1.2 人工智能的三次发展高峰
人工智能自1956年被提出以来，经过半个多世纪的发展，目前已经取得了长足的进展。但是，人工智能的发展并非一帆风顺，而是经历了从繁荣到衰退，再到繁荣的螺旋式发展过程，先后出现了三次发展高峰。
1.2.1 人工智能第一次发展高峰
人工智能的第一次发展高峰出现在20世纪60年代末到70年代初，这次高峰出现的主要原因是人们看到了人工智能系统能够与具体应用相结合，感受到了人工智能的巨大魅力，从而着手将人工智能由理论研究推向实用。其主要标志是专家系统的出现。
在20世纪50年代人工智能刚刚被提出的时候，人工智能的研究主要停留在理论研究阶段，其基本方法是逻辑法，研究方向主要包括自动推理，认知模型，知识表示和推理，人工智能的语言、架构和工具等。最初的人工智能应用于机器翻译、定理证明、通用问题求解、下棋程序、工业反馈控制、机器人等领域[3]。
1957年，康奈尔大学的实验心理学家弗兰克·罗森布拉特（Frank Rosenblatt）在一台IBM 704计算机上模拟实现了“感知机”（perceptron）神经网络模型。这个模型虽然看上去只是简单地把一组M-P（McCulloch-Pitts）神经元平铺排列在一起，但是依靠机器学习却能完成一部分的机器视觉和模式识别方面的任务，从而推动了人工智能的发展。1959 年，牛津大学逻辑学家王浩（Wang Hao）在一台IBM 704计算机上只用9 分钟就证明了《数学原理》中超过350条的一阶逻辑全部定理[4]，他也因此成为了机器证明领域的开创性人物。
20世纪60年代，人工智能相关的研究人员开始把研究重点转移到智能表示、智能推理、智能搜索方向，认为人工智能求解问题的过程是一个搜索的过程，效果与启发式函数有关。这一阶段的主要研究成果包括A*算法（搜索方法）[5，6]、人工智能程序设计语言LISP[7]、冲突归结原理[8]、语义网络的知识表示方法[9]等。
20世纪60年代末到70年代初，以爱德华·A.费根鲍姆（Edward A.Feigenbaum）为首的一批年轻科学家提出了知识工程的概念[10]，开展了以知识为基础的专家系统的研究与应用。该研究将人工智能推向第一次高潮。当时的学术界认为人工智能时代已经来临，1969年发起的国际人工智能联合会议（International Joint Conferences on Artificial Intelligence，IJCAI）汇集了当时学术界的人工智能研究最新成果。这一阶段出现的主要研究成果包括计算机配置专家系统XCON[11]、化学质谱分析系统DENDRAL[12]、医疗咨询系统CADUCEUS[13]、地质勘探专家系统PROSPECTOR[14]、疾病诊断和治疗系统MYCIN[15]、语音理解系统Hearsay-II[16] 等。这一系列专家系统产品的研究和开发，将人工智能由理论研究推向了实用系统。
然而，人们当时对人工智能给予了过高的期望，甚至预言“十年以后人工智能将超越人类思维”[17]，但人工智能受囿于领域的局限性、知识的生成困难、经验与数据量的不足等约束，表现出专家系统所能解决的问题非常有限，更远谈不上“超越人类思维”，从而使人们从对人工智能的看法由过高的希望转为失望。
1972年7月，詹姆斯·莱特希尔（James Lighthill）爵士受英国科学研究委员会委托，对人工智能的研究状况进行了总体调查，提供了一个公正的调查报告。调查报告发表于1973年。在这份报告中，莱特希尔批评了人工智能并未实现其“宏伟目标”。报告指出：“人工智能研究及相关领域的大多数工作者都对过去25年所取得的成就感到失望。人们在1950年左右甚至在1960年左右进入该领域，但充满希望的事情远未在1972年实现。迄今为止，该领域到目前为止没有获得任何其承诺将产生的重大影响的发现。” 莱特希尔的报告使得英国和美国学术机构对人工智能的信心骤降，在人工智能方面的资金投入也被大幅度削减，最终造成人工智能走入低谷。那段低谷被认为是人工智能的第一个冬天[18]。
1.2.2 人工智能第二次发展高峰
