人工智能的概念诞生于上世纪 50 年代，从最初的神经网络和模糊逻辑，到现在的深度学习、图像搜索，人工智能技术经历了一系列的起伏。在 1956 年的一次科学会议上，人工智能的概念被首次确立：让机器像人那样思考和认知，用计算机实现对人脑的模拟。上世纪50 年代至 70 年代是人工智能的早期发展阶段，该阶段人工智能主要用于解决一些小型的数学问题和逻辑问题。此时人工智能出现了一些代表性应用，如机器定理证明、机器翻译、专家系统、模式识别等，但是该阶段人工智能仍可以被归纳为“弱人工智能”时代，其发展和应用还远远不能达到人类的智慧水平。

1972 年，用于传染性血液诊断和处方的知识工程系统 MYCIN 研发成功，该事件标志着人工智能进入“专家系统”时期。专家系统的出现使得计算机可以和人进行结合，通过对数据的分析解决一些实际的问题。但是专家系统的发展并不顺利，也并未得到广泛的应用。其原因主要有两个方面。一是专业知识的获取需要行业内长时间的积累，大量的行业数据在彼时难以全部植入专家系统。二是专家系统的程序主要由解释性语言“LIPS”编写，其开发效率和易用性较低，难以实现实际应用。人工智能技术发展在彼时陷入的瓶颈使得人类开始思考，如何让计算机自发理解和归纳数据，掌握数据间的规律，即“机器学习”。

上世纪 90 年代末，IBM“深蓝”计算机击败国际象棋大师卡斯帕罗夫再次引发了全球对人工智能技术的关注。但是受限于当时的技术条件，人工智能尚无法支撑大规模的商业化应用。2006 年，Geoffrey Hinton教授发表的论文《A Fast Learning Algorithm for Deep Belief Nets》中提出了深层神经网络逐层训练的高效算法，使当时计算条件下的神经网络模型训练成为了可能。