描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787302517221
产品特色
编辑推荐
人工智能正在向设计界军：一键抠图、自动上色、合成场景、自主设计……作为设计师，如何找准定位，实现价值？本书是写给设计师的未来指南。
内容简介
我们是否会被人工智能取代？我们要如何在人工智能时代下成为更好的设计师？这正是作者写这本书的目的。希望通过这本书，能为大家深入浅出地讲解现在的人工智能是什么，尤其是为没有开发经验的设计师讲解清楚人工智能的历史背景和现有技术；再结合一些人工智能和设计的案例，让大家清楚现在和未来我们能做什么、怎么做；*后通过对一些跨界设计师的采访，
希望能给大家带来一些启发。
希望能给大家带来一些启发。
目 录
第1章 人工智能的定义与人机交互的发展
1.1 人工智能的发展历程
1.2 人机交互的发展历程
1.3 人工智能再次爆发的原因
1.4 现在说的人工智能是什么？
1.5 机器学习和深度学习是什么？
1.6 人工智能的基础能力
1.7 人工智能的主要发展方向
1.1 人工智能的发展历程
1.2 人机交互的发展历程
1.3 人工智能再次爆发的原因
1.4 现在说的人工智能是什么？
1.5 机器学习和深度学习是什么？
1.6 人工智能的基础能力
1.7 人工智能的主要发展方向
第2章 人工智能对设计的影响
2.1 人工智能如何影响设计
2.2 人工智能对用户体验的影响
2.3 结语
第3章 人工智能对设计师的影响
3.1 哪些设计容易被人工智能取代 ?
3.2 设计师与人工智能
3.3 AI 时代下设计师的机遇与挑战
第4章 人工智能时代下交互设计的改变
4.1 多模态交互
4.2 移动产品交互设计的改变
4.3 三维空间下的交互设计
4.4 语音交互设计
第5章 如何设计一款人工智能产品
5.1 新的设计对象
5.2 参考与人类交流的方式
5.3 人工智能设计八原则
5.4 简化人工智能的理解
5.5 从 GUI 到 VUI
第6章 未来五年后的设计
6.1 智慧城市设计
6.2 新零售设计
6.3 家的设计
第 7 章 他山之石，可以攻玉——跨界设计师采访
7.1 我们只是终身学习者而已
7.2 如何设计 AI 音箱和 VR 产品
7.3 设计师如何在智能化时代持续学习和成长？
附录 面向用户的人工智能系统底层设计
前 言
在 20 世纪 90 年代早期，国内设计界开始广泛将计算机应用
于设计工作中，特别在桌面排版领域，为设计师带来了新型的排
版和输出方式。一方面，功能强大的软件让设计师会担心被取代；
另外一方面，随着计算机艺术设计软件的广泛运用，同质化的作
品也开始出现，从而引发设计师的警觉与争议。当下再回顾这段
历史，虽然仍有部分工作被取代，但是设计师获取了更加便利和
自由的工具和助手，以往的担忧并没有成为现实。
当下，人工智能快速发展，人们再次担心职业被取代的问题。
哪怕是以人为本、带来美感和灵感创作的设计领域都岌岌可危。各
大企业纷纷制定出人工智能先行的发展策略，主流的人工智能平
台也借助开源的模式打造生态圈，同时支持更多领域的初创企业
和创新应用。设计作为科技、人文与商业交叉领域的学科，正受
到人工智能再次兴起的影响。2017年阿里智能设计实验室推出“鹿
班”系统，“双 11”期间设计出 4 亿张 Banner，这给设计师确实
带来不小的冲击。在这样的环境下，我们该如何提升自己的能力？
人工智能会取代设计师还是成为更强大的设计辅助工具？
人工智能已逐步演变成创新的基础设施，也将成为设计师的
助理和伙伴，一部分重复性的劳动以及海量的数据分析工作都可
以由人工智能协助，设计师可以有更多的精力侧重于评价、判断
和选择，由此使自己更具个性化的创造力、应对复杂问题识别机
会的能力、批判性思维能力，以上将成为设计师着力发展的核心。
Dell 公司 EMC 服务的首席技术官比尔 ? 施马佐（Bill Schmarzo）
结合机器学习，提出了分析（Analyze）、合成（Synthesize）、设
