人工智能最初是在1956年達(dá)特茅斯會議上提出的。會議將人工智能的目標(biāo)確定為“實現(xiàn)能夠使用知識解決人類問題的機(jī)器”。這個夢想很快就被一系列失敗的嘗試打破了，但它開始了人工智能漫長而曲折的研究進(jìn)程。

人工智能的第一次激增始于1950年。算法的角度出發(fā),感知器數(shù)學(xué)模型,模擬人類的神經(jīng)元的反應(yīng)進(jìn)程,為了被提議,為了完成任務(wù),分類,使用梯度下降法訓(xùn)練樣本可以自動學(xué)習(xí)。另外，通過計算機(jī)應(yīng)用的開發(fā)，實現(xiàn)計算機(jī)的邏輯推理的嘗試也成功了。神經(jīng)網(wǎng)絡(luò)的第一個浪潮是理論和實踐的效果帶來的。但是，色氨酸模型的缺陷后來被發(fā)現(xiàn)了。也就是說，只能處理線性分類問題，就連最簡單的XOR問題也不能正確分類。很多應(yīng)用程序的問題沒有隨著時間的推移得到解決，神經(jīng)網(wǎng)絡(luò)的研究也停滯不前。

人工智能的第二次激增始于1980年。為了解決非線性分類和學(xué)習(xí)問題，提出了BP(后向聚合)算法來計算多層神經(jīng)網(wǎng)絡(luò)的參數(shù)。并且，特定領(lǐng)域的專家系統(tǒng)也很好地應(yīng)用于商業(yè)，人工智能預(yù)示著下一個高潮的到來。但是,人工神經(jīng)網(wǎng)絡(luò)的設(shè)計,是應(yīng)對嚴(yán)密的數(shù)學(xué)理論的支持不足,因此bp算法是梯度消失的問題被指出,對前層不能有效地學(xué)習(xí)。專家系統(tǒng)還揭示了一些問題，比如狹窄的應(yīng)用領(lǐng)域和困難的知識獲取。人工智能的研究下降到了第二低。

人工智能的第三次激增始于2010年。深度學(xué)習(xí)的出現(xiàn)引起了很大的關(guān)注。多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程中的梯度消失問題被有效地抑制。由于網(wǎng)絡(luò)的深層結(jié)構(gòu)，能夠自動提取復(fù)雜的特征并賦予特征，可以避免傳統(tǒng)方法中手動提取特征的問題。深度學(xué)習(xí)應(yīng)用于語音識別和圖像識別，取得了非常好的成果。人工智能在大數(shù)據(jù)時代進(jìn)入了第三個高潮。