搜索
人工智能发展史人工智能的漫长萌芽期在17—20世纪50年代。17世纪中，莱布尼兹、托马斯·霍布斯和笛卡儿提出形式符号系统假设，为人工智能（AI）的研究打下了基础。19世纪初，查尔斯·巴贝奇设计了一台机械式可编程计算机（“差分机”），但未能建造出来。20世纪，布尔的《思维的定律》、弗雷格的《概念文字》、罗素和怀特海的《数学原理》这些著作在数理逻辑研究上有了极大的突破，使得人工智能呼之欲出。1936年，数学家阿隆佐·邱奇和艾伦·图灵命名邱奇——图灵论题，提出所有计算或算法都可以由一台图灵机来执行，该论题被誉为构建计算机科学的基础之一。1946年2月14日，发展了图灵和约翰·冯·诺伊曼学说的，世界上第一台电子多用途计算机ENIAC在美国宣告诞生，为人工智能的出现奠定了基础。人工智能的诞生在20世纪40—50年代。1947年，神经学研究发现大脑是由神经元组成的电子网络，其激励电平只存在“有”和“无”两种状态，不存在中间状态。1948年，早在计算机时代刚刚进入黎明时，诺伯特·维纳就提出了一种“控制论”的概念。维纳是最先预见到信息技术双重可能性的人,这把双刃剑可能逃离人类掌控并反过来控制人类。此外,他还是最早对机器智能的到来提出批判的学者。1948年10月，香农发表论文《通信的数学理论》，被作为现代信息论研究的开端，而香农也因此被誉为“信息论之父”。1950年，图灵发表了一篇划时代的论文，预言了创造出具有真正智能的机器的可能性。图灵测试是人工智能哲学方面第一个严肃的提案。1951年，马文·明斯基与迪恩·埃德蒙兹一道建造了第一台神经网络机SNARC。1954年,乔治·戴沃尔，设计了世界上第一台可编程机器人。1955年，纽厄尔和西蒙在J.C.肖的协助下开发了“逻辑理论家”。这个程序能够证明《数学原理》中前52个定理中的38个，其中某些证明比原著更加新颖和精巧。这一断言后来被约翰·塞尔称为“强人工智能”，即机器可以像人一样具有思想。1956年，马文·明斯基与约翰·麦卡锡、克劳德·香农等人一起发起并组织“达特茅斯会议”，并在会议上首度提出“人工智能”概念，这次会议之后被誉为“人工智能的起点”。人工智能的黄金时代在20世纪50—70年代，1956年戴沃尔与约瑟夫恩格尔博格，创建了世界上第一家机器人公司，名为“尤尼梅新”。1956年，奥利弗·萨尔夫瑞德研制出第一个字符识别程序，开辟了模式识别这一新的领域。1957年，纽厄尔和西蒙等开始研究一种不依赖于具体领域的通用问题求解器，他们称之为GPS，这一时期，搜索式推理是许多AI程序使用相同的基本算法。1958年，约翰·麦卡锡发明Lisp计算机分时编程语言，该语言至今仍在人工智能领域广泛使用。1958年，美国国防部先进研究项目局成立，主要负责高新技术的研究、开发和应用。40多年来，DARPA已为美军研发成功了大量的先进武器系统，同时为美国积累了雄厚的科技资源储备，并且引领着美国乃至世界军民高技术研发的潮流。1962年，世界上首款工业机器人“尤尼梅特”开始在通用汽车公司的装配线上服役。1963年6月，MIT从新建立的ARPA（即后来的DARPA，国防高等研究计划局）获得了220万美元经费，用于资助MAC工程，其中包括明斯基和麦卡锡五年前建立的AI研究组。此后ARPA每年提供300万美元，直到70年代为止。1964年，IBM360型计算机成为世界上第一款规模化生产的计算机。早在1958年，约翰·麦卡锡就提出了名为“纳谏者”的一个程序构想，将逻辑学引入了AI研究界。然而，根据60年代末麦卡锡和他的学生们的工作，对这一想法的直接实现具有极高的计算复杂度：即使是证明很简单的定理也需要天文数字的步骤。麦卡锡认为，人类怎么思考是无关紧要的：真正想要的是解题机器，而不是模仿人类进行思考的机器。