人工智能的歷史源遠(yuǎn)流長。在古代的神話傳說中，技藝高超的工匠可以制作人造人，并為其賦予智能或意識?，F(xiàn)代意義上的AI始于古典哲學(xué)家用機(jī)械符號處理的觀點(diǎn)解釋人類思考過程的嘗試。20世紀(jì)40年代基于抽象數(shù)學(xué)推理的可編程數(shù)字計(jì)算機(jī)的發(fā)明使一批科學(xué)家開始嚴(yán)肅地探討構(gòu)造一個電子大腦的可能性。

茂名ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)建站的ssl證書銷售渠道，可以享受市場價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18980820575（備注：SSL證書合作）期待與您的合作！

1956年，在達(dá)特茅斯學(xué)院舉行的一次會議上正式確立了人工智能的研究領(lǐng)域。會議的參加者在接下來的數(shù)十年間是AI研究的領(lǐng)軍人物。他們中有許多人預(yù)言，經(jīng)過一代人的努力，與人類具有同等智能水平的機(jī)器將會出現(xiàn)。同時(shí)，上千萬美元被投入到AI研究中，以期實(shí)現(xiàn)這一目標(biāo)。

最終研究人員發(fā)現(xiàn)自己大大低估了這一工程的難度。由于James Lighthill爵士的批評和國會方面的壓力，美國和英國政府于1973年停止向沒有明確目標(biāo)的人工智能研究項(xiàng)目撥款。七年之后受到日本政府研究規(guī)劃的刺激，美國政府和企業(yè)再次在AI領(lǐng)域投入數(shù)十億研究經(jīng)費(fèi)，但這些投資者在80年代末重新撤回了投資。AI研究領(lǐng)域諸如此類的高潮和低谷不斷交替出現(xiàn);至今仍有人對AI的前景作出異常樂觀的預(yù)測。

盡管在政府官僚和風(fēng)投資本家那里經(jīng)歷了大起大落，AI領(lǐng)域仍在取得進(jìn)展。某些在20世紀(jì)70年代被認(rèn)為不可能解決的問題今天已經(jīng)獲得了圓滿解決并已成功應(yīng)用在商業(yè)產(chǎn)品上。與第一代AI研究人員的樂觀估計(jì)不同，具有與人類同等智能水平的機(jī)器至今仍未出現(xiàn)。圖靈在1950年發(fā)表的一篇催生現(xiàn)代智能機(jī)器研究的著名論文中稱，“我們只能看到眼前的一小段距離……但是，我們可以看到仍有許多工作要做”。

目錄

1 先驅(qū)

1.1 神話，幻想和預(yù)言中的AI

1.2 自動人偶

1.3 形式推理

1.4 計(jì)算機(jī)科學(xué)

2 人工智能的誕生：1943 – 1956

2.1 控制論與早期神經(jīng)網(wǎng)絡(luò)

2.2 游戲AI

2.3 圖靈測試

2.4 符號推理與“邏輯理論家”程序

2.5 1956年達(dá)特茅斯會議：AI的誕生

3 黃金年代：1956 – 1974

3.1 研究工作

3.1.1 搜索式推理

3.1.2 自然語言

3.1.3 微世界

3.2 樂觀思潮

3.3 經(jīng)費(fèi)

4 第一次AI低谷：1974 – 1980

4.1 問題

4.2 停止撥款

4.3 來自大學(xué)的批評

4.4 感知器與聯(lián)結(jié)主義遭到冷落

4.5 “簡約派(the neats)”：邏輯，Prolog語言和專家系統(tǒng)

4.6 “蕪雜派(the scruffies)”：框架和腳本

5 繁榮：1980 – 1987

5.1 專家系統(tǒng)獲得賞識

5.2 知識革命

5.3 重獲撥款：第五代工程

5.4 聯(lián)結(jié)主義的重生

6 第二次AI低谷：1987 – 1993

6.1 AI之冬

6.2 軀體的重要性：Nouvelle AI與嵌入式推理

7 AI：1993 – 現(xiàn)在

7.1 里程碑和摩爾定律

7.2 智能代理

7.3 “簡約派”的勝利

7.4 幕后的AI

7.5 HAL 9000在哪里?

先驅(qū)

McCorduck寫道：“某種形式上的人工智能是一個遍布于西方知識分子歷史的觀點(diǎn)，是一個急需被實(shí)現(xiàn)的夢想，”先民對人工智能的追求表現(xiàn)在諸多神話，傳說，故事，預(yù)言以及制作機(jī)器人偶(automaton)的實(shí)踐之中。

神話，幻想和預(yù)言中的AI

希臘神話中已經(jīng)出現(xiàn)了機(jī)械人和人造人,如赫淮斯托斯的黃金機(jī)器人和皮格馬利翁的伽拉忒亞。中世紀(jì)出現(xiàn)了使用巫術(shù)或煉金術(shù)將意識賦予無生命物質(zhì)的傳說,如賈比爾的Takwin,帕拉塞爾蘇斯的何蒙庫魯茲和Judah Loew的魔像。19世紀(jì)的幻想小說中出現(xiàn)了人造人和會思考的機(jī)器之類題材，例如瑪麗·雪萊的《弗蘭肯斯坦》和卡雷爾·恰佩克的《羅素姆的萬能機(jī)器人》。Samuel Butler的《機(jī)器中的達(dá)爾文(Darwin among the Machines)》一文(1863)探討了機(jī)器通過自然選擇進(jìn)化出智能的可能性。至今人工智能仍然是科幻小說的重要元素。

自動人偶

加扎利的可編程自動人偶(1206年)

許多文明中都有創(chuàng)造自動人偶的杰出工匠，例如偃師(中國西周)，希羅(希臘)，加扎利和Wolfgang von Kempelen 等等。已知最古老的“機(jī)器人”是古埃及和古希臘的圣像，忠實(shí)的信徒認(rèn)為工匠為這些神像賦予了思想，使它們具有智慧和激情。赫耳墨斯·特里斯墨吉斯忒斯(Hermes Trismegistus)寫道“當(dāng)發(fā)現(xiàn)神的本性時(shí)，人就能夠重現(xiàn)他”。

形式推理

人工智能的基本假設(shè)是人類的思考過程可以機(jī)械化。對于機(jī)械化推理(即所謂“形式推理(formal reasoning)”)的研究已有很長歷史。中國，印度和希臘哲學(xué)家均已在公元前的第一個千年里提出了形式推理的結(jié)構(gòu)化方法。他們的想法為后世的哲學(xué)家所繼承和發(fā)展，其中著名的有亞里士多德(對三段論邏輯進(jìn)行了形式分析)，歐幾里得(其著作《幾何原本》是形式推理的典范)，花剌子密(代數(shù)學(xué)的先驅(qū)，“algorithm”一詞由他的名字演變而來)以及一些歐洲經(jīng)院哲學(xué)家，如奧卡姆的威廉和鄧斯·司各脫。

