人工智能是如何演变的？

导读：很多朋友问到关于人工智能是如何演变的的相关问题，本文新媒号就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！

简要分析人工智能发展变化

最近几年人工智能在世界范围内取得了爆炸性的发展，根据预测AI带来的社会革命将比工业革命快十倍，规模大三百倍，影响力大近三千倍。自2012年以来，AI计算能力的速度已经超过预测，平均每3-4个月翻一番。人工智能，简称AI，它是一门研究和发展用于模拟、扩展和扩展人类智能的理论、方法、技术和应用系统的新技术科学。在过去的研究中，我们曾经把大脑比作计算机。互联网诞生后，我们发现人脑不是计算机，而是计算机网络。近年来，人工智能离人类越来越近，一些重复性的工作，比如客服和收银员，正在被全方位取代，而创造性的工作领域也发生了显著的变化。目前空客用人工智能代替人类工程师设计飞机，制药公司葛兰素史克用人工智能进行药物开发，工作效率和任务完成质量都比人类工程师更好，人工智能甚至可以拍电影。人工智能产业链可以分为基础层、技术层和应用层。基础方面包括AI芯片市场和大数据服务市场。以自我为中心的云生态建设，制定标准实现大数据交换共享，大数据产业信息安全。

技术方面包括智能人脸识别行业和智能语音识别行业的推广，自然语言处理技术、语音处理技术、图像处理技术等人工智能技术将相互融合。应用层包括智能制造、智能安防、智能电网、智能医疗、智能客服、智慧农业，市场规模将持续增长。汽车/装配、金融服务、电信等高科技领域紧随其后，物流、零售、媒体等行业也在智能应用。展望未来，人工智能将给人类社会带来更多的惊喜和许多不可预测的变化，今天就由湖南众智互联网学院带大家来了解人工智能以后的发展趋势，希望能给大家带来帮助，预计未来人工智能将呈现以下发展趋势如下：

一、加速大数据、云计算、物联网的普及应用。

随着新一代信息技术革命的到来，人工智能将首先在互联网领域得到广泛应用。在这个过程中，通过人工智能与新一代信息技术、大数据、云计算、物联网、工业互联网、无人驾驶的融合发展，将极大地提高这些领域的劳动生产率，推动这些领域的快速发展。随着人工智能的成熟，它将逐渐向其他领域扩散并继续向纵深发展。从未来的发展趋势来看，人工智能的发展前景非常广阔。

二、有效推动中国经济转型和产业升级。

目前，中国互联网正处于从消费互联网到产业互联网的发展过程中。综合应用物联网、大数据、人工智能等新一代技术赋能传统产业后，中国产业将呈现出全新的产业互联网。由于人工智能的广泛应用，在产业升级的过程中会释放出大量的就业岗位。同时，许多落后的生产能力将被淘汰。使用现代人工智能生产线后，将节省大量劳动力。

三、成为人们工作和就业的必备技能。

随着人工智能的普及和发展，智能体将逐渐进入生产环境。未来，各行各业的劳动者在工作中会频繁地与代理人沟通、合作，这对职场人提出了更高的工作要求。在未来的所有工作中，员工都需要掌握人工智能的理论知识，并具备相关的操作技术。就业人员也是如此。因此，这也对教育市场提出了新的要求，提供了新的发展机遇。

四、取代人力，这将成为必然的发展趋势。

在当前人工智能的研究过程中，机器学习是行业研究的核心，也是实现人工智能目标最根本的途径，已经成为人工智能发展的瓶颈。在人工智能解决学习这个基本矛盾之前，最好的人工智能是无法和普通4岁的孩子抗衡的。现在人工智能已经取代了一些行业中一些简单重复的工作。随着其在未来的不断发展，更多的工作岗位可能会被人工智能所取代，这是任何人都无法阻挡的客观发展趋势。

五、脑机接口将引发技术风暴。

1、人工智能进入医疗领域，将引发一场行业革命，推动这一行业爆发式发展。

近日，马斯克向世界宣布了一个重要消息，脑机接口将在一年内植入人脑。他说“脑机”被拒绝的概率很小。原则上，这种设备可以修复任何大脑问题，包括视力、瘫痪和阿尔茨海默病。脑机接口，简而言之，就是把芯片植入人的大脑。具体操作方法：神经外科机器人可以像微创眼科手术一样，安全无痛地在头部打孔，快速在大脑中植入芯片，然后通过USB-C接口直接读取大脑信号，手机可以远程控制。这项技术堪称里程碑式的突破。它将彻底改变人们与机器的互动方式，进而改变人类和整个社会。据悉，这项技术已经在小鼠身上成功测试，马斯克将在今年年底前将第一个芯片植入人类患者体内。

