電子發(fā)燒友網(wǎng)報道（文/李彎彎）上個世紀(jì)50年代，人們提出了人工智能的概念，如今，人工智能已經(jīng)滲透進各行各業(yè)。人工智能（Artificial Intelligence），英文縮寫為AI，是一門研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的新技術(shù)學(xué)科。

人工智能可以說是計算科學(xué)的一個分支，它要了解的是智能的實質(zhì)，并生產(chǎn)出一種能以人類相似的方式做出反應(yīng)的智能機器，研究領(lǐng)域包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，經(jīng)歷了初期的探索和發(fā)展低谷，以及后期技術(shù)上不斷突破，并在最近十年左右逐步實現(xiàn)產(chǎn)業(yè)化。

人工智能的誕生，初期的探索和發(fā)展低谷

1950年，英國數(shù)學(xué)家、邏輯學(xué)家艾倫·圖靈（Alan Turing）發(fā)表了一篇劃時代的論文《計算機與智能》，文中提出了著名的“圖靈測試”構(gòu)想，即如果一臺機器能夠與人類展開對話（通過電傳設(shè)備）而不能被辨別出其機器身份，那么稱這臺機器具有智能。

隨后圖靈又發(fā)表了《機器能思考嗎》論文。兩篇論文及后來的圖靈測試，強有力地證明了一個判斷，那就是機器具有智能的可能性，并對其后的機器智能發(fā)展做了大膽預(yù)測。為此，艾倫·圖靈（Alan Turing）也被稱為“人工智能之父”。

1956年8月，在美國達特茅斯學(xué)院中，約翰·麥卡錫（語言創(chuàng)始人）、馬文·閔斯基（人工智能與認(rèn)知學(xué)專家）、克勞德·香農(nóng)（信息論創(chuàng)始人）、艾倫·紐厄爾（計算機科學(xué)家）、赫伯特·西蒙（諾貝爾經(jīng)濟學(xué)獎得主）等科學(xué)家聚在一起，討論用機器來模仿人類學(xué)習(xí)以及其他方面的智能等問題。并首次提出了“人工智能”這個概念。

因此，1956年被公認(rèn)為是人工智能的元年?！白寵C器來模仿人類學(xué)習(xí)以及其他方面的智能”也成為了人工智能要實現(xiàn)的根本目標(biāo)。

人工智能概念提出后，相繼取得了一批令人矚目的研究成果，比如，機器定理證明、跳棋程序等，掀起了人工智能發(fā)展的第一個高潮。

1966年，美國麻省理工學(xué)院（MIT）的魏澤鮑姆發(fā)布了世界上第一個聊天機器人ELIZA，其智能之處在于它能夠通過腳本理解簡單的自然語言，并能產(chǎn)生類似人類的互動。

1968年，美國斯坦福研究所（SRI）研發(fā)出了首臺人工智能機器人Shakey，它能夠自主感知、分析環(huán)境、規(guī)劃行為并執(zhí)行任務(wù)，可以根據(jù)人的指令發(fā)現(xiàn)并抓取積木，這種機器人擁有類似人類的感覺，比如觸覺、聽覺等。

1970年，美國斯坦福大學(xué)計算機教授維諾格拉德開發(fā)出了能夠分析語義、理解語言的人機對話系統(tǒng)SHRDLU，它能夠分析指令，理解語義、解釋不明確的句子、并通過虛擬方塊操作來完成任務(wù)。由于SHRDLU能夠正確理解語言，被認(rèn)為是人工智能研究的一次巨大成功。

然而接下來，人工智能的研究就進入了瓶頸期。1973年，著名數(shù)學(xué)家萊特希爾向英國政府提交了一份關(guān)于人工智能的研究，對當(dāng)時的機器人技術(shù)、語言處理技術(shù)和圖像識別技術(shù)進行了嚴(yán)厲的批評，指出人工智能那些看上去宏偉的目標(biāo)根本無法實現(xiàn)，研究也缺乏進展。

對人工智能提供資助的機構(gòu)，如英國政府、美國國防部高級研究計劃局和美國國家科學(xué)委員會等，對沒有方向的人工智能研究逐漸停止資助。

到80年代初的幾年，人工智能的研究有了些許好轉(zhuǎn)。1981年，日本經(jīng)濟產(chǎn)業(yè)省撥款8.5億美元用以研發(fā)第五代計算機項目，在當(dāng)時被叫做人工智能計算機。1984年，在美國人道格拉斯·萊納特的帶領(lǐng)下，啟動了Cyc項目，目標(biāo)是使人工智能的應(yīng)用能夠以類似人類推理的方式工作。可以看到，1980年后人工智能產(chǎn)品逐漸多元化，而不僅僅限于機器人。

