戴继鹏：AI简史

戴继鹏 戴继鹏

文 / 戴继鹏

前言：

上帝在创造人类的时候，大概没想到人类这种生物自我升级的速度会这么快，一切过去的先验知识在科技革命面前都成为了一页页历史。

人类在过去几千年的历史中一直保持着缓慢而稳定的演进和发展，以农耕为主的原始生活方式丝毫没有让生活在过去的人感到奇怪，或许我们现在也一样，几千年后我们的后代也会觉得21世纪的人类有多么的愚蠢和无知，或许这就是人类的历史局限性，身在这个时代却无从感知时代未来的洪流巨变。

转机出现在18世纪，以欧洲开始的工业革命推动了人类历史的快速前进，由此我们进入了蒸汽时代，电气时代，信息时代，而今天要说的是我们即将进入的智能时代前夜的人工智能简史。

纵观人工智能的发展史，大致可分为三个阶段，基于符号逻辑的推理证明阶段、基于人工规则的专家系统阶段、大数据驱动的人工智能阶段，以下会简略介绍三个阶段的发展情况和标志性事件。

第一阶段：基于符号逻辑的推理证明阶段（1956年-1976年）

1950年，英国伟大的数学家、逻辑学家艾伦图灵发表了一篇论文《计算机器与智能》并提出了著名的“图灵测试”，这个伟大而有远见的科学家一直在思考一个问题：机器是否能思考？只可惜图灵带着这个问题四年后自杀了，但是他提出的著名的图灵机模型为现代计算机的逻辑工作方式奠定了基础，他也被称为“计算机科学之父” 和“人工智能之父”。

图灵自杀后的第二年，即1956年夏天，在Dartmouth大学,由John McKarthy、Marvin Minsky，Nathaniel Rochester、Claude Shannon联合发起了达特茅斯会议。这个会议上，全世界最聪明的十个科学家坐在一起为期两个月来讨论研究当时几乎属于不食人间烟火的人工智能问题。这次会议首次确立了“人工智能”概念：让机器能像人那样认知、思考和学习，即用计算机模拟人的智能。

世界的变化和人类文明的演进总是由这么一群拥有超前眼光和创造力的人推动的，因为达特茅斯会议首次提出了“人工智能”的概念，1956年被公认为人工智能元年。

1956年-1976年，科学家们主要基于符号公式、逻辑运算进行推理证明的研究，因此人工智能的主要成果是证明了各种数学定理。

人工智能历史上第一阶段的主要技术和工具有如下几方面：

-逻辑运算：又称为布尔运算。布尔用数学方法研究逻辑问题，成功地建立了逻辑演算，用公式表示判断，把推理看做等式的变换。

-演绎推理：演绎推理就是从一般性的前提出发，通过推导即”“演绎，得出具体陈述或个别结论的过程。

-三段论：由两个含有一个共同项的性质判断作前提，得出一个新的性质判断为结论的演绎推理过程。

-逻辑编程语言Lisp、Prolog：建立在逻辑学的理论基础之上，大量应用于人工智能研究，可以用来建造专家系统、自然语言理解、智能知识库等。

在那个时代，研究人工智能的科学家相信只要给机器制定明确的规则，严密的逻辑，人工智能技术就可以完成大多数的知识运算和证明。

这一阶段的主要进展在数学方面的逻辑推理证明，1956年，CMU的LT程序证明了数学家罗素所著《数学原理》第二章的38条定理；1959年，洛克菲洛大学教授王浩使用“王算法”证明了《数学原理》全部350条定理；1963年CMU改进的LT程序证明了《数学原理》第二章全部5条定理，该程序其后被改进成GPS。

伴随着人工智能在证明数学定理上的飞速突破，科学家对人工智能的技术越来越自信，民众对人工智能的期待也越来越高。

1958年，Simon和Newell做了著名的预言：十年内，计算机将成为国际象棋冠军，计算机将发现和证明有意义的数学定理，计算机将能谱写优美的乐趣，计算机将能实现大多数的心理学理论。

期望越大，失望越大。由于四大预言实现遥遥无期，关于人工智能方法论的争论风声渐紧。

1973年，英国发表James Lighthill报告，该报告主要评判AI基础研究中A自动机、B机器人和C中央神经系统。该报告得出结论：A和C的研究有价值，但进展令人失望。B的研究没有价值，进展非常令人失望，建议取消B的研究。以该报告为标志引发了第一次的人工智能寒冬。