人工智能第二次发展高峰出现在20世纪80年代末到90年代初。这次高峰出现的主要原因是日本政府于1981年启动了“第五代机”项目[19]，其目标是造出能够与人对话、翻译语言、解释图像、能够像人一样推理的机器。日本政府为此拨款8.5亿美元支持该项目。日本的第五代机计划也影响了中国学术界。中国学术界在1984年起开始跟进，并于1985年初在涿州召开了第一次全国第五代计算机会议，会议就第五代计算机体系结构、知识情报处理、规则和推理以及第五代机的应用（包括机器翻译、机器人、图像处理等）等方面展开深入研讨。从1986年起，中国把智能计算机系统、智能机器人和智能信息处理等重大项目列入国家高技术研究发展计划（863计划），这标志着中国将人工智能作为了重点研究领域。
20世纪80年代，针对特定领域的专家系统在商业上获得成功应用，专家系统及其工具越来越成熟和商品化。同时，霍普菲尔德神经网络和反向传播神经网络的提出，使得人们对人工智能的信心倍增。1987年，美国召开第一次神经网络国际会议，学术界及企业界共1500余人参加了该会议。会议主要议题包括神经计算机设计、神经计算机功能、神经计算机的软件模拟、神经计算机芯片、人工智能与神经网络等。会上宣布成立“国际神经网络协会”，并决定出版刊物《神经计算机》 （Neuro Computer）。该会议掀起了神经网络研究的热潮。神经网络的出现解决了非线性分类和学习问题，这使神经网络迅速发展，出现了语音识别、机器翻译等系列研究项目。各国在神经网络方面的投资也逐渐增加。
有学者评论，20世纪80年代到90年代，这一阶段人工智能的特点是建立在对分门别类的大量知识的多种处理方法之上，但存在着应用领域过于狭窄、更新迭代和维护成本非常高、缺乏海量数据训练机器等问题。
1992年，日本政府宣布“第五代机”项目失败，结束了为期10年的研究[20]。一个主要的原因是，在日本学者全力研究面向人工智能计算机的同时，美国等国家在通用计算机方面的发展步伐非常大，计算机的速度及其并行效率都有明显的提高，使得日本专用计算机所表现出来的推理速度反倒被高速的通用计算机所秒杀。西方对日本第五代机计划的评价是：“对于日本来说，问题在于计算机行业变化如此之快，以至于“第五代机”采取的技术道路（在1982年似乎是明智的选择）在1992年之前与计算机工业的方向相矛盾……但是如今，很少有人需要人工智能专用计算机，而更喜欢功能强大的通用计算机”[21]。
事实上，在中国也存在着同样的技术路线的争论。一方面人们在研究通用型高性能巨型机，例如国防科大的银河计算机；另一方面人工智能研究人员在研究支持人工智能的专用机，包括Prolog推理机[22，23]、数据库机[24]、产生式计算机[25]、数据流驱动计算机[26，27]等，但只有通用计算机以其强大的生命力及适用性真正地占据了市场，而其他一些人工智能专用计算机很多都是昙花一现。
第五代机的相关研究不仅重塑了人们对人工智能的看法，也将人工智能发展所面临的困难都展现了出来。凡事都有两面性，虽然知识导入使人工智能发展到了一个新高度，但其也将知识描述的困难和复杂性展现得淋漓尽致。当时人们面临一个很大的问题：如果人工智能的所有知识都需要人类输入，那么需要输入的内容将是无穷无尽的。
与此同时，神经网络本身缺少相应的严格数学理论支持，反向传播神经网络存在梯度消失问题（vanishing gradient problem）[28]。另外，当时的专家系统对领域要求苛刻，不能跨界，而真实的应用常常并不完全受限于一个确切的领域，使得专家系统的实用性变差；再就是专家系统的知识库构建困难，因为从事人工智能的人员不懂领域知识，而掌握领域知识的专家不知道如何将他们的知识转化到专家系统所需要的形式中，这也是缺乏令人赞叹不已的人工智能应用成果的原因之一。
20世纪90年代以后，计算机发展趋势逐渐演化为小型化、并行化、网络化以及智能化，人工智能技术逐渐与多媒体技术、数据库技术等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近，人工智能就如同一般性的计算机应用一样，不再显示出其独特的光环[29]。第二次高峰过后，人工智能进入第二次低谷。
