一文讀懂 AI 簡史：當(dāng)年各國燒錢許下的愿，有些至今仍未實現(xiàn)

專注于為中小企業(yè)提供做網(wǎng)站、網(wǎng)站設(shè)計服務(wù),電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業(yè)銀川免費做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動了千余家企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設(shè)實現(xiàn)規(guī)模擴充和轉(zhuǎn)變。

導(dǎo)讀： 近日 ，馬云、馬化騰、李彥宏等互聯(lián)網(wǎng)大佬紛紛亮相 2018 世界人工智能大會，并登臺演講。關(guān)于人工智能的現(xiàn)狀與未來，他們提出了各自的觀點，也引發(fā)網(wǎng)友熱議。有人認(rèn)為大佬們的分享干貨滿滿，也有人有不同觀點，認(rèn)為我們并沒有真正搞懂人工智能，更無法預(yù)測未來。

如果回溯歷史，你會發(fā)現(xiàn)，人工智能一直是國內(nèi)外計算機、互聯(lián)網(wǎng)大佬們喜歡的話題。他們的觀點和預(yù)言，有些已成為今天的生活常態(tài)，有些卻依然沒有實現(xiàn)。本文就帶你回顧人工智能發(fā)展過程中重要的歷史階段，以及大佬們那些精彩的言論。

作者：錢綱

本文摘編自《 硅谷簡史：通往人工智能之路 》，如需轉(zhuǎn)載請聯(lián)系我們

在我們回顧人工智能的歷史之前，先來看看流行的人工智能的定義。目前，最被認(rèn)可的人工智能定義為：能像人一樣理性地思考和理性地行動的機器。行動被廣義地理解為采取行動、制定行動的決策，并非肢體動作。

人工智能分強弱兩類。 強人工智能 為能推理 （ Reasoning ） 和解決問題 （ Problem solving ） 的智能機器，是有知覺、有自我意識的機器。強人工智能分兩類： 類人人工智能 ，即能像人一樣思考和推理的機器； 非類人人工智能 ，即具有和人不同的知覺和意識的機器，其推理方式和人類不同。持弱人工智能觀點的人認(rèn)為不可能制造出能真正地推理和解決問題的智能機器，那些看起來像智能的人工智能，既不是真正的智能，也不具有自主意識。

人工智能的核心問題是使機器和軟件具有與人類似的知識、學(xué)習(xí)、推理等能力。具體地說，就是讓人工智能在一些以推理和分析為主的工作中達(dá)到或超過人類的水準(zhǔn)和效率。目前，計算機硬件水平已經(jīng)具有過去無法想象的能力了，為人工智能的實現(xiàn)鋪平了道路。 其實，在數(shù)學(xué)問題的證明上，在棋類競賽上，甚至在股票投資上，人工智能都已經(jīng)超過了人類。

目前用來研究人工智能的主要手段及實現(xiàn)人工智能的機器是計算機 ,   人工智能的歷史和計算機科學(xué)與技術(shù)史聯(lián)系在一起。不過，人工智能還涉及信息論、控制論、自動化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。

01   早期的人工智能

最早的人工智能是在先民的神話傳說中。無論是古希臘還是我們中國古代都有把智能賦予機械裝置的故事。 1863 年，塞繆爾·巴特勒 （ Samuel Butler ） 的論文《機器中的達(dá)爾文》探討了機械裝置器通過自然選擇進(jìn)化出智能的可能性。

人工智能有一個基本假設(shè)，即人類可以用機械模擬人類的思考過程。這是一種形式化推理。在古代，亞里士多德的形式邏輯和歐幾里得《幾何原本》是形式化推理的典范。

17 世紀(jì)時，歐洲哲學(xué)家、數(shù)學(xué)家萊布尼茨和笛卡兒嘗試過將思考形式轉(zhuǎn)化為數(shù)學(xué)。萊布尼茲提出過一種用于推理的普適語言，它使推理成為計算，于是，哲學(xué)家之間的爭論，就能用邏輯來判斷其真?zhèn)?。這些早期的哲學(xué)家已經(jīng)知道，形式化推理依賴于形式語言系統(tǒng)。

