虽然过去几十年中出现了人工智能 (AI) 的许多定义，但 John McCarthy 在 2004 年的这篇论文中提供了以下定义：“它是制造智能机器的科学和工程，特别是智能计算机程序。它与使用计算机理解人类智能的类似任务有关，但人工智能不必局限于生物学上能观察到的方法。”

然而，在这个定义出现之前的几十年，艾伦·图灵 (Alan Turing) 于 1950 年出版的开创性著作《计算机器与智能》(Computing Machinery and Intelligence)标志着人工智能对话的诞生。在这篇论文中，通常被称为“计算机科学之父”的图灵提出了以下问题：“机器能思考吗？”。为了回答这个问题，他提供了一个测试，这就是著名的“图灵测试”，在此测试中，人类询问者将尝试区分哪些文本响应是计算机做出的，哪些是人类做出的。虽然这项测试自发布以来经过了大量审查，但它仍然是人工智能 (AI) 历史的重要组成部分，也是哲学中一个不断发展的概念，因为它利用了有关语言学的想法。

Stuart Russell 和 Peter Norvig 随后出版了《人工智能：一种现代方法》，成为人工智能 (AI) 研究领域的领先教科书之一。在这本书中，他们深入研究了人工智能的四个潜在目标或定义，这些目标或定义根据理性和思考与行动来区分计算机系统：

人类的方法：

像人类一样思考的系统

像人类一样行动的系统

理想的方法：

理性思考的系统

理性行动的系统

艾伦·图灵的定义属于“像人类一样行事的系统”范畴。

从最简单的形式来看，人工智能是一个结合计算机科学和强大数据集来解决问题的领域。它还包含机器学习和深度学习的子领域，这些领域经常与人工智能一起提及。这些学科由人工智能算法组成，旨在创建专家系统，根据输入数据进行预测或分类。

多年来，人工智能经历了多次炒作周期，但即使是怀疑论者，也会认为，OpenAI的 ChatGPT 的发布似乎标志着一个转折点。上一次生成式人工智能让人如此忧心忡忡的时候，还是因为在计算机视觉方面取得突破，但现在的飞跃则是在自然语言处理方面。而且，不仅仅是语言：生成模型还可以学习软件代码、分子、自然图像和各种其他数据类型的语法。

“会思考的机器”的概念可以追溯到古希腊。但是，自从电子计算出现（并与本文讨论的一些主题相关）以来，人工智能发展中的重要事件和里程碑包括：

1950 年：艾伦·图灵 (Alan Turing) 出版《计算机器与智能》(Computing Machinery and Intelligence)。在这篇论文中，因在二战期间破解纳粹 ENIGMA 密码而闻名的图灵试图回答“机器能思考吗？”的问题，并引入了图灵测试，以确定计算机能否表现出与人类相同的智能（或相同智能的结果）。从那时起，图灵测试的价值就一直存在争议。

1956 年：约翰·麦卡锡 (John McCarthy) 在达特茅斯学院举行的第一届人工智能会议上首创“人工智能”一词。（麦卡锡后来发明了 Lisp 语言。）同年晚些时候，Allen Newell、JC Shaw 和 Herbert Simon 推出了 Logic Theorist，这是第一个运行的人工智能软件程序。

1967 年：Frank Rosenblatt 构建了 Mark 1 感知机，这是第一台基于神经网络的计算机，可以通过反复试验来“学习”。仅仅一年后，Marvin Minsky 和 Seymour Papert 就出版了一本名为 《感知器》 (Perceptrons) 的书，该书成为神经网络的里程碑式著作，至少在一段时间内成为反对未来神经网络研究项目的论据。

20 世纪 80 年代：使用反向传播算法进行自身训练的神经网络在人工智能应用中得到广泛应用。

1997 年：IBM 的“深蓝”在一场国际象棋比赛（以及复赛）中击败了当时的世界象棋冠军 Garry Kasparov。

2011 年：IBM Watson 在 Jeopardy! 比赛中击败冠军 Ken Jennings 和 Brad Rutter！

2015 年：百度的 Minwa 超级计算机使用一种称为卷积神经网络的特殊深度神经网络来识别和分类图像，准确率超越普通人。

2016 年：DeepMind 的 AlphaGo 程序由深度神经网络驱动，在五场比赛中击败了围棋世界冠军 Lee Sodol。由于棋局中可能出现大量棋步（四手之后就有超过 14.5 万亿个可能棋步！），因此，这场胜利意义重大。后来，据报道，谷歌以 4 亿美元的价格收购了 DeepMind。

2023 年：大型语言模型或 LLM（例如 ChatGPT）的兴起，为人工智能的性能和发掘企业价值的潜力带来了巨大变化。通过这些新的生成式人工智能实践，可以使用大量原始、未标记的数据对深度学习模型进行预训练。

人工智能应用包括语音识别、图像识别、自然语言处理、智能推荐系统、智能客服等。它们可以应用于各种领域

语音识别：也称为自动语音识别 (ASR)、计算机语音识别或语音转文字，是一种使用自然语言处理 (NLP) 将人类语音处理为书面格式的功能。许多移动设备将语音识别集成到其系统中以进行语音搜索，例如Siri，或者在短信方面提供更多辅助功能选项。

客户服务：在线虚拟代理正在取代客户获得服务过程中的真人代理。它们可以回答有关运输等主题的常见问题 (FAQ)，或者提供个性化建议、交叉销售产品或为用户建议规格等，从而改变了我们所设想的网站和社交媒体平台中的客户参与方式。示例包括：电子商务网站上带有虚拟代理的消息传递机器人；Slack 和 Facebook Messenger 等消息传递应用平台；以及通常由虚拟助手和语音助手完成的任务。

计算机视觉：使用这种人工智能技术，计算机和系统将能够从数字图像、视频和其他视觉输入中获取有意义的信息，并根据这些输入采取行动。这种提供建议的能力让它有别于图像识别任务。在卷积神经网络的支持下，计算机视觉可应用于社交媒体中的照片标记、医疗保健中的放射成像以及汽车行业中的自动驾驶汽车。

推荐引擎：利用过去的消费行为数据，人工智能算法可以帮助发现数据趋势，从而制定更有效的交叉销售策略。在线零售商可在结账过程中使用此引擎向客户进行相关的附件推荐。

自动化股票交易：人工智能驱动的高频交易平台旨在优化股票投资组合，每天可进行数千甚至数百万笔交易，而无需人为干预。