1.2 人工智能发展概述，跌宕起伏的60年
> 人工智能起源
人工智能（Artificial Intelligence，简称AI）一词缘于1956年8月美国达特茅斯学院的夏季研讨会。而在1955年8月的时候，“人工智能”在一份关于召开国际人工智能会议的提案中被提出，这份提案由东道主约翰·麦卡锡（John McCarthy）、哈佛大学的马文·明斯基（Marvin Minsky）、IBM的纳撒尼尔·罗切斯特（Nathaniel Rochester）、信息论的创始人克劳德·香农（Claude Shannon）联合递交。一年之后，在达特茅斯召开的第一次人工智能大会，而这次会议被认为是开辟了人工智能研究领域的历史性事件，所以一般来说，它的起源要从1956年算起。
> 人工智能
人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能的定义对人工智能学科的基本思想和内容作出了解释，即围绕智能活动而构造的人工系统。
人工智能是知识的工程，是机器模仿人类利用知识完成一定行为的过程。根据人工智能是否能真正实现推理、思考和解决问题，可以将人工智能分为弱人工智能和强人工智能。
> 弱人工智能
弱人工智能是指不能真正实现推理和解决问题的智能机器，这些机器表面看像是智能的，但是并不真正拥有智能，也不会有自主意识。
迄今为止的人工智能系统都还是实现特定功能的专用智能，而不是像人类智能那样能够不断适应复杂的新环境并不断涌现出新的功能，因此都还是弱人工智能。
目前的主流研究仍集中于弱人工智能，并取得了显著进步，如语音识别、图像处理和物体分割、机器翻译等方面取得了重大突破，甚至可以接近或超越人类水平。
> 强人工智能
强人工智能是指真正能思维的智能机器，并且认为这样的机器是有知觉的和自我意识的，这类机器可分为类人（机器的思考和推理类似人的思维）与非类人（机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式） 两大类。
从一般意义来说，达到人类水平的、能够自适应地应对外界环境挑战的、具有自我意识的人工智能称为“通用人工智能”、“强人工智能”或“类人智能”。
强人工智能不仅在哲学上存在巨大争论（涉及到思维与意识等根本问题的讨论），在技术上的研究也具有极大的挑战性。
强人工智能当前鲜有进展，大部分专家任务至少在未来几十年内难以实现。
> 图灵测试
1936年，哲学家阿尔弗雷德·艾耶尔思考心灵哲学问题：我们怎么知道其他人曾有同样的体验。在《语言，真理与逻辑》中，艾耶尔建议有意识的人类及无意识的机器之间的区别。
1950年，艾伦·图灵提出了著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。
图灵测试是人工智能哲学方面第一个严肃的提案。
> 图灵
艾伦·麦席森·图灵（Alan Mathison Turing，1912年6月23日－1954年6月7日），英国数学家、逻辑学家、密码学家、计算理论家，被称为计算机之父、人工智能之父。图灵提出的著名的图灵机模型为现代计算机的逻辑工作方式奠定了基础。
二战期间，他帮助英国军方破译德国著名的密码系统Enigma，帮助盟军取得了二战的胜利。
图灵奖（Turing Award）由美国计算机协会（ACM）于1966年设立，专门奖励那些对计算机事业作出重要贡献的个人。它是计算机界最负盛名、最崇高的一个奖项，有“计算机界的诺贝尔奖”之称。
> 人工智能发展史
人工智能发展史共有三次浪潮，而这三次浪潮代表了三个时代，其中给人最印象深刻的是三盘棋：1962年的国际跳棋、1997年的国际象棋、2016年的围棋。
西洋跳棋（Checkers）AI程序是由IBM公司的阿瑟·萨缪尔（Arthur Lee Samuel）研制的。
在1962年，它击败了当时全美最强的西洋棋选手之一的罗伯特·尼雷，震惊了世界。
它的核心技术是α-β剪枝搜索和自我对弈来学习评价函数。
