從寒冬到野蠻生長，從AI的「成長」洞察AI的發展

人工智慧的漫長萌芽期（17~20世紀50年代）

17世紀中，萊布尼茲、托馬斯·霍布斯和笛卡兒提出形式符號系統假設，為人工智慧（AI）的研究打下了基礎。19世紀初，查爾斯·巴貝奇設計了一台機械式可編程計算機（「差分機」），但未能建造出來。20世紀，布爾的《思維的定律》、弗雷格的《概念文字》、羅素和懷特海的《數學原理》這些著作在數理邏輯研究上有了極大的突破，使得人工智慧呼之欲出。1936年，數學家阿隆佐·邱奇和艾倫·圖靈命名邱奇-圖靈論題，提出所有計算或演算法都可以由一台圖靈機來執行，該論題被譽為構建計算機科學的基礎之一。1946年2月14日，發展了圖靈和約翰·馮·諾伊曼學說的、世界上第一台電子多用途計算機ENIAC在美國宣告誕生，為人工智慧的出現奠定了基礎。

人工智慧的誕生（20世紀40~50年代）

1947年，神經學研究發現大腦是由神經元組成的電子網路，其激勵電平只存在「有」和「無」兩種狀態，不存在中間狀態。1948年，早在計算機時代剛剛進入黎明時，諾伯特·維納就提出了一種「控制論」的概念。維納是最先預見到信息技術雙重可能性的人,這把雙刃劍可能逃離人類掌控並反過來控制人類。

此外,他還是最早對機器智能的到來提出批判的學者。1948年10月，香農發表論文《通信的數學理論》，被作為現代資訊理論研究的開端，而香農也因此被譽為「資訊理論之父」。1950年，圖靈發表了一篇劃時代的論文，預言了創造出具有真正智能的機器的可能性。圖靈測試是人工智慧哲學方面第一個嚴肅的提案。1951年，馬文·明斯基與迪恩·埃德蒙茲一道建造了第一台神經網路機SNARC。1954年喬治·戴沃爾，設計了世界上第一台可編程機器人。1955年，紐厄爾和西蒙在J.C.肖的協助下開發了「邏輯理論家」。這個程序能夠證明《數學原理》中前52個定理中的38個，其中某些證明比原著更加新穎和精巧。這一斷言後來被約翰·塞爾稱為「強人工智慧」，即機器可以像人一樣具有思想。1956年，馬文·明斯基與約翰·麥卡錫、克勞德·香農等人一起發起並組織「達特茅斯會議」，並在會議上首度提出「人工智慧」概念，這次會議之後被譽為「人工智慧的起點」。

人工智慧的黃金時代（20世紀50~70年代）

1956年戴沃爾與約瑟夫恩格爾博格，創建了世界上第一家機器人公司，名為「尤尼梅新」。1956年，奧利弗·薩爾夫瑞德研製出第一個字元識別程序，開闢了模式識別這一新的領域。1957年，紐厄爾和西蒙等開始研究一種不依賴於具體領域的通用問題求解器，他們稱之為GPS（General Problem Solver），這一時期，搜索式推理是許多AI程序使用相同的基本演算法。1958年，約翰·麥卡錫發明Lisp計算機分時編程語言，該語言至今仍在人工智慧領域廣泛使用。1958年，美國國防部先進研究項目局（Defense Advanced Research Projects Agency）成立，主要負責高新技術的研究、開發和應用。

40多年來，DARPA已為美軍研發成功了大量的先進武器系統，同時為美國積累了雄厚的科技資源儲備，並且引領著美國乃至世界軍民高技術研發的潮流。1962年，世界上首款工業機器人「尤尼梅特」開始在通用汽車公司的裝配線上服役。1963年6月，MIT從新建立的ARPA（即後來的DARPA，國防高等研究計劃局）獲得了二百二十萬美元經費，用於資助MAC工程，其中包括明斯基和麥卡錫五年前建立的AI研究組。此後ARPA每年提供三百萬美元，直到七十年代為止。1964年，IBM 360型計算機成為世界上第一款規模化生產的計算機。