想（Ideate） 、调优（Tuning ）、验证（Validate）的设计步骤，这与
IDEO 提出的设计思维有很大的契合点。以上过程中都需要对利益
相关者、学习的事物进行分析，了解用户的需求，对目标进行定义
和计划，为创建的问题提出一定数量的愿景方案，再根据设想设计
原型或调整模型，后对产品进行评测和验证。这也为人工智能时
代的设计发展提供了程序与方法上的支持。
对设计而言，人工智能将是一种新的思考方式，也是一种新
的实现手段。在产品战略方面，需要探索适合的应用场景，以需
求为导向；在产品实现方面，要有技术实现能力，也需要获取高
质量的数据。这些都要求设计师具有对趋势的把握能力、对用户
体验的塑造能力，以及跨学科的综合实现能力。未来，对设计和
设计师自身的研究，将成为设计与人工智能结合的基础，有多少
对设计的深刻理解，也就有多少设计的智能。
薛志荣先生的《AI 改变设计——人工智能时代的设计师生
存手册》，以设计师的语言，探索了人工智能发展的历史，并对
人工智能时代设计对象、设计流程、设计应用及设计师的能力塑
造，提供了全方位的解析和描述。对于设计师来说，这是一个非
常好的学习和理解人工智能与相关设计知识旅程的起点。人工智
能作为设计工具和伙伴，能为设计师带来更多的设计发挥空间和
创新思想。也期待本书能够引领更多设计师参与提升人工智能的
水平，为设计未来的发展提供更有创建性的解决方案。
付志勇
清华大学美术学院副教授
于设计工作中，特别在桌面排版领域，为设计师带来了新型的排
版和输出方式。一方面，功能强大的软件让设计师会担心被取代；
另外一方面，随着计算机艺术设计软件的广泛运用，同质化的作
品也开始出现，从而引发设计师的警觉与争议。当下再回顾这段
历史，虽然仍有部分工作被取代，但是设计师获取了更加便利和
自由的工具和助手，以往的担忧并没有成为现实。
当下，人工智能快速发展，人们再次担心职业被取代的问题。
哪怕是以人为本、带来美感和灵感创作的设计领域都岌岌可危。各
大企业纷纷制定出人工智能先行的发展策略，主流的人工智能平
台也借助开源的模式打造生态圈，同时支持更多领域的初创企业
和创新应用。设计作为科技、人文与商业交叉领域的学科，正受
到人工智能再次兴起的影响。2017年阿里智能设计实验室推出“鹿
班”系统，“双 11”期间设计出 4 亿张 Banner，这给设计师确实
带来不小的冲击。在这样的环境下，我们该如何提升自己的能力？
人工智能会取代设计师还是成为更强大的设计辅助工具？
人工智能已逐步演变成创新的基础设施，也将成为设计师的
助理和伙伴，一部分重复性的劳动以及海量的数据分析工作都可
以由人工智能协助，设计师可以有更多的精力侧重于评价、判断
和选择，由此使自己更具个性化的创造力、应对复杂问题识别机
会的能力、批判性思维能力，以上将成为设计师着力发展的核心。
Dell 公司 EMC 服务的首席技术官比尔 ? 施马佐（Bill Schmarzo）
结合机器学习，提出了分析（Analyze）、合成（Synthesize）、设
想（Ideate） 、调优（Tuning ）、验证（Validate）的设计步骤，这与
IDEO 提出的设计思维有很大的契合点。以上过程中都需要对利益
相关者、学习的事物进行分析，了解用户的需求，对目标进行定义
和计划，为创建的问题提出一定数量的愿景方案，再根据设想设计
原型或调整模型，后对产品进行评测和验证。这也为人工智能时
代的设计发展提供了程序与方法上的支持。
对设计而言，人工智能将是一种新的思考方式，也是一种新
的实现手段。在产品战略方面，需要探索适合的应用场景，以需
求为导向；在产品实现方面，要有技术实现能力，也需要获取高
质量的数据。这些都要求设计师具有对趋势的把握能力、对用户
体验的塑造能力，以及跨学科的综合实现能力。未来，对设计和
设计师自身的研究，将成为设计与人工智能结合的基础，有多少
对设计的深刻理解，也就有多少设计的智能。
薛志荣先生的《AI 改变设计——人工智能时代的设计师生