麦卡锡等人一派被称为“简约派”。1966年到1972年间，美国斯坦福国际研究所研制了移动式机器人Shakey,并为控制机器人而开发了STRIPS系统，Shakey是首台采用了人工智能学的移动机器人，引发了人工智能早期工作的大爆炸。1966年，MIT的魏泽堡发布了世界上第一个聊天机器人Eliza。Eliza的智能之处在于它能通过脚本理解简单的自然语言，并能产生类似人类的互动。而其中最著名的脚本便是模拟罗吉斯心理治疗师的Doctor。1968年12月9日，加州斯坦福研究所的道格·恩格勒巴特发明计算机鼠标，构想出了超文本链接概念，它在几十年后成了现代互联网的根基。恩格尔巴特提倡“智能增强”而非取代人类，被誉为“鼠标之父”。1972年，维诺格拉德在美国麻省理工学院建立的一个用自然语言指挥机器人动作的系统SHRDLU，它能用普通的英语句子与人交流，还能做出决策并执行操作。人工智能的第一次低谷在20世纪70—80年代，20世纪70年代初，AI遭遇了瓶颈。当时的计算机有限的内存和处理速度不足以解决任何实际的AI问题。要求程序对这个世界具有儿童水平的认识，研究者们很快发现这个要求太高了：1970年没人能够做出如此巨大的数据库，也没人知道一个程序怎样才能学到如此丰富的信息。由于缺乏进展，对AI提供资助的机构（如英国政府、DARPA和NRC）对无方向的AI研究逐渐停止了资助。NRC（美国国家科学委员会）在拨款2000万美元后停止资助。单克用“芜杂”一词描述他们“反逻辑”的方法，与麦卡锡等人的“简约”方案相对。在1975年的一篇开创性论文中，明斯基注意到与他共事的“芜杂派”研究者在使用同一类型的工具，即用一个框架囊括所有相关的常识性假设。他称之为“脚本”，基于这一想法他使程序能够回答关于一篇英语短文的提问。多年之后的面向对象编程采纳了AI“框架”研究中的“继承”概念。1977年，SRI的人工智能研究员哈特和杜达开发了Prospector，用于探测矿藏。约翰·塞尔于1980年提出“中文房间”实验，试图证明程序并不“理解”它所使用的符号，即所谓的“意向性”问题。Searle认为，如果符号对于机器而言没有意义，那么就不能认为机器是在“思考”。人工智能的繁荣期在1980年—1987年。在20世纪80年代，一类名为“专家系统”的AI程序开始为全世界的公司所采纳，而“知识处理”成为了主流AI研究的焦点。日本政府在同一年代积极投资AI以促进其第五代计算机工程。专家系统的能力来自于它们存储的专业知识。知识库系统和知识工程成为80年代AI研究的主要方向。第一个试图解决常识问题的程序Cyc也在80年代出现，其方法是建立一个容纳一个普通人知道的所有常识的巨型数据库。1981年，日本经济产业省拨款8.5亿美元支持第五代计算机项目。其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。其他国家纷纷做出响应，DARPA也行动起来，组织了战略计算促进会，其1988年向AI的投资是1984年的三倍。1982年年初，硅谷著名人工智能公司Teknowledge终于能够用两个月的时间处理100万美元的业务了。1986年，在里根时代“星球大战计划”（SDI）的推动下，美国与人工智能相关的软硬件销售额高达4.25亿美元。人工智能的冬天在1987年—1993年，20世纪80年代中商业机构对AI的追捧与冷落符合经济泡沫的经典模式，泡沫的破裂也在政府机构和投资者对AI的观察之中。“AI之冬”一词由经历过1974年经费削减的研究者们创造出来。他们注意到了对专家系统的狂热追捧，预计不久后人们将转向失望。事实被他们不幸言中，专家系统的实用性仅仅局限于某些特定情景。