馬略卡哲學(xué)家拉蒙·柳利(1232-1315)開發(fā)了一些“邏輯機(jī)”，試圖通過邏輯方法獲取知識。 柳利的機(jī)器能夠?qū)⒒镜?，無可否認(rèn)的真理通過機(jī)械手段用簡單的邏輯操作進(jìn)行組合，以求生成所有可能的知識。Llull的工作對萊布尼茲產(chǎn)生了很大影響，后者進(jìn)一步發(fā)展了他的思想。

萊布尼茲猜測人類的思想可以簡化為機(jī)械計(jì)算

在17世紀(jì)中，萊布尼茲，托馬斯·霍布斯和笛卡兒嘗試將理性的思考系統(tǒng)化為代數(shù)學(xué)或幾何學(xué)那樣的體系?；舨妓乖谄渲鳌独S坦》中有一句名言：“推理就是計(jì)算(reason is nothing but reckoning)。” 萊布尼茲設(shè)想了一種用于推理的普適語言(他的通用表意文字)，能將推理規(guī)約為計(jì)算，從而使“哲學(xué)家之間，就像會計(jì)師之間一樣，不再需要爭辯。他們只需拿出鉛筆放在石板上，然后向?qū)Ψ秸f(如果想要的話，可以請一位朋友作為證人)：‘我們開始算吧?！?這些哲學(xué)家已經(jīng)開始明確提出形式符號系統(tǒng)的假設(shè)，而這一假設(shè)將成為AI研究的指導(dǎo)思想。

在20世紀(jì)，數(shù)理邏輯研究上的突破使得人工智能好像呼之欲出。這方面的基礎(chǔ)著作包括布爾的《思維的定律》與弗雷格的《概念文字》。基于弗雷格的系統(tǒng)，羅素和懷特海在他們于1913年出版的巨著《數(shù)學(xué)原理》中對數(shù)學(xué)的基礎(chǔ)給出了形式化描述。這一成就激勵了希爾伯特，后者向20世紀(jì)20年代和30年代的數(shù)學(xué)家提出了一個基礎(chǔ)性的難題：“能否將所有的數(shù)學(xué)推理形式化?” 這個問題的最終回答由哥德爾不完備定理，圖靈機(jī)和Alonzo Church的λ演算給出。他們的答案令人震驚：首先，他們證明了數(shù)理邏輯的局限性;其次(這一點(diǎn)對AI更重要)，他們的工作隱含了任何形式的數(shù)學(xué)推理都能在這些限制之下機(jī)械化的可能性。

邱奇-圖靈論題暗示，一臺僅能處理0和1這樣簡單二元符號的機(jī)械設(shè)備能夠模擬任意數(shù)學(xué)推理過程。這里最關(guān)鍵的靈感是圖靈機(jī)：這一看似簡單的理論構(gòu)造抓住了抽象符號處理的本質(zhì)。這一創(chuàng)造激發(fā)科學(xué)家們探討讓機(jī)器思考的可能。

計(jì)算機(jī)科學(xué)

用于計(jì)算的機(jī)器古已有之;歷史上許多數(shù)學(xué)家對其作出了改進(jìn)。19世紀(jì)初，查爾斯·巴貝奇設(shè)計(jì)了一臺可編程計(jì)算機(jī)(“分析機(jī)”)，但未能建造出來。愛達(dá)·勒芙蕾絲預(yù)言，這臺機(jī)器“將創(chuàng)作出無限復(fù)雜，無限寬廣的精妙的科學(xué)樂章”。(她常被認(rèn)為是第一個程序員，因?yàn)樗粝碌囊恍┕P記完整地描述了使用這一機(jī)器計(jì)算伯努利數(shù)的方法。)

第一批現(xiàn)代計(jì)算機(jī)是二戰(zhàn)期間建造的大型譯碼機(jī)(包括Z3，ENIAC和Colossus等)。后兩個機(jī)器的理論基礎(chǔ)是圖靈和約翰·馮·諾伊曼提出和發(fā)展的學(xué)說。

在摩爾學(xué)校的電氣工程的ENIAC計(jì)算機(jī).

人工智能的誕生：1943 – 1956

在20世紀(jì)40年代和50年代，來自不同領(lǐng)域(數(shù)學(xué)，心理學(xué)，工程學(xué)，經(jīng)濟(jì)學(xué)和政治學(xué))的一批科學(xué)家開始探討制造人工大腦的可能性。1956年，人工智能被確立為一門學(xué)科。

控制論與早期神經(jīng)網(wǎng)絡(luò)

最初的人工智能研究是30年代末到50年代初的一系列科學(xué)進(jìn)展交匯的產(chǎn)物。神經(jīng)學(xué)研究發(fā)現(xiàn)大腦是由神經(jīng)元組成的電子網(wǎng)絡(luò)，其激勵電平只存在“有”和“無”兩種狀態(tài)，不存在中間狀態(tài)。維納的控制論描述了電子網(wǎng)絡(luò)的控制和穩(wěn)定性?？藙诘隆は戕r(nóng)提出的信息論則描述了數(shù)字信號(即高低電平代表的二進(jìn)制信號)。圖靈的計(jì)算理論證明數(shù)字信號足以描述任何形式的計(jì)算。這些密切相關(guān)的想法暗示了構(gòu)建電子大腦的可能性。

IBM 702:第一代AI研究者使用的電腦.