存手册》，以设计师的语言，探索了人工智能发展的历史，并对
人工智能时代设计对象、设计流程、设计应用及设计师的能力塑
造，提供了全方位的解析和描述。对于设计师来说，这是一个非
常好的学习和理解人工智能与相关设计知识旅程的起点。人工智
能作为设计工具和伙伴，能为设计师带来更多的设计发挥空间和
创新思想。也期待本书能够引领更多设计师参与提升人工智能的
水平，为设计未来的发展提供更有创建性的解决方案。
付志勇
清华大学美术学院副教授
在线试读
1.1 人工智能的发展历程
说起人工智能（Artificial Intelligence，AI），不得不提及
人工智能的历史。人工智能的概念主要由艾伦·图灵（Alan
Turing） 提出：机器会思考吗？如果一台机器能够与人类对话而
不被辨别出其机器的身份，那么这台机器具有智能的特征。同年，
艾伦·图灵还预言了存有一定的可能性可以创造出具有真正智能
的机器。
1.1.1 AI 诞生
1956 年 8 月，在达特茅斯学院举行的一次会议上，来自不
同领域（数学、心理学、工程学、经济学和政治学）的科学家
一起讨论如何利用机器来模仿人类学习以及其他方面的智能。
会议足足开了两个月的时间，虽然大家没有达成普遍的共识，
但是却为会议讨论的内容起了一个名字：“人工智能”，并正
式把人工智能确立为研究学科。因此，1956 年成为了人工智能
的元年。
1.1.2 次发展高潮（1955—1974 年）
达特茅斯会议之后是大发现的时代。对很多人来讲，这一阶
段开发出来的程序堪称神奇：计算机可以解决代数应用题、证明
几何定理、学习和使用英语。在众多研究当中，搜索式推理、自
然语言、微世界在当时影响力。
大量成功的 AI 程序和新的研究方向不断涌现，研究学者认为
具有完全智能的机器将在二十年内出现并给出了如下预言：
1958 年，赫伯特·西蒙（H.A Simon）和艾伦·纽厄尔（Allen
Newell）认为：“十年之内，数字计算机将成为国际象棋世界冠
军；数字计算机将发现并证明一个重要的数学定理。”
1965 年，赫伯特·西蒙：“二十年内，机器将能完成人能做
到的一切工作。”
1967 年，马文·明斯基：“一代之内各种创造‘人工智能’
的问题将获得实质上的解决。”
1970 年，马文·明斯基：“在三到八年的时间里我们将得到
一台具有人类平均智能的机器。”
美国政府向这一新兴领域投入了大笔资金，每年将数百万美
元投入到麻省理工学院、卡耐基梅隆大学、爱丁堡大学和斯坦福
大学四个研究机构，并允许研究学者去研究任何感兴趣的方向。
当时主要成就如下：
（1）人工神经网络在 20 世纪 30—50 年代被提出，1951 年马
文·明斯基制造出台神经网络机。
（2）理查·贝尔曼（Richard Bellman）提出了贝尔曼方程（也
被称为动态规划方程，被认为是强化学习的雏形）。
（3）弗兰克 ? 罗森布拉特（Frank Rosenblatt）提出了感知器
模型（深度学习的雏形）。
（4）人工智能研究人员先后提出了搜索式推理、微世界、自
然语言处理等人工智能概念。
（5）人工智能研究人员首次提出：人工智能拥有模仿智能的
特征，懂得使用语言，懂得形成抽象概念并解决人类现存问题。
（6）亚瑟·塞缪尔（Arthur Samuel）在 20 世纪 50 年代中期
和 60 年代初期开发了国际象棋程序，程序的棋力已经可以挑战具
有相当水平的业余爱好者。
（7）查理·罗森（Charlie Rosen）打造了全球首款具备移动
能力的智能机器人 Shakey，它可以感知周围环境并创建路线规划；
可以根据明晰的事实来推断隐藏的含义；而且能够通过普通英语
进行沟通。该机器人项目受到政府和研究人员的大力宣传，人们
将其视作世界上台通用机器人。
1.1.3 次寒冬（1974—1980 年）
20 世纪 70 年代初，人工智能的研究首次遭遇到瓶颈。研究
学者逐渐发现，虽然机器拥有了简单的逻辑推理能力，但遭遇到
当时无法克服的基础性障碍，人工智能停留在“玩具”阶段止步