早在1958年，約翰·麥卡錫就提出了名為「納諫者」的一個程序構想，將邏輯學引入了AI研究界。然而，根據60年代末麥卡錫和他的學生們的工作，對這一想法的直接實現具有極高的計算複雜度：即使是證明很簡單的定理也需要天文數字的步驟。麥卡錫認為，人類怎麼思考是無關緊要的：真正想要的是解題機器，而不是模仿人類進行思考的機器。麥卡錫等人一派被稱為「簡約派」。

1966年到1972年間，美國斯坦福國際研究所（Stanford Research Institute,SRI）研製了移動式機器人Shakey，並為控制機器人而開發了STRIPS系統，Shakey是首台採用了人工智慧學的移動機器人，引發了人工智慧早起工作的大爆炸。1966年，MIT的魏澤堡發布了世界上第一個聊天機器人Eliza。Eliza的智能之處在於她能通過腳本理解簡單的自然語言，並能產生類似人類的互動。而其中最著名的腳本便是模擬羅吉斯心理治療師的Doctor。1968年12月9日，加州斯坦福研究所的道格·恩格勒巴特發明計算機滑鼠，構想出了超文本鏈接概念，它在幾十年後成了現代互聯網的根基。恩格爾巴特提倡「智能增強」而非取代人類，被譽為「滑鼠之父」。1972年，維諾格拉德在美國麻省理工學院建立的一個用自然語言指揮機器人動作的系統SHRDLU，它能用普通的英語句子與人交流，還能作出決策並執行操作。

人工智慧的第一次低谷（20世紀70~80年代）

70年代初，AI遭遇了瓶頸。當時的計算機有限的內存和處理速度不足以解決任何實際的AI問題。要求程序對這個世界具有兒童水平的認識，研究者們很快發現這個要求太高了：1970年沒人能夠做出如此巨大的資料庫，也沒人知道一個程序怎樣才能學到如此豐富的信息。由於缺乏進展，對AI提供資助的機構（如英國政府，DARPA和NRC）對無方向的AI研究逐漸停止了資助。NRC（美國國家科學委員會）在撥款二千萬美元后停止資助。單克用「蕪雜（scruffy）」一詞描述他們「反邏輯」的方法，與麥卡錫等人的「簡約（neat）」方案相對。

在1975年的一篇開創性論文中，明斯基注意到與他共事的「蕪雜派」研究者在使用同一類型的工具，即用一個框架囊括所有相關的常識性假設。他稱之為「腳本（scripts）」，基於這一想法他使程序能夠回答關於一篇英語短文的提問。多年之後的面向對象編程採納了AI「框架」研究中的「繼承（inheritance）」概念。1977年，SRI的人工智慧研究員哈特和杜達開發了Prospector，用於探測礦藏。l約翰·塞爾於1980年提出「中文房間」實驗，試圖證明程序並不「理解」它所使用的符號，即所謂的「意向性」問題。Searle認為，如果符號對於機器而言沒有意義，那麼就不能認為機器是在「思考」。

人工智慧的繁榮期（1980年~1987年）

在80年代，一類名為「專家系統」的AI程序開始為全世界的公司所採納，而「知識處理」成為了主流AI研究的焦點。日本政府在同一年代積極投資AI以促進其第五代計算機工程。專家系統的能力來自於它們存儲的專業知識。知識庫系統和知識工程成為了80年代AI研究的主要方向。l第一個試圖解決常識問題的程序Cyc也在80年代出現，其方法是建立一個容納一個普通人知道的所有常識的巨型資料庫。

1981年，日本經濟產業省撥款八億五千萬美元支持第五代計算機項目。其目標是造出能夠與人對話，翻譯語言，解釋圖像，並且像人一樣推理的機器。其他國家紛紛作出響應，DARPA也行動起來，組織了戰略計算促進會，其1988年向AI的投資是1984年的三倍。

