人工智能史

在 20 世纪和 21 世纪的无数技术进步中，最具影响力的无疑是人工智能(AI)。从重塑我们查找信息方式的搜索引擎算法到消费者领域的亚马逊 Alexa ，人工智能已成为推动整个科技行业走向未来的主要技术。

无论您是新兴的初创公司还是像微软这样的行业巨头，您的公司中可能至少有一部分人在使用 AI 或机器学习。根据 Grand View Research 的一项研究，2021 年全球人工智能行业的价值为 935 亿美元。

人工智能作为科技行业的一股力量在 2000 年代和 2010 年代爆发式增长，但至少从 1950 年开始，人工智能就以某种形式或方式存在，并且可以说可以追溯到更远的地方。

人工智能历史的广泛笔触，例如图灵测试和国际象棋计算机，在大众意识中根深蒂固，但丰富而密集的历史却存在于常识的表面之下。本文将提炼这段历史，向您展示人工智能从神话想法到改变世界的现实的道路。

从民间传说到事实

虽然人工智能通常被认为是一个前沿概念，但人类几千年来一直在想象人工智能，而这些想象对当今该领域的进步产生了切实的影响。

突出的神话例子包括青铜自动机塔洛斯，希腊克里特岛的保护者， 以及文艺复兴时期的炼金术人造人。弗兰肯斯坦的怪物、2001 年的 HAL 9000：太空漫游和终结者系列中的天网等角色只是我们在现代小说中描绘人工智能的一些方式。

对人工智能历史影响最大的虚构概念之一是艾萨克·阿西莫夫的机器人三定律。当现实世界的研究人员和组织创建自己的机器人定律时，经常会引用这些定律。

事实上，当英国的工程与物理科学研究委员会 (EPSRC) 和艺术与人文研究委员会 (AHRC) 发布其针对机器人设计者、建造者和用户的 5 条原则时，它明确引用了阿西莫夫作为参考点，尽管指出阿西莫夫的法律意味着在实践中行不通。 ”

微软 CEO Satya Nadella在介绍他自己的 AI 法则时也提到了阿西莫夫法则，称它们是“一个好的开始，但最终并不充分”。

计算机、游戏和艾伦·图灵

当阿西莫夫在 1940 年代撰写他的三定律时，研究员威廉格雷沃尔特正在开发一种基本的人工智能模拟版本。这些被称为乌龟或乌龟的微型机器人可以检测光线并对其做出反应，并与它们的塑料外壳接触，并且它们无需使用计算机即可操作。

在 1960 年代后期，约翰霍普金斯大学制造了他们的 Beast，这是另一种无需计算机的自动机，它可以通过声纳在大学的大厅中导航，并在电池电量不足时在特殊的墙壁插座上充电。

然而，我们今天所知道的人工智能会发现它的进步与计算机科学的进步密不可分。艾伦·图灵 1950 年发表的论文《计算机与智能》介绍了著名的图灵测试，至今仍具有影响力。许多早期的 AI 程序都是为玩游戏而开发的，例如 Christopher Strachey为 Ferranti Mark I 计算机编写的跳棋程序。

“人工智能”一词本身直到 1956 年由马文·明斯基、约翰·麦卡锡、克劳德·香农和内森·罗切斯特组织的达特茅斯研讨会才被编入法典，麦卡锡在那里为这个新兴领域创造了这个名称。

工作坊也是 Allen Newell 和 Herbert A. Simon 首次推出他们的Logic Theorist 计算机程序的地方，该程序是在计算机程序员 Cliff Shaw 的帮助下开发的。旨在以与人类数学家相同的方式证明数学定理，逻辑理论家将继续证明数学原理中发现的前 52 个定理中的 38 个。西蒙说，尽管取得了这一成就，但会议上的其他研究人员“并没有对此给予太多关注”。

游戏和数学是早期人工智能的焦点，因为它们很容易应用“推理即搜索”原则。推理作为搜索，也称为手段-目的分析 (MEA) ，是一种解决问题的方法，遵循三个基本步骤：

D确定您观察到的任何问题的持续状态(您感到饥饿)。

确定最终目标(您不再感到饥饿)。

决定解决问题需要采取的行动(你做一个三明治然后吃掉它)。

人工智能原理的早期先驱：如果行动没有解决问题，找到一组新的行动并重复，直到你解决了问题。

神经网络和自然语言

由于冷战时期的政府愿意在任何可能让他们比对方更有优势的事情上投入资金，人工智能研究在 50 年代和 60 年代经历了来自DARPA 等组织的大量资金。

这项研究催生了机器学习方面的许多进步。例如，Simon 和 Newell 的通用问题求解器在使用 MEA 时会生成启发式思维捷径，这些思维捷径可以阻止 AI 可能探索的可能无法达到预期结果的问题解决路径。

最初在 1940 年代提出，第一个人工神经网络于 1958 年发明，这要归功于美国海军研究办公室的资助。

这一时期研究人员的一个主要关注点是试图让人工智能理解人类语言。Daniel Brubow 通过他的STUDENT 程序帮助开创了自然语言处理的先河，该程序旨在解决单词问题。

1966 年，Joseph Weizenbaum 推出了第一个聊天机器人 ELIZA，全世界的互联网用户都对此表示感谢。Roger Schank 的概念依赖理论试图将句子转换为以一组简单关键字表示的基本概念，是人工智能研究中最具影响力的早期发展之一。

人工智能的第一个冬天

在 1970 年代，50 年代和 60 年代人工智能研究中普遍存在的乐观情绪开始消退。由于 AI 研究面临的无数现实问题将天价承诺拖到了地球上，资金枯竭了。其中最主要的是计算能力的限制。

