人工智能史

在 20 世紀和 21 世紀的無數技術進步中，最具影響力的無疑是人工智能(AI)。從重塑我們查找信息方式的搜索引擎算法到消費者領域的亞馬遜 Alexa ，人工智能已成為推動整個科技行業走向未來的主要技術。

無論您是新興的初創公司還是像微軟這樣的行業巨頭，您的公司中可能至少有一部分人在使用 AI 或機器學習。根據 Grand View Research 的一項研究，2021 年全球人工智能行業的價值為 935 億美元。

人工智能作為科技行業的一股力量在 2000 年代和 2010 年代爆發式增長，但至少從 1950 年開始，人工智能就以某種形式或方式存在，并且可以說可以追溯到更遠的地方。

人工智能歷史的廣泛筆觸，例如圖靈測試和國際象棋計算機，在大眾意識中根深蒂固，但豐富而密集的歷史卻存在于常識的表面之下。本文將提煉這段歷史，向您展示人工智能從神話想法到改變世界的現實的道路。

從民間傳說到事實

雖然人工智能通常被認為是一個前沿概念，但人類幾千年來一直在想象人工智能，而這些想象對當今該領域的進步產生了切實的影響。

突出的神話例子包括青銅自動機塔洛斯，希臘克里特島的保護者， 以及文藝復興時期的煉金術人造人。弗蘭肯斯坦的怪物、2001 年的 HAL 9000：太空漫游和終結者系列中的天網等角色只是我們在現代小說中描繪人工智能的一些方式。

對人工智能歷史影響最大的虛構概念之一是艾薩克·阿西莫夫的機器人三定律。當現實世界的研究人員和組織創建自己的機器人定律時，經常會引用這些定律。

事實上，當英國的工程與物理科學研究委員會 (EPSRC) 和藝術與人文研究委員會 (AHRC) 發布其針對機器人設計者、建造者和用戶的 5 條原則時，它明確引用了阿西莫夫作為參考點，盡管指出阿西莫夫的法律意味著在實踐中行不通。 ”

微軟 CEO Satya Nadella在介紹他自己的 AI 法則時也提到了阿西莫夫法則，稱它們是“一個好的開始，但最終并不充分”。

計算機、游戲和艾倫·圖靈

當阿西莫夫在 1940 年代撰寫他的三定律時，研究員威廉格雷沃爾特正在開發一種基本的人工智能模擬版本。這些被稱為烏龜或烏龜的微型機器人可以檢測光線并對其做出反應，并與它們的塑料外殼接觸，并且它們無需使用計算機即可操作。

在 1960 年代后期，約翰霍普金斯大學制造了他們的 Beast，這是另一種無需計算機的自動機，它可以通過聲納在大學的大廳中導航，并在電池電量不足時在特殊的墻壁插座上充電。

然而，我們今天所知道的人工智能會發現它的進步與計算機科學的進步密不可分。艾倫·圖靈 1950 年發表的論文《計算機與智能》介紹了著名的圖靈測試，至今仍具有影響力。許多早期的 AI 程序都是為玩游戲而開發的，例如 Christopher Strachey為 Ferranti Mark I 計算機編寫的跳棋程序。

“人工智能”一詞本身直到 1956 年由馬文·明斯基、約翰·麥卡錫、克勞德·香農和內森·羅切斯特組織的達特茅斯研討會才被編入法典，麥卡錫在那里為這個新興領域創造了這個名稱。

工作坊也是 Allen Newell 和 Herbert A. Simon 首次推出他們的Logic Theorist 計算機程序的地方，該程序是在計算機程序員 Cliff Shaw 的幫助下開發的。旨在以與人類數學家相同的方式證明數學定理，邏輯理論家將繼續證明數學原理中發現的前 52 個定理中的 38 個。西蒙說，盡管取得了這一成就，但會議上的其他研究人員“并沒有對此給予太多關注”。