這一階段的工作包括一些機(jī)器人的研發(fā)，例如W。Grey Walter的“烏龜(turtles)”，還有“約翰霍普金斯獸”(Johns Hopkins Beast)。這些機(jī)器并未使用計(jì)算機(jī)，數(shù)字電路和符號推理;控制它們的是純粹的模擬電路。

Walter Pitts和Warren McCulloch分析了理想化的人工神經(jīng)元網(wǎng)絡(luò)，并且指出了它們進(jìn)行簡單邏輯運(yùn)算的機(jī)制。他們是最早描述所謂“神經(jīng)網(wǎng)絡(luò)”的學(xué)者。馬文·閔斯基是他們的學(xué)生，當(dāng)時(shí)是一名24歲的研究生。1951年他與Dean Edmonds一道建造了第一臺神經(jīng)網(wǎng)絡(luò)機(jī)，稱為SNARC。在接下來的五十年中，閔斯基是AI領(lǐng)域最重要的領(lǐng)導(dǎo)者和創(chuàng)新者之一。

游戲AI

1951年，Christopher Strachey使用曼徹斯特大學(xué)的Ferranti Mark 1機(jī)器寫出了一個西洋跳棋(checkers)程序;Dietrich Prinz則寫出了一個國際象棋程序。Arthur Samuel在五十年代中期和六十年代初開發(fā)的國際象棋程序的棋力已經(jīng)可以挑戰(zhàn)具有相當(dāng)水平的業(yè)余愛好者。游戲AI一直被認(rèn)為是評價(jià)AI進(jìn)展的一種標(biāo)準(zhǔn)。

圖靈測試

1950年，圖靈發(fā)表了一篇劃時(shí)代的論文，文中預(yù)言了創(chuàng)造出具有真正智能的機(jī)器的可能性。由于注意到“智能”這一概念難以確切定義，他提出了著名的圖靈測試：如果一臺機(jī)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(jī)器身份，那么稱這臺機(jī)器具有智能。這一簡化使得圖靈能夠令人信服地說明“思考的機(jī)器”是可能的。論文中還回答了對這一假說的各種常見質(zhì)疑。圖靈測試是人工智能哲學(xué)方面第一個嚴(yán)肅的提案。

符號推理與“邏輯理論家”程序

50年代中期，隨著數(shù)字計(jì)算機(jī)的興起，一些科學(xué)家直覺地感到可以進(jìn)行數(shù)字操作的機(jī)器也應(yīng)當(dāng)可以進(jìn)行符號操作，而符號操作可能是人類思維的本質(zhì)。這是創(chuàng)造智能機(jī)器的一條新路。

1955年，Newell和(后來榮獲諾貝爾獎的)Simon在J. C. Shaw的協(xié)助下開發(fā)了“邏輯理論家(Logic Theorist)”。這個程序能夠證明《數(shù)學(xué)原理》中前52個定理中的38個，其中某些證明比原著更加新穎和精巧。Simon認(rèn)為他們已經(jīng)“解決了神秘的心/身問題，解釋了物質(zhì)構(gòu)成的系統(tǒng)如何獲得心靈的性質(zhì)?！?(這一斷言的哲學(xué)立場后來被John Searle稱為“強(qiáng)人工智能”，即機(jī)器可以像人一樣具有思想。)

1956年達(dá)特茅斯會議：AI的誕生

1956年達(dá)特矛斯會議的組織者是Marvin Minsky，約翰·麥卡錫和另兩位資深科學(xué)家Claude Shannon以及Nathan Rochester，后者來自IBM。會議提出的斷言之一是“學(xué)習(xí)或者智能的任何其他特性的每一個方面都應(yīng)能被精確地加以描述，使得機(jī)器可以對其進(jìn)行模擬?！?與會者包括Ray Solomonoff，Oliver Selfridge，Trenchard More，Arthur Samuel，Newell和Simon，他們中的每一位都將在AI研究的第一個十年中作出重要貢獻(xiàn)。會上紐厄爾和西蒙討論了“邏輯理論家”，而麥卡錫則說服與會者接受“人工智能”一詞作為本領(lǐng)域的名稱。1956年達(dá)特矛斯會議上AI的名稱和任務(wù)得以確定，同時(shí)出現(xiàn)了最初的成就和最早的一批研究者，因此這一事件被廣泛承認(rèn)為AI誕生的標(biāo)志。

黃金年代：1956 – 1974

達(dá)特茅斯會議之后的數(shù)年是大發(fā)現(xiàn)的時(shí)代。對許多人而言，這一階段開發(fā)出的程序堪稱神奇：計(jì)算機(jī)可以解決代數(shù)應(yīng)用題，證明幾何定理，學(xué)習(xí)和使用英語。當(dāng)時(shí)大多數(shù)人幾乎無法相信機(jī)器能夠如此“智能”。研究者們在私下的交流和公開發(fā)表的論文中表達(dá)出相當(dāng)樂觀的情緒，認(rèn)為具有完全智能的機(jī)器將在二十年內(nèi)出現(xiàn)。 ARPA(國防高等研究計(jì)劃署)等政府機(jī)構(gòu)向這一新興領(lǐng)域投入了大筆資金。

研究工作

從50年代后期到60年代涌現(xiàn)了大批成功的AI程序和新的研究方向。下面列舉其中最具影響的幾個。

搜索式推理

許多AI程序使用相同的基本算法。為實(shí)現(xiàn)一個目標(biāo)(例如贏得游戲或證明定理)，它們一步步地前進(jìn)，就像在迷宮中尋找出路一般;如果遇到了死胡同則進(jìn)行回溯。這就是“搜索式推理”。

這一思想遇到的主要困難是，在很多問題中，“迷宮”里可能的線路總數(shù)是一個天文數(shù)字(所謂“指數(shù)爆炸”)。研究者使用啟發(fā)式算法去掉那些不太可能導(dǎo)出正確答案的支路，從而縮小搜索范圍。

Newell和Simon試圖通過其“通用解題器(General Problem Solver)”程序，將這一算法推廣到一般情形。另一些基于搜索算法證明幾何與代數(shù)問題的程序也給人們留下了深刻印象，例如Herbert Gelernter的幾何定理證明機(jī)(1958)和Minsky的學(xué)生James Slagle開發(fā)的SAINT(1961)。還有一些程序通過搜索目標(biāo)和子目標(biāo)作出決策，如斯坦福大學(xué)為控制機(jī)器人Shakey而開發(fā)的STRIPS系統(tǒng)。

自然語言

AI研究的一個重要目標(biāo)是使計(jì)算機(jī)能夠通過自然語言(例如英語)進(jìn)行交流。早期的一個成功范例是Daniel Bobrow的程序STUDENT，它能夠解決高中程度的代數(shù)應(yīng)用題。

一個語義網(wǎng)的例子

如果用節(jié)點(diǎn)表示語義概念(例如“房子”，“門”)，用節(jié)點(diǎn)間的連線表示語義關(guān)系(例如“有 — 一個”)，就可以構(gòu)造出“語義網(wǎng)(semantic net)”。第一個使用語義網(wǎng)的AI程序由Ross Quillian開發(fā);[54] 而最為成功(也是最有爭議)的一個則是Roger Schank的“概念關(guān)聯(lián)(Conceptual Dependency)”。