2、脑机接口技术成功实现后，人类可以随意控制外来物体，不用说话，只用思维就可以用自己的意志控制它们！

比如当你早上醒来时光靠思考就会自动打开灯，想吃早餐，默默下指令，咖啡机、煎蛋机、金奥会自动开启，如果不想起床，可以控制机械臂帮你到床上。

3、脑机接口技术实现后，人们可以在短时间内获得大量的知识和技能，获得普通人无法拥有的超能力。

记忆移植是该领域的研究热点，现在美国科学家发现了大脑海马体的记忆密码，开始尝试用一个芯片备份记忆，然后将芯片植入另一个大脑，实现记忆移植。现在这个实验已经在猴子身上成功了，有了这项技术，一个不懂英语、法语、德语等语言的人，只要把芯片植入大脑，就能瞬间掌握五六门外语。这项技术的最终目的是通过脑机接口技术将大量的信息传输到计算机或者将大脑的意识上传到计算机，最终实现人类意识和记忆在计算机世界中的永生。

我认为人工智不能完全取代人类，虽然人工智能已经初步掌握了一定的学习能力(被动学习)，即使人工智能在未来学会了思考，即掌握了主动学习的能力，仍然无法超越人类。因为人工智能没有感性思维，无法跨越意识领域。人工智能关系到人类的未来，属于全球科研领域的前沿技术。它的发展与信息技术、计算机技术、精密制造技术和互联网技术紧密相连，它的未来有太多的可能性，整体来说未来人工智能的发展前景也是很不错的。

基础篇：问题1.人工智能的发展简史是怎样的？1936-1969（1/3）

点击收听课程音频

  在我们开始探讨人工智能的相关问题之前，还是先简单回顾一下人工智能发展简史。

一、人工智能的诞生(20世纪三十~五十年代)

    人工智能的概念最早是由约翰·麦卡锡(John McCarthy)在1956年著名的达特矛斯会议(Dartmouth Conference)上提出： 人工智能是指让机器的行为看起来就象是人类所表现出的智能行为一样。 因为社会在不断进步和发展，所以对新技术的认知不可避免存在时空的局限性。人工智能这个定义在六十年后再往回看，已经被赋予了更多新的内容， 个别领域的人工智能应用已经不仅仅是象人类行为一样，甚至已经超越了人类，更快速、更准确、更强大。

 这个定义强调人工智能是人造机器，所“表现”出来一定的智能性也就是 弱人工智能 。主流科学研究也是集中在弱人工智能上，并且取得可观的成就。那既然说到了弱人工智能，就不得说与之对应的另一个分类就是强人工智能。   

       强人工智能一般观点认为： 人类有可能制造出真正能推理和解决问题的智能机器 ，具有以下几种特征：

1、机器有知觉和自我意识；2、机器可以独立思考问题并制定解决问题的最优方案； 3、有自己的价值观和世界观体系； 4、有和生物一样的各种本能，比如生存和安全需求； 5、在某种意义上可以看作一种新的文明。

 比如在好莱坞出品的人工智能的题材科幻电影中，很多机器人都表现出了很强的学习认知能力以及自我意识，这样的人工智能就可以认为属于强人工智能。但遗憾的是当前我们科技发展水平还没有能力创造任何种类的强人工智能。还有 弱人工智能与强人工智能并不是发展阶段的关系，弱人工智能不一定能发展为强人工智能，二者发展路径与理念存在根本的不同。

    让我们来回顾一下在人工智能诞生时期的伟大历史事件：

         1936年，数学家 阿隆佐·邱奇 (Alonzo Churc) 和艾伦·图灵 ( Alan Turing) 命名邱奇-图灵论题，提出 所有计算或算法都可以由一台图灵机来执行，这也是构建计算机科学的基础之一。 图灵这个人相信大家都有了解了，二战时发明了解码机破解了德国人密码，改变了战争的进程。并且他发表的图灵计算机论文也是现代计算机的原型。他把生物的进化也看做是一种程序，也就是图灵机的基本概念，一切都是数学公式的表达，然后按程序进行。

        1943年， 沃伦 · 麦卡洛克 (WarrenMcCulloch) 和沃尔特 · 皮茨 (WalterPitts) 两位科学家提出了 “ 神经网络 ” 的概念，正式开启了 AI 的大门。 虽然在当时仅是一个数学理论，但有着极其深远的影响，因为这个理论让人们了解到计算机可以如人类大脑一样进行“深度学习”，描述了人造神经元网络如何实现逻辑功能。

        1945年博弈论的创立者 冯·诺依曼(John.Von.N eumann)提出了存储程序的概念，在计算机领域建立了不朽的功勋。 他的这一思想被誉为电子计算机时代的开始。到今天计算机的体系结构还基本上是冯 · 诺依曼型。

1946年2月14日情人节那天，基于 图灵和冯 · 诺伊曼 学说，计算机的先驱者莫克利(J.W.Mauchly)与他的研究生埃克特(J.P.Eckert)在美国合作研发了世界上第一台通用计算机， 这 是现代计算机发展史上重要的里程碑，也 为人工智能的出现奠定了硬件基础。

