人工智慧的概念自1956年在美國達特茅斯會議（Dartmouth Conferences）上被明確提出後， 至今已經走過了61年的發展歷程。 我們站在2017年這個時間點， 看到的是人工智慧在創投圈的火熱， 在媒體中搶盡風頭， 但其實人工智慧在發展過程中， 曾不止一次同樣被推到風口浪尖， 也曾遭遇過寒冬。
邱吉爾有一句名言：你能看到多遠的過去， 就能看到多遠的未來。 筆者認為這句話應當同目前人工智慧領域從業者共勉， 因為歷史總能道出一些最真實的內容。
第一次寒冬（1974年至1980年）
在1956年達特茅斯學院會議後， 人工智慧進入了第一次繁榮時期（1956年到1974年）， 人工智慧跟隨著電腦一起快速發展， 在這一時期學術界對人工智慧的貢獻最大， 深度學習的雛形感知器和增強學習的雛形貝爾曼公式都出現在這一時期。 重要的突破事件包括：1958年， Lisp 電腦分時程式設計語言被發明出來， 該語言至今仍在人工智慧領域廣泛使用；1964年，
然而到了70年代初， 人工智慧遭遇第一次寒冬。 由於此前對人工智慧的預期過於樂觀， 研究人員高估了這項新技術的應用範圍， 而當時電腦有限的記憶體和處理速度根本不足以解決任何實際問題。 況且， 70年代的資料庫不夠豐富， 研究人員在現有水準下也無法提出有效解決方案。 因此， 由於缺乏進展， 政府機構對人工智慧的資助停止， 到了1974年幾乎沒有任何機構資助人工智慧專案。
第二次寒冬（1987年至1993年）
雖然政府對人工智慧的資助暫停， 但這促使研究人員思考如何將人工智慧落地產生價值。
專家系統是一個僅限於某些很小的知識領域的程式， 從而避免了常識問題；其簡單的設計又使它能夠較為容易地程式設計實現或修改。 實踐證明了這類程式的實用性， 於是AI開始變得實用起來。 日本政府重新對人工智慧專案撥款， 積極投資AI以促進其第五代電腦工程， 其他國家也聞風而動。
不過好景不長， 進入80年代後期， 個人電腦的性能迅猛發展， 使用“增強智慧”看似比人工智慧有更大的發展， 而專家系統的機器維護費用奇高， 難以升級， 局限性又凸現出來， 資本和政府資助也隨之而去， 投向於那些看起來更容易出成果的專案，
經歷了兩次起伏後， 人工智慧領域的某些學者開始潛心研究特定課題， 他們利用提升性能的電腦， 實現了人工智慧在具體任務上重大突破。 其中， 最著名的當屬1997年“更深的藍”戰勝國際象棋世界冠軍卡斯帕羅夫。 此外， 人工智慧在行業中的價值也越發明顯， 分別以工業機器人、語音語義識別、電腦視覺等具體技術切入市場。 直到2016年阿爾法狗戰勝李世石， 深度增強學習這只“沉睡的雄獅”醒來， 帶來前所未有的應用價值。
第三次寒冬會否到來？
回顧人工智慧的發展歷史不難看出， 以細分的技術去創造行業應用價值是人工智慧得以進步的根本動力， 資本只會錦上添花，
5月21日， 2017全球人工智慧大會尖峰對話環節， 多位元著名學者和創業者將未雨綢繆， 探討“AI的第三次寒冬會不會來到？”。 活動主持人為中國人工智慧學會副理事長、北京大學教授劉巨集， 對話嘉賓包括：西北工業大學教授陳景東， 小i機器人總裁兼首席技術官朱頻頻， 雲知聲CTO梁家恩， 羅切斯特大學教授、騰訊優圖顧問羅傑波， 北京大學資訊科學技術學院教授黃鐵軍等。
交叉、 融合、 相生 、 共贏