人工智能的概念自1956年在美国达特茅斯会议（Dartmouth Conferences）上被明确提出后，至今已经走过了61年的发展历程。我们站在2017年这个时间点，看到的是人工智能在创投圈的火热，在媒体中抢尽风头，但其实人工智能在发展过程中，曾不止一次同样被推到风口浪尖，也曾遭遇过寒冬。
丘吉尔有一句名言：你能看到多远的过去，就能看到多远的未来。笔者认为这句话应当同目前人工智能领域从业者共勉，因为历史总能道出一些最真实的内容。
第一次寒冬（1974年至1980年）
在1956年达特茅斯学院会议后，人工智能进入了第一次繁荣时期（1956年到1974年），人工智能跟随着计算机一起快速发展，在这一时期学术界对人工智能的贡献最大，深度学习的雏形感知器和增强学习的雏形贝尔曼公式都出现在这一时期。重要的突破事件包括：1958年，Lisp 计算机分时编程语言被发明出来，该语言至今仍在人工智能领域广泛使用；1964年，人工智能科学家发明了一个能证明应用题的机器STUDENT；1966年，MIT发布一台叫做ELIZA的机器，可以实现简单人机对话。
然而到了70年代初，人工智能遭遇第一次寒冬。由于此前对人工智能的预期过于乐观，研究人员高估了这项新技术的应用范围，而当时计算机有限的内存和处理速度根本不足以解决任何实际问题。况且，70年代的数据库不够丰富，研究人员在现有水平下也无法提出有效解决方案。因此，由于缺乏进展，政府机构对人工智能的资助停止，到了1974年几乎没有任何机构资助人工智能项目。
第二次寒冬（1987年至1993年）
虽然政府对人工智能的资助暂停，但这促使研究人员思考如何将人工智能落地产生价值。进入80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。
专家系统是一个仅限于某些很小的知识领域的程序，从而避免了常识问题；其简单的设计又使它能够较为容易地编程实现或修改。实践证明了这类程序的实用性，于是AI开始变得实用起来。日本政府重新对人工智能项目拨款，积极投资AI以促进其第五代计算机工程，其他国家也闻风而动。
不过好景不长，进入80年代后期，个人计算机的性能迅猛发展，使用“增强智能”看似比人工智能有更大的发展，而专家系统的机器维护费用奇高，难以升级，局限性又凸现出来，资本和政府资助也随之而去，投向于那些看起来更容易出成果的项目，人工智能进入第二次寒冬。
经历了两次起伏后，人工智能领域的某些学者开始潜心研究特定课题，他们利用提升性能的计算机，实现了人工智能在具体任务上重大突破。其中，最著名的当属1997年“更深的蓝”战胜国际象棋世界冠军卡斯帕罗夫。此外，人工智能在行业中的价值也越发明显，分别以工业机器人、语音语义识别、计算机视觉等具体技术切入市场。直到2016年阿尔法狗战胜李世石，深度增强学习这只“沉睡的雄狮”醒来，带来前所未有的应用价值。
第三次寒冬会否到来？
回顾人工智能的发展历史不难看出，以细分的技术去创造行业应用价值是人工智能得以进步的根本动力，资本只会锦上添花，亦或是火上浇油。而反观当前的创投圈，一方面人工智能技术在产业中的渗透速度加快，而另一方面某些人工智能技术被过分夸大，局限性却被忽视，这不禁让业界人士猜想，下一次的寒冬是否即将到来？
5月21日，2017全球人工智能技术大会尖峰对话环节，将由中国人工智能学会副理事长、北京大学教授刘宏主持，西北工业大学教授、西工大智能声学与临境通信中心的主任陈景东，小i机器人总裁兼CEO朱频频，达闼科技创始人兼CEO黄晓庆，亮风台 创始人/CEO廖春元，紫牛基金合伙人张泉灵，北京深瞐科技有限公司董事长兼总经理陈瑞军，红杉资本中国基金合伙人周逵，共同与您未雨绸缪，探讨“AI的第三次寒冬会不会来到？”