到了80年代晚期，战略计算促进会大幅削减对AI的资助。DARPA的新任领导认为AI并非“下一个浪潮”，拨款将倾向于那些看起来更容易出成果的项目。80年代后期，一些研究者根据机器人学的成就提出了一种全新的人工智能方案。他们相信，为了获得真正的智能，机器必须具有躯体。他们号召“自底向上”地创造智能，这一主张复兴了从60年代就沉寂下来的控制论。人工智能的新春在1993年—现在，年过半百的AI终于实现了它最初的一些目标。它已被成功地用在技术产业中，不过有时是在幕后。这些成就有的归功于计算机性能的提升，有的则是在高尚的科学责任感驱使下对特定的课题不断追求而获得的。不过，至少在商业领域里AI的声誉已经不如往昔了。各种因素的合力将AI拆分为各自为战的几个子领域，有时候它们甚至会用新名词来掩饰“人工智能”这块被玷污的金字招牌。AI比以往的任何时候都更加谨慎，却也更加成功。1997年5月11日，“更深的蓝”成为战胜国际象棋世界冠军卡斯帕罗夫的第一个计算机系统。20世纪90年代，被称为“智能代理”的新范式被广泛接受。尽管早期研究者提出了模块化的分治策略，但是直到朱迪亚·珀尔、纽厄尔等人将一些概念从决策理论和经济学中引入AI之后现代智能代理范式才逐渐形成。当经济学中的“理性代理”与计算机科学中的“对象”或“模块”相结合，“智能代理”范式就完善了。越来越多的AI研究者们开始开发和使用复杂的数学工具。人们广泛地认识到，许多AI需要解决的问题已经成为数学，经济学和运筹学领域的研究课题。数学语言的共享不仅使AI可以与其他学科展开更高层次的合作，而且使研究结果更易于评估和证明。这些变化被视为一场“革命”和“简约派的胜利”。AI研究者们开发的算法开始变为较大系统的一部分。AI曾经解决了大量的难题，这些解决方案在产业界起到了重要作用。应用了AI技术的有数据挖掘、工业机器人、物流、语音识别、银行业软件、医疗诊断和Google搜索引擎等。2005年，斯坦福开发的一台机器人在一条沙漠小径上成功地自动行驶了131英里，赢得了DARPA挑战大赛头奖。2007年，奇耶等人创立Siri，当时的Siri只是iOS中的一个应用。苹果公司在2010年4月28日完成了对Siri公司的收购，重新开发后只允许Siri在iOS中运行。2010年，塞巴斯蒂安·特龙领导的谷歌无人驾驶汽车曝光，当时已经创下了超过16万千米无事故的纪录。2013年末，当时的联合创始人兼CEO马克·扎克伯格前往位于塔霍湖的一家酒店参加神经信息处理系统（NIPS）技术会议。因为扎克伯格的到来而成了一个风向标，人工智能再一次从单纯的学术研究走向商业化。现在大家谈到人工智能、机器学习时，往往会说这并不是一个新概念，在上世纪90年代就有了。事实上，这只是人工智能发展史上离大家最近的一个阶段。在这个阶段，人工智能其实取得了一些里程碑似的成果。比如在1997年，IBM的深蓝战胜国际象棋世界冠军卡斯帕罗夫;2009年，洛桑联邦理工学院发起的蓝脑计划声称已经成功地模拟了部分鼠脑;以及前段时间的AlphaGo围棋大战。最近这几年，机器学习、图像识别这些人工智能技术更是被用到了普通人的实际生活中。我们可以在GooglePhotos中更快地找到包含猫猫狗狗的图片，可以让GoogleNow自动推送给我可能需要的信息，可以让Inbox自动撰写邮件回复。这背后都离不开人工智能研究者们的长久努力。不过，让人们唏嘘的是“实现人类水平的智能”这个在上世纪60年代就提出的课题至今仍然没有答案，而且我们现在也难以预测何时会有结果。人工智能虽然可以在某些方面超越人类，但想让机器完成人类能做到的一切工作，这个目标看上去仍然遥遥无期。引用资料：《与机器人共舞》作者：[美]约翰·马尔科夫出版社：浙江人民出版社