人工智能---简史

——————————————————————————————————————————————————————

写在前面：

       好久不见，各位朋友们。从去年夏日的知了刚刚爬上树梢到现在相距上次发布博文已经一年有余，真的是一段相当长的时间。在此期间，非常抱歉我没有给各位及时的回复，同时也非常感谢各位仍旧能够关注，并且留下宝贵的评论以及建议。接下来的日子，计划继续加入算法，大数据等人工智能相关的内容。希望与各位一同进步。

——————————————————————————————————————————————————————

目录

1.什么是人工智能？

1.1 像人一样行动：图灵测试的途径

1.2 像人一样思考：认知建模的途径

1.3 理性思考：”思维法则“的途径

1.4 理性行动

2. 人工智能的基础

2.1 哲学

2.2 数学

2.3 经济学

2.4 神经科学

2.5 心理学

---

长久以来，我们称自己为Homo sapiens（智人），因为我们的智能（intelligence）对我们非常的重要。数千年来，我们一直试图理解我们是如何思考的：即，仅仅少量的物质怎能感知，理解，预测和操纵一个远大于自身且比自身复杂得多的世界。

      在第二次世界大战结束后，人工智能的正式研究工作迅速展开。1956年创造了“人工智能“这个名称本身。在其后的时间里，AI经常与分子生物学一起，被其他学科的科学家誉为”我最想参加的研究领域“。一方面物理专业的学生有理由任务所有好的研究思想已经被伽利略，牛顿，爱因斯坦以及其他物理学家想尽了。另一方面，AI对若干位专职的爱因斯坦们和爱迪生们仍有良机。

      AI目前包含大量各种各样的子领域，范围从通用领域，如学习和感知，到专门领域，如下棋，证明数学定理，在拥挤的街道上开车和诊断疾病等等。

那么接下来我们来详细说明它。

开始之前，先来看看什么是智能？

智能：个体适应环境并能在不同环境中实现其目标的能力。

1.什么是人工智能？

像人一样思考	理性思考
像人一样行动	理性行动

 

 

第一列的定义根据与人类表现得逼真度，来衡量成功与否。

第二列的定义依靠”rationality“的理想的表现量来衡量。一个系统若能基于已知条件”正确行事“则它是合理的。

历史上，对AI的所有4中途径都有人关注，不同的人用不同的方法来追寻不同的途径。以人为中心的途径在某种程度上必然是一种经验科学，涉及到关于人类行为的观察与假设。理性论者的途径涉及到数学与工程的结合。不同的研究小组既相互批评又相互帮助。

接下来，我们更详细的考察一下这4种途径。

1.1 像人一样行动：图灵测试的途径

由阿兰·图灵（Alan Turing）（1950）提出的图灵测试（Turing Test）的设计，旨在为智能提供一个令人满意的可操作的定义。所谓”图灵测试“（Turing Testing）：即，一个人（C）在完全不接触对方（A和B）的情况下，和对方进行一系列的问答，如果在相当长时间内，他无法根据这些问题判断对方是人（B）还是计算机（A），那么，就认为该计算机具有同人相当的智能，（即计算机是能思维的）。【特别的：图灵预言，到2000年，机器可以做到5分钟内以30%的可能性让普通人分辨不出其是机器还是人。】

然而，所谓的完全图灵测试（total Turing Test）还包括视频信号以便询问这既可以测试对方的感知能力，又有机会”通过舱口“传递物理对象。因此，AI的大部分内容围绕：自然语言处理，知识表示，自动推理，机器学习，计算机视觉，机器人学，6大领域展开。

除此之外，图灵设计了一个60年后仍合适的测试而值得称赞。然而，从古至今，AI研究者们并未致力于通过图灵测试，他们认为研究智能的基本原理比复制样本更重要。只有莱特兄弟和其他人停止模仿鸟并开始使用风洞且开始了解空气动力学后，对”人工飞行“的追求才获得成功。

1.2 像人一样思考：认知建模的途径

如果我们说某个程序能像人一样思考，那么我们必须基于某种办法来确定人是如何思考的。我们需要领会人脑的实际运用。有三种办法来完成这项任务：

• 通过内省：试图捕获我们自身的思维过程
• 通过心理实验：观察工作中的一个人
• 通过脑成像：观察工作中的头脑

只有具备人脑的足够精确地理论，我们才能把这样的理论表示成计算机程序。如果该程序的输入输出行为匹配相应的人类行为，这就是程序的某些机制可能也在人脑中运行的证据。例如，设计了GPS，即”通用问题求解器“（General Problen Solver）的艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Simon）(1961)并不满足于尽让其程序正确地解决问题。他们更关心比较程序推理步骤的轨迹与求解相同问题的人类个体的思维轨迹。认知科学（cognitive science） 这个交叉学科领域把来自AI的计算机模型与来自心理学的实验技术相结合，试图构建一种精确且可测试的人类思维理论。

在AI的早期，不同途径之间经常出现混淆：某位作者可能主张一个算法很好地完成一项任务，所以它是人类表现的一个好模型，反之亦然。现代作者区分这两种主张；这种区分使得AI和认知科学都能更快的发展。

1.3 理性思考：”思维法则“的途径

希腊哲学家亚里士多德是首先试图严格定义”正确思考“的人之一，他将其定义为不可反驳的推理过程。其三段论（syllogisms）为在给定正确前提时总产生正确结论的论证结构提供模式---例如，“苏格拉底使人；所有人必有一死；所有，苏格拉底必有一死。”这些思维发这被认为应当支配着头脑的运行；他们的研究开创了成为逻辑学（logic）的领域。

19世纪的逻辑学家为关于世界上各种对象及对象之间关系的陈述制定了一种精确地表示法（将这种表示法与通常的算数表示法做对比，后者只为关于数的陈述提供表示法）。到了1965年，已经出现了有的程序在原则上可以求解用逻辑表示法描述的任何可解问题（虽然如果不存在解，那么程序可能无限循环）。人工智能所谓的逻辑主义（logicist）流派希望依靠这样的程序来创建智能系统。

对这条途径存在两个主要的障碍。首先，获取非形式的知识，并用逻辑表示法要求的形式术语来陈述之是不容易的，特别是在知识不是百分之百肯定时。其次，在“原则上”可解一个问题与实际上解决该问题之间存在巨大的差别。甚至求解只有几百条事实的问题就可耗尽任何计算机的计算资源，除非关于先试哪个推理步骤，计算机具有某种指导。虽然这两个障碍对建造计算推理系