我需要 [图灵原创].人工智能简史 ,求发这书籍的网盘链接（人工智能简史-03-第一次寒冬-1974~1980）

我需要 [图灵原创].人工智能简史 ,求发这书籍的网盘链接（人工智能简史-03-第一次寒冬-1974~1980）内容来自百度知道 ，未防止网站被判断未恶意推广网站 ，本文链接屏蔽 。需要文中的下载链接 ，可以到百度知道搜索 。

文章目录：

1. 我需要 [图灵原创].人工智能简史 ,求发这书籍的网盘链接
2. 人工智能简史-03-第一次寒冬-1974~1980
3. 人工智能的发展简史

一 、我需要 [图灵原创].人工智能简史 ,求发这书籍的网盘链接

我这里有这个资源 ，可以在这里查看：

   

《人工智能简史》是2017年11月人民邮电出版社出版图书 ，作者是尼克 。

本书既适合专业人士了解人工智能鲜为人知的历史 ，也适合对人工智能感兴趣的大众读者作为入门的向导

二 、人工智能简史-03-第一次寒冬-1974~1980

出生就遇到黄金时代的人工智能 ，过度高估了科学技术的发展速度 ，太过乐观的承诺无法按时兑现的时候 ，就引发了全世界对人工智能技术的怀疑 。

1973年 ，著名数学家拉特希尔向英国政府提交了一份关于人工智能的研究报告 ，对当时的机器人技术 、语言处理技术和图像识别技术进行了严厉的批评 ，尖锐的指出人工智能那些看上去宏伟的目标根本无法实现 ，研究已经完全失败 。此后 ，科学界对人工智能进行了一轮深入的拷问 ，使AI的遭受到严厉的批评和对其实际价值的质疑 。

随后 ，各国政府和机构也停止或减少了资金投入 ，人工智能在70年代陷入了第一次寒冬 。

这次寒冬不是偶然的 。在人工智能的黄金时代 ，虽然创造了各种软件程序或硬件机器人 ，但它们看起来都只是“玩具” ，要迈进到实用的工业产品 ，科学家们确实一些遇到了不可战胜的挑战 。

让科学家们最头痛的就是虽然很多难题理论上可以解决 ，看上去只是少量的规则和几个很少的棋子 ，但带来的计算量增加却是惊人的增长 ，实际上根本无法解决 。就像26个字母魔法般的组合成数万个单词 ，进而在不同语境下组合成无限种句子 。比如运行某个有2的100次方个计算的程序 ，即使用现在很快的计算机也要计算数万亿年 ，这是不可想象的 。

就像飞机需要有足够的马力才能从跑道上起飞 ，人工智能也需要足够的计算力才能真正发挥作用 。当时有科学家计算得出 ，要用计算机模拟人类视网膜视觉至少需要执行10亿次指令 ，而1976年世界最快的计算机Cray-1造价数百万美元 ，但速度还不到1亿次 ，普通电脑的计算速度还不到一百万次 。

五十年后 ，现在我们的笔记本或者手机能够依赖摄像头轻松实现人脸识别 ，这些设备的运算速度其实都已经超过百亿次 ，当然没有压力 。

人工智能还需要大量的人类经验和真实世界的数据 ，要知道即使一个三岁婴儿的智能水平 ，也是观看过数亿张图像之后才形成的 。由于当时计算机和互联网都没有普及 ，或者如此庞大数据是不可能的任务 。

很多人工智能科学家开始发现 ，数学推理 、代数几何这样的人类智能 ，计算机可以用很少的计算力轻松完成 ，而对于图像识别 、声音识别和自由运动这样人类无须动脑 ，靠本能和直觉就能完成的事情 ，计算机却需要巨大的运算量才可能实现 。

这个论调一方面让人怀疑早期神经网络算法的有效性和实用性 ，另一方面也导致人工智能技术向更加功利化 、实用化方向发展 ，不再像黄金时代那样充满想象 ，充满对模拟通用人类智能的追求 。

曾经一度被非常看好的神经网络技术 ，过分依赖于计算力和经验数据量 ，因此长时期没有取得实质性的进展 ，1969年马文敏斯基与人合著的《感知器》一书 ，这本书阐明了神经网络现阶段的真实能力 ，也表明之前很多过于乐观的预测是难以实现的理论 。尽管书中内容科学客观 ，但也对神经网络技术产生了毁灭性的打击 ，后续十年内几乎没人投入更进一步的研究 。

当然 ，十年河东十年河西 ，数十年后 ，神经网络又已经成我们现在人工智能的关键技术 。

1979年 ，斯坦福大学制造了有史以来最早的无人驾驶车Stanford Cart ，它依靠视觉感应器能够在没有人工干预的情况下 ，自主的穿过散乱扔着椅子的房间 ，虽然可能有点慢 ，需要几个小时才能完成 。

