人工智能最初是在1956年達特茅斯會議上提出的。會議將人工智能的目標確定為“實現(xiàn)能夠使用知識解決人類問題的機器”。這個夢想很快就被一系列失敗的嘗試打破了，但它開始了人工智能漫長而曲折的研究進程。

人工智能的第一次激增始于1950年。算法的角度出發(fā),感知器數(shù)學模型,模擬人類的神經(jīng)元的反應進程,為了被提議,為了完成任務,分類,使用梯度下降法訓練樣本可以自動學習。另外，通過計算機應用的開發(fā)，實現(xiàn)計算機的邏輯推理的嘗試也成功了。神經(jīng)網(wǎng)絡的第一個浪潮是理論和實踐的效果帶來的。但是，色氨酸模型的缺陷后來被發(fā)現(xiàn)了。也就是說，只能處理線性分類問題，就連最簡單的XOR問題也不能正確分類。很多應用程序的問題沒有隨著時間的推移得到解決，神經(jīng)網(wǎng)絡的研究也停滯不前。

人工智能的第二次激增始于1980年。為了解決非線性分類和學習問題，提出了BP(后向聚合)算法來計算多層神經(jīng)網(wǎng)絡的參數(shù)。并且，特定領域的專家系統(tǒng)也很好地應用于商業(yè)，人工智能預示著下一個高潮的到來。但是,人工神經(jīng)網(wǎng)絡的設計,是應對嚴密的數(shù)學理論的支持不足,因此bp算法是梯度消失的問題被指出,對前層不能有效地學習。專家系統(tǒng)還揭示了一些問題，比如狹窄的應用領域和困難的知識獲取。人工智能的研究下降到了第二低。

人工智能的第三次激增始于2010年。深度學習的出現(xiàn)引起了很大的關注。多層神經(jīng)網(wǎng)絡的學習過程中的梯度消失問題被有效地抑制。由于網(wǎng)絡的深層結構，能夠自動提取復雜的特征并賦予特征，可以避免傳統(tǒng)方法中手動提取特征的問題。深度學習應用于語音識別和圖像識別，取得了非常好的成果。人工智能在大數(shù)據(jù)時代進入了第三個高潮。