先不管 Google 的 AlphaGo 人工智能是否可以在即將到來的人機對戰(zhàn)中取勝，它的出現(xiàn)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(xí)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(lǐng)域經(jīng)歷了一次又一次的繁榮與低谷。在 AlphaGo 即將創(chuàng)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(xiàn)

看過《模仿游戲》這部電影的讀者，應(yīng)該對劇中圖靈制造破譯德軍密碼機器的環(huán)節(jié)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(nèi)，數(shù)學(xué)、心理學(xué)、工程學(xué)、經(jīng)濟學(xué)、政治學(xué)等領(lǐng)域的科學(xué)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(shè)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(yù)言了創(chuàng)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(jīng)過接近 10 年的發(fā)展后，國際象棋程序已經(jīng)可以挑戰(zhàn)具有相當(dāng)水平的業(yè)余愛好者，而人工智能游戲也被當(dāng)著衡量人工智能進展的標準之一。

1956年，在達特茅斯學(xué)院舉行的一次會議上，計算機科學(xué)家約翰·麥卡錫說服與會者接受“人工智能”一詞作為本領(lǐng)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(fā)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(nèi)，計算機被用來解決代數(shù)應(yīng)用題、證明幾何定理、學(xué)習(xí)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(fā)出完全智能的機器信心倍增。當(dāng)時，人工智能研究者們甚至認為：“二十年內(nèi)，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(xué)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(nèi)基梅隆大學(xué)、斯坦福大學(xué)、愛丁堡大學(xué)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(gòu)的大筆資金。不過，這些投入?yún)s并沒有讓當(dāng)時的樂觀預(yù)言得以實現(xiàn)。

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(dǎo)致承諾無法兌現(xiàn)外，還讓人們當(dāng)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(jīng)費也被轉(zhuǎn)移到那些目標明確的特定項目上。

在當(dāng)時，由于計算機性能的瓶頸、計算復(fù)雜性的指數(shù)級增長、數(shù)據(jù)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(jīng)比較常見的機器視覺功能在當(dāng)時就不可能找到一個足夠大的數(shù)據(jù)庫來支撐程序去學(xué)習(xí)，機器無法吸收足夠的數(shù)據(jù)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(xiàn)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(fā)展

小時候看電視時，不少節(jié)目都給我留下了“日本的機器人技術(shù)比中國先進”的印象，其實這并不是憑空發(fā)生的。1981年，日本經(jīng)濟產(chǎn)業(yè)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(yīng)，開始向 AI 和信息技術(shù)領(lǐng)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(tǒng)”的人工智能程序。這套系統(tǒng)可以簡單理解為“知識庫+推理機”，是一類具有專門知識和經(jīng)驗的計算機智能程序系統(tǒng)，“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(nèi)基·梅隆大學(xué)為數(shù)字設(shè)備公司設(shè)計了一個名為 XCON 的專家系統(tǒng)，這套系統(tǒng)在 1986 年之前能為公司每年節(jié)省四千萬美元。有了商業(yè)模式，相關(guān)產(chǎn)業(yè)自然應(yīng)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(tǒng)產(chǎn)業(yè)的價值就有 5 億美元。

人工智能的第二次低谷

好景不長，持續(xù) 7 年左右的人工智能繁榮很快就接近了尾聲。到 1987 年時，蘋果和 IBM 生產(chǎn)的臺式機性能都超過了 Symbolics 等廠商生產(chǎn)的通用型計算機，專家系統(tǒng)自然風(fēng)光不再。

到 80 年代晚期，DARPA 的新任領(lǐng)導(dǎo)認為人工智能并不是“下一個浪潮”；1991 年，人們發(fā)現(xiàn)日本人設(shè)定的“第五代工程”也沒能實現(xiàn)。這些事實情況讓人們從對“專家系統(tǒng)”的狂熱追捧中一步步走向失望。人工智能研究再次遭遇經(jīng)費危機。

人工智能最近的一個階段：從 1993 年到現(xiàn)在

現(xiàn)在大家談到人工智能、機器學(xué)習(xí)時，往往會說這并不是一個新概念，在上世紀 90 年代就有了。事實上，這只是人工智能發(fā)展史上離大家最近的一個階段。

深藍機組之一

在這個階段，人工智能其實取得了一些里程碑似的成果。比如在 1997 年，IBM 的深藍戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫；2009 年，洛桑聯(lián)邦理工學(xué)院發(fā)起的藍腦計劃聲稱已經(jīng)成功地模擬了部分鼠腦；以及即將到來的 AlphaGo 圍棋大戰(zhàn)。

最近這幾年，機器學(xué)習(xí)、圖像識別這些人工智能技術(shù)更是被用到了普通人的實際生活中。我們可以在 Google Photos 中更快地找到包含貓貓狗狗的圖片，可以讓 Google Now 自動推送給我可能需要的信息，可以讓 Inbox 自動撰寫郵件回復(fù)。這背后都離不開人工智能研究者們的長久努力。

不過，讓人們唏噓的是“實現(xiàn)人類水平的智能”這個在上世紀 60 年代就提出的課題至今仍然沒有答案，而且我們現(xiàn)在也難以預(yù)測何時會有結(jié)果。人工智能雖然可以在某些方面超越人類，但想讓機器完成人類能做到的一切工作，這個目標看上去仍然遙遙無期。

題圖來自：豆瓣

以上是由福州網(wǎng)站建設(shè)的小編為你分享了"不了解一下人工智能的發(fā)展歷史，又怎么能看明"文章，如果你在這方面有什么問題，隨時聯(lián)系我們