不前，远远达不到曾经预言的完全智能。詹姆斯·莱特希尔（James
Lighthill）在 1973 年发出的报告中对目前人工智能基础研究进
行了评判，认为当前的自动机和中央神经系统研究虽然有价值但
进行令人失望，并认为机器人研究没有太大价值，建议取消对机
器人的研究。由于此前的过于乐观使得人们期待过高，当人工智
能研究人员的承诺无法兑现时，公众开始激烈批评相关研究人员，
许多机构不断减少对人工智能研究的资助，直至停止拨款。
当时主要问题如下：
（1）计算机运算能力遭遇瓶颈，无法解决指数型爆炸的复杂
计算问题。
（2）常识和推理需要大量对世界的认识信息，计算机达不到“看
懂”和“听懂”的地步。
（3）计算机无法解决莫拉维克悖论。
（4）计算机无法解决部分涉及自动规划的逻辑问题。
（5）神经网络研究学者遭遇冷落。
1.1.4 第二次发展高潮（1980—1987 年）
20 世纪 80 年代初，一类名为“专家系统” 的 AI 程序开始
为全世界的公司所采纳，人工智能研究迎来了新一轮高潮。在
这期间，卡耐基梅隆大学为 DEC 公司设计的 XCON 专家系统能
够每年为 DEC 公司节省数千万美金。日本经济产业省拨款八亿
五千万美元支持第五代计算机项目，其目标是造出能够与人对话、
翻译语言、解释图像、能够像人一样推理的机器。其他国家也
纷纷作出了响应，并对 AI 和信息技术的大规模项目提供了巨额
资助。
当时主要成就如下：
（1）专家系统的诞生。
（2）人工智能研究人员发现智能可能需要建立在对分门别类
的大量知识的多种处理方法之上。
（3）由杰弗里·辛顿（Geoffrey Hinton） a 等研究人员提出的
反向传播算法实现了神经网络训练的突破，神经网络研究学者重
新受到关注。
（4）人工智能研究人员首次提出：机器为了获得真正的智能，
机器必须具有躯体，它需要有感知、移动、生存，与这个世界交
互的能力。感知运动技能对于常识推理等高层次技能是至关重要
的，基于对事物的推理能力比抽象能力更为重要，这也促进了未
来自然语言、机器视觉的发展。
1.1.5 第二次寒冬（1987—1993 年）
1987 年，AI 硬件的市场需求突然下跌。科学家发现，专家系
统虽然很有用，但它的应用领域过于狭窄，而且更新迭代和维护
成本非常高。同期美国 Apple 和 IBM 生产的台式机性能不断提升，
个人电脑的理念不断蔓延；日本人设定的“第五代工程”终也
没能实现。人工智能研究再次遭遇了财政困难，一夜之间这个价
值五亿美元的产业土崩瓦解。
当时主要问题如下：
（1）大型电脑受到台式机和个人电脑理念的冲击影响。
（2）商业机构对人工智能的追捧逐渐冷落，使人工智能再次
化为泡沫并破裂。
（3）计算机性能瓶颈仍然无法突破。
（4）人工智能研究人员仍然缺乏海量数据训练机器。
1.1.6 第三次发展高潮（1993 年至今）
在摩尔定律下，计算机性能不断突破。云计算、大数据、机
器学习、自然语言和机器视觉等领域发展迅速，人工智能迎来第
三次高潮。在这一阶段，AI 发展的主要事件如下。
1997 年：
IBM 的国际象棋机器人“深蓝”战胜了曾经 23 次获得世界排
名的国际象棋世界冠军卡斯帕罗夫（Garry Kasparov）。这是
一次具有里程碑意义的成功，它代表了基于规则的人工智能的胜利。
卡斯帕罗夫和深蓝机器人博弈
2005 年：
塞巴斯蒂安·特伦（Sebastian Thrun） a 带领斯坦福大学的学
生制造了一台无人驾驶汽车 Stanley 并参加 DARPA（美国国防部
高级研究计划所）举办的无人驾驶汽车大赛，Stanley 成功地在一
条沙漠小径上自动行驶了 131 英里，也是比赛以来辆成功穿
越整个沙漠回到起点的汽车，终斯坦福大学赢得了 DARPA 挑
战大赛头奖和两百万美元奖金。
无人驾驶汽车 Stanley
2006 年：
（1） 杰弗里·辛顿以及他的学生鲁斯兰·萨拉赫丁诺夫（Ruslan
Salakhutdinov） a 在国际期刊《科学》上正式提出了深度学