专家系统在这个时代的末尾出现 ，并开启了下一个时代 。

1978年 ，卡耐基梅隆大学开始开发一款能够帮助顾客自动选配计算机配件的软件程序XCON ，并且在1980年真实投入工厂使用 ，这是个完善的专家系统 ，包含了设定好的超过2500条规则 ，在后续几年处理了超过80000条订单 ，准确度超过95% ，每年节省超过2500万美元 。

END

三 、人工智能的发展简史

人工智能的传说可以追溯到古埃及 ，但随着1941年以来电子计算机的发展 ，技术已最终可以创造出机器智能 ，“人工智能”（ARTIFICIAL INTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的 ，从那以后 ，研究者们发展了众多理论和原理 ，人工智能的概念也随之扩展 ，在它还不长的历史中 ，人工智能的发展比预想的要慢 ，但一直在前进 ，从40年前出现至今 ，已经出现了许多AI程序 ，并且它们也影响到了其它技术的发展 。

1941年的一项发明使信息存储和处理的各个方面都发生了革命 。这项同时在美国和德国出现的发明就是电子计算机 。第一台计算机要占用几间装空调的大房间 ，对程序员来说是场噩梦：仅仅为运行一个程序就要设置成千的线路隐埋拦 。1949年改进后的能存储程序的计算机使得输入程序变得简单些 ，而且计算机理论的发展产生了计算机科学 ，并最终促使了人工智能的出现 。

计算机这个用电子方式处理数据的发明 ，为人工智能的可能实现提供了一种媒介 。虽然计算机为AI提供了必要的技术基础 ，但直到50年代早期人们才注意到人类智能与机器之间的联系 。NORBERT WIENER是最早研究反馈理论的美国人之一 。最熟悉的反馈控制的例子是自动调温器 。它将收集到的房间温度与希望的温度比较 ，并做出反应将加热器开大或关小 ，从而控制环境温度 。这项对反馈回路的研究重要性在于：WIENER从理论上指出 ，所有的智能活动都是反馈机制的结果 。而反馈机制是有可能用机器模拟的 。这项发现对早期AI的发展影响很大 。

1955年末 ，NEWELL和SIMON做了一个名为逻辑专家(LOGIC THEORIST）的程序 。这个程序被许多人认为是第一个AI程序 。它将每个问题都表示成一个树形模型 ，然后选择最可能得到正确结论的那一枝来求解问题 。逻辑专家对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑 。

1956年 ，被认为是人工智能之父的JOHN MCCARTHY组织了一次学会 ，将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论 。他请他们到VERMONT参加DARTMOUTH人工智能夏季研究会 。从那时起 ，这个领域被命名为人工智能 。尽管DARTMOUTH学会不是非常成功 ，但它确实集中了AI的创立者们 ，并为以后的AI研究奠定了基础 。

DARTMOUTH会议后的7年中 ，AI研究开始快速发展 。虽然这个领域还没明确定义 ，会议中的一些思想已被重新考虑和使用了 。CARNEGIE MELLON大学和MIT开始组建AI研究中心 。研究面临新的挑战：下一步需要建立能够更有效解决问题的系统 ，例如在逻辑专家中减少搜索；还有就是建立可以自我学习的系统 。

1957年一个新程序 ，通用解题机(GPS）的第一个版本进行了测试 。这个程序是由制作逻辑专家的同一个组开发的 。GPS扩展了WIENER的反馈原理 ，可以解决很多常识问题 。两年以后 ，IBM成立了一个AI研究组 。HERBERT GELERNETER花3年时间制作了一个解几何定理的程序 。

当越来越多的程序涌现时 ，MCCARTHY正忙于一个AI史上的突破 。1958年MCCARTHY宣布了他的新成果：LISP语言 。LISP的意思是表处理(LIST PROCESSING） ，它很快就为大多数AI开发者采纳 。

1963年MIT从美国政府得到一笔220万美元的资助 ，用于研究机器辅助识别 。这笔资助来自国防部高级研究计划署（ARPA） ，已保证美国在技术进步上领先于苏联 。这个计划吸引了来自全世界的计算机科学家 ，加快了AI研究的发展步伐 。

LOEBNER（人工智能类）以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能） ，对人类来说是一个极具诱惑的领域 ，人类为了实现这一梦想也已经奋斗了很多个年头了 。而从一个语言研究者的角度来看 ，要让机器与人之间自由交流那是相当困难的 ，甚至可以说可能会是一个永无答案的问题 。人类的语言 ，人类的智能是如此的复杂 ，以至于我们的研究还并未触及其导向本质的外延部分的边沿 。

以后几年出现了大量程序 。其中一个著名的叫SHRDLU 。SHRDLU是微型世界项目的一部分 ，包括在微型世界（例如只有有限数量的几何形体）中的研究与编程 。在MIT由MARVIN MINSKY领导的研究人员发现 ，面对小规模的对象 ，计算机程序可以解决空间和逻辑问题 。其它如在60年代末出现的STUDENT可以解决代数问题 ，SIR可以理解简单的英语句子 。这些程序的结果对处理语言理解和逻辑有所帮助 。