80年代早期另一個令人振奮的事件是約翰·霍普菲爾德和大衛·魯姆哈特使神經網路重獲新生。AI再一次獲得了成功。1982年年初，矽谷著名人工智慧公司Teknowledge終於能夠用兩個月的時間處理100萬美元的業務了。1986年，在里根時代「星球大戰計劃」（SDI）的推動下，美國與人工智慧相關的軟硬體銷售額高達4.25億美元。

人工智慧的冬天（1987年~1993年）

80年代中商業機構對AI的追捧與冷落符合經濟泡沫的經典模式，泡沫的破裂也在政府機構和投資者對AI的觀察之中。「AI之冬」一詞由經歷過1974年經費削減的研究者們創造出來。他們注意到了對專家系統的狂熱追捧，預計不久後人們將轉向失望。事實被他們不幸言中，專家系統的實用性僅僅局限於某些特定情景。到了80年代晚期，戰略計算促進會大幅削減對AI的資助。DARPA的新任領導認為AI並非「下一個浪潮」，撥款將傾向於那些看起來更容易出成果的項目。80年代後期，一些研究者根據機器人學的成就提出了一種全新的人工智慧方案。他們相信，為了獲得真正的智能，機器必須具有軀體。他們號召「自底向上」地創造智能，這一主張復興了從60年代就沉寂下來的控制論。

人工智慧的新春（1993~現在）

年過半百的AI終於實現了它最初的一些目標。它已被成功地用在技術產業中，不過有時是在幕後。這些成就有的歸功於計算機性能的提升，有的則是在高尚的科學責任感驅使下對特定的課題不斷追求而獲得的。

不過，至少在商業領域裡AI的聲譽已經不如往昔了。各種因素的合力將AI拆分為各自為戰的幾個子領域，有時候它們甚至會用新名詞來掩飾「人工智慧」這塊被玷污的金字招牌。AI比以往的任何時候都更加謹慎，卻也更加成功。

1997年5月11日，「更深的藍」成為戰勝國際象棋世界冠軍卡斯帕羅夫的第一個計算機系統。90年代，被稱為「智能代理」的新範式被廣泛接受。儘管早期研究者提出了模塊化的分治策略，但是直到朱迪亞·珀爾，紐厄爾等人將一些概念從決策理論和經濟學中引入AI之後現代智能代理範式才逐漸形成。當經濟學中的「理性代理」與計算機科學中的「對象」或「模塊」相結合，「智能代理」範式就完善了。

越來越多的AI研究者們開始開發和使用複雜的數學工具。人們廣泛地認識到，許多AI需要解決的問題已經成為數學，經濟學和運籌學領域的研究課題。數學語言的共享不僅使AI可以與其他學科展開更高層次的合作，而且使研究結果更易於評估和證明。AI已成為一門更嚴格的科學分支。這些變化被視為一場「革命」和「簡約派的勝利」。

AI研究者們開發的演算法開始變為較大系統的一部分。AI曾經解決了大量的難題，這些解決方案在產業界起到了重要作用。應用了AI技術的有數據挖掘，工業機器人，物流，語音識別，銀行業軟體，醫療診斷和Google搜索引擎等。

90年代的許多AI研究者故意用其他一些名字稱呼他們的工作，例如信息學，知識系統，認知系統或計算智能。部分原因是他們認為他們的領域與AI存在根本的不同，不過新名字也有利於獲取經費。

2005年，斯坦福開發的一台機器人在一條沙漠小徑上成功地自動行駛了131英里，贏得了DARPA挑戰大賽頭獎。2007年，奇耶等人創立Siri，當時的Siri只是iOS中的一個應用。蘋果公司在2010年4月28日完成了對Siri公司的收購，重新開發后只允許Siri在iOS中運行。l2010年，塞巴斯蒂安·特龍領導的谷歌無人駕駛汽車曝光，當時已經創下了超過16萬千米無事故的紀錄。2013年年末，當時的聯合創始人兼CEO馬克·扎克伯格前往位於塔霍湖的一家酒店參加神經信息處理系統（NIPS）技術會議。因為扎克伯格的到來而成了一個風向標，人工智慧再一次從單純的學術研究走向商業化。