經(jīng)歷了幾年的繁榮發(fā)展，人工智能很快又進入了低迷期。從80年代中到90年代中。原因很多，比如，隨著人工智能應(yīng)用規(guī)模的不斷擴大，專家系統(tǒng)存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能、難以與現(xiàn)有數(shù)據(jù)庫兼容等問題逐漸暴露出來。

專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，它能夠應(yīng)用人工智能技術(shù)和計算機技術(shù)，根據(jù)系統(tǒng)中的知識與經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。

另外，傳統(tǒng)的人工智能知識庫維護與更新也十分麻煩，許多企業(yè)無法繼續(xù)接受，人們認(rèn)為人工智能應(yīng)該是真正的實現(xiàn)智能化，人工智能應(yīng)當(dāng)擁有自己的感知系統(tǒng)，并且可以自主學(xué)習(xí)，而當(dāng)時的人工智能與人們憧憬的人工智能存在差距。

技術(shù)上不斷突破，逐步實現(xiàn)產(chǎn)業(yè)化

上世紀(jì)90年代末，隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人工智能的創(chuàng)新研究加速。1997年，IBM公司的國際象棋電腦深藍(lán)DeepBlue戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫。它的運算速度為每秒2億步棋，并存有70萬份大師對戰(zhàn)的棋局?jǐn)?shù)據(jù)，可估計隨后的12步棋。

深藍(lán)戰(zhàn)勝卡斯帕羅夫?qū)θ斯ぶ悄艿陌l(fā)展具有特殊意義。在隨后的十幾年里，人工智能穩(wěn)步發(fā)展，技術(shù)上不斷突破，并且逐漸有人工智能產(chǎn)品面世。

1998年，戴夫·漢普頓（Dave Hampton）和鐘少男（Caleb Chung）發(fā)明了第一款兒童玩具機器人Furby。2000年，MIT的西蒂亞·布雷澤爾（Cynthia Breazeal）打造了一款可以識別和模擬人類情緒的機器人Kismet。同年，日本本田推出具有人工智能機器人ASIMO，能像人在餐廳中為顧客上菜。

2006年，奧倫·艾奇奧尼（Oren Etzioni）和米歇爾·班科（Michele Banko ）在《Machine Reading》一書中將“機器閱讀”一詞定義為“一種無監(jiān)督的對文本的自動理解”。2007年，李飛飛（Fei Fei Li ）和普林斯頓大學(xué)的同事開始建立ImageNet，這是一個大型注釋圖像數(shù)據(jù)庫，旨在幫助視覺對象識別軟件進行研究。

2009年，華裔科學(xué)家吳恩達及其團隊開始研究使用GPU進行大規(guī)模無監(jiān)督式機器學(xué)習(xí)工作，嘗試讓人工智能程序完全自主的識別圖形中的內(nèi)容。2012年取得驚人成就，他們給一個大型神經(jīng)網(wǎng)絡(luò)展示1000萬張未標(biāo)記的網(wǎng)絡(luò)圖像，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)能夠識別出一只貓的形象。

接下來的十幾年里，隨著大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等信息技術(shù)的發(fā)展，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)迅速發(fā)展，圖像分類、語音識別、知識問答、無人駕駛等人工智能技術(shù)實現(xiàn)了從“不能用、不好用”到“可以用”的突破。

比如在中國，從2012年到2016年，人工智能開始完成從技術(shù)研發(fā)向成果轉(zhuǎn)化。從2016年至今，逐步實現(xiàn)從成果轉(zhuǎn)化到賦能應(yīng)用的產(chǎn)業(yè)化發(fā)展階段，基礎(chǔ)建設(shè)建設(shè)不斷強化，應(yīng)用場景不斷拓展，市場規(guī)模迅速增長。

小結(jié)

整體而言，歷經(jīng)過去幾十年的發(fā)展，人工智能逐步從初期探索階段，一路發(fā)展至如今的產(chǎn)業(yè)規(guī)模不斷提升的階段。不管當(dāng)前業(yè)界普遍認(rèn)為，人工智能還處于弱人工智能階段，即機器不具備任何思考的能力，只是執(zhí)行一組預(yù)設(shè)的功能。而人們期望的人工智能是通用人工智能，也被稱為強人工智能，在這個階段，機器將具有像人類一樣的思考和決策能力。

也就是說，雖然如今人工智能技術(shù)已經(jīng)在諸多領(lǐng)域?qū)崿F(xiàn)應(yīng)用，實現(xiàn)產(chǎn)業(yè)化發(fā)展。不過人工智能技術(shù)仍然有諸多方面需要持續(xù)突破。未來，人工智能在面臨著不斷推進規(guī)模化落地應(yīng)用需求的同時，也面臨著技術(shù)上需要不斷創(chuàng)新和突破的需求。