我在大学（1999-2003）上了几门人工智能课程，我们使用了第一版的人工智能：现代方法。我们涵盖了很多主题和编程，包括经典 AI、神经网络和时间差异学习。
在过去的几年里，人工智能已经复苏。
这种复苏是由于新的人工智能理论还是更好（更多）的计算能力和数据使理论（例如神经网络）更有效？还是两者兼而有之？
我想了解自 2000 年代初以来人工智能领域发生的事情，我想知道要涵盖哪些内容——最重要的进步是什么？
自 2000 年代初以来，是什么导致了 AI 的复兴？
人工智能
历史
2021-11-18 09:03:44
1个回答
为了大大简化人工智能/神经网络的现代研究的许多进展，最近的进展源于反向传播算法的应用改进。
例如：我们最近拥有大数据（事实证明，如果您有大量数据要输入网络，反向支持非常有效），提高了利用这些数据的计算能力，以及利用这些计算能力的创造性网络设计（深度学习）。
到目前为止，我还没有找到一个很好的资源，可以很好地将当前神经网络实践的知识融入到人工智能的经典研究中。但如果你仍然感兴趣，你可以阅读这本关于神经网络的现代经典教科书并做出自己的判断。
其它你可能感兴趣的问题