Joseph Weizenbaum的ELIZA是第一個聊天機(jī)器人，可能也是最有趣的會說英語的程序。與ELIZA“聊天”的用戶有時(shí)會誤以為自己是在和人類，而不是和一個程序，交談。但是實(shí)際上ELIZA根本不知道自己在說什么。它只是按固定套路作答，或者用符合語法的方式將問題復(fù)述一遍。

微世界

60年代后期，麻省理工大學(xué)AI實(shí)驗(yàn)室的Marvin Minsky和Seymour Papert建議AI研究者們專注于被稱為“微世界”的簡單場景。他們指出在成熟的學(xué)科中往往使用簡化模型幫助基本原則的理解，例如物理學(xué)中的光滑平面和完美剛體。許多這類研究的場景是“積木世界”，其中包括一個平面，上面擺放著一些不同形狀，尺寸和顏色的積木。

在這一指導(dǎo)思想下，Gerald Sussman(研究組長)，Adolfo Guzman，David Waltz(“約束傳播(constraint propagation)”的提出者)，特別是Patrick Winston等人在機(jī)器視覺領(lǐng)域作出了創(chuàng)造性貢獻(xiàn)。同時(shí)，Minsky和Papert制作了一個會搭積木的機(jī)器臂，從而將“積木世界”變?yōu)楝F(xiàn)實(shí)。微世界程序的最高成就是Terry Winograd的SHRDLU，它能用普通的英語句子與人交流，還能作出決策并執(zhí)行操作。

樂觀思潮

第一代AI研究者們曾作出了如下預(yù)言:

1958年，H. A. Simon，Allen Newell：“十年之內(nèi)，數(shù)字計(jì)算機(jī)將成為國際象棋世界冠軍?！?“十年之內(nèi)，數(shù)字計(jì)算機(jī)將發(fā)現(xiàn)并證明一個重要的數(shù)學(xué)定理?！?/p>

1965年，H. A. Simon：“二十年內(nèi)，機(jī)器將能完成人能做到的一切工作?！?/p>

1967年，Marvin Minsky：“一代之內(nèi)……創(chuàng)造‘人工智能’的問題將獲得實(shí)質(zhì)上的解決?！?/p>

1970年，Marvin Minsky：“在三到八年的時(shí)間里我們將得到一臺具有人類平均智能的機(jī)器?！?/p>

經(jīng)費(fèi)

1963年6月，MIT從新建立的ARPA(即后來的DARPA，國防高等研究計(jì)劃局)獲得了二百二十萬美元經(jīng)費(fèi)，用于資助MAC工程，其中包括Minsky和McCarthy五年前建立的AI研究組。此后ARPA每年提供三百萬美元，直到七十年代為止。ARPA還對Newell和Simon在卡內(nèi)基梅隆大學(xué)的工作組以及斯坦福大學(xué)AI項(xiàng)目(由John McCarthy于1963年創(chuàng)建)進(jìn)行類似的資助。另一個重要的AI實(shí)驗(yàn)室于1965年由Donald Michie在愛丁堡大學(xué)建立。[65]在接下來的許多年間，這四個研究機(jī)構(gòu)一直是AI學(xué)術(shù)界的研究(和經(jīng)費(fèi))中心。

經(jīng)費(fèi)幾乎是無條件地提供的：時(shí)任ARPA主任的J. C. R. Licklider相信他的組織應(yīng)該“資助人，而不是項(xiàng)目”，并且允許研究者去做任何感興趣的方向。這導(dǎo)致了MIT無約無束的研究氛圍及其hacker文化的形成，但是好景不長。

第一次AI低谷：1974 – 1980

到了70年代，AI開始遭遇批評，隨之而來的還有資金上的困難。AI研究者們對其課題的難度未能作出正確判斷：此前的過于樂觀使人們期望過高，當(dāng)承諾無法兌現(xiàn)時(shí)，對AI的資助就縮減或取消了。同時(shí)，由于Marvin Minsky對感知器的激烈批評，聯(lián)結(jié)主義(即神經(jīng)網(wǎng)絡(luò))銷聲匿跡了十年。70年代后期，盡管遭遇了公眾的誤解，AI在邏輯編程，常識推理等一些領(lǐng)域還是有所進(jìn)展。

問題

70年代初，AI遭遇了瓶頸。即使是最杰出的AI程序也只能解決它們嘗試解決的問題中最簡單的一部分，也就是說所有的AI程序都只是“玩具”。AI研究者們遭遇了無法克服的基礎(chǔ)性障礙。盡管某些局限后來被成功突破，但許多至今仍無法滿意地解決。

計(jì)算機(jī)的運(yùn)算能力。當(dāng)時(shí)的計(jì)算機(jī)有限的內(nèi)存和處理速度不足以解決任何實(shí)際的AI問題。例如，Ross Quillian在自然語言方面的研究結(jié)果只能用一個含二十個單詞的詞匯表進(jìn)行演示，因?yàn)閮?nèi)存只能容納這么多。1976年Hans Moravec指出，計(jì)算機(jī)離智能的要求還差上百萬倍。他做了個類比：人工智能需要強(qiáng)大的計(jì)算能力，就像飛機(jī)需要大功率動力一樣，低于一個門限時(shí)是無法實(shí)現(xiàn)的;但是隨著能力的提升，問題逐漸會變得簡單。

計(jì)算復(fù)雜性和指數(shù)爆炸。1972年Richard Karp根據(jù)Stephen Cook于1971年提出的Cook-Levin理論證明，許多問題只可能在指數(shù)時(shí)間內(nèi)獲解(即，計(jì)算時(shí)間與輸入規(guī)模的冪成正比)。除了那些最簡單的情況，這些問題的解決需要近乎無限長的時(shí)間。這就意味著AI中的許多玩具程序恐怕永遠(yuǎn)也不會發(fā)展為實(shí)用的系統(tǒng)。

常識與推理。許多重要的AI應(yīng)用，例如機(jī)器視覺和自然語言，都需要大量對世界的認(rèn)識信息。程序應(yīng)該知道它在看什么，或者在說些什么。這要求程序?qū)@個世界具有兒童水平的認(rèn)識。研究者們很快發(fā)現(xiàn)這個要求太高了：1970年沒人能夠做出如此巨大的數(shù)據(jù)庫，也沒人知道一個程序怎樣才能學(xué)到如此豐富的信息。

莫拉維克悖論。證明定理和解決幾何問題對計(jì)算機(jī)而言相對容易，而一些看似簡單的任務(wù)，如人臉識別或穿過屋子，實(shí)現(xiàn)起來卻極端困難。這也是70年代中期機(jī)器視覺和機(jī)器人方面進(jìn)展緩慢的原因。

