人工智能的应用在没有人工智能之前是怎么解决的？

[KIRAYOMATO]

例如 NLP 、CV 这些，感觉用传统的算法来实现会十分困难

[iOCZ]

人工智能出现挺久了的，不同时代用不同的技术，编写规则、专家系统等。

计算机视觉：
70 年代中期，麻省理工学院（ MIT ）人工智能（ AI ）实验室：CSAIL 正式开设计算机视觉课程。
4 、20 世纪 80 年代 ，独立学科形成，理论从实验室走向应用

1980 年，日本计算机科学家 Kunihiko Fukushima 在 Hubel 和 Wiesel 的研究启发下，建立了一个自组织的简单和复杂细胞的人工网络——Neocognitron ，包括几个卷积层（通常是矩形的），他的感受野具有权重向量（称为滤波器）。这些滤波器的功能是在输入值的二维数组（例如图像像素）上滑动，并在执行某些计算后，产生激活事件（ 2 维数组），这些事件将用作网络后续层的输入。Fukushima 的 Neocognitron 可以说是第一个神经网络 [2] ，是现代 CNN 网络中卷积层+池化层的最初范例及灵感来源。

[woctordho]

NLP 的话可以看看这篇文章
漫话中文自动分词和语义识别（上）：中文分词算法
http://www.matrix67.com/blog/archives/4212

[James369]

寻找特征，发现规律

[x77]

NLP 在没有 AI 时是语音识别算法/软件库，主流的也就那几个，通过算法分析音频数据输出文本。这个在 AI 没起来时就有不错的效果，甚至可以用在一些设备中以支持语音指令。算法在很多设备甚至嵌入式设备上都可以运行，如今一些玩家、家电都有可能走的这个方案。

不过也只能语音识别也就识别语音的内容，没法理解语音的含义。现代 NLP 的意义在于后者，即理解，在没有 AI 的时候几乎看不到人讲如何通过算法来理解语言，有人讲通过算法不现实。

CV 也类似，没有 AI 的时候靠算法，不过 CV 的算法效果没有语音识别的好，应用得也没有语音指令之类的广。AI 起来后 CV 那些算法就渐渐没落了，转到神经网络的方案效果好很多。

[danhahaha]

用人工的智能

[NoOneNoBody]

之前到什么时候？

说得随意一点就是根据相似度作出选择
在计算机出现之前就有分类算法，基于“距离”的数学公式出现在 18~19 世纪(17xx 年~)
只不过在计算机出现后，能做越来越复杂的“相似度”计算，“选择”的选项也越来越多

[gpt5]

精妙的数学方法，奇技淫巧。

[akira]

是的，十分困难。 神经网络的那些个书，拿起来就开始催眠

[murmur]

感觉这个飞跃来的太快了，以前的人工智能还叫人工智障，现在的 GPT 中文比网友还好，标点用词准确，说话彬彬有礼，不像网友各个都是祖安键盘手。

都说大力出奇迹这奇迹来的也忒快了

[DTCPSS]

靠先验知识

[churchill]

在 AlphaGo 之前，棋类 AI 基本上是在 minimax 基础上做优化
在 DNN 大规模应用之前计算机视觉更多是在信号处理方向上努力（也许是？不确定）