文档介绍：中国金融领域人工智能技术及其应用
 
   
 
 
 
 
 
 
 
     
 
 
 
 
 
一人工智能的发展历程
（一）演进历史
人类试图用机器来代替人的体力劳动的实践古已有之，但就脑力劳动而言，赋予机器像人类一般的思考能力一度被认为是不可能完成的任务。但经过科学技术的漫长发展，进入20世纪后，人工智能相继出现一些开创性工作。
20世纪40～50年代，来自数学、心理学、工程学、经济学等不同领域的学者开始探讨制造人工大脑的可能性，并取得了一些基础性成果。1943年，沃尔特·皮茨和沃伦·麦卡洛克提出人工神经网络的概念，分析了理想化的人工神经网络，并且指出了它们进行简单逻辑运算的机制。1955年，赫伯特·西蒙与艾伦·纽厄尔等人成功地开发了世界上最早的启发式程序“逻辑理论家”（Logic Theorist）。该程序模拟人脑的思维方式之一——逻辑推理，能够证明《数学原理》一书中第二章52个定理中的38个，开创了人工智能领域的符号主义学派。
1956年，约翰·麦卡锡与马文·闵斯基等人组织的达特茅斯会议宣告人工智能（Artificial Intelligence）的正式诞生。该会议基于一个猜想，即“原则上，学习与智能的任何方面、任何特征都能被精确描述，以至于可以制造出一台机器来模拟它”。[1]达特茅斯会议的主旨是讨论如何运用计算机模拟人的智能，会议最终确定了Artificial Intelligence作为本领域的名称，确立了研究领域和研究任务，掀起了人工智能的第一次浪潮。
1956～1974年是人工智能的大发现时代，也是人工智能的第一个黄金时代，科学家在多个分支取得了初步成果。在机器定理证明方面，许多人工智能程序使用“搜索式推理”算法，它们一步步前进，如果遇到死胡同就进行回溯，如此可以解决一部分几何与代数问题。在自然语言处理方面，科学家将符号方法引入统计方法中进行语义处理，使人机交互开始成为可能。此外，科学家还发明了多种具有重大影响的算法，如感知器算法。该算法是日后许多新的人工神经网络模型的始祖。除在算法和方法论方面取得了新进展外，科学家们还制作出具有初步智能的机器，如能证明高中代数应用题的机器STUDENT（1964年）、可以实现简单人机对话的机器ELIZA（1966年）。
对于20世纪60年代的人们而言，人工智能取得的成果是不可思议的，它们踏入了传统意义上只属于人类的
“禁区”。在人工智能神奇表现的冲击下，人们对人工智能的发展持相当乐观的态度，并认为具备完全智能的机器不再遥远。但是，囿于计算机运算能力、计算复杂性和指数爆炸等问题，1974年之后，人工智能很快进入停滞不前的境地。随之而来的是经费停拨，人工智能研究进入寒冬。
20世纪80年代，卡梅隆大学为数字设备公司（Digital Equipment Corporation，DEC）开发的名为XCON的“专家系统”取得了巨大成功，并将人工智能带回到人们的视野之中。人们认识到，建立囊括所有常识的数据库有很大难度，而“教会”人工智能解决特定领域的问题可能是一个重要发展点。受XCON的启发，，其他国家也纷纷响应。除了专家系统外，曾经因被马文·闵斯基批判而一度陷入困境的联结主义在20世纪80年代重获新生。1982年，物理学家约翰·霍普菲尔德证明了一种新型的神经网络（现被称为“Hopfield网络”），该网络能够用一种全新的方式学习和处理信息。几乎同时，大卫·鲁姆哈特推广了反向传播算法，这些发现促使人工神经网络的发展回到正轨。
然而，第二次人工智能浪潮并未持续很长时间，随着时间的推移，专家系统的缺陷开始显现，它们难以使用、难以升级，具有很强的使用局限性，维护费用也居高不下；而专门为人工智能设计的硬件——LISP机也因受到苹果和IBM产品的冲击而逐渐被市场淘汰，自此，人工智能再次进入寒冬。
寒冬延续到了2006年，这一年，杰弗里·辛顿等人发表论文《深信度网络的一种快速算法》，在人工智能基础理论方面取得重大突破，宣告了第三次人工智能浪潮的到来，也宣告了人工神经网络向深度学习的进化。随后，深度学习的基础理论研究不断深入，深度学习也成为人工智能领域最炙手可热的研究方向，并直接导致了今日人工智能的繁荣。
当然，人工智能的繁荣还离不开计算机计算能力的跃升以及大数据的爆发。互联网的发展使人类与网络的互动越发频繁，并产生了海量的高质量数据，硬件的发展则使机器处理数据更加得心应手。在多种因素的作用下，人工智能在语音识别、机器视觉、自然语言处理、机器翻译等方面取得了突破性进展。
（二）人工智能呈爆发式增长
事实上，在深度学习概念和浅层学习算法提出后的几年里，人工智能研究的进展仍然不能成