下载掌阅APP，畅读海量书库
立即打开
关于人工智能的相关研究已有 60 多年之久，但早期的学术界并未给出明确的人工智能的概念。“计算机之父”艾伦·图灵利用“机器是否能思考”的问题去替代，提出了判断机器是否具有智能的方法，那就是让机器完成“图灵测试”。测试让被测机器去和正常思维的人进行交流和沟通，如果在所选的测试者中有 30%的人相信与自己交流的对方是人，那么这台机器则可称为“具有智能”。在这种假设下的智能机器，能够在多种环境下自主且有一定的组织交互形式，执行拟人任务。
美国斯坦福大学人工智能研究中心的尼尔逊教授给出对人工智能的定义：人工智能是关于知识的学科，是怎样表示知识以及怎样获取知识并使用知识的科学。人工智能被划分为两大类：强人工智能和弱人工智能。我们通常认为强人工智能有可能制造出真正能推理和解决问题的智能机器，这样的机器是有知觉、有自我意识的。强人工智能又被划分为两大类：一类是类人的人工智能，即机器的思考和推理类似于人类思维；另一类是非类人的人工智能，即机器产生不同于人类的知觉和意识，使用不同于人类的推理方式。弱人工智能被认为不可能制造出真正能推理和解决问题的智能机器，这些机器看起来是智能的，但并不真正拥有智能，也不会有自主意识。强人工智能的研究方面始终没有很大的进展，这是因为实现难度较大。而弱人工智能从严格意义上讲，并不真正拥有智能，因为弱人工智能并没有思维意识，只能按照编写好的程序进行相应的工作。与强人工智能相比，弱人工智能得到了较快发展，目前人工智能的发展也主要是围绕弱人工智能进行的。
人工智能基于人脑思维的不同层次进行研究，分化成符号主义、连接主义和行为主义 3种主流学派。符号主义即传统的人工智能，以Newell和Simon的物理符号系统假设为理论基础。物理符号系统假设认为，物理符号系统以一组符号实体的形式表现，物理模式能够使其在符号结构实体中作为组分，通过建立、复制、修改或删除等操作生成其他符号结构，因此是智能行为的充要条件；而连接主义就非程序的、适应性的、大脑的信息处理本质和功能，研究神经网络的机理、模型、算法，从大脑神经系统结构分析大量简单神经元信息处理能力和动态行为。由于侧重于模拟实现认知过程的感知、形象思维、分布式记忆和自组织、自学习过程，适合大部分低层次的模式处理；行为主义将神经系统的运作原理与信息论、控制论、逻辑以及计算机相连，研究自优化、自适应、自校正、自镇定、自组织、自学习等控制论系统过程中的智能行为和作用。目前人工智能主要研究运用知识求解问题，是一种以知识为对象，研究知识表示、运用、获取方法的知识工程学学科。
自 19 世纪起，诸如数理逻辑、自动机理论、控制论、信息论、仿生学、计算机和心理学等学科的充分发展为人工智能的诞生提供了思想、理论和物质基础。乔治·布尔（George Boole）于 1847 年出版的《Mathematical Analysis of Logic》中，首次运用符号语言对思维活动的基本推理法则进行描述；1854 年出版的《思维规律的研究》一书中创立了布尔代数。库尔特·哥德尔（Kurt Godel）提出了不完备性定理。艾伦·图灵创立了自动机理论。McCulloch和Pitts于1943 年共同提出M-P神经网络模型，这是人工神经网络研究的开端。诺伯特·维纳（Noebert Wiener）于 1948 年提出控制论，同年克劳德·香农提出信息论（史忠植，1998）。
在 1956 年达特茅斯学会上，“人工智能”一词首次被科学家们提出，是科学家们用来讨论机器模拟人类智能的专业术语。人工智能发展的 60 多年来，具体可分为以下 5 个阶段。
1950 年，“人工智能之父”马文·明斯基（Marvin Lee Minsky）建造了世界上第一台神经网络计算机，被看作人工智能的一个起点。英国数学家艾伦·图灵同年发表了《计算机器与智能》（ Computing Machinery and Intelligence ）一文中提出机器可以思考的论述，并设计了图灵测试，同时预言了开发真正具有智能机器的可行性，成为人工智能哲学的重要组成部分。因此，人工智能的思想开始萌芽，为人工智能的诞生奠定了基础。其间相继出现了很多显著成果，如机器定理证明、跳棋程序、通用问题、求解程序、LISTP表处理语言等。