框架和資格問題。采取邏輯觀點(diǎn)的AI研究者們(例如John McCarthy)發(fā)現(xiàn)，如果不對邏輯的結(jié)構(gòu)進(jìn)行調(diào)整，他們就無法對常見的涉及自動規(guī)劃(planning or default reasoning)的推理進(jìn)行表達(dá)。為解決這一問題，他們發(fā)展了新邏輯學(xué)(如非單調(diào)邏輯(non-monotonic logics)和模態(tài)邏輯(modal logics))。

停止撥款

由于缺乏進(jìn)展，對AI提供資助的機(jī)構(gòu)(如英國政府，DARPA和NRC)對無方向的AI研究逐漸停止了資助。早在1966年ALPAC(Automatic Language Processing Advisory Committee，自動語言處理顧問委員會)的報(bào)告中就有批評機(jī)器翻譯進(jìn)展的意味，預(yù)示了這一局面的來臨。NRC(National Research Council，美國國家科學(xué)委員會)在撥款二千萬美元后停止資助。1973年Lighthill針對英國AI研究狀況的報(bào)告批評了AI在實(shí)現(xiàn)其“宏偉目標(biāo)”上的完全失敗，并導(dǎo)致了英國AI研究的低潮(該報(bào)告特別提到了指數(shù)爆炸問題，以此作為AI失敗的一個原因)。DARPA則對CMU的語音理解研究項(xiàng)目深感失望，從而取消了每年三百萬美元的資助。到了1974年已經(jīng)很難再找到對AI項(xiàng)目的資助。

Hans Moravec將批評歸咎于他的同行們不切實(shí)際的預(yù)言：“許多研究者落進(jìn)了一張日益浮夸的網(wǎng)中”。還有一點(diǎn)，自從1969年Mansfield修正案通過后，DARPA被迫只資助“具有明確任務(wù)方向的研究，而不是無方向的基礎(chǔ)研究”。60年代那種對自由探索的資助一去不復(fù)返;此后資金只提供給目標(biāo)明確的特定項(xiàng)目，比如自動坦克，或者戰(zhàn)役管理系統(tǒng)。

來自大學(xué)的批評

一些哲學(xué)家強(qiáng)烈反對AI研究者的主張。其中最早的一個是John Lucas，他認(rèn)為哥德爾不完備定理已經(jīng)證明形式系統(tǒng)(例如計(jì)算機(jī)程序)不可能判斷某些陳述的真理性，但是人類可以。Hubert Dreyfus諷刺六十年代AI界那些未實(shí)現(xiàn)的預(yù)言，并且批評AI的基礎(chǔ)假設(shè)，認(rèn)為人類推理實(shí)際上僅涉及少量“符號處理”，而大多是具體的，直覺的，下意識的“竅門(know how)”。 John Searle于1980年提出“中文房間”實(shí)驗(yàn)，試圖證明程序并不“理解”它所使用的符號，即所謂的“意向性(intentionality)”問題。Searle認(rèn)為，如果符號對于機(jī)器而言沒有意義，那么就不能認(rèn)為機(jī)器是在“思考”。

AI研究者們并不太把這些批評當(dāng)回事，因?yàn)樗鼈兯坪跤行╇x題，而計(jì)算復(fù)雜性和“讓程序具有常識”等問題則顯得更加緊迫和嚴(yán)重。對于實(shí)際的計(jì)算機(jī)程序而言，“常識”和“意向性”的區(qū)別并不明顯。Minsky提到Dreyfus和Searle時(shí)說，“他們誤解了，所以應(yīng)該忽略”。在MIT任教的Dreyfus遭到了AI陣營的冷遇：他后來說，AI研究者們“生怕被人看到在和我一起吃中飯”。 ELIZA程序的作者Joseph Weizenbaum感到他的同事們對待Dreyfus的態(tài)度不太專業(yè)，而且有些孩子氣。雖然他直言不諱地反對Dreyfus的論點(diǎn)，但他“清楚地表明了他們待人的方式不對”。

Weizenbaum后來開始思考AI相關(guān)的倫理問題，起因是Kenneth Colby開發(fā)了一個模仿醫(yī)師的聊天機(jī)器人DOCTOR，并用它當(dāng)作真正的醫(yī)療工具。二人發(fā)生爭執(zhí);雖然Colby認(rèn)為Weizenbaum對他的程序沒有貢獻(xiàn)，但這于事無補(bǔ)。1976年Weizenbaum出版著作《計(jì)算機(jī)的力量與人類的推理》，書中表示人工智能的濫用可能損害人類生命的價(jià)值。

感知器與聯(lián)結(jié)主義遭到冷落

感知器是神經(jīng)網(wǎng)絡(luò)的一種形式，由Frank Rosenblatt于1958年提出。與多數(shù)AI研究者一樣，他對這一發(fā)明的潛力非常樂觀，預(yù)言說“感知器最終將能夠?qū)W習(xí)，作出決策和翻譯語言”。整個六十年代里這一方向的研究工作都很活躍。

1969年Minsky和Papert出版了著作《感知器》，書中暗示感知器具有嚴(yán)重局限，而Frank Rosenblatt的預(yù)言過于夸張。這本書的影響是破壞性的：聯(lián)結(jié)主義的研究因此停滯了十年。后來新一代研究者使這一領(lǐng)域獲得重生，并使其成為人工智能中的重要部分;遺憾的是Rosenblatt沒能看到這些，他在《感知器》問世后不久即因游船事故去世。

“簡約派(the neats)”：邏輯，Prolog語言和專家系統(tǒng)

早在1958年，John McCarthy就提出了名為“納諫者(Advice Taker)”的一個程序構(gòu)想，將邏輯學(xué)引入了AI研究界。1963年，J. Alan Robinson發(fā)現(xiàn)了在計(jì)算機(jī)上實(shí)現(xiàn)推理的簡單方法：歸結(jié)(resolution)與合一(unification)算法。然而，根據(jù)60年代末McCarthy和他的學(xué)生們的工作，對這一想法的直接實(shí)現(xiàn)具有極高的計(jì)算復(fù)雜度：即使是證明很簡單的定理也需要天文數(shù)字的步驟。70年代Robert Kowalsky在Edinburgh大學(xué)的工作則更具成效：法國學(xué)者Alain Colmerauer和Phillipe Roussel在他的合作下開發(fā)出成功的邏輯編程語言Prolog。

