在20世紀30年代末到50年代，來自數(shù)學、心理學、工程學、神經(jīng)學等學科的科學家開始探討制造人工大腦的可能性。維納（Wiener）的控制論、香農（Shannon）提出的信息論，以及圖靈（Turing）的計算理論等，都為人工智能的出現(xiàn)奠定了基礎。

1946

ENIAC誕生

1946年，美國數(shù)學家莫奇利（Mauchly）、?？颂兀‥ckert）等制造了世界上第一臺通用計算機ENIAC，為人工智能的研究提供了物質基礎。

1950

圖靈測試

1950年，圖靈在一篇論文中，預言了創(chuàng)造出具有真正智能的機器的可能性。為闡釋“智能”這一概念，他提出了著名的圖靈測試：由一個接受測試的人通過具有電報通訊功能的打字機與匿名對象進行交流，對方可能是人，也可能是計算機。如果計算機能使被測人相信他在與人類交流，那么計算機是有智能的。圖靈測試是人工智能哲學方面第一個嚴肅的提案。

1956

人工智能的誕生

1956年夏季，一次長達兩個月的研討會于美國達特茅斯學院（Dartmouth College）舉行。約翰·麥卡錫（John McCarthy）、馬文·明斯基（Marvin Minsky）、艾倫·紐厄爾（Allen Newell）、赫伯特·西蒙（Herbert Simon）等著名學者出席了會議。會上，麥卡錫首次提出了“人工智能”這個概念。紐厄爾和西蒙則展示了他們編寫的邏輯理論機器（The Logic Theory Machine）。該機器能夠根據(jù)邏輯規(guī)則提出假設并解決問題，可以證明《數(shù)學原理》中的定理，滿足了大多數(shù)人規(guī)定的“智能”標準。此次與會學者有數(shù)學家、邏輯學家、認知學家、心理學家、神經(jīng)生理學家、計算機科學家等，后來他們中的絕大多數(shù)，都成為著名的人工智能專家。這是歷史上第一次人工智能研討會，也被廣泛認為是人工智能誕生的標志。

首臺人工智能機器人Shakey

1966至1972年，美國斯坦福國際研究所（SRI）研制出機器人Shakey。這是首臺采用了人工智能學的移動機器人。Shakey能夠自主進行感知、分析環(huán)境、規(guī)劃行為并執(zhí)行任務，可以根據(jù)人的指令發(fā)現(xiàn)并抓取積木。但計算機運算速度緩慢，往往需要很長時間來完成一個指令。

ELIZA與人機對話

約瑟夫·魏岑鮑姆（Joseph Weizenbaum）在1964年開發(fā)了一個名為ELIZA的機器人，是第一個聊天機器人。它實現(xiàn)了計算機與人通過文本進行交流，這也是人工智能研究的一個重要方面。用戶與ELIZA的溝通，看起來像是兩個人在對話，但是實際上ELIZA根本不知道自己在說什么。它只是按固定套路作答，或者用符合語法的方式將問題復述一遍。例如，用戶輸入：“我的頭很疼?！彼鼤磫枺骸澳銥槭裁磿^疼呢？”它還能用“這個問題很有趣嗎”、“說點兒其他的吧”等方式達到展開話題的效果。

SHRDLU與模塊世界

SHRDLU是由斯坦福大學的計算機教授T.威諾格拉德（T.Winograd）在1970年開發(fā)的系統(tǒng)。這種程序能分析命令，并通過對虛擬方塊進行操作來完成任務。在運行過程中，遇到疑問還會向使用者發(fā)問。它還能分析語義、解釋不明確的句子，例如完成“找出比你的手中那塊積木更高的積木塊，并把它放在盒子里面”等指令。盡管它的運用還只限于模塊世界當中，但該系統(tǒng)已經(jīng)能夠正確地理解語言，因此它也被視為是人工智能研究的一次巨大成功。

DENDRAL和MYCIN：專家系統(tǒng)