人工智能的概念自1956年在美国达特茅斯会议（Dartmouth Conferences）上被明确提出后，至今已经走过了61年的发展历程。我们站在2017年这个时间点，看到的是人工智能在创投圈的火热，在媒体中抢尽风头，但其实人工智能在发展过程中，曾不止一次同样被推到风口浪尖，也曾遭遇过寒冬。
丘吉尔有一句名言：你能看到多远的过去，就能看到多远的未来。笔者认为这句话应当同目前人工智能领域从业者共勉，因为历史总能道出一些最真实的内容。
第一次寒冬（1974年至1980年）
在1956年达特茅斯学院会议后，人工智能进入了第一次繁荣时期（1956年到1974年），人工智能跟随着计算机一起快速发展，在这一时期学术界对人工智能的贡献最大，深度学习的雏形感知器和增强学习的雏形贝尔曼公式都出现在这一时期。重要的突破事件包括：1958年，Lisp 计算机分时编程语言被发明出来，该语言至今仍在人工智能领域广泛使用；1964年，人工智能科学家发明了一个能证明应用题的机器STUDENT；1966年，MIT发布一台叫做ELIZA的机器，可以实现简单人机对话。
然而到了70年代初，人工智能遭遇第一次寒冬。由于此前对人工智能的预期过于乐观，研究人员高估了这项新技术的应用范围，而当时计算机有限的内存和处理速度根本不足以解决任何实际问题。况且，70年代的数据库不够丰富，研究人员在现有水平下也无法提出有效解决方案。因此，由于缺乏进展，政府机构对人工智能的资助停止，到了1974年几乎没有任何机构资助人工智能项目。
第二次寒冬（1987年至1993年）
虽然政府对人工智能的资助暂停，但这促使研究人员思考如何将人工智能落地产生价值。进入80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。
专家系统是一个仅限于某些很小的知识领域的程序，从而避免了常识问题；其简单的设计又使它能够较为容易地编程实现或修改。实践证明了这类程序的实用性，于是AI开始变得实用起来。日本政府重新对人工智能项目拨款，积极投资AI以促进其第五代计算机工程，其他国家也闻风而动。
不过好景不长，进入80年代后期，个人计算机的性能迅猛发展，使用“增强智能”看似比人工智能有更大的发展，而专家系统的机器维护费用奇高，难以升级，局限性又凸现出来，资本和政府资助也随之而去，投向于那些看起来更容易出成果的项目，人工智能进入第二次寒冬。
经历了两次起伏后，人工智能领域的某些学者开始潜心研究特定课题，他们利用提升性能的计算机，实现了人工智能在具体任务上重大突破。其中，最著名的当属1997年“更深的蓝”战胜国际象棋世界冠军卡斯帕罗夫。此外，人工智能在行业中的价值也越发明显，分别以工业机器人、语音语义识别、计算机视觉等具体技术切入市场。直到2016年阿尔法狗战胜李世石，深度增强学习这只“沉睡的雄狮”醒来，带来前所未有的应用价值。
第三次寒冬会否到来？
回顾人工智能的发展历史不难看出，以细分的技术去创造行业应用价值是人工智能得以进步的根本动力，资本只会锦上添花，亦或是火上浇油。而反观当前的创投圈，一方面人工智能技术在产业中的渗透速度加快，而另一方面某些人工智能技术被过分夸大，局限性却被忽视，这不禁让业界人士猜想，下一次的寒冬是否即将到来？
5月21日，2017全球人工智能技术大会尖峰对话环节，将由中国人工智能学会副理事长、北京大学教授刘宏主持，西北工业大学教授、西工大智能声学与临境通信中心的主任陈景东，小i机器人总裁兼CEO朱频频，达闼科技创始人兼CEO黄晓庆，亮风台 创始人/CEO廖春元，紫牛基金合伙人张泉灵，北京深瞐科技有限公司董事长兼总经理陈瑞军，红杉资本中国基金合伙人周逵，共同与您未雨绸缪，探讨“AI的第三次寒冬会不会来到？”
