1.3 人工智能的发展

进入20世纪后，人工智能相继出现若干开创性的工作。1936年，年仅24岁的英国数学家图灵（A.M.Turning）在他的论文《论数字计算在决断难题中的应用》中，就提出了著名的“图灵机模型”（见图1-6），1945年他进一步论述了电子数字计算机的设计思想，1950年他又在《机器能思考吗？》一文中提出了机器能够思维的论述，可以说这些都是图灵为人工智能做出的杰出贡献。1946年美国科学家J. W. Mauchly等人制成了世界上第一台电子数字计算机ENIAC，见图1-7。还有同一时代美国数学家Norbert. Wiener创立的控制论，美国数学家C. E. Shannon创立的信息论，英国生物学家W. R. Ashby提出的“设计一个脑”等，这一切都为人工智能学科的诞生做了理论和实验工具的巨大贡献。

1956年，美国的几位心理学家、数学家、计算机科学家和信息论学家在达特茅斯学院召开了会议，提出了人工智能这一学科，现在普遍认为人工智能学科是在这时建立的，到现在已有60多年的历史，它的发展先后经历了“认知模拟”“语意信息理解”“专家系统”等阶段。

1.3.1 计算机时代

第一台电子计算机诞生时，其体积庞大，线路复杂，极不便于应用。1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机理论的发展产生了计算机科学，这种用电子方式处理数据的发明，为人工智能的实现提供了一种媒介。

1.3.2 人工智能的开端

虽然计算机为人工智能提供了必要的技术基础，但直到20世纪50年代早期人们才注意到人类智能与机器之间的联系。最早的有关人工智能的应用原型是自动调温器，这种自动调温器是基于美国人Norbert Wiener提出的反馈控制理论设计制作出来的，见图1-8。它将收集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，而控制环境温度。这项发现对反馈回路研究的重要性在于：Wiener从理论上指出，所有的智能活动都是反馈机制的结果，而反馈机制是有可能用机器模拟的。这项发现对早期人工智能的发展影响重大。

1955年末，Newell和Simon做了一个名为“逻辑专家”（Logic Theorist）的程序。这个程序被许多人认为是第一个人工智能程序，它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解问题。“逻辑专家”对公众和人工智能研究领域产生的影响使它成为人工智能发展史上的一个重要的里程碑。

1956年，被认为是人工智能之父的John McCarthy组织了一次学会，他将许多对机器智能感兴趣的专家学者聚集在一起，并进行了一个月的讨论，他请他们参加“达特茅斯人工智能夏季研究会”。从那时起，这个领域被命名为“人工智能”。在达特茅斯会议后，人工智能进入快速发展期。

1957年，一个新程序“通用解题机”（GPS）的第一个版本接受了测试。这个程序是由制作“逻辑专家”的同一个组开发的。GPS扩展了Wiener的反馈原理，可以解决很多常识问题。

两年以后，IBM成立了一个人工智能研究组。Herbert Gelerneter花3年时间制作了一个解几何定理的程序。当越来越多的程序涌现时，McCarthy正忙于一个人工智能史上的突破。1958年，McCarthy宣布了他的新成果“LISP语言”，LISP到今天还在用。“LISP”的意思是“表处理”（List Processing），它很快就被大多数人工智能开发者采纳。1963年麻省理工学院（MIT）从美国政府得到一笔220万美元的资助，用于研究机器辅助识别。这笔资助来自美国国防部高级研究计划署（ARPA），以保证美国在技术进步上领先于苏联。这个计划吸引了来自全世界的计算机科学家，加快了人工智能研究的发展步伐。

1.3.3 人工智能程序积累阶段

以后几年出现了大量程序，其中一个著名的叫“SHRDLU”。“SHRDLU”是“微型世界”项目的一部分，包括在微型世界（例如只有有限数量的几何形体）中的研究与编程。在MIT由Marvin Minsky领导的研究人员发现，面对小规模的对象，计算机程序可以解决空间和逻辑问题。其他如在20世纪60年代末出现的“STUDENT”可以解决代数问题，“SIR”可以理解简单的英语句子。这些程序的结果对处理语言理解和逻辑有所帮助。

