人工智能（Artificial Intelligence），英文缩写为AI。它是研究、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。
人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。
人工智能早在1950年就被提出，并以图灵实验作为测试一个人工智能系统是否具备智能的标准。可是，为什么直到这两三年人工智能才得到突飞猛进的发展呢？
人工智能突然爆发是有几个关键节点的。
人工智能的第一次高峰：
在1956年的这次会议之后，人工智能迎来了属于它的第一段Happy Time。在这段长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。甚至在当时，有很多学者认为：“二十年内，机器将能完成人能做到的一切。”
人工智能第一次低谷：
70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景蒙上了一层阴影。与此同时，社会舆论的压力也开始慢慢压向人工智能这边,导致很多研究经费被转移到了其他项目上。
在当时，人工智能面临的技术瓶颈主要是三个方面，第一,计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；第二，问题的复杂性，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂性低，可一旦问题上升维度，程序立马就不堪重负了；第三，数据量严重缺失，在当时不可能找到足够大的数据库来支撑程序进行深度学习，这很容易导致机器无法读取足够量的数据进行智能化。
因此，人工智能项目停滞不前，但却让一些人有机可乘,1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。
人工智能的崛起：
1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种，采用人工智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。这套系统在1986年之前能为公司每年节省下来超过四千美元经费。有了这种商业模式后，衍生出了像Symbolics、Lisp
Machines等和IntelliCorp、Aion等这样的硬件，软件公司。在这个时期，仅专家系统产业的价值就高达5亿美元。
人工智能第二次低谷：
可怜的是，命运的车轮再一次碾过人工智能，让其回到原点。仅仅在维持了7年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。到1987年时，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。从此，专家系统风光不再。
人工智能再次崛起：上世纪九十年代中期开始，随着AI技术尤其是神经网络技术的逐步发展，以及人们对AI开始抱有客观理性的认知，人工智能技术开始进入平稳发展时期。1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个重要里程。
2006年，Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望,也是标志性的技术进步。
还有一个是2016年3月，谷歌研发的AlphaGo以4:1战胜围棋九段高手李世石。此事件将人工智能推向的大众面前，人工智能开始突飞猛进的发展。
从这之后陆续出现特斯拉的自动驾驶汽车，百度的无人驾驶汽车以及人工智能音箱等人工智能产品出来。
国内的BAT都分别先后成立了自己的AI Lab，可以看出就是这两年人工智能到了发展的黄金时期。
要说明为什么在经历了近40年的冰冻期后人工智能迎来了它的黄金时期，要从它的技术层面去剖析。
人工智能发展的基本条件有三个，也可以说是人工智能的三要素。
第一个是数据，你没有数据，机器就没法学习。互联网发展到今天，最大的贡献可以说是大数据，正是因为大数据的积累，才使得人工智能得到发展。人工智能经历了40年的冰冻期，主要原因就是数据太少。要让机器具备人在某个方面的能力，一定要先先有大量的数据让它学习。而现在由于互联网技术以及传感器的技术发展，数据量每年以50%的速度增长，也就是说，每一年半到两年数据量就翻了一番。这个速度是指数级的。
第二个是运算能力的发展，数据太多，你没有运算能力，你运算不了，机器就学不出来。运算能力是和数据量同步加强的，数据多了，运算能力就强，运算能力强了，数据的积累、存储能力就更强。比如现在GPU是我们看到的一个运算能力很强很猛的一个东西，一个是TitanX卡，一个是3584个运算核，都是在帮助我们往前走。
第三个是算法，为什么现在人工智能突然爆发了？其实就是数据和运算能力的提升，导致人工智能的爆发，提升到了一个临界点，到了这个临界点以后，很多过去解决不了的问题现在都解决了。人工智能的特点就是机器具备人的学习能力和认知能力，虽然这个深度神经网络几十年前就提出来了，但是后面一直没什么进展，为什么呢？就是没有数据，没有运算能力，因为这个算法需要的数据量非常大，但是现在数据量大了之后，它的威力就显现出来了。而深度学习就是人工智能领域里一个非常大的理论体系，支撑着人工智能的发展。有人曾说：在有监督学习方面，深度学习可以超越其他任何算法。传统的的学习算法随着数据的增加，它会有一个拐点到某个点之后，他就停下来，传统算法模型的表达能力很有限，你怎么训练它都不能把真实的东西完全模拟好，深度学习不一样，只要你给的模型数据足够大足够多，深度学习可以随着数据的增加，每一个数据的反馈都会去修改一个函数，逐渐逼近这个函数，它可以把真实环境还原的非常好，数据和运算能力使得深度学习真的有用了，它可以超过原来的传统算法。
正是因为这三个因素，使得人工智能的技术条件和环境都达到了一个爆发的点，所以，人工智能在这两年里突飞猛进的发展，可以说现在是人工智能发展的黄金时期。