        1947年，神经学的研究发现大脑结构是由神经元组成的电子网络，其电平只存在“有”和“无”两种状态，不存在中间状态，这也是人类研究大脑结构的重大成果。

         1948年，计算机时代刚刚进入黎明时， 诺伯特  ·  维纳 ( Norbert Wiener)  就提出了一种“控制论”的概念。他是最先预见到信息技术双重可能性的人，这把双刃剑可能也逃离人类掌控并反过来控制人类。他也成为了最早对机器智能的到来提出批判的学者。

         1950 年，图灵发表了一篇划时代的论文，预言了创造出具有真正智能的机器的可能性。 图灵测试是人工智能哲学方面第一个严肃的提案。著名的图灵测试诞生： 如果一台机器能够与人类 ( 通过电子设备 ) 展开间接对话而不能被辨别出其机器身份，那么称这台机器具有智能。 他也因此被誉为“人工智能之父”。同一年，图灵还预言了人类将会创造出具有真正智能的机器的可能性。

1951年， 克 里斯托弗  ·  斯特雷奇 (ChristopherStrachey) 使用写出了一个西洋跳棋程序； 迪特里希  ·  普林茨 (DietrichPrinz) 写出了一个国际象棋程序。 从这开始游戏 AI 就一直被当做评价 AI 发展水平的标准。

        1955 年，艾伦·纽厄尔 (Allen Newell) 和赫伯特 · 西蒙 (Herbert Simon) 在 J. C.  肖 的协助下开发了“逻辑理论家”。这个程序通过模拟人证明符号逻辑定理的思维活动，证明《数学原理》中的38个定理，其中某些证明比原著更加简明合理。

1956 年，人工智能诞生 马文· 明斯基 (Marvin Minsky) 与 约翰· 麦卡锡 (John McCarthy) 、克劳德· 香农 (Claude Shannon) 等人一起在美国达特茅斯学院发起并组织“达特茅斯会议”，麦卡锡首次提出了“人工智能”这个概念，纽厄尔和西蒙则展示了编写的“逻辑理论家”。会议上AI的名称和任务得以确定，同时出现了最初的成就和最早的一批研究者，因此这一事件被广泛认为是AI诞生的标志，被誉为“人工智能的起点”。

        1956 年乔治  ·  戴沃尔戴沃尔  (Ge orge Devol ) 与约瑟夫 · 恩格尔博格 ( Joseph F·Engelberger ) ， 创建了世界上第一家机器人公司，名为“尤尼梅新”。

        1956 年，奥利弗·萨尔夫瑞德 (Oliver Selfridge) 研制出第一个字符识别程序，开辟了模式识别这一新的领域。

            1957年， 艾伦·纽厄尔 (Allen Newell) 和 赫伯特 · 西蒙 (Herbert Simon) 等人开始研究一种不依赖于具体领域的通用问题求解器，他们称之为GPS(General Problem Solver)，这一时期，搜索式推理是许多AI程序使用相同的基本算法。原理就像在迷宫中寻找出路一般；如果遇到了死胡同则进行回溯选择其他分支路径往前，这就是“搜索式推理”。这算法主要困难是在很多问题中，线路总数的可能性是一个天文数字。

        1958年，美国国防部先进研究项目局(Defense Advanced ResearchProjects Agency)成立，主要负责高新技术的研究、开发和应用。几十年来DARPA已为美军研发成功了大量的先进武器系统，同时为美国积累了大量的科技资源储备，并且引领着美国乃至世界军民高技术研发的潮流。

总结一下，最初的人工智能研究是20世纪30年代末到50年代初的一系列科学研究成果交汇的创新的产物。在这些领域的顶级研究人员本身也是多学科跨界的专家，因此需要集各家所长的人工智能，才得以快速发展，其中主要的几个学科成果是：

1、神经学研究发现神经网络；2、维纳的控制论描述了电子网络研究3、香农信息论的数字信号研究；4、图灵的计算理论证明数字信号可以描述任何形式的计算，5、冯·诺依曼提出了存储程序的概念，这些密切相关的想法融合在一起，展现了构建一个电子大脑的可能性，研究如何用机器来模拟人类智能的学科产生了。

二、人工智能逻辑推理时期 (20世纪六十年代)

        在这一时期，一般认为只要机器被赋予了逻辑推理能力就可以实现人工智能。 不过此后人们失望的发现，制造出来的机器仅仅具备了基本的逻辑推理能力，还远远达不到“智能”的水平。

    早在1958年， 约翰· 麦卡锡 (John McCarthy) 提出了“纳谏者”的程序构想，将逻辑学引入了AI研究界。到了六十年代末麦卡锡和他的学生们发现，实现这一想法运算复杂度极高：即便是证明很简单的定理也需要天文数字的运算步骤。此时，麦卡锡认为，人类怎么思考是无关紧要的：真正的目标应该是解决问题的机器，而不是模仿人类进行思考的机器。因此麦卡锡等人一派也被称为“简约派”。

这一时期的重大事件有：

        1962年，创立6年时间的公司 “尤尼梅特” ， 推出了世界上首款工业机器人“尤尼梅特”， 开始在通用汽车公司的装配线上服役。

        1963年6月，麻省理工学院MIT从DARPA，国防部先进研究项目局获得经费资助，其中包括 马文· 明斯基 (MarvinMinsky) 和麦卡锡 (John McCarthy) 五年前建立的 AI 研究组。 此后DARPA每年提供三百万美元，直到七十年代为止。