20 世紀(jì)初，數(shù)理邏輯取得了長足的進(jìn)步。希爾伯特提出了一個基礎(chǔ)性問題：“能否將所有的數(shù)學(xué)推理形式化？”很快這個問題就被哥德爾的不完備定理解決了，他的答案是：任何形式語言系統(tǒng)都是不完備的。哥德爾也指出了：任何形式的數(shù)學(xué)推理都能在一些限制條件下簡化成機械化步驟。

1936 年， 24 歲的英國數(shù)學(xué)家阿蘭·圖靈在他的論文中，提出了著名的圖靈機模型，一個完整的形式語言系統(tǒng)。 1945 年，他發(fā)表了一系列論文論述了電子數(shù)字計算機的設(shè)計思想。

隨著計算機技術(shù)的提高，人們開始有了實現(xiàn)人工智能的技術(shù)手段。最早期的人工智能是用電子網(wǎng)絡(luò)模擬人類的神經(jīng)元，這一網(wǎng)絡(luò)的激勵電平只有“ 1 ”和“ ”兩種狀態(tài)，沒有中間狀態(tài)。維納的控制論很好地描述了電子網(wǎng)絡(luò)的控制和穩(wěn)定性。 克勞德·香農(nóng)提出的信息論則描述了如何用數(shù)字信號來實現(xiàn)邏輯功能。圖靈的計算機理論證明二進(jìn)制的數(shù)字信號足以描述任何形式的計算。這一切為人工智能打下了堅實的基礎(chǔ)。

最早提出神經(jīng)元網(wǎng)絡(luò)的學(xué)者是沃爾特·皮茨 （ Walter Pitts ） 和沃倫·麥卡洛克 （ Warren McCulloch ） ，他們分析了理想的人工神經(jīng)元網(wǎng)絡(luò)，并給出了利用它們進(jìn)行簡單邏輯運算的機制。人工智能理論的奠基人之一的馬文·明斯基 （ Marvin Minsky ） 當(dāng)時只有 24 歲，是他們的學(xué)生。 1951 年明斯基與迪安·埃德蒙茲 （ Dean Edmonds ） 造出了第一臺神經(jīng)元網(wǎng)絡(luò)機 SNARC 。

1950 年，圖靈發(fā)表了一篇劃時代論文《計算機器與智能》論文指出制造具有真正智能的機器是可能的。 同時，圖靈給出了智能的確切定義，即能夠通過圖靈測試的智能機器。 圖靈測試 是這樣的：如果一臺機器與人類對話時，能不被辨別出其機器身份，那么該機器就具有智能。圖靈的工作為人工智能奠定了堅實的基礎(chǔ)。

1951 年，克里斯托夫·斯特雷奇 （ Christopher Strachey ） 寫出了第一個跳棋 （ checkers ） 程序；很快就有人寫出了國際象棋程序。 20 世紀(jì) 50 年代中期的國際象棋程序已經(jīng)具有業(yè)余愛好者的水平了。 游戲中的人工智能一直是評價人工智能進(jìn)展的一類標(biāo)準(zhǔn)。

20 世紀(jì) 50 年代中期，科學(xué)家們開始用機器進(jìn)行符號操作了。 1955 年，艾倫·紐厄爾 （ Allen Newell ） 和赫伯特·西蒙 （ Hervert Simon ） 開發(fā)了邏輯理論家 （ Logic Theorist ） 程序。該程序證明了《數(shù)學(xué)原理》中前 52 個定理中的 38 個，該程序的一些證明方法，比原著還好。

1956 年，第一次關(guān)于人工智能的學(xué)術(shù)會在達(dá)特茅斯學(xué)院召開，會議由明斯基、約翰·麥卡錫 （ John McCarthy ） 、香農(nóng)等人發(fā)起，麥卡錫在會議上提出了人工智能一詞。與會者有雷·所羅門諾夫 （ Ray Solomonoff ） 、奧利弗·塞爾弗里奇 （ Oliver Selfridge ） 、阿瑟·塞繆爾 （ Arthur Samuel ） 、紐厄爾和西蒙等人，他們后來在人工智能研究中做出了重要貢獻(xiàn)。 這次會議是人工智能被確立為一門學(xué)科的標(biāo)志。

