人工神经网络（Artificial Neural Network）的出现是机器学习领域的重要里程碑，它是一种仿生学原理的计算模型，使用多层神经结构来模拟类似人脑处理信息的方式，以达到数据分类、识别、预测等目的。最近几年，基于人工神经网络的AI技术迅猛发展，横扫了图像、语音、自然语言处理等多个领域，成为各个行业应用的热点。
不过，人工神经网络并不是从出现到如今如此火爆的AI时代一蹴而就的。早在1950年代，计算机科学家就开始尝试利用算法快速处理信息，如数值计算、图像处理等。随着计算机计算速度越来越快，人们开始关注如何让计算机通过大量输入数据自我学习，从而达到实现智能化的目的，这就是机器学习。
当时最为流行和经典的方法是支持向量机，但由于其固定特征空间、对数据分布较为敏感等缺陷，以及人们对人类大脑功能的模仿需求，人工神经网络的算法逐渐崛起并发扬光大。而当时的人工神经网络主要应用于语音识别、手写字符识别等领域。
1998年，荷兰神经学家Lecun推出了卷积神经网络（CNN），CNN的出现等于是打开了计算机视觉的大门。之后，一系列基于神经网络的算法应运而生，如长短时记忆网络（LSTM）、残差网络（ResNet）等。在2012年，谷歌公司的一篇论文中，提出了一种叫做深度学习（Deep Learning）的神经网络架构，其在图像分类任务上的表现惊人，被誉为“AI之春”。由此，人工神经网络被广泛应用于图像识别、语音识别、自然语言处理等方面。
随着人工神经网络技术的研究逐渐深入，各种花样繁多、功能强大的神经网络架构层出不穷，如生成对抗网络（GAN）、变分自编码器（VAE）、神经样条网络（SplineNet）等。而从最近几年的AI技术发展来看，人工神经网络技术仍有着广泛的应用和巨大的发展空间。