        1966年到1972年间，美国斯坦福国际研究所(SRI)研制了具备一定人工智能移动式机器人Shakey,，它能够自主进行感知、环境建模、行为规划并执行任务(如寻找木箱并将其推到指定目的位置)。这是首台采用了人工智能学的移动机器人，引发了人工智能早期研究工作爆发。

        1966 年， MIT 的系统工程师约瑟夫·魏泽堡 (Joseph Weizenbaum 和精神病学家   肯尼思·科尔比 (Kenneth Colby) 发布了世界上第一个聊天机器人艾丽莎 Eliza 。智能之处在于她能通过脚本“理解”简单的自然语言，并能产生类似人类的互动。而其中最著名的脚本便是模拟罗吉斯心理治疗师的Doctor。作为最早的有情感人工智能机器，可以帮助用户和机器进行对话，缓解压力和抑郁，同时这也是人工智能语音助手最早的雏形。

        1968年12，加州斯坦福研究所的 道格·恩格勒巴特  ( Douglas C. Engelbart) 发明了鼠标，被誉为“鼠标之父”。 如果你认为发明鼠标已经很厉害的话，那他还有个更厉害发明，正是他提出了超链接概念，而超链接原理几十年后成了现代互联网的根基。他关于人工智能发展的理念是提倡“智能增强”而非取代人类。

     了解最新课程内容，点击 原文链接 或者搜索\"知识星球\"小程序，在里面搜索“人工智能进化论”订阅课程，加入圈子讨论或者向作者提问。 或者加wx:AI61825

人工智能的具体发展历史是什么？

历史 突飞猛进

1950年　阿兰·图灵出版《计算机与智能》。

1956年　约翰·麦卡锡在美国达特矛斯电脑大会上“创造”“人工智能 ”一词。

1956年　美国卡内基·梅隆大学展示世界上第一个人工智能软件的工作。

1958年　约翰·麦卡锡在麻省理工学院发明Lisp语言———一种A．I．语言。

1964年　麻省理工学院的丹尼·巴洛向世人展示，电脑能掌握足够的自然语言从而解决了开发计算机代数词汇程序的难题。

1965年　约瑟夫·魏岑堡建造了ELIZA———一种互动程序，它能以英语与人就任意话题展开对话。

1969年　斯坦福大学研制出Shakey————一种集运动、理解和解决问题能力于一身的机器人。

1979年　第一台电脑控制的自动行走器“斯坦福车”诞生。

1983年　世界第一家批量生产统一规格电脑的公司“思考机器”诞生。

1985年　哈罗德·科岑编写的绘图软件Aaron在A．I．大会亮相。

90年代　A．I．技术的发展在各个领域均展示长足发展————学习、教学、案件推理、策划、自然环境认识及方位识别、翻译，乃至游戏软件等领域都瞄准了A．I．的研发。

1997年　IBM（国际商用机械公司）制造的电脑“深蓝”击败了国际象棋冠军加里·卡斯帕罗夫。

90年代末　以A．I．技术为基础的网络信息搜索软件已是国际互联网的基本构件。

2000年　互动机械宠物面世。麻省理工学院推出了会做数十种面部表情的机器人Kisinel。

现在 流行挡不住

商业上的成功，成为实验室研究工作的催化剂。A．I．的边界正一步步向人类智慧逼进。

全球的高科技实验室不约而同盯上了A．I．大脑，这其中响当当的名字包括卡内基·梅隆大学，IBM和日本的本田汽车公司。

在比利时，Starlab（星实验室）正开发种能取代真猫大脑工作的人工大脑。据“人工大脑网站”报道，它将拥有约7500个人工脑神经细胞。它将能自如地操控猫咪行走，玩耍毛线球。据估计它将在2002年完成。

软件在将复杂决策程序化整为零方面取得突破。像外貌识别等看似简单的人类能力实际涉及广泛、复杂的认知和判断步骤。今天的电脑软件越来越精于模仿人类最精细的思维。而计算机硬件在追赶人脑能力方面亦不遗余力。

目前世界上最快的超级电脑————位于美国加利福利亚州劳伦斯·立弗摩尔国家实验室的IBM制“ASCI白色”已经是有人脑0·1％的运算能力。

IBM正在研制的“蓝色牛仔”（Blue　Jean）的每秒运算能力估计将与人脑相当。IBM研发部主管保罗·霍恩说Blue　Jean将在4年后开始运行。

斯坦福大学A．I．领域的首席专家埃里克·霍维兹及其许多同行相信，A．I．技术迎来突破发展的日子近在眼前，那时，A．I．将细分并派生出跨越出广泛领域的学科。

未来 聪明过人？

关于A．I．人们最迫切希望知道的问题是，它真能和人一般聪明吗？许多科学家相信，这只是个时间上的问题。A．I．软件设计师库尔兹维尔认为迟至2020年A．I．即可聪明过人。IBM的霍恩估计比较保守，他认为A．I．赶上人还需要40—50年时间。AT＆T的斯通则说他的目标是在2050前组建一只能挑战曼联的A．I．足球队。他这不是开玩笑。