人工智能之父和 LISP 語言發(fā)明人麥卡錫在達(dá)特茅斯會議上第一次為人工智能下了定義：“人工智能就是要讓機器的行為看起來就像是人所表現(xiàn)出的智能行為一樣?！丙溈ㄥa的人工智能定義盡管很流行，但不全面。

02   第一次高潮

達(dá)特茅斯會議后的幾年是人工智能飛速發(fā)展的時代。這一階段，人們開發(fā)出了一些智能程序：解代數(shù)應(yīng)用題，證明幾何定理，學(xué)習(xí)和使用英語。當(dāng)時，絕大多數(shù)人都無法相信機器能夠解決這些智能問題。開發(fā)出這些程序的學(xué)者們相信，在未來的 20 年內(nèi)，將出現(xiàn)具有完全智能的機器。國防部高級研究計劃署為這些項目撥出了大筆科研經(jīng)費。

這些早期的人工智能程序中最有影響的是，搜索式推理、紐厄爾和西蒙的通用解題程序和赫伯特·格倫特爾 （ Herbert Gelernter ） 的幾何定理證明程序等。

人工智能的一個重要目標(biāo)是使計算機能夠通過自然語言和人類進(jìn)行交流。 早期的成功范例是丹尼爾·博布羅 （ Daniel Bobrow ） 的程序 STUDENT ，它還能解高中代數(shù)應(yīng)用題。

很快，有人就開發(fā)出了一個會說英語的聊天程序。與它聊天的用戶有的會認(rèn)為自己是在和人類在交談。實際上該程序并不了解自己在說什么。它是按固定套路和語法在作答。

1958 年，紐厄爾和西蒙指出：“ 10 年之內(nèi)，數(shù)字計算機將成為國際象棋世界冠軍。”“ 10 年之內(nèi)，數(shù)字計算機將發(fā)現(xiàn)并證明一個重要的數(shù)學(xué)定理。”

1965 年，西蒙稱：“ 20 年內(nèi)，機器將能完成人能做到的一切工作?！?/p>

當(dāng)時的美國政府為人工智能提供的研究經(jīng)費幾乎是無條件的。麻省理工、卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)和英國的愛丁堡大學(xué)是當(dāng)時人工智能的研究中心。

03   艱難的 20 世紀(jì) 70 年代

20 世紀(jì) 70 年代初，人工智能遭遇了瓶頸。當(dāng)時最好的人工智能程序也只能解決一些最簡單的問題，在很多人的眼里人工智能只是“玩具”而已。

1976 年，漢斯·莫拉維克 （ Hans Moravec ） 提出了著名的 莫拉維克悖論 ：那些對于人類來說比較困難的問題，像證明定理這類問題對計算機程序而言相對容易；而一些對人類來說極其簡單的任務(wù)，如人臉識別，卻很難由計算機程序來實現(xiàn)。在莫拉維克悖論面前，當(dāng)時的人工智能專家們一籌莫展。

計算機的運算能力也是人工智能的瓶頸。當(dāng)時的計算機內(nèi)存和速度都不足以解決任何實際的人工智能問題。莫拉維克指出，計算機的能力離人工智能的要求還差上百萬倍。

1972 年理查德·卡普 （ Richard Karp ） 證明了一個令人沮喪的結(jié)論，許多問題的計算時間與輸入規(guī)模的冪成正比。除了最簡單的情況，解決的時間接近無限長。也就是說人工智能恐怕永遠(yuǎn)也不會有實用價值。

由于缺乏實質(zhì)性進(jìn)展，政府對人工智能的研究逐漸停止了資助。 1974 年，人工智能項目已經(jīng)很難找到政府資助了。

另外，來自其他領(lǐng)域的專家們也開始反對人工智能了。有哲學(xué)家稱，哥德爾不完備定理證明了形式系統(tǒng) （例如計算機程序） 無法判斷某些陳述的真理性，而人類可以；還有些人認(rèn)為人類推理實際上僅涉及少量的“符號處理”，而大多是具體的、直覺的、下意識的；還有人指出，程序并不理解它使用的符號，即意向性問題，如果符號對于機器沒有意義，那機器就不是在思考。

