唐一方对卫场子与江墨玄，还有宋伊人经常笑说：世人皆醉，我也不醒。
度娘是这几人从时学习的好学伴，他们这一代人开始都是如此，度娘的百科全书里，对于人工智能的历史有人这么表述：
0世纪50年代初到60年代中叶，hbb于1949年基于神经心理学的学习机制开启机器学习的第一步。此后被称为hbb学习规则。hbb学习规则是一个无监督学习规则，这种学习的结果是使络能够提取训练集的统计特性，从而把输入信息按照它们的相似性程度划分为若干类。这一点与人类观察和认识世界的过程非常吻合，人类观察和认识世界在相当程度上就是在根据事物的统计特征进行分类。
从上面的公式可以看出，权值调整量与输入输出的乘积成正比，显然经常出现的模式将对权向量有较大的影响。在这种情况下，hbb学习规则需预先定置权饱和值，以防止输入和输出正负始终一致时出现权值无约束增长。
hbb学习规则与“条件反射”机理一致，并且已经得到了神经细胞学说的证实。比如巴甫洛夫的条件反射实验：每次给狗喂食前都先响铃，时间一长，狗就会将铃声和食物联系起来。以后如果响铃但是不给食物，狗也会流口水。
1950年，阿兰·图灵创造了图灵测试来判定计算机是否智能。图灵测试认为，如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。
014年6月八日，一台计算机（计算机尤金·古斯特曼是一个聊天机器人，一个电脑程序）成功让人类相信它是一个1岁的男孩，成为有史以来首台通过图灵测试的计算机。这被认为是人工智能发展的一个里程碑事件。
195，ib科学家亚瑟·塞缪尔开发了一个跳棋程序。该程序能够通过观察当前位置，并学习一个隐含的模型，从而为后续动作提供更好的指导。塞缪尔发现，伴随着该游戏程序运行时间的增加，其可以实现越来越好的后续指导。
通过这个程序，塞缪尔驳倒了普罗维登斯提出的机器无法超越人类，像人类一样写代码和学习的模式。他创造了“机器学习”，并将它定义为“可以提供计算机能力而无需显式编程的研究领域”。
1957年，罗森·布拉特基于神经感知科学背景提出了第二模型，非常的类似于今天的机器学习模型。这在当时是一个非常令人兴奋的发现，它比hbb的想法更适用。基于这个模型罗森·布拉特设计出了第一个计算机神经络——感知机（hr），它模拟了人脑的运作方式。
年后，维德罗首次使用d学习规则用于感知器的训练步骤。这种方法后来被称为最二乘方法。这两者的结合创造了一个良好的线性分类器。
1967年，最近邻算法（harsigh
k的优点在于易于理解和实现，无需估计参数，无需训练，适合对稀有事件进行分类，特别适合于多分类问题ulidal，对象具有多个类别标签，甚至比sv的表现要好。
ha等人于00年尝试利用贪心法，针对文件分类实做可调整权重的k最近邻居法akighdadjdkarsigh
1969年马文·明斯基将感知器兴奋推到最高顶峰。他提出了著名的r问题和感知器数据线性不可分的情形。
明斯基还把人工智能技术和机器人技术结合起来，开发出了世界上最早的能够模拟人活动的机器人rb，使机器人技术跃上了一个新台阶。明斯基的另一个大举措是创建了著名的“思维机公司”（hikigahis，i），开发具有智能的计算机。
此后，神经络的研究将处于休眠状态，直到上世纪八0年代。尽管b神经的想法由林纳因马在1970年提出，并将其称为“自动分化反向模式”，但是并未引起足够的关注。
而在停滞不前的冷静时期，也就是0世纪60年代中叶到70年代末，从60年代中到70年代末，机器学习的发展步伐几乎处于停滞状态。虽然这个时期温斯顿is的结构学习系统和海斯·罗
第三十八谈 考题全都会[1/2页]