Dreyfus等人針對邏輯方法的批評觀點(diǎn)認(rèn)為，人類在解決問題時(shí)并沒有使用邏輯運(yùn)算。心理學(xué)家Peter Wason，Eleanor Rosch，阿摩司·特沃斯基，Daniel Kahneman等人的實(shí)驗(yàn)證明了這一點(diǎn)。[McCarthy則回應(yīng)說，人類怎么思考是無關(guān)緊要的：真正想要的是解題機(jī)器，而不是模仿人類進(jìn)行思考的機(jī)器。

“蕪雜派(the scruffies)”：框架和腳本

對McCarthy的做法持批評意見的還有他在MIT的同行們。Marvin Minsky，Seymour Papert和Roger Schank等試圖讓機(jī)器像人一樣思考，使之能夠解決“理解故事”和“目標(biāo)識別”一類問題。為了使用“椅子”，“飯店”之類最基本的概念，他們需要讓機(jī)器像人一樣作出一些非邏輯的假設(shè)。不幸的是，這些不精確的概念難以用邏輯進(jìn)行表達(dá)。Gerald Sussman注意到，“使用精確的語言描述本質(zhì)上不精確的概念，并不能使它們變得精確起來”。Schank用“蕪雜(scruffy)”一詞描述他們這一“反邏輯”的方法，與McCarthy，Kowalski，F(xiàn)eigenbaum，Newell和Simon等人的“簡約(neat)”方案相對。

在1975年的一篇開創(chuàng)性論文中，Minsky注意到與他共事的“蕪雜派”研究者在使用同一類型的工具，即用一個框架囊括所有相關(guān)的常識性假設(shè)。例如，當(dāng)我們使用“鳥”這一概念時(shí)，腦中會立即浮現(xiàn)出一系列相關(guān)事實(shí)，如會飛，吃蟲子，等等。我們知道這些假設(shè)并不一定正確，使用這些事實(shí)的推理也未必符合邏輯，但是這一系列假設(shè)組成的結(jié)構(gòu)正是我們所想和所說的一部分。他把這個結(jié)構(gòu)稱為“框架(frames)”。Schank使用了“框架”的一個變種，他稱之為“腳本(scripts)”，基于這一想法他使程序能夠回答關(guān)于一篇英語短文的提問。 多年之后的面向?qū)ο缶幊滩杉{了AI“框架”研究中的“繼承(inheritance)”概念。

繁榮：1980 – 1987

在80年代，一類名為“專家系統(tǒng)”的AI程序開始為全世界的公司所采納，而“知識處理”成為了主流AI研究的焦點(diǎn)。日本政府在同一年代積極投資AI以促進(jìn)其第五代計(jì)算機(jī)工程。80年代早期另一個令人振奮的事件是John Hopfield和David Rumelhart使聯(lián)結(jié)主義重獲新生。AI再一次獲得了成功。

專家系統(tǒng)獲得賞識

專家系統(tǒng)是一種程序，能夠依據(jù)一組從專門知識中推演出的邏輯規(guī)則在某一特定領(lǐng)域回答或解決問題。最早的示例由Edward Feigenbaum和他的學(xué)生們開發(fā)。1965年起設(shè)計(jì)的Dendral能夠根據(jù)分光計(jì)讀數(shù)分辨混合物。1972年設(shè)計(jì)的MYCIN能夠診斷血液傳染病。它們展示了這一方法的威力。

專家系統(tǒng)僅限于一個很小的知識領(lǐng)域，從而避免了常識問題;其簡單的設(shè)計(jì)又使它能夠較為容易地編程實(shí)現(xiàn)或修改?？傊?，實(shí)踐證明了這類程序的實(shí)用性。直到現(xiàn)在AI才開始變得實(shí)用起來。

1980年CMU為DEC(Digital Equipment Corporation，數(shù)字設(shè)備公司)設(shè)計(jì)了一個名為XCON的專家系統(tǒng)，這是一個巨大的成功。在1986年之前，它每年為公司省下四千萬美元。全世界的公司都開始研發(fā)和應(yīng)用專家系統(tǒng)，到1985年它們已在AI上投入十億美元以上，大部分用于公司內(nèi)設(shè)的AI部門。為之提供支持的產(chǎn)業(yè)應(yīng)運(yùn)而生，其中包括Symbolics，Lisp Machines等硬件公司和IntelliCorp，Aion等軟件公司。

知識革命

專家系統(tǒng)的能力來自于它們存儲的專業(yè)知識。這是70年代以來AI研究的一個新方向。 Pamela McCorduck在書中寫道，“不情愿的AI研究者們開始懷疑，因?yàn)樗`背了科學(xué)研究中對最簡化的追求。智能可能需要建立在對分門別類的大量知識的多種處理方法之上?！?“70年代的教訓(xùn)是智能行為與知識處理關(guān)系非常密切。有時(shí)還需要在特定任務(wù)領(lǐng)域非常細(xì)致的知識?！?知識庫系統(tǒng)和知識工程成為了80年代AI研究的主要方向。

第一個試圖解決常識問題的程序Cyc也在80年代出現(xiàn)，其方法是建立一個容納一個普通人知道的所有常識的巨型數(shù)據(jù)庫。發(fā)起和領(lǐng)導(dǎo)這一項(xiàng)目的Douglas Lenat認(rèn)為別無捷徑，讓機(jī)器理解人類概念的唯一方法是一個一個地教會它們。這一工程幾十年也沒有完成。

重獲撥款：第五代工程

1981年，日本經(jīng)濟(jì)產(chǎn)業(yè)省撥款八億五千萬美元支持第五代計(jì)算機(jī)項(xiàng)目。其目標(biāo)是造出能夠與人對話，翻譯語言，解釋圖像，并且像人一樣推理的機(jī)器。令“蕪雜派”不滿的是，他們選用Prolog作為該項(xiàng)目的主要編程語言。

其他國家紛紛作出響應(yīng)。英國開始了耗資三億五千萬英鎊的Alvey工程。美國一個企業(yè)協(xié)會組織了MCC(Microelectronics and Computer Technology Corporation，微電子與計(jì)算機(jī)技術(shù)集團(tuán))，向AI和信息技術(shù)的大規(guī)模項(xiàng)目提供資助。 DARPA也行動起來，組織了戰(zhàn)略計(jì)算促進(jìn)會(Strategic Computing Initiative)，其1988年向AI的投資是1984年的三倍。

聯(lián)結(jié)主義的重生

1982年，物理學(xué)家John Hopfield證明一種新型的神經(jīng)網(wǎng)絡(luò)(現(xiàn)被稱為“Hopfield網(wǎng)絡(luò)”)能夠用一種全新的方式學(xué)習(xí)和處理信息。大約在同時(shí)(早于Paul Werbos)，David Rumelhart推廣了“反傳法(en:Backpropagation)”，一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法。這些發(fā)現(xiàn)使1970年以來一直遭人遺棄的聯(lián)結(jié)主義重獲新生。

一個四節(jié)點(diǎn)的Hopfield網(wǎng)絡(luò).