在许多方面，A．I．大脑比人类更有优势。人脑的学习吸收新知识的过程非常慢。要说一口流利的英语至少得半年或两三年时间（吹牛广告中的例子除外）。而要让A．I．学会讲法语，只需为它装上一个说法语软件，数秒之间一个A．I．法语专家便诞生了。

另一个更难解答的问题：A．I．是否能拥有情感。目前没有人有把握回答这个问题。

于是剩下一个最可怕的问题：A．I．机器人能变得比人类更聪明，并反戈一击与人类为敌？库尔兹维尔、技术学家比尔·乔伊认为这并非不可能。霍恩在这个问题上拿不太稳。

霍恩认为虽然电脑的粗略运算能力可超过人类，但它不可能具备人类所有精细的特征，因为人类对自己的大脑拥有的许多微妙能力并不了解，更无从仿模相应软件。

库尔维兹的看法比较乐观，他认为人类在开发超级A．I．的同时，在对它们的引导和管理方面也将相应提高，因此将永远走在前面，掌握控制权。

人工智能的发展史是什么

【1950-1956年是人工智能的诞生年】

图灵测试1950

Dartmouth 会议1956

（1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。）

【1956-1974 年是人工智能的黄金年】

第一个人工智能程序ＬＴ逻辑理论家1958（西蒙和纽维尔）

LISP编程语言1958（约翰麦卡锡）

用于机器翻译的语义网1960（马斯特曼和剑桥大学同事）

模式识别-第一个机器学习论文发表（1963）

Dendral 专家系统1965

基于规则的Mycin医学诊断程序1974

【1974-1980年是人工智能第一个冬天】

人工智能：综合调查1973（来特希尔）

项目失败，列强削减科研经费

【1980-1987年是人工智能繁荣期】

AAAI在斯坦福大学召开第一届全国大会1980

日本启动第五代计算机用于知识处理1982

决策树模型带动机器学习复苏1980中期

ANN及多层神经网络1980中期

【1987-1993年是人工智能第二个冬天】

Lisp机市场崩溃1987

列强再次取消科研经费1988

专家系统滑翔谷底1993

日本第五代机退场1990年代

【1993-现在突破期】

IBM深蓝战胜卡斯帕罗夫1997

斯坦福大学Stanley 赢得无人驾驶汽车挑战赛2005

深度学习论文发表2006

IBM的沃森机器人问答比赛夺魁2011

谷歌启动谷歌大脑2011

苹果公司的Siri上线2012

微软通用实时翻译系统2012

微软Cortana 上线2014

百度度秘2015

IBM发布truenorth芯片2014

阿尔法狗打败人类棋手2016

人工智能的发展,主要经历哪几个阶段?

1 孕育阶段

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包括：

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。

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。

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。

英国逻辑学家布尔(C. 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。

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。

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。

美国爱荷华州立大学的阿塔纳索夫(Atanasoff)教授和他的研究生贝瑞(Berry)在1937年至1941年间开发的世界上第一台电子计算机“阿塔纳索夫-贝瑞计算机(Atanasoff-Berry Computer，ABC)”为人工智能的研究奠定了物质基础。需要说明的是：世界上第一台计算机不是许多书上所说的由美国的莫克利和埃柯特在1946年发明。这是美国历史上一桩著名的公案。

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。

2 形成阶段

这个阶段主要是指1956-1969年。1956年夏季，由当时达特茅斯大学的年轻数学助教、现任斯坦福大学教授麦卡锡(J. MeCarthy)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、专家系统及人工智能语言等方面都取得了许多引人注目的成就，例如：

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。

在定理证明方面，美籍华人数理逻辑学家王浩于1958年在IBM-704机器上用3~5min证明了《数学原理》中有关命题演算的全部定理(220条)，并且还证明了谓词演算中150条定理的85%，1965年鲁宾逊(J. A. Robinson)提出了归结原理，为定理的机器证明作出了突破性的贡献。

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。

在问题求解方面，1960年纽厄尔等人通过心理学试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(General Problem Solver，GPS)，可以用来求解11种不同类型的问题。

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。该专家系统能根据质谱仪的实验，通过分析推理决定化合物的分子结构，其分析能力已接近甚至超过有关化学专家的水平，在美、英等国得到了实际的应用。该专家系统的研制成功不仅为人们提供了一个实用的专家系统，而且对知识表示、存储、获取、推理及利用等技术是一次非常有益的探索，为以后专家系统的建造树立了榜样，对人工智能的发展产生了深刻的影响，其意义远远超过了系统本身在实用上所创造的价值。

在人工智能语言方面，1960年麦卡锡研制出了人工智能语言(List Processing，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已经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，促进研究者们的交流起到了重要的作用。