70年代另一个进展是专家系统 。专家系统可以预测在一定条件下某种解的概率 。由于当时计算机已有巨大容量 ，专家系统有可能从数据中得出规律 。专家系统的市场应用很广 。十年间 ，专家系统被用于股市预测 ，帮助医生诊断疾病 ，以及指示矿工确定矿藏位置等 。这一切都因为专家系统存储规律和信息的能力而成为可能 。

70年代许多新方法被用于AI开发 ，著名的如MINSKY的构造理论 。另外DAVID MARR提出了机器视觉方面的新理论 ，例如 ，如何通过一副图像的阴影 ，形状 ，颜色 ，边界和纹理等基本信息辨别图像 。通过分析这些信息 ，可以推断出图像可能是什么 。同时期另一项成果是PROLOGE语言 ，于1972年提出 。

80年代期间 ，AI前进更为迅速 ，并更多地进入商业领域 。1986年 ，美国AI相关软硬件销售高达4.25亿美元 。专家系统因其效用尤受需求 。象数字电气公司这样的公司用XCON专家系统为VAX大型机编程 。杜邦 ，通用汽车公司和波音公司也大量依赖专家系统 。为满足计算机专家的需要 ，一些生产专家系统辅助制作软件的公司 ，如TEKNOWLEDGE和INTELLICORP成立了 。为了查找和改正现有专家系统中的错误 ，又有另外一些专家系统被设计出来 。

人们开始感受到计算机和人工智能技术的影响 。计算机技术不再只属于实验室中的一小群研究人员 。个人电脑和众多技术杂志使计算机技术展现在人们面前 。有了像美国人工智能协会这样的基金会 。因为AI开发的需要 ，还出现了一阵研究人员进入私人公司的热潮 。150多所像DEC（它雇了700多员工从事AI研究）这样的公司共花了10亿美元在内部的AI开发组上 。其它AI领域也在80年代进入市场 。其中一项就是机器视觉 。MINSKY和MARR的成果如今用到了生产线上的相机和计算机中 ，进行质量控制 。尽管还很简陋 ，这些系统已能够通过黑白区别分辨出物件形状的不同 。

到1985年美国有一百多个公司生产机器视觉系统 ，销售额共达8千万美元 。但80年代对AI工业来说也不全是好年景 。86-87年对AI系统的需求下降 ，业界损失了近5亿美元 。象TEKNOWLEDGE和INTELLICORP两家共损失超过6百万美元 ，大约占利润的三分之一 。巨大的损失迫使许多研究领 导者削减经费 。另一个令人失望的是国防部高级研究计划署支持的所谓智能卡车 。这个项目目的是研制一种能完成许多战地任务的机器人 。由于项目缺陷和成功无望 ，PENTAGON停止了项目的经费 。尽管经历了这些受挫的事件 ，AI仍在慢慢恢复发展 。新的技术在日本被开发出来 ，如在美国首创的模糊逻辑 ，它可以从不确定的条件作出决策；还有神经网络 ，被视为实现人工智能的可能途径 。本书总结：80年代AI被引入了市场 ，并显示出实用价值 。可以确信 ，它将是通向21世纪之匙 。

人工智能技术接受检验

在沙漠风暴行动中军方的智能设备经受了战争的检验 。人工智能技术被用于导弹系统和预警显示以及其 他先进武器 。AI技术也进入了家庭 。智能电脑的增加吸引了公众兴趣；一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到；使用模糊逻辑 ，AI技术简化了摄像设备 。对人工智能相关技术更大的需求促使新的进步不断出现 。人工智能已经并且将继续不可避免地改变我们的生活 。

人工智能的一个比较流行的定义 ，也是该领域较早的定义 ，是由约翰·麦卡锡（JOHN MCCARTHY）在1956年的达特矛斯会议（DARTMOUTH CONFERENCE）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样 。但是这个定义似乎忽略了强人工智能的可能性（见下） 。另一个定义指人工智能是人造机器所表现出来的智能性 。总体来讲 ，对人工智能的定义大多可划分为四类 ，即机器“像人一样思考” 、“像人一样行动” 、“理性地思考”和“理性地行动” 。这里“行动”应广义地理解为采取行动 ，或制定行动的决策 ，而不是肢体动作 。

强人工智能(BOTTOM-UP AI)强人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器 ，并且 ，这样的机器能将被认为是有知觉的 ，有自我意识的 。强人工智能可以有两类：类人的人工智能 ，即机器的思考和推理就像人的思维一样 。非类人的人工智能 ，即机器产生了和人完全不一样的知觉和意识 ，

到此 ，以上就是小编对于人工智能简史约翰mobi的问题就介绍到这了 ，希望介绍关于人工智能简史约翰mobi的3点解答对大家有用 。