1.2.3 人工智能第三次发展高峰
人工智能第三次发展高峰出现在21世纪。这次高峰出现的主要原因是深度学习技术的出现，解决了神经网络学习过程中的梯度消失和梯度爆炸等问题，以及深度学习的网络深层结构能够使其自动提取并表征复杂的特征[30]，解决了传统方法中通过人工提取特征的问题。
2006年，杰弗里·E.辛顿（Geoffrey E.Hinton）提出深度学习概念以后，掀起了对深度学习研究的热潮[31]，人工智能研究再次爆发。这一阶段的主要研究成果包括：2010年，谷歌无人驾驶汽车创下了超过16万公里无事故的纪录；2011年，IBM 沃森（Waston）参加“危险边缘”智力游戏击败了最高奖金得主和连胜纪录保持者；2016年，谷歌阿尔法狗（Google AlphaGo）战胜围棋九段棋手李世石；2017年，谷歌阿尔法狗先以比分3∶0完胜世界围棋冠军柯洁，之后阿尔法狗·零（AlphaGo Zero）完全从零开始，不需要任何历史棋谱的指引和人类先验知识的指导，花三天时间自己左右互搏490万个棋局，最终无师自通战胜阿尔法狗。
多个吸引人们眼球的、在局部领域内（特别是属于确定性知识的领域）超过人类的人工智能成果的展示，让人们尤其是行外人员真切地感受到了人工智能的威力，也真切地意识到人工智能已经来到了身边。这使得人工智能在商业市场上炙手可热，创业公司层出不穷，投资者竞相追逐。
根据中国信息通信研究院发布的《2018世界人工智能产业发展蓝皮书》[32]、《全球人工智能产业数据报告》[33] 等给出的信息，在学术研究成果方面：1999 年至 2017 年，全球人工智能领域中图像识别、生物特征识别、语音识别、语音合成、自然语言理解等关键技术申请及授权的发明专利数量超过 10 万项；1998年至2018年，全球人工智能领域论文和期刊文章的数量也大幅增长，发表的相关论文总数量突破 63 万篇，年复合增长率达到 11.59%。由此可以看出，这一时期学术界对人工智能技术的热衷程度。
在产业发展方面：截至2019年3月底，全球活跃的人工智能企业已超5000家；2019年第一季度全球人工智能企业的融资规模达到126亿美元。具体而言，智能传感器领域的全球市场规模预计将从2017年的269.06亿美元增长到2023年的706.17亿美元，复合年增长率将达17.45%；人工智能芯片的全球市场规模预计将在2023年达到108亿美元，复合年增长率将达到53.6%；基于人工智能技术的计算机视觉领域的全球市场规模预计将从2017年的23.7亿美元增长到2023年的253.2亿美元，复合年增长率将达48.41%；自然语言处理领域的全球市场规模预计将从2016年的76.3亿美元增长到2021年的160.7亿美元，复合年增长率达到16.07%；基于人工智能技术的金融科技的全球市场规模预计将从2017年的13.38亿美元增长到2022年的73.06亿美元，复合年增长率将达40.43%；基于人工智能技术的教育行业的全球市场规模预计将从2017年的3.731亿美元增长到2023年的36.835亿美元，复合年增长率将达到46.47%；智慧农业全球市场规模预计将从2017年的67亿美元增长到2023年的135亿美元，复合年增长率为12.39%；智能制造全球市场规模预计将从2017年的2028.2亿美元增长到2023年的4790.1亿美元，复合年增长率达到15.4%；基于人工智能技术的网络安全全球市场规模预计将从2017年的49.6亿美元增长到2023年的177.2亿美元，复合年增长率为23.64%；自动驾驶汽车全球销量预计将在2025年接近60万辆，且在2035年增长到2100万辆，复合年增长率将达42.7%。这些产业数据反映出人工智能在这一时期确实保持在一个高位状态上。
人工智能发展第三次高峰的一个显著特点是许多国家政府也跟着行动起来了，通过制定国策、投入资金，引导发展人工智能技术，推动人工智能的应用。