3 发展阶段

这个阶段主要是指1970年以后。进入20世纪70年代，许多国家都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. Shorliffe)等人从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的那么容易。当时人们总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。例如，当把“眼不见，心不烦”的英语句子“Out of sight，out of mind”。翻译成俄语变成“又瞎又疯”；当把“心有余而力不足”的英语句子“The spirit is willing but the flesh is weak”翻译成俄语，然后再翻译回来时竟变成了“The wine is good but the meat is spoiled”，即“酒是好的，但肉变质了”；当把“光阴似箭”的英语句子“Time flies like an arrow”翻译成日语，然后再翻译回来的时候，竟变成了“苍蝇喜欢箭”。由于机器翻译出现的这些问题，1960年美国政府顾问委员会的一份报告裁定：“还不存在通用的科学文本机器翻译，也没有很近的实现前景。”因此，英国、美国当时中断了对大部分机器翻译项目的资助。在其他方面，如问题求解、神经网络、机器学习等，也都遇到了困难，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们认真反思，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，人工智能的研究又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种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种抗菌素，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，据说每年可节省2700万美元左右。

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、利用及获取等的研究取得了较大的进展，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，1962年又击败了一个州的冠军。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)计算机系统就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。1957年西蒙曾预测10年内计算机可以击败人类的世界冠军。虽然在10年内没有实现，但40年后深蓝计算机击败国际象棋棋王卡斯帕罗夫(Kasparov)，仅仅比预测迟了30年。

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。第一盘，深蓝就给卡斯帕罗夫一个下马威，赢了这位世界冠军，给世界棋坛以极大的震动。但卡斯帕罗夫总结经验，稳扎稳打，在剩下的五盘中赢三盘，平两盘，最后以总比分4:2获胜。一年后，即1997年5月3日至11日，深蓝再次挑战卡斯帕罗夫。这时，深蓝是一台拥有32个处理器和强大并行计算能力的RS/6000SP/2的超级计算机，运算速度达每秒2亿次。计算机里存储了百余年来世界顶尖棋手的棋局，5月3日棋王卡斯帕罗夫首战击败深蓝，5月4日深蓝扳回一盘，之后双方战平三局。双方的决胜局于5月11日拉开了帷幕，卡斯帕罗夫在这盘比赛中仅仅走了19步便放弃了抵抗，比赛用时只有1小时多一点。这样，深蓝最终以3.5：2.5的总比分赢得这场举世瞩目的“人机大战”的胜利。深蓝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，电脑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。深蓝精湛的残局战略使观战的国际象棋专家们大为惊讶。卡斯帕罗夫也表示：“这场比赛中有许多新的发现，其中之一就是计算机有时也可以走出人性化的棋步。在一定程度上，我不能不赞扬这台机器，因为它对盘势因素有着深刻的理解，我认为这是一项杰出的科学成就。”因为这场胜利，IBM的股票升值为180亿美元。

4 人工智能的学派

根据前面的论述，我们知道要理解人工智能就要研究如何在一般的意义上定义知识，可惜的是，准确定义知识也是个十分复杂的事情。严格来说，人们最早使用的知识定义是柏拉图在《泰阿泰德篇》中给出的，即“被证实的、真的和被相信的陈述”(Justified true belief，简称JTB条件)。

然而，这个延续了两千多年的定义在1963年被哲学家盖梯尔否定了。盖梯尔提出了一个著名的悖论(简称“盖梯尔悖论”)。该悖论说明柏拉图给出的知识定文存在严重缺陷。虽然后来人们给出了很多知识的替代定义，但直到现在仍然没有定论。

但关于知识，至少有一点是明确的，那就是知识的基本单位是概念。精通掌握任何一门知识，必须从这门知识的基本概念开始学习。而知识自身也是一个概念。因此，如何定义一个概念，对于人工智能具有非常重要的意义。给出一个定义看似简单，实际上是非常难的，因为经常会涉及自指的性质(自指：词性的转化——由谓词性转化为体词性，语义则保持不变)。一旦涉及自指，就会出现非常多的问题，很多的语义悖论都出于概念自指。

自指与转指这一对概念最早出自朱德熙先生的《自指与转指》(《方言》1983年第一期，《朱德熙文集》第三卷)。陆俭明先生在《八十年代中国语法研究》中(第98页)说：“自指和转指的区别在于，自指单纯是词性的转化－由谓词性转化为体词性，语义则保持不变；转指则不仅词性转化，语义也发生变化，尤指行为动作或性质本身转化为指与行为动作或性质相关的事物。”

举例：

①教书的来了(“教书的”是转指，转指教书的“人”)；教书的时候要认真(“教书的”语义没变，是自指)。

②Unplug一词的原意为“不使用(电源)插座”，是自指；常用来转指为不使用电子乐器的唱歌。

③colored在表示having colour(着色)时是自指。colored在表示有色人种时，就是转指。

④rich，富有的，是自指。the rich，富人，是转指。

知识本身也是一个概念。据此，人工智能的问题就变成了如下三个问题：一、如何定义(或者表示)一个概念、如何学习一个概念、如何应用一个概念。因此对概念进行深人研究就非常必要了。

