1. 發展歷程

• 萌芽階段：人工神經網路概念、圖靈測試、跳棋程式
• 形成階段：1969年第一屆國際人工智慧聯合會議的召開
• 發展階段：機器學習研究理論獲得豐碩成果
• 成熟階段：AlphoGo程式

2. 研究學派

• 符號主義

  著眼於程式的邏輯結構、符號作業系統和程式語言

  研究領域：專家系統和知識工程

• 聯結主義

  著眼於對大腦神經網路的探索和模擬

  研究領域：機器學習和深度學習

• 行為主義

  著眼於控制論及感知-動作型控制系統研究

  研究領域：智慧控制和智慧機器人

3. 研究熱點

• 專家系統

• 機器學習

  常見演算法包括：決策樹，隨機森林演算法，邏輯迴歸，SVM分類器，Adaboost

  演算法，神經網路，聚類演算法等。

  應用領域：專家系統、自然語言理解、模式識別、計算機視覺、資料探勘、智慧機器人等。

• 深度學習：影象識別，語音識別、自然語言處理、自動駕駛汽車、醫療和各種決策預測等。

• 機器視覺

  機器視覺能夠實現物體定位、特徵檢測、缺陷判斷、目標識別、計數和運動跟蹤等功能，主要應用領域包括自動化生產線中的工況監視、成品檢驗和質量控制等。

• 資料探勘

  資料探勘是指從大量資料中挖掘出有價值的知識，然後對知識進行比較，總結出原理和法則。資料探勘的主要方法概括為：預測模型方法、資料分割方法、關聯分析法和偏離分析法。

  主要應用領域包括多媒體、計算機網路、計算機視覺和自然語言處理等。

注：知網連結