自 1956 年 首次提出了“人工智能”术语以来，人工智能的命运一直浮浮沉沉：

1956-1974 年，人工智能进入黄金时期，大量的资金投入支持人工智能的研究和发展，这时期发明最早的聊天机器人 ELIZA；H. A. Simon 在 1958 年断言称不出10年计算机将在下（国际）象棋上击败人类。

这时期人工智能的身影出现在众多影视、小说作品里：在 1968 年科幻电影《2001：太空漫游》里，HAL 9000 智能机器人发生错乱，在前往木星的太空船上对人类发起攻击；在1970年《巨人：福宾计划》电影里讲述超级计算机的强大力量，并展现高度依赖人工智能可能会引发的后果。

但同时埋下一个隐患：虽然科学家们创造了多种多样的机器人，但它们看起来像是漂亮的“玩具”，如何落地到实用的工业产品中是个尚待解决的技术难题。

因此到了 70 年代，人工智能受到各种批评，国家（美国）也不再投入更多经费，人工智能进入第一次寒冬（1974-1980）。

即使在1958年出现最早的神经网络的研究：Frank Rosenblatt提出了感知机（Perception），但这之后的10年联结主义没有太多的研究和进展。

1980-1989 年，人工智能因专家系统又处于繁荣兴盛期。而后又因商业难以成功，在 1989-1993 年又跌至第二次寒冬；1993-2006 年，因统计学习理论的发展和 SVM 等工具的流行，使得机器学习进入稳步发展的时期。

2006 年，Hinton 提出了 Deep Belief Nets （DBN），通过 pretraining 的方法使得训练更深的神经网络变得可能。

2009 年 Hinton 和 DengLi 在语音识别系统中首次使用了深度神经网络（DNN）来训练声学模型，最终系统的词错误率（Word Error Rate/WER）有了极大的降低。这让深度学习在学术界名声大噪的是 2012 年的 ILSVRC 评测。

自此，人工智能进入爆发期。各路资本竞相投入，甚至国家层面的人工智能发展计划也相继出台。与此同时，作为人工智能开发的主要语言 Python 也热门起来。

7 月，华为一则薪资通知刷爆朋友圈：华为给8位博士应届生给予 89.6 万至 201 万的年薪。其中薪资最高的两位博士均研究人工智能相关专业。

而知名招聘网站Indeed最近发布的2019年最佳工作榜单里，机器学习工程师薪资排名第一，平均年薪高达146085美元。

作为机器学习的范式和方法论之一的强化学习，用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。

想学强化学习却不知从何入手？清华博士为你详解强化学习的原理与Python实现！

入门强化学习模型、典型算法详解，解读 2019 年 OpenAI-Gym 排行榜明星案例！与技术专家线上互动学习，有机会获得价值89元《强化学习：原理与Python实现》图书一本~

一起报名学习吧！

主题：清华博士解读强化学习的原理与Python实现

时间：11月2日 20：00

主讲人：肖智清，清华大学工学博士

（扫码报名，免费听课）

讲师介绍

肖智清，清华大学工学博士。著有世界上第一本PyTorch 1纸质教程书《神经网络与PyTorch实战》，著有世界上第一本配套TensorFlow 2代码的强化学习书、中国第一本正式出版的TensorFlow 2算法书《强化学习：原理与Python实战》。scipy、sklearn等开源项目源码贡献者。近7年发表SCI/EI论文十余篇，多个顶级期刊和会议审稿人。在国内外多项程序设计和数据科学竞赛上获得冠军。

赶紧戳 https://t.csdnimg.cn/DFoe 或点击阅读原文，免费报名！

扫码回复：直播

免费入群+惊喜送礼+社群交流