下载掌阅APP，畅读海量书库
立即打开
人工智能的发展历史可归结为孕育、形成和发展3个阶段。
这个阶段主要是指1956年以前。自古以来，人们就一直试图用各种机器来代替人的部分脑力劳动，以提高人们征服自然的能力，其中对人工智能的产生、发展有重大影响的主要研究成果如下。
① 早在公元前384—公元前322年，伟大的哲学家亚里士多德（Aristotle）就在他的名著《工具论》中提出了形式逻辑的一些主要定律，他提出的三段论至今仍是演绎推理的基本依据。
② 英国哲学家培根（F. Bacon）曾系统地提出了归纳法，还提出了“知识就是力量”的警句。这对于研究人类的思维过程，以及自20世纪70年代人工智能转向以知识为中心的研究都产生了重要影响。
③ 德国数学家和哲学家莱布尼茨（G. W. Leibniz）提出了万能符号和推理计算的思想，他认为可以建立一种通用的符号语言以及在此符号语言上进行推理的演算。这一思想不仅为数理逻辑的产生和发展奠定了基础，而且是现代机器思维设计思想的萌芽。
④ 英国逻辑学家布尔（G. Boole）致力于使思维规律形式化和实现机械化，并创立了布尔代数。他在《思维法则》一书中首次用符号语言描述了思维活动的基本推理法则。
⑤ 英国数学家图灵（A. M. Turing）在1936年提出了一种理想计算机的数学模型，即图灵机，为后来电子数字计算机的问世奠定了理论基础。
⑥ 美国神经生理学家麦克洛奇（W. McCulloch）与匹兹（W. Pitts）在1943年建成了第一个神经网络模型（M-P模型），开创了微观人工智能的研究领域，为后来人工神经网络的研究奠定了基础。
⑦ 世界上第一台电子计算机为人工智能的研究奠定了物质基础。
由上面的发展过程可以看出，人工智能的产生和发展绝不是偶然的，它是科学技术发展的必然产物。
这个阶段主要是指1956—1969年。1956年夏季，由当时达特茅斯（Dartmouth）大学的年轻数学助教、现任斯坦福大学教授麦卡锡（T. McCarthy）联合哈佛大学年轻数学和神经学家、麻省理工学院教授明斯基（M. L. Minsky）,IBM公司信息研究中心负责人洛切斯特（N. Rochester），贝尔实验室信息部数学研究员香农（C. E. Shannon）共同发起，邀请普林斯顿大学的莫尔（T. Moore）和IBM公司的塞缪尔（A. L. Samuel）、麻省理工学院的塞尔夫里奇（O. Selfridge）和索罗莫夫（R. Solomonff）以及兰德（RAND）公司和卡内基梅隆大学的纽厄尔（A. Newell）、西蒙（H. A. Simon）等在美国达特茅斯大学召开了一次为时两个月的学术研讨会，讨论关于机器智能的问题。会上经麦卡锡提议正式采用了“人工智能”这一术语。麦卡锡因而被称为人工智能之父。这是一次具有历史意义的重要会议，它标志着人工智能作为一门新兴学科正式诞生了。此后，美国形成了多个人工智能研究组织，如纽厄尔和西蒙的Carnegie RAND协作组，明斯基和麦卡锡的MIT研究组，塞缪尔的IBM工程研究组等。
自这次会议之后的10多年间，人工智能的研究在机器学习、定理证明、模式识别、问题求解、专家系统及智能语言等方面都取得了许多引人注目的成就，举例如下。
① 在机器学习方面，1957年Rosenblatt研制成功了感知机。这是一种将神经元用于识别的系统，它的学习功能引起了广泛的兴趣，推动了连接机制的研究，但人们很快发现了感知机的局限性。
② 在定理证明方面，数理逻辑学家王浩于1958年在IBM-704机器上用3～5分钟证明了《数学原理》中有关命题演算的全部定理（220条），并且证明了谓词演算中150条定理的85%;1965年鲁宾孙（J. A. Robinson）提出了归结原理，为定理的机器证明做出了突破性的贡献。
③ 在模式识别方面，1959年塞尔夫里奇推出了一个模式识别程序；1965年罗伯特（Roberts）编制出了可分辨积木构造的程序。
④ 在问题求解方面，1960年纽厄尔等通过心理学实验总结出了人们求解问题的思维规律，编制了通用问题求解程序GPS，可以用来求解11种不同类型的问题。
⑤ 在专家系统方面，美国斯坦福大学的费根鲍姆（E. A. Feigenbaum）领导的研究小组自1965年开始专家系统DENDRAL的研究，1968年完成并投入使用。
⑥ 在智能语言方面，1960年麦卡锡研制出了人工智能语言LISP，成为建造专家系统的重要工具。
1969 年成立的国际人工智能联合会议（International Joint Conferences on Artificial Intelligence, IJCAI）是人工智能发展史上一个重要的里程碑，它标志着人工智能这门新兴学科得到了世界的肯定和认可。1970年创刊的国际性人工智能杂志 Artificial Intelligence 对推动人工智能的发展，促进研究者的交流起到了重要的作用。
