第1章
概述

人工智能（Artificial Intelligence，AI），是计算机科学的一个分支，它力图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能领域的研究方向包括机器视觉、语言理解与交流、认知与推理、机器人学、博弈与伦理和机器学习等。

历史上，人工智能曾被多次定义，这些定义大致可以划分为四类，即机器“像人一样思考”“像人一样采取行动”“理性地思考”和“理性地采取行动”。

1956年，由J. McCarthy、M. Minsky等发起，C. Shannon、A. Newell、H. Simon、N. Wiener等心理学家、数学家、计算机科学家、信息论学家参与，在达特茅斯（Dartmouth）举办了Summer Research Project on Artificial Intelligence会议。会议的召开标志着“人工智能”的诞生。自达特茅斯会议提出“人工智能”概念以来，人工智能经历了60多个寒冬与热潮交替的发展历程。在这期间，虽然人工智能涉及不同学科、不同技术，发展起起伏伏，但人工智能整体上一直处于螺旋式上升的趋势。

1950年至1970年，是人工智能的“推理”时代，此时，一般认为逻辑推理能力是实现人工智能的核心。此后人们发现，只是具备了逻辑推理能力，机器还远远达不到智能化的水平。1973年，Lighthill针对英国人工智能研究状况的报告，批评了人工智能在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。

1970年至1990年，是人工智能的“知识工程”时代，此时，机器学习知识的能力是人工智能的根本，于是专家系统得到了大量的开发。但是知识的获取与加工需要耗费大量的人工成本，采用人工总结知识然后由计算机执行的方法相当困难，无法达到真正意义上的智能水平进而取代人力工作。1987年，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用计算机。1991年，日本“第五代计算机”失败。从此，专家系统风光不再。但是在这一时期，以神经网络、遗传算法为代表的技术逐渐得到关注。

2000年至今，是人工智能的“数据挖掘”时代。随着各种机器学习算法的提出和应用，特别是深度学习技术的提高，人们希望机器能够通过大量数据分析，从而自动学习知识并实现智能化水平。这一时期，随着计算机硬件水平的提升，大数据分析技术的发展，机器采集、存储、处理数据的水平有了大幅提高。

特别是2010年以后，深度学习技术对知识的理解比之前浅层学习有了很大的进步。深度学习的发展推动语音识别、图像识别和自然语言处理等技术取得了惊人突破，前所未有的人工智能商业化和全球化浪潮席卷而来，进而迎来了人工智能的第三次发展浪潮。AlphaGo与中韩围棋高手过招并大幅领先就是目前人工智能的高水平代表之一。2018年被称为人工智能爆发元年，人工智能技术应用所催生的商业价值逐步凸显。人工智能逐步切入到金融、零售、安防、教育、医疗、交通等社会生活的方方面面，带来生产效率及生活品质的大幅提升。人工智能红利时代开启，资本、科技公司、高校、科研机构纷纷涌入，将人工智能推到了信息产业革命的风口。

在此次人工智能浪潮的引领下，世界各国政府视人工智能为下一次信息产业革命的突破口，纷纷投入巨大的人力、物力、财力，重点发展人工智能技术，并先后实施了多项人工智能计划，将人工智能上升到了国家战略的高度。为促进人工智能技术的发展，各国的协会组织、研究中心和大学也都设立了专门的人工智能研究机构，系统地开展人工智能技术的研究、培训及推广等工作。资本市场、科技巨头也将人工智能技术作为企业发展和利润获取的重要来源，先后在人工智能领域布局。人工智能创业公司如雨后春笋般涌现，涉及生命科学、自动驾驶、机器人、教育等诸多热门领域，成为人工智能浪潮的重要推动力。随着人工智能研究的深入以及技术的不断突破，人们对于AI领域的期待和要求日益提高。目前为止，世界多家科研机构和大学已经为我们带来了很多激动人心的研究成果。

为此，中国人工智能学会力图从国家、研究机构、企业以及研究成果等维度为人们提供一个全新看待人工智能的视角。本书以世界区域划分，对各区域中主要国家的人工智能现状进行概述，包括国家层面的人工智能战略及国家项目、进行人工智能研究的主要研究机构和大学、从事人工智能行业的主要企业、代表性人工智能成果等内容。

全书其他章节按以下内容进行编排：第2章简要概述世界人工智能发展现状；第3章介绍美洲地区的人工智能现状，主要包括美国、加拿大；第4章介绍欧洲地区的人工智能现状，主要包括英国、法国、德国及欧洲其他国家；第5章主要介绍除中国外的其他亚洲地区的人工智能现状，主要包括日本、韩国及亚洲其他国家；第6章介绍非洲地区整体的人工智能现状；第7章单独介绍中国（包括港、澳、台地区）的人工智能发展现状；第8章进行总结和展望。