數(shù)學(xué)、邏輯、數(shù)字電路、機(jī)械計(jì)算機(jī)，一直到我們今天已經(jīng)普及的電子計(jì)算機(jī)，這些凝結(jié)著人類智慧的耕耘，積累到了上個(gè)世紀(jì)50年代，終于開出智慧之花。人類開始嘗試用計(jì)算的方式來理解智慧。

雖然今日“人工智能”這個(gè)概念在我們的生活中隨處可見，但它仍然是高科技的代名詞。這個(gè)技術(shù)中蘊(yùn)含的偉大力量，到現(xiàn)在才開始逐漸釋放。那么，人工智能這一概念究竟是由誰提出的呢？最初的人工智能與今天的人工智能又有哪些區(qū)別呢？

人工智能的萌芽

上個(gè)世紀(jì)50年代，在二戰(zhàn)結(jié)束不久，戰(zhàn)爭(zhēng)中的很多軍用技術(shù)蓬勃發(fā)展。在戰(zhàn)后的美國，這些科學(xué)家和技術(shù)專家也不斷推動(dòng)這些技術(shù)的發(fā)展，甚至形成了新的學(xué)科。比如維納（Norbert Wiener）的控制論和香農(nóng)（Claude Elwood Shannon）的信息論。

在信息技術(shù)萌芽發(fā)展的大背景下，很多科學(xué)家開始考慮如何用自動(dòng)決策系統(tǒng)或機(jī)械的方法來解釋人的決策。1965年，達(dá)特茅斯學(xué)院的年輕助理教授約翰·麥肯錫（John McCarthy）在他的主場(chǎng)請(qǐng)來了包括香農(nóng)在內(nèi)的一些對(duì)“能思考的機(jī)器”有興趣的科學(xué)家。包括MIT的明斯基（Marvin Minsky），卡內(nèi)基工學(xué)院（今天卡內(nèi)基梅隆大學(xué)的前身）的司馬賀（Herbert Simon）等。

在這個(gè)會(huì)議上，麥肯錫與多位專家激烈討論，最終將“人工智能（Artificial Intelligence）”確立為這一門新學(xué)科的名稱。在幾天的討論中，這些在數(shù)學(xué)、邏輯學(xué)和信息學(xué)領(lǐng)域的專家同時(shí)也討論了人工智能、神經(jīng)網(wǎng)絡(luò)等問題，會(huì)議后大家分別回到自己的大學(xué)把新的想法吸收創(chuàng)新，不但使其大學(xué)成為了人工智能研究的重鎮(zhèn)，也為后來人工智能學(xué)科的發(fā)展奠定了基礎(chǔ)。

參會(huì)的人中還有司馬賀的學(xué)生紐厄爾（Alan Newell），雖然司馬賀是紐厄爾的老師，但他們畢生的合作卻是平等的。他們共享了1975年的圖靈獎(jiǎng)，三年后司馬賀再得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。紐厄爾和司馬賀代表了人工智能的另一條路線——“物理符號(hào)系統(tǒng)假說”。簡(jiǎn)單地說，就是智能是對(duì)符號(hào)的操作，后來簡(jiǎn)稱為“符號(hào)派”。

他們和當(dāng)時(shí)的數(shù)學(xué)系主任、第一屆圖靈獎(jiǎng)獲得者珀里思（Alan Perlis）一起創(chuàng)立了卡內(nèi)基梅隆大學(xué)的計(jì)算機(jī)系，從此，卡內(nèi)基梅隆大學(xué)（CMU）成為計(jì)算機(jī)學(xué)科的重鎮(zhèn)，并一直持續(xù)至今。而最初的計(jì)算機(jī)系，也發(fā)展成了美國乃至世界計(jì)算機(jī)門類最齊全的計(jì)算機(jī)學(xué)院。作者以前訪問學(xué)習(xí)的CMU機(jī)器人所（Robotics Institute）就是以兩位先驅(qū)命名的：Newell－Simon Hall。

明斯基回到麻省理工后創(chuàng)建了人工智能實(shí)驗(yàn)室（AI Lab），他與西蒙·派珀特（Simon Papert）發(fā)表了《感知器》一書，提到了最早的神經(jīng)網(wǎng)絡(luò)模型在解決異或（XOR）問題方面的限制。他指出，神經(jīng)網(wǎng)絡(luò)被認(rèn)為充滿潛力，但實(shí)際上無法實(shí)現(xiàn)人們期望的功能。神經(jīng)網(wǎng)絡(luò)的研究迅速陷入了低谷，人工智能進(jìn)入“暗淡”時(shí)期。

20世紀(jì)60年代，明斯基又首次提出了“telepresence”（遠(yuǎn)程介入）這一概念。通過利用微型攝像機(jī)、運(yùn)動(dòng)傳感器等設(shè)備，明斯基讓人體驗(yàn)到了自己駕駛飛機(jī)、在戰(zhàn)場(chǎng)上參加戰(zhàn)斗、在水下游泳這些現(xiàn)實(shí)中未發(fā)生的事情，這也為他奠定了“虛擬現(xiàn)實(shí)”（virtual reality）倡導(dǎo)者的重要地位。