这个阶段主要是指1970年以后。进入20世纪70年代，许多国家开展了人工智能的研究，涌现了大量的研究成果。例如，1972年法国马赛大学的科麦瑞尔（A. Comerauer）提出并实现了逻辑程序设计语言 PROLOG；斯坦福大学的肖特利夫（E. H. Shortliffe）等从1972年开始研制用于诊断和治疗感染性疾病的专家系统MYCIN。
但是，和其他新兴学科的发展一样，人工智能的发展道路也不是平坦的。例如，机器翻译的研究没有像人们最初想象得那么容易。当时人们以为只要一部双向词典及一些词法知识就可以实现两种语言文字间的互译。后来发现机器翻译远非这么简单。实际上，由机器翻译出来的文字有时会出现十分荒谬的错误。英国、美国当时中断了对大部分机器翻译项目的资助。其他方面，如问题求解、神经网络、机器学习等，也遇到了困难，使人工智能的研究一时陷入了困境。
人工智能研究的先驱者认真反思，总结前一段研究的经验和教训。1977年费根鲍姆在第五届国际人工智能联合会议上提出了“知识工程”的概念，对以知识为基础的智能系统的研究与建造起到了重要的作用。大多数人接受了费根鲍姆关于以知识为中心展开人工智能研究的观点。从此，人工智能的研究迎来了蓬勃发展的以知识为中心的新时期。
这个时期中，专家系统的研究在多个领域中取得了重大突破，各种不同功能、不同类型的专家系统如雨后春笋般地建立起来，产生了巨大的经济效益及社会效益。例如，地矿勘探专家系统PROSPECTOR拥有15种矿藏知识，能根据岩石标本及地质勘探数据对矿藏资源进行估计和预测，能对矿床分布、储藏量、品位及开采价值进行推断，制定合理的开采方案，应用该系统成功地找到了超亿美元的钼矿。专家系统MYCIN能识别51种病菌，正确地处理23种抗生素，可协助医生诊断、治疗细菌感染性血液病，为患者提供最佳处方。该系统成功地处理了数百个病例，并通过了严格的测试，显示出了较高的医疗水平。美国DEC公司的专家系统XCON能根据用户要求确定计算机的配置。由专家做这项工作一般需要3小时，而该系统只需要0.5分钟，速度提高了360倍。DEC公司还建立了另外一些专家系统，由此产生的净收益每年超过4000万美元。信用卡认证辅助决策专家系统American Express能够防止不应有的损失，每年可节省2 700万美元左右。
专家系统的成功，使人们越来越清楚地认识到知识是智能的基础，对人工智能的研究必须以知识为中心来进行。对知识的表示、利用及获取等研究取得了较大进展，特别是对不确定性知识的表示与推理取得了突破，建立了主观Bayes理论、确定性理论、证据理论等，对人工智能中模式识别、自然语言理解等领域的发展提供了支持，解决了许多理论及技术上的问题。
人工智能在博弈中的成功应用也举世瞩目。人们对博弈的研究一直抱有极大的兴趣，早在1956年人工智能刚刚作为一门学科问世时，塞缪尔就研制出了跳棋程序。这个程序能从棋谱中学习，也能从下棋实践中提高棋艺。1959年它击败了塞缪尔本人。1991年8月在悉尼举行的第12届国际人工智能联合会议上，IBM公司研制的“深思”（Deep Thought）计算机系统与澳大利亚象棋冠军约翰森（D. Johansen）举行了一场人机对抗赛，结果以1∶1平局告终。
1996年2月10日至17日，为了纪念世界上第一台电子计算机诞生50周年，美国IBM公司出巨资邀请国际象棋棋王卡斯帕罗夫与IBM公司的“深蓝”计算机系统进行了六局的“人机大战”。这场比赛被人们称为“人脑与电脑的世界决战”。参赛的双方分别代表了人脑和电脑的世界最高水平。当时的“深蓝”是一台运算速度达每秒1亿次的超级计算机，它最终以3.5∶2.5的总比分赢得这场“人机大战”的胜利。“深蓝”计算机的胜利表明了人工智能所达到的成就。尽管它的棋路还远非真正地对人类思维方式的模拟，但它已经向世人说明，计算机能够以人类远远不能企及的速度和准确性，实现属于人类思维的大量任务。“深蓝”计算机精湛的残局战略使观战的国际象棋专家大为惊讶。因为这场胜利， IBM的股票升值为180亿美元。
围棋一直是人类赖以自豪的认为不会被计算机攻破的最后堡垒，2016年3月，由谷歌（Google）旗下 DeepMind 公司戴密斯·哈萨比斯领衔的团队开发的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∶1的总比分获胜；2016年年末2017年年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3∶0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分超过排名人类第一的棋手柯洁。
阿尔法围棋（AlphaGo）成为第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，其主要工作原理就是“深度学习”。2017年5月27日，在柯洁与阿尔法围棋的人机大战之后，阿尔法围棋团队宣布阿尔法围棋将不再参加围棋比赛。2017年10月18日，DeepMind团队公布了最强版阿尔法围棋，代号AlphaGo Zero。