在20世纪和21世纪无数的技术进步中，最具影响力的无疑是人工智能。从正在重塑我们查找信息方式的搜索引擎算法，到消费者领域的亚马逊Alexa，人工智能已成为推动整个科技行业走向未来的主要技术。无论是初出茅庐的初创企业，还是像微软这样的行业巨头，企业中至少有一个部门正在研究人工智能或机器学习。根据一项研究，到2021年，全球人工智能产业的价值将达到935亿美元。人工智能在2000年代和2010年代作为科技行业的一股力量爆发式增长，但至少从1950年开始，人工智能就以某种形式或时尚出现，并且可以说可以追溯到更远的地方。人工智能历史的粗略轮廓，例如图灵测试和国际象棋计算机，在大众意识中根深蒂固，但在常识的表面之下却隐藏着丰富而厚重的历史。本文将提炼这段历史的精华，向您展示人工智能如何从一个神话般的想法变成了改变世界的现实。从民间传说到事实虽然人工智能通常被认为是一个前沿概念，但人类几千年来一直在想象它，??而这些想象对当今该领域取得的进展产生了切实的影响。比如青铜机器人塔洛斯，希腊克里特岛的守护神，文艺复兴时期的炼金术。《弗兰肯斯坦的怪物》、《2001太空漫游》中的HAL9000和《终结者》系列中的天网等角色只是我们在现代小说中描绘人工智能的一些方式。人工智能史上最具影响力的虚构概念之一是艾萨克·阿西莫夫(IsaacAsimov)的机器人三定律。当现实世界的研究人员和企业制定自己的机器人法则时，经常会引用这些法则。事实上，当英国工程与物理科学研究委员会、艺术与人文研究委员会为机器人的设计者、建造者和用户发布5条原则时，它明确引用了阿西莫夫作为参考点，尽管他说阿西莫夫西莫夫定律只是在实践中不起作用。计算机、游戏和图灵测试在1940年代，当阿西莫夫撰写《三大定律》时，研究员威廉·格雷·沃尔特(WilliamGrayWalter)正在开发一种基本的人工智能模拟。这些被称为乌龟或海龟的微型机器人可以检测光线并对其做出反应，并与它们的塑料外壳接触，并且它们可以在没有计算机的情况下运行。在1960年代后期，约翰霍普金斯大学建造了另一种无计算机自主机器人Beast，它可以使用声纳在大学的大厅中导航，并在电量不足时在特殊的墙上插座为电池充电。然而，我们今天所知道的人工智能会发现它的发展与计算机科学的发展有着千丝万缕的联系。图灵在他1950年发表的论文《计算机器与智能》中提出了著名的图灵测试，至今仍有影响。许多早期的AI程序都是为玩游戏而开发的，例如ChristopherStrachey为FrantimarkI计算机开发的西洋跳棋程序。1956年，马文·明斯基、约翰·麦卡锡、克劳德·香农和内森·罗切斯特在达特茅斯研讨会上创造了“人工智能”一词。在会议上，麦卡锡为这个新兴领域创造了名称。研讨会也是AlanNewell和HerbertSimon首次展示他们的逻辑理论计算机程序的地方，该程序是在计算机程序员CliveShaw的帮助下开发的。“逻辑理论家”旨在以与人类数学家相同的方式证明数学定理。游戏和数学是早期人工智能的焦点，因为它们易于应用“推理即搜索”的原则。搜索推理，也称为均值分析(MEA)，是一种解决问题的方法，它遵循三个基本步骤：1.确定您观察到的任何问题的持续状态。确定最终目标（您不再感到饥饿）。决定解决问题需要采取的行动。这是人工智能原理的早期先驱，如果一个动作不能解决问题，找到一组新的动作并重复直到解决问题。神经网络和自然语言人工智能研究在50年代和60年代获得了DARPA等组织的大量资助，这要归功于冷战时期的政府愿意在任何可能给他们带来优势的事情上花钱。这项研究推动了机器学习的一系列进步。例如，在使用多目标进化算法时，生成启发式思维捷径，阻止AI可能探索的解决问题的路径，而这些路径不太可能导致预期的结果。在1940年代首次提出，第一个人工神经网络于1958年发明，这要归功于美国海军研究办公室的资助。这一时期研究人员的一个主要关注点是试图让人工智能理解人类语言。1966年，JosephWeizenbaum推出了第一个聊天机器人ELIZA，全世界的互联网用户都对它心存感激。人工智能研究中最具影响力的早期进展之一是RogerSchank的概念依赖理论，该理论试图将句子转换为由一组简单关键字表示的基本概念。人工智能的第一个冬天1970年代、50年代和60年代人工智能研究盛行的乐观情绪开始消退。