繁荣之间的AI寒冬

本文回顾了人工智能发展的历史，特别是其如何从20世纪80年代的专家系统热潮转向概率方法和神经网络。文章指出，在经历了一段时间的“AI寒冬”后，人工智能研究变得更加多元化，出现了诸如具身智能、遗传算法和人工生命等新方法。然而，真正改变AI格局的是概率方法的兴起，特别是Judea Pearl的贝叶斯网络，它为AI建立了新的统计推理基础。与此同时，以IBM语音识别研究为代表的“大数据，小程式”方法也开始崭露头角。最终，神经网络在经历了Minsky和Papert的批评后，随着反向传播算法的出现和算力的提升，再次复兴，并引领了深度学习的浪潮。