习的概念，为后来人工智能的发展带来了重大影响。
（2）Google 前 CEO 埃里克·施密特（Eric Schmidt）在搜索
引擎大会提出“云计算”概念，并表示“云计算”将取代传统以
ＰＣ为中心的计算。
说起人工智能（Artificial Intelligence，AI），不得不提及
人工智能的历史。人工智能的概念主要由艾伦·图灵（Alan
Turing） 提出：机器会思考吗？如果一台机器能够与人类对话而
不被辨别出其机器的身份，那么这台机器具有智能的特征。同年，
艾伦·图灵还预言了存有一定的可能性可以创造出具有真正智能
的机器。
1.1.1 AI 诞生
1956 年 8 月，在达特茅斯学院举行的一次会议上，来自不
同领域（数学、心理学、工程学、经济学和政治学）的科学家
一起讨论如何利用机器来模仿人类学习以及其他方面的智能。
会议足足开了两个月的时间，虽然大家没有达成普遍的共识，
但是却为会议讨论的内容起了一个名字：“人工智能”，并正
式把人工智能确立为研究学科。因此，1956 年成为了人工智能
的元年。
1.1.2 次发展高潮（1955—1974 年）
达特茅斯会议之后是大发现的时代。对很多人来讲，这一阶
段开发出来的程序堪称神奇：计算机可以解决代数应用题、证明
几何定理、学习和使用英语。在众多研究当中，搜索式推理、自
然语言、微世界在当时影响力。
大量成功的 AI 程序和新的研究方向不断涌现，研究学者认为
具有完全智能的机器将在二十年内出现并给出了如下预言：
1958 年，赫伯特·西蒙（H.A Simon）和艾伦·纽厄尔（Allen
Newell）认为：“十年之内，数字计算机将成为国际象棋世界冠
军；数字计算机将发现并证明一个重要的数学定理。”
1965 年，赫伯特·西蒙：“二十年内，机器将能完成人能做
到的一切工作。”
1967 年，马文·明斯基：“一代之内各种创造‘人工智能’
的问题将获得实质上的解决。”
1970 年，马文·明斯基：“在三到八年的时间里我们将得到
一台具有人类平均智能的机器。”
美国政府向这一新兴领域投入了大笔资金，每年将数百万美
元投入到麻省理工学院、卡耐基梅隆大学、爱丁堡大学和斯坦福
大学四个研究机构，并允许研究学者去研究任何感兴趣的方向。
当时主要成就如下：
（1）人工神经网络在 20 世纪 30—50 年代被提出，1951 年马
文·明斯基制造出台神经网络机。
（2）理查·贝尔曼（Richard Bellman）提出了贝尔曼方程（也
被称为动态规划方程，被认为是强化学习的雏形）。
（3）弗兰克 ? 罗森布拉特（Frank Rosenblatt）提出了感知器
模型（深度学习的雏形）。
（4）人工智能研究人员先后提出了搜索式推理、微世界、自
然语言处理等人工智能概念。
（5）人工智能研究人员首次提出：人工智能拥有模仿智能的
特征，懂得使用语言，懂得形成抽象概念并解决人类现存问题。
（6）亚瑟·塞缪尔（Arthur Samuel）在 20 世纪 50 年代中期
和 60 年代初期开发了国际象棋程序，程序的棋力已经可以挑战具
有相当水平的业余爱好者。
（7）查理·罗森（Charlie Rosen）打造了全球首款具备移动
能力的智能机器人 Shakey，它可以感知周围环境并创建路线规划；
可以根据明晰的事实来推断隐藏的含义；而且能够通过普通英语
进行沟通。该机器人项目受到政府和研究人员的大力宣传，人们
将其视作世界上台通用机器人。
1.1.3 次寒冬（1974—1980 年）
20 世纪 70 年代初，人工智能的研究首次遭遇到瓶颈。研究
学者逐渐发现，虽然机器拥有了简单的逻辑推理能力，但遭遇到
当时无法克服的基础性障碍，人工智能停留在“玩具”阶段止步
不前，远远达不到曾经预言的完全智能。詹姆斯·莱特希尔（James
Lighthill）在 1973 年发出的报告中对目前人工智能基础研究进
行了评判，认为当前的自动机和中央神经系统研究虽然有价值但
进行令人失望，并认为机器人研究没有太大价值，建议取消对机
