。一方面，经过几十年的堆集，为可观的核算才能打下根底，另一方面深度学习的开展供给了灵敏、具有快速建模才能的学习体系。这两者的结合，可以将大数据背面蕴藏的各种杂乱关系快速提取出来。

　　徐伟表明，跟着深度学习逐渐在各种人工智能问题里深化地运用，在一些特定范畴，机器的感知才能正在逾越人类的水平。例如，在中文语音辨认方面，百度的错误率是5.7%，而人类的错误率则是9.7%。别的，在人脸辨认范畴，人类的错误率是0.8%，而百度则是0.23%。

　　除百度外，谷歌、微软、IBM、阿里巴巴、科大讯飞等也是人工智能范畴的佼佼者。美国东部时刻2015年12月10日，微软亚洲研讨院视觉核算组在2015 ImageNet核算机辨认应战赛中凭仗深层神经网络技能的打破，取得图画分类、图画定位以及图画检测悉数三个首要项目的冠军。在此次应战赛中，微软亚洲研讨院的研讨团队运用了一种深度高达152层的神经网络，比此前成功运用的神经网络层数多5倍以上，将错误率下降到了3.5%。而在此前相同的试验中，人眼辨识的错误率为5.1%。

　　在芮勇看来，人工智能的特点包含聚合的智能、自适应的智能、隐形的智能，而微软在ImageNet应战赛中的成功，证明了“深度学习彻底改动了图画辨认范畴”。他以为：“人工智能的下一个60年将是人类+机器，即把两者更强的当地结合起来，构成增强智能。”

　　谷歌人工智能程序AlphaGo以4：1的战绩打败韩国围棋工作九段选手李世石，被以为是人工智能开展最新的路程碑。我国人工智能学会理事长、我国工程院院士李德毅则以为，从此次竞赛中可以发现AlphaGo的局限性：AlphaGo仅仅是个围棋脑，还不是一个围棋手，更不是一个围棋机器人，既没有眼和手，也没有感知和行为才能。此外，它也没有心情和情感，不能剖析对手的心思状况，并在现场和对手打开心思战，缺失交互认知才能。

　　在李德毅看来，未来机器人给人带来的影响将远远超越核算机和互联网曩昔几十年对世界的改动。而抱负中的机器人应该是“有才智、有特性、有行为才能，乃至还有情感的。”

　　徐伟也以为，深度学习的确给人工智能带来了快速的开展，但未来还有很长的路要走。“人类智能的中心是自我学习和发明的才能。咱们看到现在有许多详细的智能体系，比方AlphaGo，还缺少一种自我学习和发明的才能。”

　　别的，一个小孩要知道一种物体只需几幅图就足够了，但核算机则需求几百幅图。“这是由于人工智能还很难从少数标示数据中学习。”徐伟说。

　　到现在，谷歌无人驾驶轿车的行进路程已超越200万公里，即便这样，完成商品化依然很难。徐伟以为，中心问题是人工智能体系缺少知识。“人看到一种路况就知道该怎么做，但机器缺少知识性的了解，只能经过人一条一条把每种路况导入体系中去。要想处理这样的问题，最有用的办法便是放到实在的环境里去学习。”他泄漏，最近Facebook和微软也提出了相似的主意，即发明一个虚拟的环境，让人工智能体在这一环境中自己去探究，在与环境的交互中树立知识性知识。

　　“要做像人这样强壮的人工智能，或许需求从最根底的东西初步。”徐伟说，“人工智能需求像幼儿相同，在一个环境中自主学习感知，具有举动的才能，一起将言语才能作为中心嵌入到体系中。”

　　从上世纪60年代至今，关于人工智能的研讨首要从两个层面进行了探究，首先是逻辑层面，即经过逻辑和查找来完善人工智能，在发现瓶颈后，又初步了机器学习的研讨。

　　香港科技大学冠名讲座教授、世界人工智能学会会士杨强以为，人工智能的下一步打破将是通用性的人工智能，行将根据查找和逻辑的人工智能办法与机器学习结合起来，构成一个完好的智能机器。“举个比如，便是一只鸡可以吃不同的食物，可是下的蛋都是对人类有用的。”

　　在杨强看来，人工智能的成功需求三大条件，一是高质量的数据，二是可以开宣布先进算法的人才，三是强壮的核算才能。

　　地平线机器人联合创始人、地平线机器人技能软件副总裁杨铭以为，深度学习近年来之所以备受重视，是由于一般来说功能的准确度是跟着数据的添加而添加的，但其他机器学习办法跟着数据的添加，功能在某一个点就不再提高了，而关于深度学习还没有发现这一现象。

　　他表明，深度学习的未来趋势包含四个方向：学习怎么记忆及重视与取舍，把注意力会集到需求关怀的细节上，增强学习以及全体使命的序列化。

　　人工智能要想开展，除了算法上的改善，还要处理硬件面对的应战。寒武纪科技创始人及首席执行官陈天石表明，现在已处于从信息年代过渡到智能年代的初步。在智能年代，处理器的负载不再是曾经的传统核算，而是深度学习。通用处理器将由此面对功能和功耗的问题。智能年代需求深度学习芯片作支撑。