我們常聽說的AI人工智能，指的是根據對周圍環境的感知，能夠做出與人類相似的反應的計算機程序。2016年引起轟動的AlphaGo擊敗李世石等圍棋高手事件，令AI技術又一次進入大眾視野當中，掀起一波不小的AI熱潮。但其實早在世界上第一臺計算機誕生之際，AI就已經開始悄悄萌芽。
第一次AI熱潮
1950年10月，“計算機之父”艾倫·圖靈發表論文《計算機械和智能》（Computing Machinery andIntelligence），探討了機器具備智能思維的可能性，並提出一個有趣的測試方法：如果一臺機器能夠與人類展開對話而不被識破機器身份，稱這臺機器具有智能思維，這就是著名的“圖靈測試”。
艾倫·圖靈
1956年8月，約翰·麥卡錫、馬文·閔斯基、克勞德·香農等科學家在達特茅斯開展了一場學術會議，會議的主題是：用機器模仿人類學習以及其他方面的智能，並將這一學科命名為“Artificial Intelligence”——人工智能。達特茅斯會議被認為是全球人工智能研究的起點，在之後的十幾年中，數學證明系統、語言學習、人機對話系統等技術的開發應用掀起了第一波AI熱潮，然而由於當時計算機運算能力、程序設計及算法技術的限制，人工智能的發展陷入瓶頸。
第二次AI熱潮
在上個世紀80年代，專家系統在某些專業領域取得成功。專家系統指的是內部含有大量某個領域專家水平的知識與經驗，可以利用這些經驗解決問題的智能系統，專家系統在基礎學科的成功應用獲得了企業的認可，企業試圖研發能夠實現人機對話、語言翻譯、具有人類邏輯推理思維的機器人。
但是專家系統的應用領域太狹窄，沒有大數據的支撐，知識和經驗的獲取比較困難，更適用於科學研究，而非企業所設想的智能語音、語言翻譯等應用，因此到90年代初，AI的發展再次陷入了低谷。
第三次AI熱潮
專家系統的失敗恰恰印證了圖靈在《計算機械和智能》中的建議：與其研製模擬成人思維的計算機，不如嘗試製造更簡單的，或許相當於小孩智慧的系統，然後讓系統不斷學習。當我們拋棄所謂的專家的成熟經驗，轉而從數據特徵建模的角度，讓機器去學習、尋找規律，再應用規律解決問題，反而能獲得更好的結果。
2006年傑弗裡·辛頓（Geoffrey Hinton）發表論文《一種深度置信網絡的快速學習方法》，正式提出深度學習的概念，並給出一種深度學習方法，2006年至今，深度學習一直處於快速發展階段，在圖像、語音、自然語言處理等方面有重大突破，廣泛應用於金融、教育、家居、自動駕駛、醫療、機器人等領域。AI正在顛覆傳統，給我們的生活帶來巨大的改變：蘋果Siri、微軟小冰等智能助手的推出，讓我們能更便捷地操作各類科技產品；手機銀行搭載的人臉識別技術，能夠有效降低金融詐騙風險，保護財產安全；各大搜索引擎利用深度學習技術對網頁進行排序，提高蒐索的相關性和準確度……
展望
杉科科技緊跟時代潮流，通過計算機算法研發，結合機器視覺、人臉識別、車輛識別、語音交互、深度學習、物聯網等最新的AI技術，實現深入的人機交互，並推出了室外智能巡邏機器人和室內智能服務機器人。室外巡邏機器人可以自主規劃巡邏路徑、通過AI識別技術對車輛和人群進行管理、從多個維度進行環境監控，助力園區的智能安防體系建設；室內服務機器人在日常巡邏的基礎上，還可實現人機對話、提供智能引導查詢服務和物品遞送服務，幫助企業實現智慧辦公。通過巡邏機器人和服務機器人相結合的立體服務系統，讓高科技滲透到生活中，做到真正的生活智能化，同時重新定義智能機器人。
未來，杉科科技將會推出更多智能終端產品，為客戶定製全方位的操作流程和場景解決方案，減少企業的人力成本，簡化管理流程，提高運營效率，助力城市智慧發展。
