AI：人工智能概念之AI發展曆史的重要曆史時間節點、大牛們對AI相關概念的定義

1950~

      1950，人工智能之父Alan Mzthison Turing，艾倫圖靈在1950年發表的論文《計算機器與智能》(Computing Muchinery and Intelligence)中提出了具有開創意義的“圖靈測試”(Turing Test)，用來判斷一台計算機是否達到具備人工智能的标準。

      1959，機器學習作為人工智能的分支，從2o世紀50年代開始，也曆經了幾次具有标志性的事件，這其中包括：1959年.美國的前IBM員工塞缪爾(Arthur Samuel)開發了一個西洋棋程式。這個程式可以在與人類棋手對弈的過程中，不斷改善自己的棋藝。

      1997年，IBM公司的深藍(Deep Blue)超級計算機在國際象棋比賽中，力克俄羅斯專業大師蔔斯帕羅夫(Carry Kimovich Kaaparov)，自此引起了全世界從業者的矚口。2011年，IBM公司的沃森深度問答系統( Wanton DeepQA)在美國知名的百科知識問答電視節目(Jeopardy)中擊敗多位優秀的人類選手成功奪冠，又使得我們朝着達成‘“圖靈測試更近了一步。

      深度學習作為機器學習的分支，也逐漸興起，谷歌公司DeepMind研究團隊宣布機器學習程式AlphaGo以4:1的總比分擊敗了世界頂級圍棋選手李世石，見證了人工智能的極大進步。

      2016年3月，阿爾法圍棋與圍棋世界冠軍、職業九段棋手李世石進行圍棋人機大戰，以4比1的總比分獲勝；2016年末2017年初，該程式在中國棋類網站上以“大師”（Master）為新增賬號與中日韓數十位圍棋高手進行快棋對決，連續60局無一敗績；2017年5月，在中國烏鎮圍棋峰會上，它與排名世界第一的世界圍棋冠軍柯潔對戰，以3比0的總比分獲勝。圍棋界公認阿爾法圍棋的棋力已經超過人類職業圍棋頂尖水準，在GoRatings網站公布的世界職業圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。

       2017年5月27日，在柯潔與阿爾法圍棋的人機大戰之後，阿爾法圍棋團隊宣布阿爾法圍棋将不再參加圍棋比賽。2017年10月18日，DeepMind團隊公布了最強版阿爾法圍棋，代号AlphaGo Zero。

大牛們對重要概念的定義

ML的定義

      Langley（1996) 定義的機器學習是“機器學習是一門人工智能的科學，該領域的主要研究對象是人工智能，特别是如何在經驗學習中改善具體算法的性能”。（Machine learning is a science of the artificial. The field's main objects of study are artifacts, specifically algorithms that improve their performance with experience.）

    Tom Mitchell的機器學習(1997)對資訊論中的一些概念有詳細的解釋,其中定義機器學習時提到，“機器學習是對能通過經驗自動改進的計算機算法的研究”。（Machine Learning is the study of computer algorithms that improve automatically through experience.）。

     美國卡内基梅隆大學(Carnegie Mellon University)機器學習研究領域的著名教授Tom Mitchell的經典定義： A computer program is said to learn from experience E with respect to some task T and some performance measure P,if its performance on T,as measured by P,improves with experience E.—-Tom Mitchell

     三個關鍵術語:任務(Task )、經驗(Experience)、性能(Performance )。

    翻譯一： 如果一個程式在使用既有的經驗E(Experience)來執行某類任務T(Task)的過程中被認為是“具備學習能力的”，那麼它一定要展現出：利用現有的經驗E，不斷改善其完成既定任務T的性能(Performance)的特質。

    翻譯二：如果一個程式在使用既有的經驗(E)執行某類任務(T)的過程中被認定為是“具備學習能力的”，那麼它一定需要展現出：利用現有的經驗(E)，不斷改善其完成既定任務(T)的性能(P)的特質。

     Alpaydin（2004）同時提出自己對機器學習的定義，“機器學習是用資料或以往的經驗，以此優化計算機程式的性能标準。”（Machine learning is programming computers to optimize a performance criterion using example data or past experience.）