算，提出计算机架构。
麦卡洛克与皮茨（ulloch & pitts, 1943）：提出人工神经网络（ann）的最早模型。
(2) 深度学习的神经科学基础
hebb 规则（hebbian learng）：大脑的学习机制——“用进废退”，启发神经网络的学习算法。
脑科学的进展促进了神经网络和强化学习的发展，如 alphago 通过“自我博弈”模拟人类的学习过程。
4 计算机科学：ai 的技术落地
(1) 计算机诞生与符号主义 ai
1956 年达特茅斯会议：
约翰·麦卡锡（john arthy）提出“人工智能（artificial tellince）”这一术语。
符号主义 ai（sybolic ai）：早期 ai 依赖于逻辑规则，如专家系统（expert systes）。
(2) 机器学习与数据驱动 ai
统计机器学习（statistical learng）：
20 世纪 80-90 年代，ai 从基于规则转向数据驱动方法，如支持向量机（sv）、决策树等。
深度学习（deep learng）：
2006 年，offrey hton 复兴神经网络（deep neural works），ai 进入新时代。
5 现代 ai 的核心技术
领域代表技术主要应用
符号 ai逻辑推理、知识图谱机器推理、专家系统
机器学习统计学习、决策树数据分析、推荐系统
深度学习n, rnn, transforr图像识别、自然语言处理
强化学习q-learng, ddpg游戏 ai、机器人
大模型gpt-4, i生成式 ai、聊天机器人
6 ai 的终极本源：机器能否真正理解？
现有 ai 主要是“弱 ai”（weak ai），擅长特定任务，但无法像人一样思考。
“强 ai