專家系統(tǒng)是基于專家的專業(yè)知識和工作經(jīng)驗，用于求解專門問題的計算機系統(tǒng)。美國科學家愛德華·費根鮑姆（Edward Feigenbaum）等人于1965年成功研制出化學分析專家系統(tǒng)DENDRAL，這是第一套有效進行工作的專家系統(tǒng)。它能夠進行實驗數(shù)據(jù)分析，從而判斷未知化合物的分子結構。MYCIN則是20世紀70年代初期由斯坦福大學的肖特利夫（Shortliffe）等人于1976年發(fā)表的醫(yī)療咨詢系統(tǒng)，可用于對傳染性血液病患進行診斷。在它內部一共備有500條規(guī)則，只需要按順序依次回答其提問，系統(tǒng)就能夠判斷病人所感染細菌的類別，并開出對癥的藥方。在這一時期，還陸續(xù)研制出了用于生產(chǎn)、會計、人事、金融等各種領域的專家系統(tǒng)。

Cyc項目

在道格拉斯·萊納特（Douglas Lenat）的帶領下，Cyc（大百科全書）項目于1984年啟動。這一項目代表人工智能領域的一個全新的研究方向。它試圖將人類擁有的所有一般性知識都輸入到計算機里面，建立一個巨型數(shù)據(jù)庫，并在此基礎上實現(xiàn)知識推理。其目標是使人工智能的應用能夠以類似人類推理的方式工作。2006年，該項目已免費提供“資源開放”版本給公眾使用。

“深藍”與國際象棋

1997年5月11日，IBM公司的國際象棋電腦深藍（Deep Blue）戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫（Kasparov），成為首個在標準比賽時限內擊敗國際象棋世界冠軍的電腦系統(tǒng)。“深藍”擁有30個并行處理器，運算速度為每秒2億步棋，并存有70萬份大師對戰(zhàn)的棋局數(shù)據(jù)。強大的計算能力使其能夠依靠窮舉來選擇最佳策略，“深藍”可搜尋及估計隨后的12步棋，而一名人類象棋好手大約可估計隨后的10步棋。賽后，IBM宣布“深藍”退役。

沃森與智力問答

沃森（Watson）是IBM公司開發(fā)的能使用自然語言回答問題的人工智能程序。2011年，沃森參加美國老牌智力問答節(jié)目“危險邊緣”，打敗兩位人類冠軍，贏得了100萬美元的獎金，得到了社會的廣泛關注。沃森存儲了2億頁的數(shù)據(jù)，答題時還能辨別問題中的隱晦含義、口吻的差別等。然而，沃森并非在理解問題的基礎上進行回答，而是將與問題所含關鍵詞看似相關的答案快速抽取出來。這一人工智能可被應用于醫(yī)療診斷領域，通過對自身龐大數(shù)據(jù)的分析，它能夠準確地給出對患者的治療方案。例如，在癌癥治療方面，沃森內部載入了42種專業(yè)醫(yī)學雜志和大量的臨床治療數(shù)據(jù)，以及150萬份病例。除此之外，它還在廚藝方面有所涉獵。

深度學習與AlphaGo

深度學習是一種多層神經(jīng)網(wǎng)絡學習算法，通過組合低層特征形成更加抽象的高層表示（屬性類別或特征），以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。此前，計算機并不能做出選擇特征量的判斷，提高機器學習精度的關鍵在于人類輸入何種特征量。深度學習則為模擬人腦提供了可能，它使計算機自動找出簡單的特征量，然后以此為基礎找到高層特征量。這就解決了在獲取某特征量表示的概念后，再使用這種概念來描述知識的難題。

AlphaGo是由Google DeepMind開發(fā)的人工智能圍棋程序，具有自我學習能力。它能夠搜集大量圍棋對弈數(shù)據(jù)和名人棋譜，學習并模仿人類下棋。在達到一定熟練程度之后，還可以通過與自己對弈來提升棋力。在對弈時，它還可以使用蒙特卡洛樹搜索，通過價值網(wǎng)絡來計算局面，評估大量選點，并通過策略網(wǎng)絡選擇落點。截至發(fā)稿，李世石與AlphaGo戰(zhàn)成1∶3。這背后的原因，AlphaGo的學習能力該是關鍵要素之一。（劉彭媛/整理）

[主要參考資料：《人工智能狂潮——機器人會超越人類嗎？》，（日）松尾豐著，趙函宏、高華彬譯;《人工智能——大腦的鏡子》，（美）哈里·亨德森著，侯然譯]