起源
人工智能的起源普遍認為是 1956 年的達特茅斯會議。 因為這次會議本身就是為了人工智能而召開的，而且參會的人后來也成了人工智能各個方向上的大牛。 參會的主要 6 個人：
- 麥卡錫，會議的召集人，也是 LISP 的發明者
- 克門尼，BASIC 發明人，做過愛因斯坦的數學助理，和麥卡錫一起研究出了 分時系統
- 明斯基，提出神經網絡
- 香農，信息論創始人
- 紐厄兒，圖靈獎得主
- 司馬賀，圖靈獎得主，諾貝爾獎得主，紐厄兒的學生，他們倆都是人工智能中的符號學派
人工智能的概念雖然是達特茅斯會議提出的，但是在此之前已經有關於人工智能的研究，只不過那時不叫人工智能， 而是稱為"機器智能"或是"智能機器"，對此，最廣為人知的就是圖靈的論文和他的圖靈測試。
發展
人工智能提出的很早，但發展的並不順，不像其他學科都逐漸走向統一，從誕生之初，人工智能的研究方向就不斷分裂。 目前主流的人工智能方向有：
符號學派
這是傳統的人工智能方向，專注於如何制造智能機器特別是智能的計算機程序和工程，但不局限於模擬生物的智能行為。 這一學派和圖靈的研究一脈相承。
符號學派利用知識和搜索來代替真實人腦的神經網絡結構，擅長解決利用現有知識做比較復雜的推理，規划，邏輯運算和判斷等問題。
連接學派
之所以成為連接學派，是因為這一學派認為高級的智能行為是從大量神經網絡的連接中自發出現的。 神經網絡就是這個學派提出的，但是神經網路發展也不順利，后來借助統計學習理論，稍有起色，在某些方面形成了優勢。
連接學派可以很好的解決機器學習的問題，並自動獲取知識。擅長解決模式識別，聚類，聯想等非結構化的問題。
行為學派
行為學派和前 2 個學派不一樣，沒有把重點關注在高級智能上，而是關注比人類低級的多的昆蟲上。 這個學派產生了極其緊密的極其昆蟲，也有能夠適應各種環境的機器狗，當然，從動物身上不僅僅學到這些， 還有遺傳算法，這是對進化方面的研究。
行為學派關注模擬身體的運作機制，而不是腦。擅長解決適應性，學習，快速行為反應等問題，也可以解決一定的識別，聚類，聯想等問題。
其他
這 3 個學派大致是從軟件，硬件，身體 3 個角度來模擬和理解智能的。 隨着人工智能的發展，單獨依靠某一個學派，發展都會遇到瓶頸，於是，很多人工智能研究者逐漸不再關注人工智能的理論， 而是從實際應用出發，能夠解決實際問題的就是好方法，就這樣，逐漸產生了很多新興的學科：
- 自動定理證明
- 模式識別
- 機器學習
- 自然語言理解
- 計算機視覺
- 自動程序設計
總結
人工智能進入 21 世紀第二個十年，最引人注目的成就就是 深度學習 深度學習也是一種對大腦的模擬，它模仿了人類大腦的深層體系結構。 到了今天，充足的食物（大數據）和強勁的消化系統（GPU，雲計算）成為了深度學習崛起的契機。
除此之外，還有一種 被稱為 人類計算 的方式，也叫人工人工智能就是利用互聯網上大量的人群來完成需要機器完成的工作。 這種方式比較有意思，實際的案例有：
- 卡內基梅隆大學的 路易斯-馮-安 reCAPTCHE: 利用驗證碼來完成英文古文獻的數字化
- 同樣是馮-安 設計的 Verbosity 游戲，目的是構建知識庫
- 此外還有 Matchin，Duolingo
現在，最火的人工智能方式是機器學習，但是人工智能遠遠不只是機器學習，我們在學習，討論機器學習的同時， 也要站在更高的角度上看待人工智能，因為未來人工智能的統一在何方還是未知。