1997 年5 月11 日，加里·卡斯帕罗夫以2.5:3.5 （1胜2负3平）输给了IBM公司的计算机程序“深蓝”，这一场人机大战又一次震惊了世界。
IBM公司在比赛后宣布深蓝退役。
1997年6月，深蓝在世界超级电脑中排名第259位，计算能力为每秒113.8亿次浮点运算，1997年版本的深蓝运算速度为每秒2亿步棋。
1997年的深蓝可搜寻及估计随后的12步棋，而一名人类象棋好手大约可估计随后的10步棋，因此深蓝获得了胜利。
2016年有关AlphaGo围棋博弈的事迹，我们已经在前面的人机对战部分详细介绍过，因此在这里不再赘述。
总的来说，这三次计算机战胜人类棋手的情况，都在当时引起了巨大的轰动，也引起了整个社会对人工智能的关注。
下图可以很好的反映人工智能的三次浪潮。
> 第一次人工智能热潮
第一次人工智能热潮是推理与搜索时代。
1956年，人工智能术语刚刚诞生，当时达特茅斯的夏季研讨会也是一次头脑风暴式的研讨会，整整持续了一个暑假。除了前面提到过的发起人，还有一些年轻的学者加入到这个会议中，包括所罗门诺夫、摩尔(Trenchard More)、撒缪尔(Arthur Samuel)、西蒙（Herbert Simon），他们在之后的人工智能研究中都做出了重要贡献。
在第一次人工智能热潮中，主要做的是求解迷宫问题、人机博弈、小游戏、自动定理证明等内容。
人工智能的权威马文·明斯基针对风靡一时的神经网络，指出了它在特定条件下的局限性，即不能解决异或问题。美国政府出台了一个报告（ALPAC负面报告），认为机器翻译在短期内将难有成果。大家逐渐明白，原来计算机智能解决是所谓的“玩具问题”（toy problem），因此，到20世纪70年代，第一次人工智能的严冬来袭。
> 第二次人工智能热潮
第二次人工智能热潮是知识时代。
在第二次人工智能热潮中，主要做的是人机对话。它和第一次浪潮中利用推理和搜索等简单规则不同，它仅仅依靠“知识”的支持。
这里有一个概念叫“专家系统”，专家系统是指引入某个专业领域的知识，再经过推理，计算机便能够像该领域的专家一样出色工作。
下面有两个例子，第一个是MYCIN系统，MYCIN系统是 20世纪70 年代初由斯坦福大学研制的，它是一种帮助医生对住院的血液感染患者进行诊断和选用抗菌素类药物进行治疗的人工智能，使用了人工智能的早期模拟决策系统，用来进行严重感染时的感染菌诊断以及抗生素给药推荐。第二个是DENDRAL系统，DENDRAL系统是20世纪60年代由爱德华·费根鲍姆开发的，它是一种帮助化学家判断某待定物质的分子结构的专家系统。
在20世纪80年代，日本提出了“第五代计算机”计划，但是在第二次人工智能退潮的时候，许多目标仍未实现。
知识导入使得计算机变得更聪明，但知识描述之复杂与困难超出了当初预想，知识的输入是无穷无尽的，因此到1995年左右开始，人工智能研究又一次迎来寒冬。
> 第三次人工智能热潮
第三次人工智能热潮是深度学习和大数据时代。
第三次人工智能热潮起源于2006年，杰弗里辛顿发表《一种深度置信网络的快速学习算法》论文，宣告深度学习时代的来到，而深度学习是在2010年前后兴起的，是建立在数十年的积累之上的。
1998年Google成立。2011年，Google Brain（谷歌大脑）开始建设。而且这个时代互联网迅猛发展，使得大数据成为现实，为深度学习的实现提供了很好的数据基础。从算力的角度上来讲，不光是CPU，GPU可以做到一个很好的并行处理，而Google公司更是研发了专为深度学习设计的TPU，使得深度学习的训练速度更快。还有计算机集群技术为人工智能的算力提供了物理基础。算法本身也取得了突破。深度学习的算法、数据和算力三者的结合使得机器可以自己从原始数据中去学习，促使第三次人工智能热潮的来临。国内高科技企业，比如阿里、百度、腾讯、华为、科大讯飞、今日头条、海康威视、京东、滴滴等等都建立了人工智能研究团队，各大高校也有自己人工智能领域的团队。
Last updated
