一、人工智能的发展时期7个阶段
1、50年代人工智能的兴起和冷落。人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题、求解程序、LISTP表处理语言等。但由于消解法推理能力的有限以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
2、60年代末到70年代，专家系统出现，使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-Ⅱ语音处理系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议。
3、80年代，随着第五代计算机的研制，人工智能得到了很大发展。日本1982年开始了”第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
4、80年代末，神经网络飞速发展。1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
5、90年代，人工智能出现新的研究高潮。由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，使人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深人到社会生活的各个领域。
二、世界十大人工智能先锋实验室
谷歌旗下实际上有两家互相独立的人工智能实验室，谷歌人工智能实验室负责谷歌自身产品相关的AI产品开发，大名鼎鼎的第二代人工智能系统TensorFlow就是在这里诞生的。
DeepMind是一家英国的人工智能公司，由人工智能研究者兼神经科学家DemisHassabis等人联合创立，2014年被谷歌收购。前段时间举世闻名的AlphaGo就是这家公司的成果。现在他们已经教会了计算机玩49种不同的电子游戏。
微软拥有自己的移动操作系统、翻译、地图、搜索等业务，其在人工智能上的研究和应用轨迹同谷歌十分相似。其亮点在于旗下分别定为智能助手和情感交互的小冰和小娜，目前小娜和小冰的对话水平已经属于语音助手界的顶级水平。
艾伦人工智能研究院是由微软的联合创始人PaulAllen建立的，致力于对AI的研究。目前主要专注于四个项目的研究：名为Aristo的机器阅读与推理程序，SemanticScholar的语义理解搜索程序，Euclid的自然语言理解程序，和Plato的计算机视觉程序。
Facebook现在可不单纯是一家社交网站了，其在技术方面的研究同样很前沿。Facebook需要由机器学习来对用户在NewsFeeds中看到的内容等大量信息进行自动管理。目前Facebook在AI领域的应用主要有语言翻译、强大的个人数字助理“M”和图像、视频分析程序等。
丰田实验室近期将收购发明双足机器人Atlas的波士顿动力。这个实验室既关注无人驾驶领域也在机器人领域有了相当大的进展。丰田实验室的主要制造成果有丰田生活辅助机器人(HSR)，丰田KiroboMini机器人等。
Uber在去年也建立了自己的研发中心，希望在自动驾驶领域有所突破。5月底Uber的自动驾驶汽车刚刚获准进行无人驾驶汽车的实验。Uber先进科技中心的很多研究者是卡内基梅隆大学挖来的著名学者和研究人员。
亚马逊并没有为人工智能单独成立一个实验室，但其云服务部门AWS已经对云服务有了深刻的应用，亚马逊启用了一个叫“亚马逊机器学习”(AmazonMachineLearning)的服务，用于数据的处理和存储，来同微软和谷歌竞争，亚马逊Kiva机器人则可以提高仓储中心的工作效率，近期旗下的AlexaInternet还推出了一款叫Echo的智能音响兼语音助手。
IBM最近的超级电脑Watson安装有IBM研发的“语气分析工具”(ToneAnalyzer)。这一工具可以对人类的书写文字进行智能识别，识别出其中的高兴、悲伤等情绪。
现在，本田已有四家技术研发中心，研究领域涉及计算科学、计算机视觉、人工智能、机器人等多个方面。硅谷研发中心主要关注于车联网、大数据、语音识别等领域。
三、人工智能用在工作上的应用
1、传统的工业机器人仅是以机器人代替部分繁琐的人工劳动，成为人类体力的延伸，但机器人的智能程度还不够，无法完成一些比较精细的工作。但随着科学技术的发展和工业生产的需要，人们也开始研究如何让机器人去代替部分脑力劳动，使其具有更高的智慧与能力，而AI技术的发展则弥补了这一短板。
2、AI技术的加入，使得工业机器人能以与人类智能相似的方式做出反应，赋予了机器人新的活力，让它不仅能代替人类大部分的体力劳动，也可以在程序设定的基础上代替部分的脑力劳动，提高生产效率，降低工厂生产成本。
3、由于人眼无法看清快速移动的目标，对微小目标分辨能力弱，而且人眼疲劳后漏检率会提高，这些都使得人工检测费时费力。而智能缺陷检测机器人则克服了这些困难，高速工业相机能够在动态检测的情况下极大降低误报率，还可根据产品检测需求调整检测精度，提高检测效率。同时可配合自动化生产线，实现自动检测、自动处理，降低次品率，减少人工成本，使得生产效率显著提升。
4、对于工厂来说，分拣速度慢意味着生产出的产品会在产线上积压，造成生产线流转不顺畅，拉低生产效率。目前人工分拣速度慢，尤其是体积小、颜色形状多的产品更是分拣难度大，很容易造成分拣失误，但如果使用智能分拣机器人则可以大大提高分拣速度。
5、智能分拣机器人可以通过摄像头对分拣物品进行识别，再通过分析得出该物品应放置的区域，最后通过机械臂或产线配合将产品送至相应的位置。该机器人的在线识别速度一般都高于生产速度，分拣失误率低，不易造成产品在产线上积压。
6、传统的产品尺寸检测由于人员使用量具熟练程度的不同，量具使用不熟练或是人员疲劳会造成检测速度变慢，延缓生产进度，而且人工测量误差较大。但智能尺寸检测机器人可以24小时持续检测，检测速度快，测量误差小。
7、视觉机器人想要成功接收各项指令并完成相应的动作，也像人一样需要大脑的调配。智能装备研发的视觉引导系统就是这样一个“大脑”，它通过自主软件控制系统来下达指令，工业相机进行目标产品信息捕捉，再通过多轴机械臂进行操作，整个过程流畅自然。
8、01管桩自动领域：管桩自动装配机器人
9、该设备用于水泥管桩行业的头尾板自动装配
10、采用视觉获取笼筋墩头的空间角度位置，配合四轴矫正专机完成墩头的自动撑开，最后通过机械臂实现头尾板的装配
11、02检测领域：检测中心检测机器人
12、检测系统由六轴机器人、自动上料装置、自动扫码装置、测径仪、测宽仪、三点测弯机构、拉力机、安全防护系统等组成。
13、机器人系统实现样品检测自动化、无人化、数据自动上传与处理功能，提了检测准确性、真实性，降低人工成本、提高检测效率。
四、人工智能中最早得以研究并被成功应用的领域是
1、机器学习。这一概念最早出现在世纪5年代，当时科学家们开始将计算机编程与统计学相结合来发展新的算法和技术。
2、其中一个里程碑性的事件是956年达特茅斯会议，该会议被认为是人工智能的起源，会议上提出了机器学习的概念和方法。随着技术的进步，机器学习在各个领域得到广泛应用，如图像识别、语音识别、自然语言处理等。它的成功应用推动了人工智能的快速发展。
五、人工智能的下游应用场景包括
农业：农业中已经用到很多的AI技术，无人机喷撒农药，除草，农作物状态实时监控，物料采购，数据收集，灌溉，收获，销售等。通过应用人工智能设备终端等，大大提高了农牧业的产量，大大减少了许多人工成本和时间成本。