霍蘭德（John Holland）是密歇根大學(xué)的計(jì)算機(jī)學(xué)家，他卻另辟蹊徑，開始研究隨機(jī)的優(yōu)化問題并提出了“遺傳算法”。因?yàn)楹芏嗳斯ぶ悄艿膯栴}最后都可以轉(zhuǎn)化為優(yōu)化問題（optimize problem）。而“遺傳算法”本身又可以被直接拿來使用到任何問題，只需要定義好“染色體”和適應(yīng)度函數(shù)即可，是非常方便的一種“即插即用”（Off－the－Shelf）的算法。

霍蘭德指導(dǎo)他的學(xué)生們完成了多篇有關(guān)遺傳算法研究的論文。1971年，Hollstien在他的博士論文中首次把遺傳算法用于函數(shù)優(yōu)化�；籼m德在1975年出版了《自然系統(tǒng)和人工系統(tǒng)的自適應(yīng)》（Adaptation in Natural and Artificial Systems），這是第一本系統(tǒng)論述遺傳算法的專著�；籼m德在該書中系統(tǒng)地闡述了遺傳算法的基本理論和方法，并提出了對(duì)遺傳算法的理論研究和發(fā)展極其重要的模式理論（schema theory）。在此基礎(chǔ)上有各種的理論和應(yīng)用研究不斷產(chǎn)生，很多的期刊和會(huì)議也因此誕生，漸漸形成了“進(jìn)化計(jì)算”（Evolutionary Computation）這個(gè)人工智能的重要分支。

壯志雄心與困難重重

達(dá)特茅斯會(huì)議之后，這些第一代的人工智能科學(xué)家都雄心勃勃。司馬賀（Herbert A。 Simon）甚至說：“在1968年之前，計(jì)算機(jī)就將戰(zhàn)勝人類的國際象棋大師�！薄霸�1985年之前，計(jì)算機(jī)就能夠勝任人類的一切工作。”馬文·明斯基也預(yù)言，“在1973－1978年，就能夠制作出一臺(tái)具有人類平均智力的計(jì)算機(jī)�！边@些充滿信心的話讓當(dāng)時(shí)的政府和軍方非常感興趣，向人工智能領(lǐng)域投入了大量的經(jīng)費(fèi)。

然而，這些人工智能領(lǐng)域的專家們似乎錯(cuò)誤地估計(jì)了人工智能學(xué)科的難度，他們這些充滿信心的預(yù)言中幾乎都未實(shí)現(xiàn)。直到1997年，IBM的計(jì)算機(jī)“深藍(lán)”才成功戰(zhàn)勝了人類國際象棋的世界冠軍。到了2016年，人工能“AlphaGo”才戰(zhàn)勝人類的圍棋冠軍。而時(shí)至今日，也沒有人工智能能夠勝任人類的一切工作。因此在上世紀(jì)70年代，政府對(duì)于這些無法兌現(xiàn)預(yù)言的專家非常失望，紛紛減少了對(duì)人工智能領(lǐng)域的經(jīng)費(fèi)投入，人工智能領(lǐng)域的研究也陷入的低谷。

盡管發(fā)展一個(gè)能夠勝任人類所有工作的計(jì)算機(jī)是一件十分困難的事情，但利用計(jì)算機(jī)強(qiáng)大的計(jì)算能力和信息存儲(chǔ)能力，讓計(jì)算機(jī)在某一個(gè)領(lǐng)域超過普通人的水平是不難實(shí)現(xiàn)的。因此，專家系統(tǒng)應(yīng)運(yùn)而生。專家系統(tǒng)在設(shè)計(jì)時(shí)能夠收集大量的專業(yè)知識(shí)，并且根據(jù)一定的程序，進(jìn)行計(jì)算、分析、預(yù)測(cè)等功能。

例如，最早的專家系統(tǒng)“Dendral”是在1965年由愛德華·費(fèi)根鮑姆（Edward Feigenbaum）設(shè)計(jì)的，“Dendral”是一款應(yīng)用于化學(xué)領(lǐng)域的專家系統(tǒng)，它能夠根據(jù)光譜的度數(shù)分析化合物的可能成分。在人類專家相對(duì)匱乏的時(shí)代，通過這個(gè)系統(tǒng)就能讓更多的科學(xué)研究得以順利進(jìn)行。

除此之外，還有專門用于診斷疾病的專家系統(tǒng)，通過專家系統(tǒng)可以彌補(bǔ)人類醫(yī)生在診斷時(shí)可能出現(xiàn)的疏忽。而預(yù)測(cè)型專家系統(tǒng)能夠在綜合多方面的專業(yè)知識(shí)背景的情況下預(yù)測(cè)出未來事物的發(fā)展趨勢(shì)，例如對(duì)一條河流污染物的遷移擴(kuò)撒進(jìn)行預(yù)測(cè)，從而提前采取有效的措施。