那么，如何定义一个概念呢？简单起见，这里先讨论最为简单的经典概念。经典概念的定义由三部分组成：第一部分是概念的符号表示，即概念的名称，说明这个概念叫什么，简称概念名；第二部分是概念的内涵表示，由命题来表示，命题就是能判断真假的陈述句。第三部分是概念的外延表示，由经典集合来表示，用来说明与概念对应的实际对象是哪些。

举一个常见经典概念的例子——素数(prime number)，其内涵表示是一个命题，即只能够被1和自身整除的自然数。

概念有什么作用呢？或者说概念定义的各个组成部分有什么作用呢？经典概念定义的三部分各有作用，且彼此不能互相代替。具体来说，概念有三个作用或功能，要掌握一个概念，必须清楚其三个功能。

第一个功能是概念的指物功能，即指向客观世界的对象，表示客观世界的对象的可观测性。对象的可观测性是指对象对于人或者仪器的知觉感知特性，不依赖于人的主观感受。举一个《阿Q正传》里的例子：那赵家的狗，何以看我两眼呢？句子中“赵家的狗”应该是指现实世界当中的一条真正的狗。但概念的指物功能有时不一定能够实现，有些概念其设想存在的对象在现实世界并不存在，例如“鬼”。

第二个功能是指心功能，即指向人心智世界里的对象，代表心智世界里的对象表示。鲁迅有一篇著名的文章《论丧家的资本家的乏走狗》，显然，这个“狗”不是现实世界的狗，只是他心智世界中的狗，即心里的狗(在客观世界，梁实秋先生显然无论如何不是狗)。概念的指心功能一定存在。如果对于某一个人，一个概念的指心功能没有实现，则该词对于该人不可见，简单地说，该人不理解该概念。

最后一个功能是指名功能，即指向认知世界或者符号世界表示对象的符号名称，这些符号名称组成各种语言。最著名的例子是乔姆斯基的“colorless green ideas sleep furiously”，这句话翻译过来是“无色的绿色思想在狂怒地休息”。这句话没有什么意思，但是完全符合语法，纯粹是在语义符号世界里，即仅仅指向符号世界而已。当然也有另外，“鸳鸯两字怎生书”指的就是“鸳鸯”这两个字组成的名字。一般情形下，概念的指名功能依赖于不同的语言系统或者符号系统，由人类所创造，属于认知世界。同一个概念在不同的符号系统里，概念名不一定相同，如汉语称“雨”，英语称“rain”。

根据波普尔的三个世界理论，认知世界、物理世界与心理世界虽然相关，但各不相同。因此，一个概念的三个功能虽然彼此相关，也各不相同。更重要的是，人类文明发展至今，这三个功能不断发展，彼此都越来越复杂，但概念的三个功能并没有改变。

在现实生活中，如果你要了解一个概念，就需要知道这个概念的三个功能：要知道概念的名字，也要知道概念所指的对象(可能是物理世界)。更要在自己的心智世界里具有该概念的形象(或者图像)。如果只有一个，那是不行的。

知道了概念的三个功能之后，就可以理解人工智能的三个学派以及各学派之间的关系。

人工智能也是一个概念，而要使一个概念成为现实，自然要实现概念的三个功能。人工智能的三个学派关注于如何才能让机器具有人工智能，并根据概念的不同功能给出了不同的研究路线。专注于实现AI指名功能的人工智能学派成为符号主义，专注于实现AI指心功能的人工智能学派称为连接主义，专注于实现AI指物功能的人工智能学派成为行为主义。

1. 符号主义

符号主义的代表人物是Simon与Newell，他们提出了物理符号系统假设，即只要在符号计算上实现了相应的功能，那么在现实世界就实现了对应的功能，这是智能的充分必要条件。因此，符号主义认为，只要在机器上是正确的，现实世界就是正确的。说得更通俗一点，指名对了，指物自然正确。

在哲学上，关于物理符号系统假设也有一个著名的思想实验——本章1.1.3节中提到的图灵测试。图灵测试要解决的问题就是如何判断一台机器是否具有智能。

图灵测试将智能的表现完全限定在指名功能里。但马少平教授的故事已经说明，只在指名功能里实现了概念的功能，并不能说明一定实现了概念的指物功能。实际上，根据指名与指物的不同，哲学家约翰·塞尔勒专门设计了一个思想实验用来批判图灵测试，这就是著名的中文屋实验。

中文屋实验明确说明，即使符号主义成功了，这全是符号的计算跟现实世界也不一定搭界，即完全实现指名功能也不见得具有智能。这是哲学上对符号主义的一个正式批评，明确指出了按照符号主义实现的人工智能不等同于人的智能。

虽然如此，符号主义在人工智能研究中依然扮演了重要角色，其早期工作的主要成就体现在机器证明和知识表示上。在机器证明方面，早期Simon与Newell做出了重要的贡献，王浩、吴文俊等华人也得出了很重要的结果。机器证明以后，符号主义最重要的成就是专家系统和知识工程，最著名的学者就是Feigenbaum。如果认为沿着这条路就可以实现全部智能，显然存在问题。日本第五代智能机就是沿着知识工程这条路走的，其后来的失败在现在看来是完全合乎逻辑的。