计算机学家约翰·麦卡锡（John McCarthy）在 1956 年的美国达特茅斯大学会议上提出了“人工智能”一词，人工智能的名称和任务得以确定，于是出现了最初的成就和最早的一批研究者，并创立了人工智能这一研究方向和学科，人工智能正式诞生。当时，人工智能的研究方向主要集中在博弈、翻译以及定理的证明等。心理学家赫伯特·西蒙（Herbert Alexander Simon）和艾伦·纽厄尔（Allen Newell）同年也在定理证明上取得了突破，开启了通过计算机程序模拟人类思维的道路。1958 年，约翰·麦卡锡开发了Lisp语言，这是人工智能研究中最受欢迎且青睐的编程语言之一。亚瑟·塞缪尔（Arthur Samuel）在 1959 年提出编程计算机能比人更好地进行国际象棋游戏，并提出了“机器学习”一词。
随后在 20 世纪 60 年代初期，人工智能取得了迅速发展，出现了新的编程语言、机器人和自动机。计算机学家詹姆斯·斯拉格（James Slagle）在 1961 年开发了SAINT（符号自动积分器），它是一个启发式问题解决方案，重点是新生微积分中的符号整合。计算机学家丹尼尔·鲍博罗（Daniel Bobrow）于 1964 年创建了STUDENT，一个用Lisp语言编写的早期AI程序，解决了代数词问题，通常被认为是人工智能应用于自然语言处理的早期里程碑。1965 年，计算机学家约瑟夫·维岑鲍姆（Joseph Weizenbaum）开发了ELIZA交互式计算机程序，实现了英语的交谈功能。1966 年第一个通用移动机器人Shakey由Charles Rosen等人制造，称为“第一个电子人”。在这段长达十余年的时间里，人工智能被广泛应用于数学和自然语言领域，以解决代数、几何和语言等问题，也让很多研究学者看到了机器向人工智能发展的可能。
在 1967 年至 20 世纪 70 年代初期，当科学家试图对人工智能进行深层探索时，发现人工智能的研究遇到大量当代技术理论无法解决的问题。该阶段主要有 3 个方面的问题：其一，计算机性能的不足导致很多程序无法在人工智能领域得到应用；其二，问题的复杂性，早期人工智能程序主要解决特定问题，一旦问题维度增多，程序就无法处理；其三，数据量缺失，在当时找不到足够大的数据库支撑程序深度学习，导致机器无法读取足量数据智能化。在 1973年的英国科学理事会上，应用数学家詹姆斯·莱特希尔（James Lighthill）对人工智能研究状况作出报告，报告中指出“该领域的任何一部分都没有发现产生的重大影响”。随后各界科研委员会开始停止对人工智能研究的资助，人工智能技术的发展跌入低谷。
在 1980 年至 1987 年间，随着理论研究和计算机的快速发展，英、美等国对人工智能重启研究并开始投入大量资金。在 1980 年，卡内基梅隆大学设计了XCON专家系统，这是一种采用人工智能程序的系统，可以简单理解为“知识库+推理机”的组合，它具有完整的专业知识和经验。随后衍生出像Symbolics、Lisp Machines和IntelliCorp、Aion这样的硬件、软件公司。该时期的专家系统产业价值高达 5 亿美元。大量研究人工智能的技术人员开发了各种人工智能实用系统，尝试商业化并投入市场，人工智能发展又掀起了一股浪潮。
自 20 世纪 90 年代中期以来，伴随着人工智能，尤其是神经网络的稳步发展，学术界对人工智能的认知趋于客观理性，人工智能技术开始进入平稳发展时期。1997 年 5 月 11 日，IBM的“深蓝”计算机系统击败了国际象棋世界冠军卡斯帕罗夫，引发了现象级的人工智能话题讨论，这是人工智能发展的一个重要里程碑。Hinton在 2006 年取得了神经网络深度学习领域的突破，人类又一次看到机器赶超人类的希望，这是标志性的技术进步。人工智能技术同时不断向大型分布式人工智能、大型分布式多专家协同系统、大型分布式人工开发环境、并行推理、多种专家系统开发工具和分布式环境下的多智能协同系统等方向发展。
总体来说，人工智能先后提出了启发式搜索策略、非单调推理、机器学习等方法，从而取得了一定的研究进展。在人工智能的应用上，尤其是专家系统、智能决策、智能机器人、自然语言处理等方面，以知识信息处理为中心的知识工程仍是人工智能的显著标志。但人工智能目前还较为欠缺，如全局性判断模糊信息、多粒度视觉信息的处理比较困难。
近期，人工智能引爆了一场商业革命。谷歌、微软、百度等互联网巨头，以及众多初创科技公司着眼于人工智能产品，引领了新一轮的智能化潮流。随着技术的日趋成熟和大众的广泛接受，在未来发展中，人工智能技术将会越来越完善，带领人类开创一个新的时代。