任务1.1 了解人工智能的发展历程

【任务描述】

了解人工智能的诞生，以及人工智能“三起两落”的发展历程。

【关键步骤】

（1）了解人工智能的起源。

（2）了解人工智能的诞生。

（3）了解人工智能的崛起与低谷。

1.人工智能的起源

人工智能自诞生之日已经发展几十年了，但是相对于历史悠久的数学、物理等学科，人工智能的历史比较短暂。现代的人工智能始于古典哲学家用机械符号处理的观点解释人类思考过程的尝试。1940年左右，基于抽象数学推理的可编程数字计算机的发明，使得一部分科学家开始探讨构造电子大脑的可能性。例如，德国哲学家莱布尼茨（Leibniz，见图1.1）猜测人类的思想可以简化为机械计算。

最初的人工智能的研究成果是20世纪30年代末到50年代初的一系列科学进展交汇的产物。神经学研究发现，大脑可视为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。美国应用数学家诺伯特·维纳（Norbert Wiener）的控制论描述了电子网络的可控性和稳定性。“信息学之父”克劳德·艾尔伍德·香农（Claude Elwood Shannon）提出的信息论描述了数字信号（高、低电平代表的二进制信号）。“计算机科学之父”艾伦·麦席森·图灵（Alan Mathison Turing）的计算理论证明，数字信号足以描述任何形式的计算。这些密切相关的想法暗示了构建电子大脑的可能性。

于是，这一时期出现了对机器人的研发，如美国神经病学家沃尔特（Walter William Grey）提出的“testudo”（拉丁文，意思为龟），还有“约翰·霍普金斯野兽”（Johns Hopkins Beast）。但这些机器其实并未使用计算机，而是单纯地使用了数字电路和符号推理，控制它们的是纯粹的模拟电路。

随后，美国数理逻辑学家沃尔特·皮茨（Walter Pitts）和心理学家沃伦·麦卡洛克（Warren McCulloch）一起研究出世界上第一个神经元网络模型，指出了它们进行简单逻辑运算的原理和机制，他们是最早描述所谓“神经网络”的学者。巧合的是， 1950年“人工智能之父”图灵发表了一篇跨时代的论文，文中预言了创造出具有真正智能的机器的可能性。由于注意到“智能”这一概念难以确切定义，他提出了著名的图灵测试，按照图灵的设想，如果一台机器能够与人类开展对话而不被辨别出机器身份，那么这台机器就具有智能。

2.人工智能的诞生

1956年，马文·明斯基（Marvin Lee Minsky，见图1.2）、约翰·麦卡锡（John McCarthy）、克劳德·艾尔伍德·香农等科学家组织了著名的达特茅斯会议。

会议的主要议题包括：自动计算机、如何为计算机编程使其能够使用语言、神经网络、计算规模理论、自我改进、抽象、随机性与创造性等，会议的研讨历经两个月之久，其中提及了“人工智能”一词，虽然这个词在当时并没有被所有与会科学家完全认可，但是这场会议依然预示着人工智能的诞生，1956年也成为人工智能元年。图1.3所示为美国达特茅斯学院。

之后，麦卡锡和明斯基搬到美国麻省理工学院（Massachusetts Institute of Technology, MIT），两人共同创建了世界上第一座人工智能实验室（MIT计算机科学与人工智能实验室的前身）。图1.4所示为达特茅斯会议参会者50年后再聚首。

3.人工智能的“三起两落”

（1）人工智能的第一次浪潮

达特茅斯会议之后，会议的与会者和业内专家都开始从学术角度对人工智能展开严肃而精专的研究，此后人工智能获得了井喷式的发展。从1966年到1972年，美国斯坦福国际研究所研制出移动机器人Shakey;1966年，美国麻省理工学院发明了一个可以和人对话的小程序ELIZA；弗兰克·罗森布拉特（Frank Rosenblatt）的第一个神经网络感知机模型也是在这一时期发明的。人工智能走上了快速发展的道路，迎来了属于它的第一次崛起。这也让很多研究者看到了机器向人工智能发展的可能，研究者们当时在私下交流或者公开发表的论文中都表达出了非常乐观的情绪，认为能够替代人类的智能机器将在20年内出现。美国国防部高级研究计划署等政府机构也向这个新兴领域投入了大量资金。图1.5所示为 IBM 702：第一代人工智能研究者使用的计算机。

