人工智能发展史

人工智能的发展历程大致可分为以下几个阶段：

1. 起源与诞生（20 世纪 50 年代以前）：
   • 古代神话和传说中就有对智能机械和人造生命的想象，如希腊神话中的机械人塔洛斯。
   • 19 世纪，乔治・布尔的《思维规律的研究》、弗雷格的《概念文字》以及伯特兰・罗素和怀特海的《数学原理》等著作在数理逻辑研究上取得突破，为人工智能的发展奠定了基础。
   • 麦卡洛克和皮茨于 1943 年提出人工神经网络的概念并构建了人工神经元的 MP 模型，开创了人工神经网络研究的时代。赫伯学习规则以及 1946 年世界上第一台数字式电子计算机的出现，也对人工智能的发展起到很大帮助。
   • 图灵在二战结束后提出 “图灵机” 概念，即虚拟机器替代人脑进行数学运算的设想，并在英国政府支持下设计出支持存储程序的巨型电子计算机 ——“艾斯”，还研发出世界上第一个 AI 国际象棋程序，这是早期 AI 的诞生标志。
2. 诞生阶段（20 世纪 50 年代 - 60 年代）：
   • 1956 年，美国达特茅斯学院举行了为期两个月的学术讨论会，麦卡锡、明斯基、纽厄尔、西蒙等众多专家学者参与，首次提出了 “人工智能” 的术语，标志着人工智能这门新兴学科的诞生。会后，美国很快形成了 3 个从事人工智能研究的中心，即以西蒙和纽厄尔为首的卡内基 — 梅隆大学研究组、以麦卡锡和明斯基为首的麻省理工学院研究组、以塞缪尔为首的 IBM 公司研究组。
   • 这一时期的重要成果包括：1956 年，第一个启发程序 “逻辑理论机” 由纽厄尔、西蒙、肖合作研制成功，开创了用计算机模拟人的高级智能活动的先例；1959 年，德沃尔与约瑟夫・英格伯格联手制造出第一台工业机器人，世界上第一家机器人制造工厂 Unimation 公司成立，同年约瑟夫・恩格尔伯格制造出世界上第一个工业机器人尤尼梅特；1960 年，纽厄尔、西蒙、肖研制出 “通用问题求解程序” GPS；1962 年，麦卡锡提出人工智能的 “情景演算” 理论；1966 年，美国斯坦福国际研究所研制出首台采用人工智能的移动机器人 Shakey，同年世界上第一个聊天机器人 Eliza 发布；1968 年，美国科学家费根鲍姆研制成功第一个专家系统 Dendral。
3. 第一次寒冬（20 世纪 70 年代 - 80 年代初）：
   • 当时计算机的内存和处理速度有限，难以解决实际的人工智能问题，且缺乏庞大的数据库来帮助程序学习丰富知识。原本对人工智能提供资助的英国政府、美国国防部高级研究计划局等机构逐渐停止资助，美国国家科学委员会也在拨款后停止资助，导致人工智能的科学活动和商业活动大大衰退。
4. 应用探索期（20 世纪 80 年代 - 90 年代初）：
   • 20 世纪 80 年代卡耐基梅隆大学制造出可应用于工业领域的专家系统，随后越来越多的企业和大学参与到专家系统的开发中，到 80 年代末，世界 500 强企业中近一半都研制或使用了专家系统。
   • 人工智能数学模型方面取得重大突破，如 1986 年的多层神经网络和 BP 反向传播算法等。1981 年，日本经济产业省拨款 8.5 亿美元用于第五代计算机项目的研发，英国、美国也纷纷向信息技术领域的研究提供大量资金。1984 年，美国启动了 Cyc 项目，目标是使人工智能的应用能够以类似人类推理的方式工作。
5. 第二次寒冬（20 世纪 90 年代初 - 90 年代末）：
   • 1987 年至 1993 年，由于苹果、IBM 开始推广第一代台式机，人们发现其费用远低于专家系统的软硬件开销，且专家系统的实用性局限于某些特定情景。同时，美国国防部高级研究计划局的新任领导认为人工智能并非 “下一个浪潮”，对更容易出成果的项目进行拨款，导致人工智能研究领域再次遭遇财政困难，发展进入第二次寒冬。
6. 第一次算力与算法爆发（20 世纪 90 年代末 - 21 世纪初）：
   • 上世纪 90 年代，在摩尔定律下计算机算力性能不断突破，英特尔的处理器性能不断提升。
   • 1989 年，杨立坤通过 CNN 实现了人工智能识别手写文字编码数字图像；1992 年，李开复利用统计学方法设计了可支持连续语音识别的 Casper 语音助理（Siri 的前身）；1997 年，IBM 的国际象棋机器人深蓝战胜国际象棋冠军卡斯帕罗夫，同年两位德国科学家提出了 LSTM 网络可用于语音识别和手写文字识别的递归神经网络。
7. 算力 + 算法 + 数据三驾马车聚齐：发展进入快车道（2006 年至今）：
   • 2006 年，杰弗里辛顿发表了《Learning of Multiple Layers of Representation》，奠定了当代神经网络的全新架构。
   • 2007 年，李飞飞教授发起了 ImageNet 项目，开源了世界上最大的图像识别数据集。2006 年亚马逊的 AWS 云计算平台发布，进一步提升了人工智能网络模型计算所需的算力。
   • 随着 4G 时代的到来与智能手机的大规模普及，移动互联网的极速发展催生了各色应用，带来了神经网络训练迭代所需的海量数据。同时，随着 IoT 物联网的兴起，支持分布式计算（边缘计算）的传感器时序数据呈指数级生成。
   • 这一时期，人工智能在多个领域取得了显著成果，如 2011 年 IBM 的 Watson 在美国智力问答节目上击败两位人类冠军；2012 年加拿大神经学家团队创造了具备简单认知能力的虚拟大脑 “spaun”；2014 年聊天程序 “尤金・古斯特曼” 首次通过图灵测试；2015 年 Google 开源了第二代机器学习平台 TensorFlow；2016 年 Google 人工智能 AlphaGo 战胜围棋世界冠军李世石，同年英国 DeepMind 研发的围棋机器人 AlphaGo 通过无监督学习的方式战胜柯洁；2017 年美国波士顿动力公司发布了 Atlas 二代机器人等。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略，人工智能领域处于创新创业的前