“強(qiáng)人工智能”離我們還有多遠(yuǎn)？

而到了二十一世紀(jì)初，由于信息產(chǎn)業(yè)和互聯(lián)網(wǎng)的普及，機(jī)器學(xué)習(xí)作為一種學(xué)習(xí)大數(shù)據(jù)背后的規(guī)律的方法成為了人工智能研究的主流。尤其是后來深度學(xué)習(xí)的發(fā)展，讓我們重新看到了人工智能的希望，當(dāng)然，也引發(fā)了人們的擔(dān)憂，隨之而來的是各種技術(shù)、哲學(xué)、倫理上的討論。

人們看到了人工智能的希望，當(dāng)然，也引發(fā)了人們的擔(dān)憂。

其中討論重點(diǎn)之一就是目前基于邏輯和計(jì)算的智能被稱為“弱人工智能”。

“弱人工智能”是在某一方面能夠表現(xiàn)出智能或者說看起來像是智能，而不希望研究出與人類相同的智力和思維。例如，圖像識(shí)別、語音識(shí)別方面的人工智能，這些人工智能只能在特定的領(lǐng)域（圖像識(shí)別領(lǐng)域和語音識(shí)別領(lǐng)域）具有智能。盡管目前圖像識(shí)別和語音識(shí)別人工智能也具備了自我學(xué)習(xí)能力，但它們只會(huì)在自己的領(lǐng)域中去學(xué)習(xí)，而不會(huì)像人類那樣產(chǎn)生自己的好奇心，從而去探索全新領(lǐng)域的內(nèi)容。

雖然弱人工智能的名字中帶有一個(gè)“弱”，但實(shí)際上，弱人工智能的實(shí)力可不容小覷。目前的主流研究都集中于這一類弱人工智能的研究上，且產(chǎn)生了巨大的研究突破。例如能夠戰(zhàn)勝人類頂尖高手的圍棋機(jī)器人Alpha Go也是一款“不弱”的人工智能；在千萬張人臉中一眼就看到目標(biāo)人物的人臉識(shí)別軟件也是弱人工智能；能夠自己穿梭于亞馬遜物流倉庫中并且在電量不足時(shí)找到充電樁自動(dòng)充電的物流機(jī)器人，以及能夠看清路況自動(dòng)將人員安全送到目的地的自動(dòng)駕駛汽車，都是屬于弱人工智能。

弱人工智能為我們的生活帶來了極大的便利，并且能夠最直接的將研究成果應(yīng)用到生產(chǎn)生活的實(shí)踐中，因此各國對(duì)于弱人工智能的研究都投入了巨大的經(jīng)費(fèi)。

相對(duì)“弱人工智能”的是“強(qiáng)人工智能”。盡管科學(xué)家們所希望的就是創(chuàng)造一個(gè)具有和人類一樣能夠獨(dú)立思考具有自己的人格的人工智能，但這個(gè)方面的研究一直沒有突破的進(jìn)展，強(qiáng)人工智能還只能存在于科幻與文學(xué)作品中，例如《機(jī)器姬》里的艾娃，《黑客帝國》中的母體“矩陣”。

強(qiáng)人工智能強(qiáng)調(diào)的是計(jì)算機(jī)需要具有自己的思維，而計(jì)算機(jī)在獲得自己的思維之后，是否還會(huì)按照人類的思維方式和道德體系去思考，對(duì)于目前的科學(xué)家來說是難以確定的。因此，按照計(jì)算機(jī)思維的不同，又可以分為類人思維的人工智能和區(qū)別于人類思維的人工智能。例如《超能陸戰(zhàn)隊(duì)》中的大白，就屬于前者，盡管外形并不是人類，但它的思維方式與人類一致。而獲得了自主思考能力的“矩陣”（《黑客帝國》）和“天網(wǎng)”（《終結(jié)者》）系統(tǒng)，它們就屬于后者，它們產(chǎn)生了區(qū)別于人類的價(jià)值觀，以自己理解的方式去執(zhí)行“保護(hù)人類”這一項(xiàng)任務(wù)。

畢竟從另一個(gè)角度上說，制造一個(gè)強(qiáng)人工智能就意味著制造了一個(gè)能夠獨(dú)立思考的生命體，這一難度是可想而知的。因此，也有不少的宗教學(xué)者、哲學(xué)家反對(duì)強(qiáng)人工智能的研究。如果說強(qiáng)人工智能是現(xiàn)代都市里的摩天大樓，那么目前人類在人工智能方面所取得的進(jìn)展只能相當(dāng)于原始人所穴居的洞穴，從當(dāng)今的弱人工智能向強(qiáng)人工智能的發(fā)展還有很長(zhǎng)的路要走。