我們常聽說的AI人工智能，指的是根據對周圍環境的感知，能夠做出與人類相似的反應的計算機程序。2016年引起轟動的AlphaGo擊敗李世石等圍棋高手事件，令AI技術又一次進入大眾視野當中，掀起一波不小的AI熱潮。但其實早在世界上第一臺計算機誕生之際，AI就已經開始悄悄萌芽。
第一次AI熱潮
1950年10月，“計算機之父”艾倫·圖靈發表論文《計算機械和智能》（Computing Machinery andIntelligence），探討了機器具備智能思維的可能性，並提出一個有趣的測試方法：如果一臺機器能夠與人類展開對話而不被識破機器身份，稱這臺機器具有智能思維，這就是著名的“圖靈測試”。
艾倫·圖靈
1956年8月，約翰·麥卡錫、馬文·閔斯基、克勞德·香農等科學家在達特茅斯開展了一場學術會議，會議的主題是：用機器模仿人類學習以及其他方面的智能，並將這一學科命名為“Artificial Intelligence”——人工智能。達特茅斯會議被認為是全球人工智能研究的起點，在之後的十幾年中，數學證明系統、語言學習、人機對話系統等技術的開發應用掀起了第一波AI熱潮，然而由於當時計算機運算能力、程序設計及算法技術的限制，人工智能的發展陷入瓶頸。
第二次AI熱潮
在上個世紀80年代，專家系統在某些專業領域取得成功。專家系統指的是內部含有大量某個領域專家水平的知識與經驗，可以利用這些經驗解決問題的智能系統，專家系統在基礎學科的成功應用獲得了企業的認可，企業試圖研發能夠實現人機對話、語言翻譯、具有人類邏輯推理思維的機器人。
但是專家系統的應用領域太狹窄，沒有大數據的支撐，知識和經驗的獲取比較困難，更適用於科學研究，而非企業所設想的智能語音、語言翻譯等應用，因此到90年代初，AI的發展再次陷入了低谷。
第三次AI熱潮
專家系統的失敗恰恰印證了圖靈在《計算機械和智能》中的建議：與其研製模擬成人思維的計算機，不如嘗試製造更簡單的，或許相當於小孩智慧的系統，然後讓系統不斷學習。當我們拋棄所謂的專家的成熟經驗，轉而從數據特徵建模的角度，讓機器去學習、尋找規律，再應用規律解決問題，反而能獲得更好的結果。
2006年傑弗裡·辛頓（Geoffrey Hinton）發表論文《一種深度置信網絡的快速學習方法》，正式提出深度學習的概念，並給出一種深度學習方法，2006年至今，深度學習一直處於快速發展階段，在圖像、語音、自然語言處理等方面有重大突破，廣泛應用於金融、教育、家居、自動駕駛、醫療、機器人等領域。AI正在顛覆傳統，給我們的生活帶來巨大的改變：蘋果Siri、微軟小冰等智能助手的推出，讓我們能更便捷地操作各類科技產品；手機銀行搭載的人臉識別技術，能夠有效降低金融詐騙風險，保護財產安全；各大搜索引擎利用深度學習技術對網頁進行排序，提高蒐索的相關性和準確度……
展望
杉科科技緊跟時代潮流，通過計算機算法研發，結合機器視覺、人臉識別、車輛識別、語音交互、深度學習、物聯網等最新的AI技術，實現深入的人機交互，並推出了室外智能巡邏機器人和室內智能服務機器人。室外巡邏機器人可以自主規劃巡邏路徑、通過AI識別技術對車輛和人群進行管理、從多個維度進行環境監控，助力園區的智能安防體系建設；室內服務機器人在日常巡邏的基礎上，還可實現人機對話、提供智能引導查詢服務和物品遞送服務，幫助企業實現智慧辦公。通過巡邏機器人和服務機器人相結合的立體服務系統，讓高科技滲透到生活中，做到真正的生活智能化，同時重新定義智能機器人。
未來，杉科科技將會推出更多智能終端產品，為客戶定製全方位的操作流程和場景解決方案，減少企業的人力成本，簡化管理流程，提高運營效率，助力城市智慧發展。