1.1　人工智能的历史

AI是无须人工帮助就能思考的机器，这个概念非常古老，可以追溯到大约公元前1500年的古印度哲学观念——顺世论。

人工智能的基础是人类推理可以映射为机械过程的哲学概念。我们可以从公元前1000年的许多哲学著作中找到这个理念，尤其是亚里士多德（Aristotle）和欧几里得（Euclid）等古希腊哲学家的作品。

莱布尼茨（Leibniz）和霍布斯（Hobbes）等哲学家和数学家在17世纪探索了将人类的所有理性思想映射到代数或几何系统的可能性。

直到20世纪初，才定义了数学和逻辑可以完成的范围以及数学推理可以抽象多远的界限。正是在那个时候，数学家艾伦·图灵（Alan Turing）定义了图灵机（Turing machine），这是一种通过符号进行数学运算的构造。

1950年，艾伦·图灵发表了一篇论文，推测创造一种可以思考的机器的可能性。由于思考很难定义，因此他定义了一项任务，以确定一台机器是否可以达到可以被称作AI的推理能力。机器需要完成的任务包括与人进行对话，且让人类无法分辨对话者是机器还是人。

20世纪50年代，我们看到了第一个能够完成简单逻辑功能的人工神经网络（ANN）的诞生。在20世纪50年代和70年代间，全世界见证了AI发现的第一个新的大时代，以及AI在代数学、几何学、语言学和机器人技术中的广泛应用。实验结果令人震惊，并在整个领域引起了巨大轰动。而后来，巨大期望落空，研究经费被砍，公众兴趣消退，AI迎来了它的第一个寒冬。

然后我们把时间快速拉回到最近几年，我们开始能够访问大量的数据，同时具备良好的计算能力，机器学习（Machine Learning，ML）技术在企业中变得越来越有用。尤其是图形处理单元（Graphic Processing Unit，GPU）的出现，使得基于非常大的数据集有效地训练大型神经网络（通常称作深度神经网络（Deep Neural Network，DNN））成为可能。现在的发展趋势似乎是，我们将收集越来越多的数据，用于智慧城市、车辆、便携式设备、物联网（Internet of Things，IoT）等。ML可以解决的问题数量迅速增加。与人类历史相比较，我们似乎才处于这场巨大革命的开始，因为我们才刚研究出可以自行做出决定的机器。

使用算法，不仅可以将普通而重复的任务自动化，而且可以改善金融、医学等重要领域，克服限制其发展的人为偏见和有限认知。

所有这些自动化可能会导致大量员工失业，同时将更多的财富和权力集中在少数几个选定的个人和公司手中。因此，诸如Google和Facebook之类的公司都在对该项目进行长期研究投入。尤其是OpenAI（https://openai.com/），这家公司希望提供有关AI的开源研究，并且公开其所有资料。

如果确实可以让任何任务自动化，那么我们可能就可以生活在一个不受资源约束的社会中。这样的社会将不再需要钱，因为这只是有效分配资源的一种方式，最终，我们可能会进入一个乌托邦社会，人们可以自由追求使他们快乐的东西。

目前，这些都只是未来主义理论，但是ML每天都在进步。现在，我们将概述该领域的当前状态。