1950年圖靈提出的“圖靈測試”就嚴肅地提出了具有人類特性的機器人的可能性，而1956年約翰·麥卡錫就定義了“人工智能”作為這個領域的專有名詞。可是，我們這一代的人重新認識AI，卻是在2016年Alpha GO第一次在圍棋上戰勝了人類頂級選手之后。
在此之后，AI突然重新成為了一個炙手可熱的話題，而最近的人工智能發展速度越來越快，除了變身語音助手，自動駕駛汽車，會下圍棋，還能在圖像識別和聲音識別上超越人類，還可以在某些疾病診斷方面超越人類醫生，甚至能自己作曲、自己寫書——很多曾經看似不可能完成的任務都在逐漸被完成。
那么，人工智能是為什么在沉寂已久之后又迅速崛起了?
事實上，人工智能的發展依賴三個元素：優秀的算法、強大的計算能力、足夠的訓練數據。人工智能依仗“機器學習“算法，所謂機器學習，舉其中一類“有監督式學習”的例子來說：我需要培訓電腦識別某個人的臉，那么我就給電腦大量的這個人的圖片，通過不斷的識別運算，我只告訴電腦識別正確還是失敗，電腦能逐漸自主調整自己算法中的參數，從而自主提高識別率。
雖然在1920年-1990年期間提出了大量的淺層機器學習模型，但模型本身有效性是有限的，識別率并不高。而同時雖然也有試圖探索深層機器學習的模型，可是電腦的運算能力卻跟不上。同時，由于互聯網尚未普及，獲取數據本身也并非容易的事情。
而到了2000年以后，這一切都逐漸得到了改變。2006年的三篇論文：Hinton的Deep Belief Nets，Bengio團隊的Greedy Layer-Wise Training of Deep Networks，LeCun團隊的Efficient Learning of Sparse Representations with an Energy-based Model開啟了深度神經網絡即深度學習在學術界和工業界的浪潮，而同時GPU被證明比CPU要更加適合運行深度學習模型。
再者，因為2000年以后搜索引擎的發展，互聯網的成熟，使得整個互聯網積累了曾經無法想象的數據量（也即現在很火的“大數據”概念）。現在能夠把“大數據”交給GPU，用非常復雜的深度神經網絡算法進行“機器學習”，這才點燃了AI的迅猛發展。
?