從電腦到神經網絡，人工智能的發展與新興的腦科學並行。
人工智能（AI）是電腦科學和技術的一個領域，專注於創建能夠執行通常需要人類智慧的任務的系統和機器。 這些任務包括從經驗中學習、推理、解決問題、理解自然語言和識別模式。”
感覺就像人工智能瞬間到來一樣。 但建造一台能夠像人類一樣思考的機器的探索已經有幾個世紀的歷史了，而且進步之間還存在著很長的差距。
不過在教導機器思考之前，人類需要更好地理解人類的思考方式。
憑藉蒸汽、齒輪和無盡的運動部件，早期的數學引擎反映了它們所經歷的工業革命。
但很明顯，從簡單的計算轉向人類智慧將需要一台難以想像的大型機器。
或者是電擊。 1904 年真空管的發明使第一次電子計算成為可能。 但真正加速這項技術發展的是第二次世界大戰的需要。
用於破解敵人代碼和繪製導彈射程的電子處理器甚至開始取代以前從事這項工作的人（稱為“電腦”）。
到 20 世紀中葉，硬體似乎已經準備好承擔其他人類任務。
“人工智能”一詞於 1956 年創造，當時數學家和電腦科學家聚集在新罕布什爾州的達特茅斯學院。 這次會議是“符號人工智能”方法的催化劑。
它基於這樣的想法：透過使用有關某個主題的事實以及對這些事實進行操作的規則對計算機進行編程，系統就可以產生邏輯推論。
在 20 世紀 70 年代和 80 年代，稱為“專家系統”的電腦程式是用與特定任務相關的事實來編程的，模仿人類專家。
人工智能加入了企業員工隊伍，負責記錄保存、會計，甚至為美國郵政服務分類郵件。
1997 年，國際象棋世界冠軍加里·卡斯帕羅夫 (Garry Kasparov) 在一場歷史性的比賽中輸給了 IBM 的深藍 (Deep Blue)。 人工智能第一次戰勝了專家。
對於符號人工智能來說，需要大量的程式設計時間和運算能力才能掌握單一人類活動。
機器仍然無法與人類可以輕鬆解決的許多複雜問題媲美，而擴展到具有一般知識能力的系統似乎還有很長的路要走。
但在 1980 年代，廉價個人電腦的出現終止了舊的單一用途人工智能機器的發展，同時為人工智能研究的另一個領域鋪平了道路。
“連結主義”的人工智能來自對大腦如何使用神經網路進行學習的研究。
大腦研究人員發現，我們的思考大腦不是以類似機器的方式處理符號表達，而是使用網路化的活動模式。
正如在人腦中一樣，進入神經網絡的資訊會調整其所經過的神經元之間的連接強度，從而創建一個可以學習和預測的系統。
同樣，人工神經網路不需要使用規則和事實進行編程，但可以發現它們，就像人類透過關聯和回饋進行學習一樣。
“深度學習”演算法使電腦能夠識別和處理資料模式，在影像和語音辨識方面取得顯著成就。
電腦顯然已經做好了學習的準備，並且計算能力呈指數級增長。
直到網絡和智能手機的發展，訓練某些系統所需的大量資料才變得可用。
AI開始辨識我們的聲音，進行對話，並且看起來幾乎好似是人類。
符號人工智能和神經網路的功能已經融合到當今的聊天機器人和自動駕駛汽車中，隨著人工智能與其他技術的結合，它正在迅速發展。
機器學習某些領域的培訓將需要更長的時間。 自動駕駛汽車需要進行數百萬英里（有人說是數十億英里）的訓練才能被認為與人類駕駛員一樣安全。
但我們現在已經到達了一個連一些人工智能研究人員都認為是遙遠未來的時刻。
專家預計醫療保健和藥物發現、天氣預報和糧食生產將取得重大進展。
不過，即使在人工智能的支持者中，也對這些強大的技術可能造成的傷害非常擔憂。
人工智能帶來的眾多道德挑戰包括戰爭中的使用、大規模失業、監視、歧視和版權侵權等。
我們按照自己的喜好塑造了這些工具； 他們將如何塑造我們還有待觀察。
論壇