인공지능은 1920년대를 기점으로 학문적 연구가 활발하게 이루어지다가 잠시 침체기를 겪고, 이후 여러 학자와 기업으로부터 투자를 받으면서 인공지능에 대한 관심과 연구가 다시 활발해지기 시작하였다.
인공지능 발달과정은 크게 3단계로 나눌수 있으며 크게 인공신경망을 시작으로 머신러닝과 딥러닝으로 이어지는 흐름을 나타내고 있다. 
먼저 1단계 인공신경망은 인간 두뇌의 신경세포인 뉴런의 연결형태를 모방한 모델을 뜻한다. 
        인간의 뇌는 1000억개가 넘는 신경세포가 복잡하게 연결되어 있으면서 서로 신호를 주고 받게 되는데 이것을 수학적 기법을 통해서 모델링한 것이 바로 인공신경망이다. 
		하지만 계산이 복잡하고 컴퓨팅파워가 신경망을 충분히 학습시킬 수준이 안되고, 훈련시킬 데이터가 부족한게 되는 한계점에 다다른다. 
2단계는 머신러닝으로 사람이 학습하듯이 컴퓨터에도 데이터들을 줘서 학습하게 함으로써 새로운 지식을 얻게하는 분야를 뜻한다. 
        예를 들면 교실에서 아이들으 가르치는 교사가 경험전달을 하면 학생들은 이를 바탕으로 학습하게 되는데 학생이 곤 컴퓨터가 되는 것이다.
		하지만 설계의 능숙도에 따라 성능이 좌우되며 특정분야의 문제를 해결하기 때문에 다른 분야에 적용하게 어려운 단점이 있다. 
3단계 딥러닝은 인공신경망에 기반을 둔 머신러닝 기술의 한 종류를 말한다. 
        딥러닝은 사물이나 데이터를 군집화하거나 분류하는데 사용되는 기술이라고 할 수 있다.
		방대한 데이터들을 어떻게 분류할 것인가에 대한 문제를 해결하는 알고리즘으로써 바로 딥러닝 기술이 사용되는 것이다. 
		현재도 활발히 사용되고 있는 기술로 컴퓨터가 스스로 자질을 학습하고 설계하며 학습한 데이터를 다른 문제에 응용하거나 재활용 할 수 있다.