不了解一下人工智能的發展歷史，又怎么能看明

發布日期：2016-03-09瀏覽次數：1257 來源：福州網站建設

先不管 Google 的 AlphaGo 人工智能是否可以在即將到來的人機對戰中取勝，它的出現至少又掀起了一股人工智能熱。一瞬間，彷佛身邊的人都開始習慣性地討論幾句人和機器誰更厲害的話題。其實，從上世紀 40 年代人工智能誕生至今，這個領域經歷了一次又一次的繁榮與低谷。在 AlphaGo 即將創造新紀錄的時候，我們不妨來看看人工智能在這半個多世紀的時間里都有哪些值得回顧的瞬間。

人工智能的出現

看過《模仿游戲》這部電影的讀者，應該對劇中圖靈制造破譯德軍密碼機器的環節印象深刻。事實上，20 世紀 40 年代至 50 年代也是人工智能真正誕生的時間。在這段時間內，數學、心理學、工程學、經濟學、政治學等領域的科學家們開始探索制造人工大腦的可行性。

1950 年，著名的圖靈測試誕生，按照艾倫·圖靈的定義：如果一臺機器能夠與人類展開對話（通過電傳設備）而不能被辨別出其機器身份，那么稱這臺機器具有智能。同年，圖靈還預言了創造出具有真正智能的機器的可能性。

Benedict Cumberbatch as Alan Turing in THE IMITATION GAME

1951 年，西洋跳棋程序和國際象棋程序相繼誕生。經過接近 10 年的發展后，國際象棋程序已經可以挑戰具有相當水平的業余愛好者，而人工智能游戲也被當著衡量人工智能進展的標準之一。

1956年，在達特茅斯學院舉行的一次會議上，計算機科學家約翰·麥卡錫說服與會者接受“人工智能”一詞作為本領域的名稱。后來，這次會議也被大家看著是人工智能正式誕生的標志。

人工智能的第一次大發展

1956 年達特茅斯會議之后的十幾年是人工智能的黃金年代。在這段時間內，計算機被用來解決代數應用題、證明幾何定理、學習和使用英語，這些成果在得到廣泛贊賞的同時也讓研究者們對開發出完全智能的機器信心倍增。當時，人工智能研究者們甚至認為：“二十年內，機器將能完成人能做到的一切工作”、“在三到八年的時間里我們將得到一臺具有人類平均智能的機器”。

達特茅斯學院

伴隨著初期的顯著成果和樂觀情緒的彌漫，在麻省理工、卡內基梅隆大學、斯坦福大學、愛丁堡大學建立的人工智能項目都獲得了來自 ARPA（國防高等研究計劃署）等政府機構的大筆資金。不過，這些投入卻并沒有讓當時的樂觀預言得以實現。

人工智能的第一次低谷

由于人工智能研究者們對項目難度評估不足，這除了導致承諾無法兌現外，還讓人們當初的樂觀期望遭到嚴重打擊。到了 70 年代，人工智能開始遭遇批評，研究經費也被轉移到那些目標明確的特定項目上。

在當時，由于計算機性能的瓶頸、計算復雜性的指數級增長、數據量缺失等問題，一些難題看上去好像完全找不到答案。比如像今天已經比較常見的機器視覺功能在當時就不可能找到一個足夠大的數據庫來支撐程序去學習，機器無法吸收足夠的數據量自然也就談不上視覺方面的智能化。

項目的停滯不但讓批評者有機可乘——1973 年 lighthill 針對英國 AI 研究狀況的報告批評了 AI 在實現其“宏偉目標”上的完全失敗，也影響到了項目資金的流向。人工智能遭遇了 6 年左右的低谷。

人工智能的第二次大發展

小時候看電視時，不少節目都給我留下了“日本的機器人技術比中國先進”的印象，其實這并不是憑空發生的。1981年，日本經濟產業省撥款八億五千萬美元支持第五代計算機項目，目標是制造出能夠與人對話、翻譯語言、解釋圖像，并且能像人一樣推理的機器。隨后，英國、美國也紛紛響應，開始向 AI 和信息技術領域的研究提供大量資金。

在這個階段，諸多公司開始采納一種名為“專家系統”的人工智能程序。這套系統可以簡單理解為“知識庫+推理機”，是一類具有專門知識和經驗的計算機智能程序系統，“知識處理”隨之也成為了主流 AI 研究的焦點。

Symbolics 3640 lisp machine

1980 年，卡內基·梅隆大學為數字設備公司設計了一個名為 XCON 的專家系統，這套系統在 1986 年之前能為公司每年節省四千萬美元。有了商業模式，相關產業自然應運而生，比如 Symbolics、lisp Machines 等硬件公司和 IntelliCorp、Aion 等軟件公司。這個時期，僅專家系統產業的價值就有 5 億美元。