人工智能是在1956年達特茅斯聚會上開始提出的。該聚會決定了人工智能的目的是 實行不妨像生人一律運用常識去處置題目的機器 。固然，這個理想很快被一系列未果的試驗所擊碎，但卻打開了人工智能長久而委曲的接洽過程。

人工智能的第一次飛騰始于上世紀50歲月。在算法上面，感知器數學模子被提出用來模仿人的神經元反饋進程，并不妨運用梯度低沉法從演練樣品中機動進修，實行分門別類工作。其余，因為計劃機運用的興盛，運用計劃機實行論理推導的少許試驗博得勝利。表面與試驗功效帶來第一次神經搜集的海潮。但是，感知器模子的缺點之后被創造，即它實質上只能處置線性分門別類題目，就連最大略的異或題都沒轍精確分門別類。很多運用困難并沒有跟著功夫推移而被處置，神經搜集的接洽也墮入阻礙。

人工智能的第二次飛騰始于上世紀80歲月。bp（back propagation）算法被提出，用來多層神經搜集的參數計劃，以處置非線性分門別類和進修的題目。其余，對準一定范圍的大師系統也在貿易上贏得勝利運用，人工智能迎來了又一輪飛騰。但是，人工神經搜集的安排從來缺乏相映的莊重的數學表面扶助，之后bp算法更被指出生存梯度消逝題目，所以沒轍對前層舉行靈驗的進修。大師系統也表露出運用范圍渺小、常識獲得艱巨等題目。人工智能的接洽加入第二次低谷。

人工智能的第三次飛騰始于2010歲月。深度進修的展示惹起了普遍的關心，多層神經搜集進修進程中的梯度消逝題目被靈驗地控制，搜集的深層構造也不妨機動索取并表征攙雜的特性，制止保守本領中經過人工索取特性的題目。深度進修被運用到語音辨別以及圖像辨別中，博得了特殊好的功效。人工智能在大數據期間加入了第三次興盛飛騰。