1986年由Rumelhart和心理學(xué)家James McClelland主編的兩卷本論文集“分布式并行處理”問世，這一新領(lǐng)域從此得到了統(tǒng)一和促進(jìn)。90年代神經(jīng)網(wǎng)絡(luò)獲得了商業(yè)上的成功，它們被應(yīng)用于光字符識別和語音識別軟件。

第二次AI低谷：1987 – 1993

80年代中商業(yè)機(jī)構(gòu)對AI的追捧與冷落符合經(jīng)濟(jì)泡沫的經(jīng)典模式，泡沫的破裂也在政府機(jī)構(gòu)和投資者對AI的觀察之中。盡管遇到各種批評，這一領(lǐng)域仍在不斷前進(jìn)。來自機(jī)器人學(xué)這一相關(guān)研究領(lǐng)域的Rodney Brooks和Hans Moravec提出了一種全新的人工智能方案。

AI之冬

“AI之冬(en:AI winter)”一詞由經(jīng)歷過1974年經(jīng)費(fèi)削減的研究者們創(chuàng)造出來。他們注意到了對專家系統(tǒng)的狂熱追捧，預(yù)計(jì)不久后人們將轉(zhuǎn)向失望。事實(shí)被他們不幸言中：從80年代末到90年代初，AI遭遇了一系列財(cái)政問題。

變天的最早征兆是1987年AI硬件市場需求的突然下跌。Apple和IBM生產(chǎn)的臺式機(jī)性能不斷提升，到1987年時(shí)其性能已經(jīng)超過了Symbolics和其他廠家生產(chǎn)的昂貴的Lisp機(jī)。老產(chǎn)品失去了存在的理由：一夜之間這個價(jià)值五億美元的產(chǎn)業(yè)土崩瓦解。

XCON等最初大獲成功的專家系統(tǒng)維護(hù)費(fèi)用居高不下。它們難以升級，難以使用，脆弱(當(dāng)輸入異常時(shí)會出現(xiàn)莫名其妙的錯誤)，成了以前已經(jīng)暴露的各種各樣的問題(例如資格問題(en:qualification problem))的犧牲品。專家系統(tǒng)的實(shí)用性僅僅局限于某些特定情景。

到了80年代晚期，戰(zhàn)略計(jì)算促進(jìn)會大幅削減對AI的資助。DARPA的新任領(lǐng)導(dǎo)認(rèn)為AI并非“下一個浪潮”，撥款將傾向于那些看起來更容易出成果的項(xiàng)目。

1991年人們發(fā)現(xiàn)十年前日本人宏偉的“第五代工程”并沒有實(shí)現(xiàn)。事實(shí)上其中一些目標(biāo)，比如“與人展開交談”，直到2010年也沒有實(shí)現(xiàn)。 與其他AI項(xiàng)目一樣，期望比真正可能實(shí)現(xiàn)的要高得多。

軀體的重要性：Nouvelle AI與嵌入式推理

80年代后期，一些研究者根據(jù)機(jī)器人學(xué)的成就提出了一種全新的人工智能方案。他們相信，為了獲得真正的智能，機(jī)器必須具有軀體 – 它需要感知，移動，生存，與這個世界交互。他們認(rèn)為這些感知運(yùn)動技能對于常識推理等高層次技能是至關(guān)重要的，而抽象推理不過是人類最不重要，也最無趣的技能(參見Moravec悖論)。他們號召“自底向上”地創(chuàng)造智能，這一主張復(fù)興了從60年代就沉寂下來的控制論。

另一位先驅(qū)是在理論神經(jīng)科學(xué)上造詣深厚的David Marr，他于70年代來到MIT指導(dǎo)視覺研究組的工作。他排斥所有符號化方法(不論是McCarthy的邏輯學(xué)還是Minsky的框架)，認(rèn)為實(shí)現(xiàn)AI需要自底向上地理解視覺的物理機(jī)制，而符號處理應(yīng)在此之后進(jìn)行。

在發(fā)表于1990年的論文“大象不玩象棋(Elephants Don’t Play Chess)”中，機(jī)器人研究者Rodney Brooks提出了“物理符號系統(tǒng)假設(shè)”，認(rèn)為符號是可有可無的，因?yàn)椤斑@個世界就是描述它自己最好的模型。它總是最新的。它總是包括了需要研究的所有細(xì)節(jié)。訣竅在于正確地，足夠頻繁地感知它?！?在80年代和90年代也有許多認(rèn)知科學(xué)家反對基于符號處理的智能模型，認(rèn)為身體是推理的必要條件，這一理論被稱為“具身的心靈/理性/ 認(rèn)知(embodied mind/reason/cognition)”論題。

AI：1993 – 現(xiàn)在

現(xiàn)已年過半百的AI終于實(shí)現(xiàn)了它最初的一些目標(biāo)。它已被成功地用在技術(shù)產(chǎn)業(yè)中，不過有時(shí)是在幕后。這些成就有的歸功于計(jì)算機(jī)性能的提升，有的則是在高尚的科學(xué)責(zé)任感驅(qū)使下對特定的課題不斷追求而獲得的。不過，至少在商業(yè)領(lǐng)域里AI的聲譽(yù)已經(jīng)不如往昔了?！皩?shí)現(xiàn)人類水平的智能”這一最初的夢想曾在60年代令全世界的想象力為之著迷，其失敗的原因至今仍眾說紛紜。各種因素的合力將AI拆分為各自為戰(zhàn)的幾個子領(lǐng)域，有時(shí)候它們甚至?xí)眯旅~來掩飾“人工智能”這塊被玷污的金字招牌。AI比以往的任何時(shí)候都更加謹(jǐn)慎，卻也更加成功。

里程碑和摩爾定律

1997年5月11日，深藍(lán)成為戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫的第一個計(jì)算機(jī)系統(tǒng)。2005年，Stanford開發(fā)的一臺機(jī)器人在一條沙漠小徑上成功地自動行駛了131英里，贏得了DARPA挑戰(zhàn)大賽頭獎。2009年，藍(lán)腦計(jì)劃聲稱已經(jīng)成功地模擬了部分鼠腦。