人工智能的概念自1956年在美国达特茅斯会议（Dartmouth Conferences）上被明确提出后，至今已经走过了61年的发展历程。我们站在2017年这个时间点，看到的是人工智能在创投圈的火热，在媒体中抢尽风头，但其实人工智能在发展过程中，曾不止一次同样被推到风口浪尖，也曾遭遇过寒冬。
丘吉尔有一句名言：你能看到多远的过去，就能看到多远的未来。笔者认为这句话应当同目前人工智能领域从业者共勉，因为历史总能道出一些最真实的内容。
第一次寒冬（1974年至1980年）
在1956年达特茅斯学院会议后，人工智能进入了第一次繁荣时期（1956年到1974年），人工智能跟随着计算机一起快速发展，在这一时期学术界对人工智能的贡献最大，深度学习的雏形感知器和增强学习的雏形贝尔曼公式都出现在这一时期。重要的突破事件包括：1958年，Lisp 计算机分时编程语言被发明出来，该语言至今仍在人工智能领域广泛使用；1964年，人工智能科学家发明了一个能证明应用题的机器STUDENT；1966年，MIT发布一台叫做ELIZA的机器，可以实现简单人机对话。
然而到了70年代初，人工智能遭遇第一次寒冬。由于此前对人工智能的预期过于乐观，研究人员高估了这项新技术的应用范围，而当时计算机有限的内存和处理速度根本不足以解决任何实际问题。况且，70年代的数据库不够丰富，研究人员在现有水平下也无法提出有效解决方案。因此，由于缺乏进展，政府机构对人工智能的资助停止，到了1974年几乎没有任何机构资助人工智能项目。
第二次寒冬（1987年至1993年）
虽然政府对人工智能的资助暂停，但这促使研究人员思考如何将人工智能落地产生价值。进入80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。
专家系统是一个仅限于某些很小的知识领域的程序，从而避免了常识问题；其简单的设计又使它能够较为容易地编程实现或修改。实践证明了这类程序的实用性，于是AI开始变得实用起来。日本政府重新对人工智能项目拨款，积极投资AI以促进其第五代计算机工程，其他国家也闻风而动。
不过好景不长，进入80年代后期，个人计算机的性能迅猛发展，使用“增强智能”看似比人工智能有更大的发展，而专家系统的机器维护费用奇高，难以升级，局限性又凸现出来，资本和政府资助也随之而去，投向于那些看起来更容易出成果的项目，人工智能进入第二次寒冬。
经历了两次起伏后，人工智能领域的某些学者开始潜心研究特定课题，他们利用提升性能的计算机，实现了人工智能在具体任务上重大突破。其中，最著名的当属1997年“更深的蓝”战胜国际象棋世界冠军卡斯帕罗夫。此外，人工智能在行业中的价值也越发明显，分别以工业机器人、语音语义识别、计算机视觉等具体技术切入市场。直到2016年阿尔法狗战胜李世石，深度增强学习这只“沉睡的雄狮”醒来，带来前所未有的应用价值。
第三次寒冬会否到来？
回顾人工智能的发展历史不难看出，以细分的技术去创造行业应用价值是人工智能得以进步的根本动力，资本只会锦上添花，亦或是火上浇油。而反观当前的创投圈，一方面人工智能技术在产业中的渗透速度加快，而另一方面某些人工智能技术被过分夸大，局限性却被忽视，这不禁让业界人士猜想，下一次的寒冬是否即将到来？
5月21日，2017全球人工智能技术大会尖峰对话环节，将由中国人工智能学会副理事长、北京大学教授刘宏主持，西北工业大学教授、西工大智能声学与临境通信中心的主任陈景东，小i机器人总裁兼CEO朱频频，达闼科技创始人兼CEO黄晓庆，亮风台 创始人/CEO廖春元，紫牛基金合伙人张泉灵，北京深瞐科技有限公司董事长兼总经理陈瑞军，红杉资本中国基金合伙人周逵，共同与您未雨绸缪，探讨“AI的第三次寒冬会不会来到？”