正如 Bruce G. Buchanan 在 AI 杂志的一篇文章中解释的那样：“早期程序的范围必然受到内存和处理器的大小和速度以及早期操作系统和语言的相对笨拙的限制。” 这一时期，随着资金的消失和乐观情绪的消退，被称为人工智能冬天。

这一时期的特点是人工智能研究人员之间的挫折和跨学科分歧。Marvin Minsky 和 ​​Frank Rosenblatt 于 1969 年出版的《感知器》一书彻底打击了神经网络领域，以至于在 1980 年代之前对该领域的研究很少。

然后，所谓的“整洁”和“邋遢”之间存在分歧。整洁的人倾向于使用逻辑和符号推理来训练和教育他们的人工智能。他们希望人工智能能够解决诸如数学定理之类的逻辑问题。

John McCarthy 在 1959 年的Advice Taker 提案中介绍了在 AI 中使用逻辑的想法。此外，由 Alan Colmerauer 和 Phillipe Roussel 于 1972 年开发的Prolog 编程语言被专门设计为一种逻辑编程语言，至今仍在人工智能中使用。

与此同时，邋遢的人试图让人工智能解决需要人工智能像人一样思考的问题。在 1975 年的一篇论文中，马文·明斯基概述了邋遢的研究人员使用的一种常用方法，称为“框架”。

框架是人类和人工智能都可以理解世界的一种方式。当你遇到一个新的人或事件时，你可以利用类似的人和事件的记忆，让你大致了解如何进行，例如在新餐厅点菜时。您可能不知道菜单或为您服务的人，但您可以根据过去在其他餐厅的经验大致了解如何下订单。

从学术界到工业界

1980 年代标志着对人工智能的热情回归。R1 是数字设备公司于 1982 年实施的专家系统，据报道，到 1986 年，该公司每年为公司节省了 4000 万美元。R1 的成功证明了人工智能作为商业工具的可行性，并引发了杜邦等其他大公司的兴趣。

最重要的是，日本的第五代项目试图创建在 Prolog 上运行的智能计算机，就像普通计算机在代码上运行一样，引发了美国企业的进一步兴趣。为了不甘示弱，美国公司将资金投入人工智能研究。

总而言之，这种兴趣的增加和向工业研究的转变导致人工智能行业的价值在 1988 年激增至 20 亿美元。考虑到通货膨胀因素，到 2022 年这一数字接近 50 亿美元。

第二个人工智能冬天

然而，在 1990 年代，人们的兴趣开始以与 70 年代相同的方式消退。1987 年，时任 DARPA 的新主任杰克·施瓦茨(Jack Schwartz)有效地从该组织中消除了人工智能资金，但已经指定用途的资金直到 1993 年才用完。

第五代项目经过 10 年的发展未能实现其许多目标，随着企业发现购买量产的通用芯片和将 AI 应用程序编程到软件中变得更便宜、更容易，专门的 AI 硬件市场，如LISP机器，崩盘，导致整体市场萎缩。

此外，在本世纪初证明 AI 可行性的专家系统开始出现致命缺陷。随着系统继续使用，它不断添加更多规则来操作，并且需要越来越大的知识库来处理。最终，维护和更新系统知识库所需的人员数量将会增加，直到在财务上无法维持。这些因素和其他因素的结合导致了第二个人工智能冬天。

进入新千年和人工智能的现代世界

1990 年代末和 2000 年代初显示出人工智能春天即将到来的迹象。人工智能最古老的一些目标终于实现了，例如深蓝在1997 年战胜当时的国际象棋世界冠军加里·卡斯帕罗夫，这是人工智能的一个里程碑式的时刻。

更复杂的数学工具以及与电气工程等领域的合作导致AI 转变为更以逻辑为导向的科学学科，让上述整洁的人声称战胜了邋遢的同行。2003 年，马文·明斯基 ( Marvin Minsky ) 宣称，过去 30 年，人工智能领域已经“脑死亡”了。

与此同时，人工智能在各种新的工业领域得到了应用：谷歌的搜索引擎算法、数据挖掘和语音识别等等。新的超级计算机和程序会发现自己与顶级人类对手竞争甚至获胜，例如IBM 的 Watson 赢得 Jeopardy!2011 年击败曾连续赢得 74 集游戏节目的肯詹宁斯。

近年来最具影响力的人工智能之一是Facebook 的算法，它可以确定你在什么时候看到的帖子，试图为平台的用户提供在线体验。具有类似功能的算法可以在 Youtube 和 Netflix 等网站上找到，它们可以根据之前的历史预测观众接下来想要观看的内容。

除了这些公司的底线之外，这些算法对任何人的好处都存在争议，因为即使是前雇员也曾在国会作证说它可能对用户造成的危险。

有时，这些创新甚至不被认为是人工智能。正如尼克·布罗斯特罗姆(Nick Brostrom)在 2006 年 CNN 采访中所说：“许多尖端 AI 已经渗透到一般应用程序中，通常不被称为 AI，因为一旦某些东西变得足够有用和足够普遍，它就不再被标记为 AI。”

不将有用的人工智能称为 AI 的趋势并没有持续到 2010 年代。现在，初创企业和技术支柱都争先恐后地声称他们的最新产品是由人工智能或机器学习推动的。在某些情况下，这种愿望是如此强烈，以至于有些人会宣称他们的产品是人工智能驱动的，即使人工智能的功能是有问题的。

人工智能已经进入了许多人的家中，无论是通过上述社交媒体算法还是亚马逊的 Alexa 等虚拟助手。经历了寒冬和破灭的泡沫，人工智能领域坚持了下来，并成为现代生活中非常重要的一部分，并且很可能在未来几年呈指数级增长。