由于人工智能研究面临的无数现实问题，资金枯竭。其中最主要的是计算能力的限制。布鲁斯·G·布坎南(BruceG.Buchanan)在《人工智能杂志》的一篇文章中解释说：“早期的程序必然受到内存和处理器的大小和速度以及早期操作系统和语言相对笨拙的限制。“随着资金的蒸发和乐观情绪的消退，这段时期被称为AI的冬天。那是AI研究人员的挫折和跨学科分歧的时期。MarvinMinsky和??FrankRosenblatt在1969年《感知器》的发表彻底阻碍了AI的发展神经网络领域，这个领域的研究直到20世纪80年代才有所进展。然后，出现了所谓的两大类，一类倾向于使用逻辑推理和符号推理来训练和教育他们的人工智能。他们想要人工智能人工智能能够解决像数学定理这样的逻辑问题。在人工智能中使用逻辑的想法是约翰麦卡锡在1959年的提议中引入的。另外，由AlanColmerauer和PhillipeRoussel在1972年开发的Prolog编程语言在1975年专门设计为一种逻辑编程语言，至今仍在人工智能中使用。与此同时，另一类人试图让人工智能解决需要人工智能像人一样思考的问题。1975年，在2010年的一篇论文中，马文·明斯基(MarvinMinsky)概述了研究人员常用的一种方法，称为“框架”。框架是人类和人工智能理解世界的一种方式。当遇到一个新的人或事件时，我们可以利用相似的人或事件的记忆来给出一个大概的想法，比如在一个新的餐厅点菜，但可能不知道菜单或为你服务的人，所以可以给出一个大概的想法如何根据过去在其他餐厅的经验下订单。从学术界到工业界80年代标志着人工智能热情的回归。例如，日本的第五代计划试图创造出运行在Prolog上的智能计算机，就像运行在代码上的普通计算机一样。这进一步引起了美国企业的兴趣。不想落后，美国公司将资金投入人工智能研究。综合起来，对人工智能的兴趣增加和产业研究的转移导致人工智能产业的价值在1988年飙升至每年20亿美元。经通货膨胀调整后，到2022年，这个数字将接近50亿美元。人工智能的第二个冬天然而，与1970年代一样，人们对人工智能的兴趣在1990年代开始减弱。例如，经过10年的发展，第五代计划未能实现其许多目标，随着企业发现购买大规模生产的通用芯片和将人工智能应用编程为软件变得更便宜、更容易，市场专门的人工智能硬件，如LISP机器，崩溃并导致整体市场萎缩。此外，2000年代初证明人工智能可行性的专家系统开始出现致命缺陷。随着系统的不断使用，它不断添加更多的规则来运行，需要越来越大的知识库来应对。最终，维护和更新系统知识库所需的人力数量会增加，直到在财务上变得不可持续。这些和其他因素的结合导致了第二个人工智能冬天。进入新千年和人工智能的现代世界20世纪90年代末和2000年代初，有迹象表明人工智能的春天即将来临。人工智能的一些最古老的目标终于实现了，例如深蓝在1997年战胜了当时的国际象棋世界冠军加里卡斯帕罗夫，这是人工智能的一个里程碑时刻。更复杂的数学工具，以及与电气工程等领域的合作，已经将人工智能转变为一门更注重逻辑的科学学科。与此同时，人工智能在许多新的行业领域得到了应用，如谷歌的搜索引擎算法、数据挖掘和语音识别等，新的超级计算机和程序将与顶尖的人类竞争，甚至获胜，如IBM的沃森赢得了危险。近年来最有影响力的人工智能之一是Facebook的算法，它决定你何时看到什么帖子，试图为该平台的用户策划在线体验。类似功能的算法可以在Youtube和Netflix等网站上找到，它们可以根据之前的历史记录预测观众接下来想看什么。有时，这些创新甚至不被视为人工智能。正如NickBrostrom在2006年接受CNN采访时所说：“很多前沿的人工智能已经渗透到一般应用中，通常不被称为人工智能，因为一旦某个东西足够有用和足够普遍，它就不再被贴上标签人工智能。”不称有用的人工智能为AI的趋势并没有持续到2010年代。现在，初创公司和科技巨头都竞相声称他们的最新产品是由人工智能或机器学习驱动的。在某些情况下，这种愿望是如此强大有些人会声称他们的产品由人工智能提供动力，即使人工智能功能值得怀疑。无论是通过上述社交媒体算法还是像亚马逊的Alexa这样的虚拟助手，人工智能已经进入许多人的家中。寒冬和泡沫破灭，人工智能领域坚持不懈，成为现代生活中非常重要的一部分，并可能在未来几年呈指数级增长。
