1956年，達特茅斯會議的召開及人工智能概念的首次提出，標志著人
工智能的誕生。之后10余年，人工智能迎來了發(fā)展史上的個小高峰，相繼
取得了如工業(yè)機器人和聊天機器人等一批令人矚目的研究成果。但由于計算機
有限的內存和處理性能不足以解決實際的人工智能問題，整個人工智能領域都
遭遇了瓶頸，人工智能發(fā)展進入了消沉期。1980年，屆機器學習國際
研討會在卡內基梅隆大學召開，標志著機器學習在全世界的興起。隨后出現的
神經網絡反向傳播算法，更是加速了神經網絡的研究進程，各種專家系統(tǒng)被人
們廣泛應用。但隨著專家系統(tǒng)的應用領域越來越廣，問題也逐漸暴露出來，專
家系統(tǒng)應用有限，且經常在常識性問題上出錯，人工智能迎來了第二個寒冬。
1997年，IBM的超級計算機 深藍戰(zhàn)勝了當時的國際象棋世界冠軍，成為
人工智能史上的一個重要里程碑，人工智能開始了平穩(wěn)向上的發(fā)展。以2006年
加拿大多倫多大學Geoffrey Hinton教授提出深度學習神經網絡為標志，人工
智能進入了新的快速發(fā)展階段。

在新時期的人工智能發(fā)展中，數據、算法、算力并稱為推動人工智能發(fā)展
的三駕馬車：其中數據是人工智能發(fā)展的基礎，為人工智能發(fā)展提供了源源不
斷的數據資源；算法是人工智能發(fā)展的內在推動力，為人工智能帶來了相應的
實現手段；算力是人工智能發(fā)展的平臺，為人工智能技術的實現提供了堅實保障。
數據、算法、算力共同推動人工智能不斷向前發(fā)展，缺一不可。

本書從人工智能的定義入手，闡述了人工智能的概念、發(fā)展歷程、研究目標、
應用場景及人工智能帶來的機遇和挑戰(zhàn)。從第二章開始詳細闡述人工智能發(fā)展
的核心要素：大數據、云計算和深度學習，論證了這三大要素對人工智能發(fā)展
的影響。通過閱讀本書，讀者不僅能夠學習人工智能涉及的各方面知識，而且

能夠深入學習人工智能的關鍵技術。我們也希望讀者通過閱讀本書，能夠將人
工智能技術和實際應用場景結合起來，實現人工智能的落地應用，共同創(chuàng)建一
個智能的時代。