器人的研究。由于此前的过于乐观使得人们期待过高，当人工智
能研究人员的承诺无法兑现时，公众开始激烈批评相关研究人员，
许多机构不断减少对人工智能研究的资助，直至停止拨款。
当时主要问题如下：
（1）计算机运算能力遭遇瓶颈，无法解决指数型爆炸的复杂
计算问题。
（2）常识和推理需要大量对世界的认识信息，计算机达不到“看
懂”和“听懂”的地步。
（3）计算机无法解决莫拉维克悖论。
（4）计算机无法解决部分涉及自动规划的逻辑问题。
（5）神经网络研究学者遭遇冷落。
1.1.4 第二次发展高潮（1980—1987 年）
20 世纪 80 年代初，一类名为“专家系统” 的 AI 程序开始
为全世界的公司所采纳，人工智能研究迎来了新一轮高潮。在
这期间，卡耐基梅隆大学为 DEC 公司设计的 XCON 专家系统能
够每年为 DEC 公司节省数千万美金。日本经济产业省拨款八亿
五千万美元支持第五代计算机项目，其目标是造出能够与人对话、
翻译语言、解释图像、能够像人一样推理的机器。其他国家也
纷纷作出了响应，并对 AI 和信息技术的大规模项目提供了巨额
资助。
当时主要成就如下：
（1）专家系统的诞生。
（2）人工智能研究人员发现智能可能需要建立在对分门别类
的大量知识的多种处理方法之上。
（3）由杰弗里·辛顿（Geoffrey Hinton） a 等研究人员提出的
反向传播算法实现了神经网络训练的突破，神经网络研究学者重
新受到关注。
（4）人工智能研究人员首次提出：机器为了获得真正的智能，
机器必须具有躯体，它需要有感知、移动、生存，与这个世界交
互的能力。感知运动技能对于常识推理等高层次技能是至关重要
的，基于对事物的推理能力比抽象能力更为重要，这也促进了未
来自然语言、机器视觉的发展。
1.1.5 第二次寒冬（1987—1993 年）
1987 年，AI 硬件的市场需求突然下跌。科学家发现，专家系
统虽然很有用，但它的应用领域过于狭窄，而且更新迭代和维护
成本非常高。同期美国 Apple 和 IBM 生产的台式机性能不断提升，
个人电脑的理念不断蔓延；日本人设定的“第五代工程”终也
没能实现。人工智能研究再次遭遇了财政困难，一夜之间这个价
值五亿美元的产业土崩瓦解。
当时主要问题如下：
（1）大型电脑受到台式机和个人电脑理念的冲击影响。
（2）商业机构对人工智能的追捧逐渐冷落，使人工智能再次
化为泡沫并破裂。
（3）计算机性能瓶颈仍然无法突破。
（4）人工智能研究人员仍然缺乏海量数据训练机器。
1.1.6 第三次发展高潮（1993 年至今）
在摩尔定律下，计算机性能不断突破。云计算、大数据、机
器学习、自然语言和机器视觉等领域发展迅速，人工智能迎来第
三次高潮。在这一阶段，AI 发展的主要事件如下。
1997 年：
IBM 的国际象棋机器人“深蓝”战胜了曾经 23 次获得世界排
名的国际象棋世界冠军卡斯帕罗夫（Garry Kasparov）。这是
一次具有里程碑意义的成功，它代表了基于规则的人工智能的胜利。
卡斯帕罗夫和深蓝机器人博弈
2005 年：
塞巴斯蒂安·特伦（Sebastian Thrun） a 带领斯坦福大学的学
生制造了一台无人驾驶汽车 Stanley 并参加 DARPA（美国国防部
高级研究计划所）举办的无人驾驶汽车大赛，Stanley 成功地在一
条沙漠小径上自动行驶了 131 英里，也是比赛以来辆成功穿
越整个沙漠回到起点的汽车，终斯坦福大学赢得了 DARPA 挑
战大赛头奖和两百万美元奖金。
无人驾驶汽车 Stanley
2006 年：
（1） 杰弗里·辛顿以及他的学生鲁斯兰·萨拉赫丁诺夫（Ruslan
Salakhutdinov） a 在国际期刊《科学》上正式提出了深度学
习的概念，为后来人工智能的发展带来了重大影响。
（2）Google 前 CEO 埃里克·施密特（Eric Schmidt）在搜索
引擎大会提出“云计算”概念，并表示“云计算”将取代传统以
ＰＣ为中心的计算。
评论
还没有评论。