实现符号主义面临的观实挑成主要有三个。第一个是概念的组合爆炸问题。每个人掌握的基本概念大约有5万个，其形成的组合概念却是无穷的。因为常识难以穷尽，推理步骤可以无穷。第二个是命题的组合悖论问题。两个都是合理的命题，合起来就变成了没法判断真假的句子了，比如著名的柯里悖论(Curry’s Paradox)(1942)。第三个也是最难的问题，即经典概念在实际生活当中是很难得到的，知识也难以提取。上述三个问题成了符号主义发展的瓶颈。

2. 连接主义

连接主义认为大脑是一切智能的基础，主要关注于大脑神经元及其连接机制，试图发现大脑的结构及其处理信息的机制、揭示人类智能的本质机理，进而在机器上实现相应的模拟。前面已经指出知识是智能的基础，而概念是知识的基本单元，因此连接主义实际上主要关注于概念的心智表示以及如何在计算机上实现其心智表示，这对应着概念的指心功能。2016年发表在Nature上的一篇学术论文揭示了大脑语义地图的存在性，文章指出概念都可以在每个脑区找到对应的表示区，确确实实概念的心智表示是存在的。因此，连接主义也有其坚实的物理基础。

连接主义学派的早期代表人物有麦克洛克、皮茨、霍普菲尔德等。按照这条路，连接主义认为可以实现完全的人工智能。对此，哲学家普特南设计了著名的“缸中之脑实验”，可以看作是对连接主义的一个哲学批判。

缸中之脑实验描述如下：一个人(可以假设是你自己)被邪恶科学家进行了手术，脑被切下来并放在存有营养液的缸中。脑的神经末梢被连接在计算机上，同时计算机按照程序向脑传递信息。对于这个人来说，人、物体、天空都存在，神经感觉等都可以输入，这个大脑还可以被输入、截取记忆，比如截取掉大脑手术的记忆，然后输入他可能经历的各种环境、日常生活，甚至可以被输入代码，“感觉”到自己正在阅读这一段有趣而荒唐的文字。

缸中之脑实验说明即使连接主义实现了，指心没有问题，但指物依然存在严重问题。因此，连接主义实现的人工智能也不等同于人的智能。

尽管如此，连接主义仍是目前最为大众所知的一条AI实现路线。在围棋上，采用了深度学习技术的AlphaGo战胜了李世石，之后又战胜了柯洁。在机器翻译上，深度学习技术已经超过了人的翻译水平。在语音识别和图像识别上，深度学习也已经达到了实用水准。客观地说，深度学习的研究成就已经取得了工业级的进展。

但是，这并不意味着连接主义就可以实现人的智能。更重要的是，即使要实现完全的连接主义，也面临极大的挑战。到现在为止，人们并不清楚人脑表示概念的机制，也不清楚人脑中概念的具体表示形式表示方式和组合方式等。现在的神经网络与深度学习实际上与人脑的真正机制距离尚远。

3. 行为主义

行为主义假设智能取决于感知和行动，不需要知识、表示和推理，只需要将智能行为表现出来就好，即只要能实现指物功能就可以认为具有智能了。这一学派的早期代表作是Brooks的六足爬行机器人。

对此，哲学家普特南也设计了一个思想实验，可以看作是对行为主义的哲学批判，这就是“完美伪装者和斯巴达人”。完美伪装者可以根据外在的需求进行完美的表演，需要哭的时候可以哭得让人撕心裂肺，需要笑的时候可以笑得让人兴高采烈，但是其内心可能始终冷静如常。斯巴达人则相反，无论其内心是激动万分还是心冷似铁，其外在总是一副泰山崩于前而色不变的表情。完美伪装者和斯巴达人的外在表现都与内心没有联系，这样的智能如何从外在行为进行测试？因此，行为主义路线实现的人工智能也不等同于人的智能。

对于行为主义路线，其面临的最大实现困难可以用莫拉维克悖论来说明。所谓莫拉维克悖论，是指对计算机来说困难的问题是简单的、简单的问题是困难的，最难以复制的反而是人类技能中那些无意识的技能。目前，模拟人类的行动技能面临很大挑战。比如，在网上看到波士顿动力公司人形机器人可以做高难度的后空翻动作，大狗机器人可以在任何地形负重前行，其行动能力似乎非常强。但是这些机器人都有一个大的缺点一能耗过高、噪音过大。大狗机器人原是美国军方订购的产品，但因为大狗机器人开动时的声音在十里之外都能听到，大大提高了其成为一个活靶子的可能性，使其在战场上几乎没有实用价值，美国军方最终放弃了采购。

结语：以上就是新媒号为大家整理的关于人工智能是如何演变的的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于人工智能是如何演变的的相关内容别忘了在本站进行查找喔。

以上内容为新媒号(sinv.com.cn)为大家提供！新媒号，坚持更新大家所需的百科知识。希望您喜欢！