选自《天才与算法》：

艾伦·图灵：
机器经常让我大吃一惊。
我第一次见到戴密斯·哈萨比斯是在他的算法于围棋对弈中获得大胜之前的几年，那时他参加了一个关于创新未来的会议。会议中，许多新创立的公司都在寻找风投和天使投资人。它们中的一些会改变未来，但大多数是“昙花一现”。风投和天使投资人的目的就是发掘最具潜力的投资对象。当时，哈萨比斯讲道，代码在未来可以自主学习、适应并进行自我改进，我听完立刻把他打发走了。因为我觉得，程序员通过编程教会计算机玩游戏，而计算机却会比教它的人玩得更好，这种输入寡而输出众的事情不大可能实现。我并不是唯一一个这么想的人。哈萨比斯也坦言，人工智能想要在短时间内得到认可并获得投资是极其困难的。
事实证明，哈萨比斯是千里马，而我却非伯乐。从最近的人工智能会议的标题就可以感受到哈萨比斯的观点所带来的变革性影响——“机器学习是新的42?”（42是道格拉斯·亚当斯（Douglas Adams）的小说《银河系漫游指南》（The Hitchhiker's Guide to the Galaxy）中“生命、宇宙以及任何事情的终极答案”。对于看科幻节目长大的人来说，这是非常熟悉的概念。）那么，是什么引发了这场新的人工智能革命呢？
答案很简单——数据。过去的5年间产生了现在世界上90%的数据。互联网每天创建的数据可达到1EB（1018），约为2.5亿张DVD光盘所存储的数据量。现在，人类两天内产生的数据量，就可以媲美从“文明曙光时代”到2003年所产生的数据量的总和。
海量的数据是机器学习进入新时代最重要的催化剂。在此之前，一直不具备任由算法在数据之中学习、遨游的客观条件。这就像是将一个孩子的感官全部隔绝起来，我们都知道，如果不与外界接触，他是无法获得语言及其他基本能力的。他的大脑已经准备好学习了，但没有足够的刺激或经验是不能正常发育的。
数据对于新的变革尤为重要，因此它也被称为“新的石油”。访问数据，相当于在21世纪的“油田”中进行开采。Facebook、Twitter、谷歌和亚马逊备受瞩目，根源在于我们为其提供了免费的“石油储量”。严格意义上说，也不是完全免费，因为我们也在它们提供的服务中获得了数据的“交换”。比如，当我们在驾车使用Waze导航软件时，即在进行当前位置信息与到达目的地最有效的路线之间的数据交换。但是，很多人意识不到这种“交换”的重要性，不愿提供有价值的数据，因此其所得回报甚少。