（2）人工智能的第一次低谷

好景不长，20世纪70年代，人工智能陷入第一次低谷。由于研究者在人工智能的研究中对项目的难度预估错误，人工智能的发展开始面临各种技术瓶颈和难题，如计算机运算能力不足、计算的复杂性巨大、数据量的严重缺失等，人工智能开始遭受来自各方面的质疑。此前过于乐观的情绪让人们对其期望过高，当承诺无法兑现时，社会舆论带给人工智能研究的压力越来越大，很多研究经费被转移到其他项目上。1973年，英国应用数学家詹姆斯·莱特希尔（James Lighthill）针对英国人工智能的研究状况，对人工智能在实现“宏伟目标”上的失败进行了严肃批评，用“海市蜃楼”来表达对人工智能前景的悲观情绪。那段时间，人工智能遭受社会各界的“冷落”，并经历了长达6年的至暗时期。

（3）人工智能的第二次崛起

经历了挫折之后，人工智能的研究者们开始痛定思痛。1980年，美国卡内基梅隆大学为数字设备公司（DEC）设计了一个名为 XCON 的“专家系统”。这是一个具有完整的专业知识和经验的计算机智能系统，可以简单地理解为“知识库+推理机”的组合，它能够运用计算机系统配置的知识，依据用户的订货，自动地选出最合适的系统部件，同时能够智能地指出哪些是用户没涉及但必须加入的部件。XCON一问世就获得了巨大的成功，从1980年投入使用到1986年，XCON一共处理了大约8万个订单，它到底为DEC公司省了多少钱，一直是业内的一个谜，其中一个说法是一年省了4 000万美元。在那一时期，世界各地纷纷开始部署商业的专家系统。到1985年，各家公司在人工智能上的总投入超过10亿美元。人工智能再一次获得了发展的机会，迎来了第二次崛起。

1982年，美国加州理工学院物理学家约翰·霍普菲尔德（John Hopfield）证明了一种新型的神经网络能够用一种全新的方式学习和处理信息，这就是Hopfield网络（见图1.6），这对人工智能的发展再次起到了推进作用。1986年，反向传播算法也得到了极大推广，时至今日，它依然是训练人工神经网络最常用且最有效的算法之一。

（4）人工智能的第二次低谷

可悲的是，1987年至1993年，人工智能再次陷入低谷。1987年，人工智能硬件的市场需求突然下跌，而Apple公司和IBM公司生产的台式机性能不断提升，甚至超过了Symbolics等厂商生产的昂贵的LISP机。曾经大获成功的“专家系统”因维护费用居高不下而难以升级，知识获取和推理能力等方面陆续显现很多的不足，导致其难以使用，于是“专家系统”风光不再。20世纪90年代，各机构开始大幅削减对人工智能的资助，甚至美国国防部高级研究计划署等政府机构的新任领导也认为，人工智能并非“下一个浪潮”，因此将资金转而投向更容易出成果的项目。

（5）人工智能的第三次崛起

自1993年至今，人工智能领域的研究专家发现，如果能让计算机自己学知识，而不是让专家设计出知识，就可以很好地解决知识获取问题。于是，“机器学习”的概念成为业界关注的焦点，各种机器学习的方法被应用在人工智能技术中，饱经挫折的人工智能又开始逐渐复苏。1997年5月，IBM的“深蓝”超级计算机（见图1.7）战胜了国际象棋世界冠军卡斯帕罗夫（Kasparov）;2016年3月，AlphaGo击败了韩国围棋大师李世石；2017年5月，AlphaGo在中国乌镇围棋峰会的3局比赛中又击败了当时世界排名第一的中国棋手柯洁。这些事件拉开了人工智能的第三次浪潮，成为人工智能发展的重要里程碑。

随着人类在人工智能各个领域上取得的突破性进展，以及“深度学习之父”在神经网络方向上取得的巨大成就，人类看到了机器赶超人类的希望。近几年，人工智能的发展已经达到了一个高潮，谷歌、微软、百度等互联网巨头公司，都纷纷加入人工智能产品的战场。随着技术的日趋成熟和大众的广泛接受，最先进的神经网络结构在一些领域的识别甚至已经超过了人类平均的准确率。人工智能伴随着机器学习和深度学习的飞速前进，迎来了全新的宏伟突破。