人工智能是在1956年達特茅斯會議上首先提出的。該會議確定了人工智能的目標是“實現能夠像人類一樣利用知識去解決問題的機器”。雖然，這個夢想很快被一系列未果的嘗試所擊碎，但卻開啟了人工智能漫長而曲折的研究歷程。

人工智能的第一次高潮始于上世紀50年代。在算法方面，感知器數學模型被提出用于模擬人的神經元反應過程，并能夠使用梯度下降法從訓練樣本中自動學習，完成分類任務。另外，由于計算機應用的發展，利用計算機實現邏輯推理的一些嘗試取得成功。理論與實踐效果帶來第一次神經網絡的浪潮。然而，感知器模型的缺陷之后被發現，即它本質上只能處理線性分類問題，就連最簡單的異或題都無法正確分類。許多應用難題并沒有隨著時間推移而被解決，神經網絡的研究也陷入停滯。

人工智能的第二次高潮始于上世紀80年代。BP（Back Propagation）算法被提出，用于多層神經網絡的參數計算，以解決非線性分類和學習的問題。另外，針對特定領域的專家系統也在商業上獲得成功應用，人工智能迎來了又一輪高潮。然而，人工神經網絡的設計一直缺少相應的嚴格的數學理論支持，之后BP算法更被指出存在梯度消失問題，因此無法對前層進行有效的學習。專家系統也暴露出應用領域狹窄、知識獲取困難等問題。人工智能的研究進入第二次低谷。

人工智能的第三次高潮始于2010年代。深度學習的出現引起了廣泛的關注，多層神經網絡學習過程中的梯度消失問題被有效地抑制，網絡的深層結構也能夠自動提取并表征復雜的特征，避免傳統方法中通過人工提取特征的問題。深度學習被應用到語音識別以及圖像識別中，取得了非常好的效果。人工智能在大數據時代進入了第三次發展高潮。