人工智能專家們不太把來自其他領(lǐng)域的批評當(dāng)回事，但計算復(fù)雜性和“讓程序具有常識”這些問題則是他們必須認(rèn)真面對的。

1976 年約瑟夫·維森鮑姆 （ Joseph Weizeubaum ） 出版了專著《計算機的力量與人類的推理》 （ Computer Power and Human  Reason ） ，書中表示 人工智能的濫用可能損害人類生命的價值。

早在 1958 年，麥卡錫就提出了將邏輯學(xué)引入人工智能的構(gòu)想。 1963 年， J. 艾倫·魯濱遜 （ J.Alan Robinson ） 發(fā)現(xiàn)了在計算機上實現(xiàn)推理的算法：歸結(jié) （ resolution ） 與合一 （ unification ） 算法。 20 世紀(jì) 60 年代末，麥卡錫發(fā)現(xiàn)用這一想法來直接實現(xiàn)邏輯推理的計算復(fù)雜度極高：即使證明很簡單的定理也需要天文數(shù)字的步驟。 20 世紀(jì) 70 年代，羅伯特·科瓦爾斯基 （ Robert Kowalsky ） 、阿蘭·科摩羅 （ Alain Colmerauer ） 和菲利普·魯塞爾 （ Phillipe Roussel ） 在愛丁堡大學(xué)開發(fā)出了邏輯編程語言 Prolog 。

04   繁榮的 20 世紀(jì) 80 年代

20 世紀(jì) 80 年代，人工智能中的專家系統(tǒng)程序開始被企業(yè)采納。很快，知識處理就成了人工智能的主流。專家系統(tǒng)是一個能夠依據(jù)一組從專門知識中推演出的邏輯規(guī)則在某一特定領(lǐng)域回答或解決問題的程序。最早的專家系統(tǒng)程序是由愛德華·費根鮑姆 （ Edward Feigenbaum ） 小組開發(fā)出來的。 1965 年的 DENDRAL 專家系統(tǒng)能根據(jù)分光計讀數(shù)分辨混合物； 1972 年的 MYCIN 能夠診斷血液傳染病。

專家系統(tǒng)是在很小的知識領(lǐng)域內(nèi)的應(yīng)用，避免了常識問題；因其簡單又能容易地實現(xiàn)或修改，于是有了廣泛的應(yīng)用。但是，人們從專家系統(tǒng)中看到了這類程序的實用性。 人工智能終于變得實用了。

1980 年，卡內(nèi)基梅隆大學(xué)為數(shù)字設(shè)備公司設(shè)計了專家系統(tǒng) XCON ，獲得巨大成功。 XCON 每年為公司省下了 4000 萬美元。于是，全世界的公司都開始研發(fā)和應(yīng)用專家系統(tǒng)。 到 1985 年，人工智能得到了各大企業(yè)超過 10 億美元的投資。 于是，為專家系統(tǒng)提供支持的產(chǎn)業(yè)應(yīng)運而生，硬件公司有 Symbolics 、 LISP Machines 等，軟件公司以 IntelliCorp 、 Aion 為主。

專家系統(tǒng)的能力基于其存儲的專業(yè)知識。 20 世紀(jì) 70 年代的經(jīng)驗告訴人們，智能行為與知識處理有著密切關(guān)系。知識庫系統(tǒng)和知識工程是 20 世紀(jì) 80 年代人工智能研究的主要方向。

1981 年，日本經(jīng)濟產(chǎn)業(yè)省撥款 8.5 億美元資助第五代計算機的研發(fā)。目標(biāo)是造出能夠與人對話，翻譯語言，解釋圖像，并像人一樣推理的計算機。他們選用 Prolog 作為該項目的主要編程語言。

其他國家也紛紛響應(yīng)。英國發(fā)起了耗資 3.5 億英鎊的 Alvey 工程。美國企業(yè)協(xié)會組織了微電子與計算機技術(shù)集團(tuán) （ Microelectronics and Computer Technology  Corporation ， MCC ） ，向人工智能和信息技術(shù)的大規(guī)模項目提供資助。 DARPA 組織了戰(zhàn)略計算促進(jìn)會 （ Strategic Computing  Initiative ） ，開始向人工智能大量投資。