2011年，美国政府推出了《国家机器人发展倡议》 （National Robotics Initiative，NRI）[34]，并在2012年由美国国家基金会资助近5000万美元[35]；2013年，作为NRI的后续行动，美国政府资助的《美国机器人技术路线图：从互联网到机器人技术》[36]对外发布，随后发布了旨在推进该技术路线图的《通往尖端机器人的道路》[37]；2013年4月，美国国立卫生研究院发布了《推动创新神经技术脑研究计划》 （BRAIN Initiative，简称脑计划），旨在研发更全面的工具和信息库以了解大脑在健康和疾病中的功能[38]；2016年5月，美国白宫发布了《为人工智能的未来做好准备》[39]；2016年10月，美国国家科学与技术委员会发布了旨在向美国提供一个跨部门的指导人工智能发展战略导向的《国家人工智能研究与发展战略计划》[40]；2016年12月，美国白宫发布了关于人工智能将在未来几十年改变我们经济方式的《人工智能、自动化与经济》[41]；2017年7月，美国提出了《自动驾驶汽车法案》 （H.R.3388-SELF DRIVE Act）[42]，旨在确保自动驾驶车辆安全性的要求；2017年10月，美国信息产业协会发布了旨在确保人工智能能够发挥最大潜力而倡导相关公共与私营部门进行合作的《人工智能政策原则》[43]。
2013年，欧盟推出了被称为是四个未来和新兴技术的旗舰项目、欧盟资助的最大的科学项目《人脑计划》 （Human Brain Project，HBP）[44]；2014年，欧盟委员会与欧洲机器人协会推出了旨在维持和扩展欧洲在机器人技术方面领导地位的《欧盟机器人技术合作伙伴计划》 （SPARC 计划）[45]；2016年5月，欧盟委员会提出了旨在应对机器人的发展给人类带来影响的机器人规则立法提议[46]，随后欧洲议会于同年10月发布了《欧盟机器人民事法律规则》[47]。
2016年12月，英国政府科学办公室发布了旨在展示如何负责任地使用人工智能技术来改善英国所有人生活水平的《人工智能：未来决策制定的机遇与影响》[48]；2017年10月，英国政府发布了《在英国发展人工智能产业的报告》[49]，报告包含 18 条针对政府、企业和学术界如何共同努力发展人工智能的建议。
2015年1月，日本经济产业省发布了涉及与机器人革命相关的技术进步、监管改革以及机器人技术全球化标准等举措的《机器人新战略：愿景、战略与行动计划》[50]；2017年，日本政府制定了旨在明确人工智能研究开发目标和产业化的路线图《下一代人工智能推进战略》[51]；2019年6月，日本政府综合创新战略推进会议发布了旨在提高日本产业竞争力且包括AI教育改革、研究开发、社会实施等综合性政策方案的《AI战略2019》[52]。
2016年4月，我国工业和信息化部等三部委发布了旨在明确我国“十三五”期间机器人产业发展蓝图的《机器人产业发展规划（2016—2020年）》[53]；同年5月，国家发展和改革委员会（以下简称国家发展改革委）等四部委联合发布了旨在培育若干重点领域中全球领先的人工智能骨干企业的《“互联网+”人工智能三年行动实施方案》；2017年7月，国务院发布了旨在制定中国各阶段人工智能发展国家战略目标的《新一代人工智能发展规划》[54]；2017年12月，工业和信息化部（以下简称工信部）发布了旨在推进人工智能标志性产品在若干重点领域形成国际竞争优势的《促进新一代人工智能产业发展三年行动计划》[55]；2018年4月，教育部发布了旨在引导高等学校瞄准世界科技前沿，为我国新一代人工智能发展提供战略支撑的《高等学校人工智能创新行动计划》[56]；2018年10月31日，中共中央政治局就人工智能发展现状和趋势举行第九次集体学习，习近平总书记在主持学习时强调，要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，促进其同经济社会发展深度融合，推动我国新一代人工智能健康发展[57]。国家对于人工智能领域的高度重视、积极推进，也将有力助推此次人工智能浪潮，以至于有观点认为：这次人工智能浪潮能引起第四次工业革命[58]。