這些成就的取得并不是因?yàn)榉妒缴系母锩?。它們?nèi)匀皇枪こ碳夹g(shù)的復(fù)雜應(yīng)用，但是計(jì)算機(jī)性能已經(jīng)今非昔比了。事實(shí)上，深藍(lán)計(jì)算機(jī)比Christopher Strachey在1951年用來下棋的Ferranti Mark 1快一千萬倍。這種劇烈增長可以用摩爾定律描述：計(jì)算速度和內(nèi)存容量每兩年翻一番。計(jì)算性能上的基礎(chǔ)性障礙已被逐漸克服。

智能代理

90年代，被稱為“智能代理(en:intelligent agents)”的新范式被廣泛接受。[132]盡管早期研究者提出了模塊化的分治策略， 但是直到Judea Pearl，Alan Newell等人將一些概念從決策理論和經(jīng)濟(jì)學(xué)中引入AI之后現(xiàn)代智能代理范式才逐漸形成。當(dāng)經(jīng)濟(jì)學(xué)中的“理性代理(rational agent)”與計(jì)算機(jī)科學(xué)中的“對象”或“模塊”相結(jié)合，“智能代理”范式就完善了。

智能代理是一個系統(tǒng)，它感知周圍環(huán)境，然后采取措施使成功的幾率大化。最簡單的智能代理是解決特定問題的程序。已知的最復(fù)雜的智能代理是理性的，會思考的人類。智能代理范式將AI研究定義為“對智能代理的學(xué)習(xí)”。這是對早期一些定義的推廣：它超越了研究人類智能的范疇，涵蓋了對所有種類的智能的研究。

這一范式讓研究者們通過學(xué)習(xí)孤立的問題找到可證的并且有用的解答。它為AI各領(lǐng)域乃至經(jīng)濟(jì)學(xué)，控制論等使用抽象代理概念的領(lǐng)域提供了描述問題和共享解答的一種通用語言。人們希望能找到一種完整的代理架構(gòu)(像Newell的en:SOAR那樣)，允許研究者們應(yīng)用交互的智能代理建立起通用的智能系統(tǒng)。

“簡約派”的勝利

越來越多的AI研究者們開始開發(fā)和使用復(fù)雜的數(shù)學(xué)工具。人們廣泛地認(rèn)識到，許多AI需要解決的問題已經(jīng)成為數(shù)學(xué)，經(jīng)濟(jì)學(xué)和運(yùn)籌學(xué)領(lǐng)域的研究課題。數(shù)學(xué)語言的共享不僅使AI可以與其他學(xué)科展開更高層次的合作，而且使研究結(jié)果更易于評估和證明。AI已成為一門更嚴(yán)格的科學(xué)分支。 Russell和Norvig(2003)將這些變化視為一場“革命”和“簡約派的勝利”。

Judea Pearl發(fā)表于1988年的名著將概率論和決策理論引入AI?，F(xiàn)已投入應(yīng)用的新工具包括貝葉斯網(wǎng)絡(luò)，隱馬爾可夫模型，信息論，隨機(jī)模型和經(jīng)典優(yōu)化理論。針對神經(jīng)網(wǎng)絡(luò)和進(jìn)化算法等“計(jì)算智能”范式的精確數(shù)學(xué)描述也被發(fā)展出來。

幕后的AI

AI研究者們開發(fā)的算法開始變?yōu)檩^大的系統(tǒng)的一部分。AI曾經(jīng)解決了大量的難題，這些解決方案在產(chǎn)業(yè)界起到了重要作用。應(yīng)用了AI技術(shù)的有數(shù)據(jù)挖掘，工業(yè)機(jī)器人，物流，語音識別，銀行業(yè)軟件，醫(yī)療診斷和Google搜索引擎等。

AI領(lǐng)域并未從這些成就之中獲得多少益處。AI的許多偉大創(chuàng)新僅被看作計(jì)算機(jī)科學(xué)工具箱中的一件工具。Nick Bostrom解釋說，“很多AI的前沿成就已被應(yīng)用在一般的程序中，不過通常沒有被稱為AI。這是因?yàn)?，一旦變得足夠有用和普遍，它就不再被稱為AI了?！?/p>

90年代的許多AI研究者故意用其他一些名字稱呼他們的工作，例如信息學(xué)，知識系統(tǒng)，認(rèn)知系統(tǒng)或計(jì)算智能。部分原因是他們認(rèn)為他們的領(lǐng)域與AI存在根本的不同，不過新名字也有利于獲取經(jīng)費(fèi)。至少在商業(yè)領(lǐng)域，導(dǎo)致AI之冬的那些未能兌現(xiàn)的承諾仍然困擾著AI研究，正如New York Times在2005年的一篇報(bào)道所說：“計(jì)算機(jī)科學(xué)家和軟件工程師們避免使用人工智能一詞，因?yàn)榕卤徽J(rèn)為是在說夢話?！?/p>

HAL 9000在哪里?

1968年亞瑟·克拉克和史丹利·庫柏力克創(chuàng)作的《“2001太空漫游”》中設(shè)想2001年將會出現(xiàn)達(dá)到或超過人類智能的機(jī)器。他們創(chuàng)造的這一名為HAL-9000的角色是以科學(xué)事實(shí)為依據(jù)的：當(dāng)時(shí)許多頂極AI研究者相信到2001年這樣的機(jī)器會出現(xiàn)。

“那么問題是，為什么在2001年我們并未擁有HAL呢?” Marvin Minsky問道。 Minsky認(rèn)為，問題的答案是絕大多數(shù)研究者醉心于鉆研神經(jīng)網(wǎng)絡(luò)和遺傳算法之類商業(yè)應(yīng)用，而忽略了常識推理等核心問題。另一方面，John McCarthy則歸咎于資格問題(en:qualification problem)。Ray Kurzweil相信問題在于計(jì)算機(jī)性能，根據(jù)摩爾定律，他預(yù)測具有人類智能水平的機(jī)器將在2029年出現(xiàn)。Jeff Hawkins認(rèn)為神經(jīng)網(wǎng)絡(luò)研究忽略了人類大腦皮質(zhì)的關(guān)鍵特性，而簡單的模型只能用于解決簡單的問題。還有許多別的解釋，每一個都對應(yīng)著一個正在進(jìn)行的研究計(jì)劃。目前以自然語言理解問題為突破口，以本源語義為對象，通過對“理解”與“智能”的界定研究，人類級別的人工智能研究已經(jīng)取得進(jìn)展。

名稱欄目：人工智能的歷史
鏈接URL：http://m.rwnh.cn/article4/sdpcie.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App開發(fā)、全網(wǎng)營銷推廣、手機(jī)網(wǎng)站建設(shè)、標(biāo)簽優(yōu)化、Google、定制網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)