Schneider 140CPU67160 SEW DFS56L-TF-RH1M-KK
自从科学家们首次怀疑机器是否能够思考以来，人工智能已经走过了漫长的道路。
在20世纪，世界开始熟悉人工智能(AI)，即可以像人类一样思考和行动的科幻机器人。到了20世纪50年代，英国科学家和哲学家艾伦·图灵提出了“机器能思考吗？”在他关于计算机器和智能的开创性工作中，他讨论了创造能够像人类一样思考和决策的机器(参考文献1)。虽然图灵的想法为未来的AI研究奠定了基础，但他的想法在当时受到了嘲笑。数学家和科学家花了几十年时间和大量工作来发展人工智能领域，人工智能的正式定义是“机器能够以模仿人类认知实践的方式解释、挖掘和学习外部数据的理解”(参考文献2)。
尽管科学家们越来越习惯于人工智能的概念，但数据可访问性和昂贵的计算能力阻碍了它的发展。只有当这些挑战在几个“人工智能冬天”(该领域的进展有限)后得到缓解时，人工智能领域才经历了指数级增长。现在有十多种人工智能正在发展(图)。
由于2010年代AI的加速普及，风险投资资金涌入了大量专注于机器学习(ML)的初创公司。这项技术的核心是不断学习做出决策或识别模式的算法。例如，YouTube算法一开始可能会推荐不太相关的视频，但随着时间的推移，它会根据用户之前观看的视频，学习推荐更有针对性的视频。
最大似然学习的三种主要类型是监督学习、非监督学习和强化学习。监督学习指的是找到一组输入变量和已知标记输出变量之间关系的算法，因此它可以对新的输入数据进行预测。无监督学习是指从未标记的数据中智能地识别模式和类别，并以更容易发现见解的方式组织这些数据的任务。最后，强化学习指的是智能主体在一个确定的环境中根据一组特定的奖励函数采取行动。
深度学习是人工智能的一个子集，在整个2010年代有许多突破性的进展。类似于大脑中神经系统细胞之间的连接，神经网络由几千到一百万个隐藏的节点和连接组成。每个节点充当一个数学函数，当组合起来时，可以解决极其复杂的问题，如图像分类、翻译和文本生成。