这一时期的另一项进展是专家系统。专家系统可以预测在一定条件下某种解的概率。由于当时计算机已有巨大容量，专家系统有可能从数据中得出规律。专家系统的市场应用很广。十年间，专家系统帮助医生诊断疾病，被钢铁企业用于高炉炼铁的控制（如图1-9所示），以及指示矿工确定矿藏位置等。这一切都因为专家系统存储规律和信息的能力而成为可能。20世纪70年代许多新方法被用于人工智能开发，著名的如Minsky的构造理论。另外，David Marr提出了机器视觉方面的新理论，例如，如何通过一幅图像的阴影、形状、颜色、边界和纹理等基本信息辨别图像，通过分析这些信息，可以推断出图像可能是什么。同时期另一项成果是于1972年提出的PROLOGE语言。20世纪80年代，人工智能发展更为迅速，并更多地进入商业领域。1986年，美国人工智能相关软硬件销售额高达4.25亿美元。专家系统因其效用需求很大，像数字设备公司（DEC）这样的公司开始用XCON专家系统为VAX大型机编程，杜邦、通用汽车公司和波音公司也大量依赖专家系统。为满足计算机专家的需要，一些生产专家系统辅助制作软件的公司，如Teknowledge和Intellicorp成立了。为了查找和改正已有专家系统中的错误，又有另外一些专家系统被设计出来。从实验室到日常生活，计算机技术不再只属于实验室中的一小群研究人员，个人计算机和众多技术杂志使计算机技术展现在人们面前，人们开始感受到计算机和人工智能技术的影响。

1986～1987年是人工智能发展的寒冬，业务需求下降，企业损失惨重，像Teknowledge和Intellicorp两家公司共损失超过600万美元，大约占利润的三分之一，巨大的损失迫使许多研究领导者削减经费。另一个令人失望的是美国国防部高级研究计划署支持所谓的“智能卡车”，这个项目的目的是研制一种能完成许多战地任务的机器人。由于人工智能的项目缺陷和成功无望，美国国防部停止了项目的经费。尽管经历了这些受挫的事件，人工智能仍在慢慢恢复发展。在这个阶段，美国首创了模糊逻辑，它可以从不确定的条件做出决策；还有神经网络，被视为实现人工智能的可能途径。

1.3.4 超越人类的临界点

2016年1月，Google旗下的深度学习团队Deepmind开发的人工智能围棋软件AlphaGo，以5∶0战胜了围棋欧洲冠军樊麾，这是人工智能第一次战胜职业围棋手。图1-10是AlphaGo与韩国棋手李世石对弈的想象画面。

AlphaGo能通过图灵测试不是偶然。它在早期围棋人工智能通常采用的蒙特卡洛法之外，加入了两种神经网络，以减少搜索所需的广度和深度：用价值网络评估棋子位置的优劣，用策略网络来为下一步取样。Deepmind团队在其论文中指出，在与樊麾的对局中，靠着更精准的评估和更聪明的棋步选择，AlphaGo与人类的思维方式更接近，计算量要比十几年前IBM“深蓝”计算机击败国际象棋世界大师卡斯帕罗夫时少很多。

围棋成为人工智能新突破选择的领域，意义重大。围棋规则简单，变化繁多，而结果不确定，没有“正解”。不是说初始输入一个值，然后直线计算到终局，而是每一步都有判断、权衡、取舍。围棋的标准化程度较高，一般的棋类游戏标准化程度虽然尚可，但认知复杂度不行，然而围棋不一样，它兼具了标准测试集与认知复杂度高的双重特点，这使得人工智能在围棋上取得的突破具有划时代意义。