游戲和數學是早期人工智能的焦點，因為它們很容易應用“推理即搜索”原則。推理作為搜索，也稱為手段-目的分析 (MEA) ，是一種解決問題的方法，遵循三個基本步驟：

D確定您觀察到的任何問題的持續狀態(您感到饑餓)。

確定最終目標(您不再感到饑餓)。

決定解決問題需要采取的行動(你做一個三明治然后吃掉它)。

人工智能原理的早期先驅：如果行動沒有解決問題，找到一組新的行動并重復，直到你解決了問題。

神經網絡和自然語言

由于冷戰時期的政府愿意在任何可能讓他們比對方更有優勢的事情上投入資金，人工智能研究在 50 年代和 60 年代經歷了來自DARPA 等組織的大量資金。

這項研究催生了機器學習方面的許多進步。例如，Simon 和 Newell 的通用問題求解器在使用 MEA 時會生成啟發式思維捷徑，這些思維捷徑可以阻止 AI 可能探索的可能無法達到預期結果的問題解決路徑。

最初在 1940 年代提出，第一個人工神經網絡于 1958 年發明，這要歸功于美國海軍研究辦公室的資助。

這一時期研究人員的一個主要關注點是試圖讓人工智能理解人類語言。Daniel Brubow 通過他的STUDENT 程序幫助開創了自然語言處理的先河，該程序旨在解決單詞問題。

1966 年，Joseph Weizenbaum 推出了第一個聊天機器人 ELIZA，全世界的互聯網用戶都對此表示感謝。Roger Schank 的概念依賴理論試圖將句子轉換為以一組簡單關鍵字表示的基本概念，是人工智能研究中最具影響力的早期發展之一。

人工智能的第一個冬天

在 1970 年代，50 年代和 60 年代人工智能研究中普遍存在的樂觀情緒開始消退。由于 AI 研究面臨的無數現實問題將天價承諾拖到了地球上，資金枯竭了。其中最主要的是計算能力的限制。

正如 Bruce G. Buchanan 在 AI 雜志的一篇文章中解釋的那樣：“早期程序的范圍必然受到內存和處理器的大小和速度以及早期操作系統和語言的相對笨拙的限制。” 這一時期，隨著資金的消失和樂觀情緒的消退，被稱為人工智能冬天。

這一時期的特點是人工智能研究人員之間的挫折和跨學科分歧。Marvin Minsky 和 ??Frank Rosenblatt 于 1969 年出版的《感知器》一書徹底打擊了神經網絡領域，以至于在 1980 年代之前對該領域的研究很少。

然后，所謂的“整潔”和“邋遢”之間存在分歧。整潔的人傾向于使用邏輯和符號推理來訓練和教育他們的人工智能。他們希望人工智能能夠解決諸如數學定理之類的邏輯問題。

John McCarthy 在 1959 年的Advice Taker 提案中介紹了在 AI 中使用邏輯的想法。此外，由 Alan Colmerauer 和 Phillipe Roussel 于 1972 年開發的Prolog 編程語言被專門設計為一種邏輯編程語言，至今仍在人工智能中使用。

與此同時，邋遢的人試圖讓人工智能解決需要人工智能像人一樣思考的問題。在 1975 年的一篇論文中，馬文·明斯基概述了邋遢的研究人員使用的一種常用方法，稱為“框架”。

框架是人類和人工智能都可以理解世界的一種方式。當你遇到一個新的人或事件時，你可以利用類似的人和事件的記憶，讓你大致了解如何進行，例如在新餐廳點菜時。您可能不知道菜單或為您服務的人，但您可以根據過去在其他餐廳的經驗大致了解如何下訂單。

從學術界到工業界

1980 年代標志著對人工智能的熱情回歸。R1 是數字設備公司于 1982 年實施的專家系統，據報道，到 1986 年，該公司每年為公司節省了 4000 萬美元。R1 的成功證明了人工智能作為商業工具的可行性，并引發了杜邦等其他大公司的興趣。

