时至今日，人工智能发展日新月异，此刻AI已经走出实验室，离开棋盘，已通过智能客服、智能医生、智能家电等服务场景在诸多行业进行深入而广泛的应用。可以说，AI正在全面进入我们的日常生活，属于未来的力量正席卷而来。而改变生活的人工智能仅仅走过了60年。

01

人工智能的历史

人工智能（Artificial Intelligence，简称AI）的历史可以追溯到物理学家薛定谔于1944年出版的科普书《生命是什么——活细胞的物理学观》。这本书希望从物理学和化学原则的角度来解释生命现象，它开启了分子生物学的大门，也在人工智能的早期发展中起到了重要作用。在1956年马文•明斯基组织的达特茅斯会议里，麦卡锡首次提出了“人工智能”的概念，这被公认为是AI诞生的标志。在这次会议中，大家一致认为“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟”。

自此之后，人工智能经历了三次热潮，人们对人工智能的认识也在逐步完善。第一次热潮源于连接主义的进展，里程碑式的成果是20世纪中期McCulloch和Pitts发现了神经元“兴奋”和“抑制”的工作方式以及1956年Rosenblatt提出的“感知机”模型。同时，1959年Solomonoff有关文法归纳的研究和1965年Samuel将分段划分引入对符号域的数据处理，也促进了符号主义的发展。人工智能在连接主义、符号主义以及行为主义等领域的成功，让当时的科学家们兴奋不已，并乐观地估计10年后便有可能制造出像人一样有智能的机器。然而，明斯基出版的《感知机》一书指出，当时的人工智能研究甚至不能解决一些简单的二分类问题，而其它主义的进展也遭遇了瓶颈，使得人工智能进入了第一个寒冬。

1986年，连接主义学派找到了新的神经网络训练方法，即利用反向传播技术来优化神经网络的参数，二分类问题因此得以解决。符号主义也提出了“如果—则”的专家系统，于是，人工智能再次掀起新一轮热潮。但好景不长，科学家们发现“如果—则”的规则容易出现组合爆炸问题，即无法穷尽可能的规则。而1995年提出的统计学习理论，既有严密理论又有完美算法支持，让理论方面存在不足的连接主义再次淡出视野，人工智能也因此成为以统计学习和机器学习为主导的研究。

02

发展简史

1950 人工智能起源

一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。后来，这被人们看做是人工智能正式诞生的标志。

1956 人工智能第一次高峰

人工智能迎来了属于它的第一段Happy Time。在这段长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。

1956 人工智能的提出

“人工智能”概念首次提出。在美国达特茅斯大学举行的一场为其两个月的讨论会上，“人工智能”概念首次被提出。

1970 人工智能第一次低谷

70年代，人工智能进入了一段痛苦而艰难岁月。由于科研人员在人工智能的研究中对项目难度预估不足，不仅导致与美国国防高级研究计划署的合作计划失败，还让大家对人工智能的前景蒙上了一层阴影。

1980 人工智能的崛起和第二次低谷

卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种，采用人工智能程序的系统，可以简单的理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。这套系统在1986年之前能为公司每年节省下来超过四千美元经费。仅仅在维持了7年之后，这个曾经轰动一时的人工智能系统就宣告结束历史进程。

1990 人工智能再次崛起

随着AI技术尤其是神经网络技术的逐步发展，以及人们对AI开始抱有客观理性的认知，人工智能技术开始进入平稳发展时期。1997年5月11日，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的AI话题讨论。这是人工智能发展的一个重要里程。

1993 首次提到“奇点理论”

1993年作家兼计算机科学家Vernor Vinge发表了一篇文章，在这篇文章中首次提到了人工智能的“奇点理论”。他认为未来某一天人工智能会超越人类，并且终结人类社会，主宰人类世界，被其称为“即将到来的技术奇点”。

Vernor Vinge是最早的人工智能威胁论提出者，后来者还有霍金和特斯拉CEO马斯克。by_看科幻,来火舌科幻

2012 人工智能深度学习

2012年6月，谷歌研究人员Jeff Dean和吴恩达从YouTube视频中提取了1000万个未标记的图像，训练一个由16，000个电脑处理器组成的庞大神经网络。在没有给出任何识别信息的情况下，人工智能通过深度学习算法准确的从中识别出了猫科动物的照片。

这是人工智能深度学习的首次案例，它意味着人工智能开始有了一定程度的“思考”能力。

03

人工智能的研究价值

例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。

通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。

这是智能化研究者梦寐以求的东西。

2013年，帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法，该方法导出了研究函数性质的新方法。作者发现，新数据分析方法给计算机学会“创造”提供了一种方法。本质上，这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的，是普通人无法拥有但计算机可以拥有的“能力”。从此，计算机不仅精于算，还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力，否则计算机真的有一天会“反捕”人类。

当回头审视新方法的推演过程和数学的时候，作者拓展了对思维和数学的认识。数学简洁，清晰，可靠性、模式化强。在数学的发展史上，处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来，而数学定理最大的特点就是：建立在一些基本的概念和公理上，以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说，数学是最单纯、最直白地反映着（至少一类）创造力模式的学科。

结语

面对铺天盖地的政府发展规划和企业战略，社会从“互联网+”向人工智能过渡，除了衣食住行的改变，更有深层次生产力的提高。科学沉寂了大概60多年，新一轮的科技革命正处于孕育过程中并且已经曙光可见。新一轮的科技革命会是一次技术革命，而且人工智能有望引领这一轮新的技术革命。

以1776年蒸汽机的发明为标志的第一次科技革命解放了人类的体力，使人类社会发展进入第一次重大飞跃，其为第一次机器革命。现在以人工智能为代表的第二次机器革命，以及以其为主要核心技术驱动的新一轮技术革命和产业变革将极大的拓展人的脑力，成为人类社会发展进程的又一次重大飞跃。相比较而言，脑力的拓展比体力的拓展更为重要。