人工智能第一阶段从高峰到低谷短短二十年时间，这也给了我们一个教训：在AI理论与方法工具尚不完善的初期阶段，以攻克认知作为目标，显然不切实际。

第二阶段：基于人工规则的专家系统阶段（1976年-2006年）

人工智能第一阶段主要是基于符号逻辑的推理证明，其局限性越来越明显，于是科学家试图采用新的方式去研究人工智能的科学价值。

这种新的方式就是基于人工规则的专家系统，即人类基于已经存在的海量规则和知识，为人工智能赋能来解决实际问题。

知识是对于一个主题或者一个领域在理论或实践上的理解，也是所有已知的总和。

拥有某一部分知识的人称为专家，他们是所在组织中重要的人物。

在第二阶段，主要技术和工具分为两方面：

第一方面是之前的逻辑推理上升为专家系统、知识工程。

这期间最典型的就是大规模逻辑推理与知识图谱建设的试错，比如以日本第五代机为代表的大规模逻辑推理尝试，以斯坦福大学为代表的知识图谱建设。

第二方面是神经元网络BP算法。

当时BP算法的主要缺点是常不收敛，或收敛于局部极小，即使收敛，其速度也很慢，这使得BP算法只能解决小规模的问题，所以这种神经元网络BP算法在当时可以进行基础的分类与模式识别，例如英文字符识别、汉字字符识别、目标识别（军事目标、民用目标）、图像诊断。

人工智能第二阶段有两次典型事件的打击导致出现了低谷：

第一个打击是日本智能（第五代）计算机研制失败。

从1982年开始，日本通产省就主持第五代计算机的研究。

其动机是计算机从计算与存储数据向能直接推理与知识处理的新型结构过渡，目标是构造一个具有1000个处理单元的并行推理机，推理速度提高1000倍，连接10亿信息组的数据库和知识库，具备听说能力。

由于计算机技术的高速发展, 1982为该项计划所选定的技术路线已经背离了 1992年计算机工业的发展方向。第五代计算机在实现真正的人工智能方面没有取得根本性突破 , 当初所设想的某些功能没有实现，1992年此项目草草收场，宣告失败。

第二个打击是知识百科日趋势微。

1984年，斯坦福大学开始通过专家系统来建设浩大的知识百科全书Cyc，截止2015年1月，Cyc已包含23万多个概念、实体和200多万个三元组。

90年代后期Cyc已经衰败，因为搜索引擎开始崛起，显示了互联网和大数据的威力。虽然Cyc后期也开始链接外部知识库，但已无法挽救颓势。

人工智能第二阶段的低谷告诉我们：知识不能仅靠专家手工表达，这样难免会挂一漏万，难以面面俱到，最终还是需要靠机器自动学习。

第三阶段：大数据驱动的人工智能阶段（2006年-至今）

我们都知道，要发展人工智能，算法、算力和数据是基础要素，也最终决定了人工智能的发展形态和方向。

人工智能第三阶段就是在算法优化、算力提升、海量大数据的基础上发展起来的，这个阶段，科学家改变了以往的设定逻辑，从之前的如何认为制造智能，转变为如何让机器自己习得智能。

第三阶段在算法层面的里程碑事件是2006年多伦多大学的Geoffrey Hinton在《Science》上发表了关于深度神经网络的论文，由此以深度学习算法为主的人工智能技术有了进一步的突破。

2012年，加拿大多伦多大学赢得了ImageNet比赛，他们使用非监督的逐层贪心训练算法成功让机器基于目前最大的图像数据库进行分类识别，而不是依靠人为制定的规则。多伦多团队的成就标志着深度学习的繁荣以及更普遍人工智能的复兴。

2016年3月，阿尔法围棋与围棋世界冠军、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜，这一刻标志着，从象棋、魔方到围棋的一切智力游戏，人类已经没有一项是机器的对手。围棋作为象征着人类智力高度的最后一块处女地，在我们的眼皮底下刚刚沦陷。

写在最后：

人工智能这种技术一开始研究很漫长，但一旦突破了某种瓶颈走出实验室，之后就会是几十年的产业化进程。就像电和互联网技术的发明一样，一开始是星星之火，之后就会技术赋能推动社会的整体进步。人们总是高估一两年的变化而低估五年十年的变化，所以对待Ai，不要盲目乐观，也别过于悲观。

风起于青萍之末，止于草莽之间。在未来面前，我们都只是孩子！