最重要的是，日本的第五代項目試圖創建在 Prolog 上運行的智能計算機，就像普通計算機在代碼上運行一樣，引發了美國企業的進一步興趣。為了不甘示弱，美國公司將資金投入人工智能研究。

總而言之，這種興趣的增加和向工業研究的轉變導致人工智能行業的價值在 1988 年激增至 20 億美元。考慮到通貨膨脹因素，到 2022 年這一數字接近 50 億美元。

第二個人工智能冬天

然而，在 1990 年代，人們的興趣開始以與 70 年代相同的方式消退。1987 年，時任 DARPA 的新主任杰克·施瓦茨(Jack Schwartz)有效地從該組織中消除了人工智能資金，但已經指定用途的資金直到 1993 年才用完。

第五代項目經過 10 年的發展未能實現其許多目標，隨著企業發現購買量產的通用芯片和將 AI 應用程序編程到軟件中變得更便宜、更容易，專門的 AI 硬件市場，如LISP機器，崩盤，導致整體市場萎縮。

此外，在本世紀初證明 AI 可行性的專家系統開始出現致命缺陷。隨著系統繼續使用，它不斷添加更多規則來操作，并且需要越來越大的知識庫來處理。最終，維護和更新系統知識庫所需的人員數量將會增加，直到在財務上無法維持。這些因素和其他因素的結合導致了第二個人工智能冬天。

進入新千年和人工智能的現代世界

1990 年代末和 2000 年代初顯示出人工智能春天即將到來的跡象。人工智能最古老的一些目標終于實現了，例如深藍在1997 年戰勝當時的國際象棋世界冠軍加里·卡斯帕羅夫，這是人工智能的一個里程碑式的時刻。

更復雜的數學工具以及與電氣工程等領域的合作導致AI 轉變為更以邏輯為導向的科學學科，讓上述整潔的人聲稱戰勝了邋遢的同行。2003 年，馬文·明斯基 ( Marvin Minsky ) 宣稱，過去 30 年，人工智能領域已經“腦死亡”了。

與此同時，人工智能在各種新的工業領域得到了應用：谷歌的搜索引擎算法、數據挖掘和語音識別等等。新的超級計算機和程序會發現自己與頂級人類對手競爭甚至獲勝，例如IBM 的 Watson 贏得 Jeopardy!2011 年擊敗曾連續贏得 74 集游戲節目的肯詹寧斯。

近年來最具影響力的人工智能之一是Facebook 的算法，它可以確定你在什么時候看到的帖子，試圖為平臺的用戶提供在線體驗。具有類似功能的算法可以在 Youtube 和 Netflix 等網站上找到，它們可以根據之前的歷史預測觀眾接下來想要觀看的內容。

除了這些公司的底線之外，這些算法對任何人的好處都存在爭議，因為即使是前雇員也曾在國會作證說它可能對用戶造成的危險。

有時，這些創新甚至不被認為是人工智能。正如尼克·布羅斯特羅姆(Nick Brostrom)在 2006 年 CNN 采訪中所說：“許多尖端 AI 已經滲透到一般應用程序中，通常不被稱為 AI，因為一旦某些東西變得足夠有用和足夠普遍，它就不再被標記為 AI。”

不將有用的人工智能稱為 AI 的趨勢并沒有持續到 2010 年代。現在，初創企業和技術支柱都爭先恐后地聲稱他們的最新產品是由人工智能或機器學習推動的。在某些情況下，這種愿望是如此強烈，以至于有些人會宣稱他們的產品是人工智能驅動的，即使人工智能的功能是有問題的。

人工智能已經進入了許多人的家中，無論是通過上述社交媒體算法還是亞馬遜的 Alexa 等虛擬助手。經歷了寒冬和破滅的泡沫，人工智能領域堅持了下來，并成為現代生活中非常重要的一部分，并且很可能在未來幾年呈指數級增長。