1982 年，物理學(xué)家霍普菲爾德 （ Hopfield ） 證明了一種新型的神經(jīng)網(wǎng)絡(luò)能用一種全新的方式學(xué)習(xí)和處理信息。同時，羅姆爾海特 （ Rumelhart ） 推廣了一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法。這些發(fā)現(xiàn)使神經(jīng)網(wǎng)絡(luò)在 20 世紀(jì) 90 年代獲得了商業(yè)上的成功，它們被廣泛地應(yīng)用于光字符識別和語音識別軟件。

05   再次跌入低谷

1987 年，人工智能硬件市場需求突然下跌，而個人計算機的性能不斷提升，其性能已經(jīng)超過了 Symbolics 和其他廠家生產(chǎn)的昂貴的 LISP 機。人工智能硬件廠商失去了存在的理由，一個價值 5 億美元的產(chǎn)業(yè)頃刻間土崩瓦解。

一些曾經(jīng)大獲成功的專家系統(tǒng)的維護(hù)費居高不下。它們難以升級，難以使用，成了以前已經(jīng)暴露的各種各樣的問題的犧牲品。專家系統(tǒng)的實用性僅僅局限于某些特定情景。

20 世紀(jì) 80 年代晚期，戰(zhàn)略計算促進(jìn)會大幅削減對人工智能的資助。 DARPA 的新領(lǐng)導(dǎo)認(rèn)為人工智能不是“下一個浪潮”，撥款將傾向于一些看起來容易出成果的項目。

“第五代計算機工程”一直到 1991 年也沒有實現(xiàn)。其中一些目標(biāo)， 比如“與人類展開交談”，直到 2010 年也沒有實現(xiàn)。

06   再度繁榮

20 世紀(jì) 80 年代后期，一些學(xué)者提出了一種全新的人工智能方案。 他們認(rèn)為，為了獲得真正的智能，機器必須能夠感知、移動、生存，并與這個世界交互。 他們認(rèn)為這些感知運動技能對于常識等高層次技能至關(guān)重要，相反抽象推理則是人類最不重要、最無趣的技能。他們提倡“自底向上”地創(chuàng)造智能。

20 世紀(jì) 90 年代，人工智能終于實現(xiàn)了它最初的一些目標(biāo)。它被成功地用在許多技術(shù)產(chǎn)業(yè)中。這些成就主要歸功于計算機性能的提升。

§   1997 年 5 月 11 日，深藍(lán)戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫 （ Kasparov ） 。

§   2005 年，斯坦福大學(xué)開發(fā)的一臺機器人在一條沙漠小徑上成功地自動行駛了 131 英里，贏得了 DARPA 挑戰(zhàn)大賽頭獎。

§   2009 年，藍(lán)腦計劃成功地模擬了部分鼠腦。

§   2011 年， IBM 的沃森參加《危險邊緣》節(jié)目，在最后一集中打敗了人類選手。

但是，這些成就不是因為范式上的革命。它們只是工程技術(shù)的復(fù)雜應(yīng)用。人們廣泛地認(rèn)識到，許多人工智能需要解決的問題已成為數(shù)學(xué)和運籌學(xué)領(lǐng)域的課題了。數(shù)學(xué)語言的共享使人工智能與其他學(xué)科在更高層次上進(jìn)行了合作，其研究結(jié)果則更易于評估和證明。今天，人工智能已成為一門非常嚴(yán)格的科學(xué)分支。

今天，計算機的計算能力已經(jīng)提高到了前所未有的地步。在理論上，人工智能發(fā)展幾乎是沒有限制的，因此它必將像今天的互聯(lián)網(wǎng)一樣深遠(yuǎn)地影響我們的日常生活和價值觀。

關(guān)于作者：錢綱，現(xiàn)就職于美國德州儀器公司，從事半導(dǎo)體工藝及半導(dǎo)體器件的開發(fā)與研究工作。科學(xué)網(wǎng)人氣作者，其作品在線獲得超過千萬人次的瀏覽量。錢綱的作品以涉及歷史、科技的雜文、隨筆為主。主要作品有美國歷史及人物紀(jì)事《美國往事》，硅谷歷史《硅谷簡史》等。

本文摘編自《 硅谷簡史：通往人工智能之路 》，經(jīng)出版方授權(quán)發(fā)布。

https://www.cnblogs.com/DicksonJYL/p/9711418.html