電子發燒友網報道（文/李彎彎）上個世紀50年代，人們提出了人工智能的概念，如今，人工智能已經滲透進各行各業。人工智能（Artificial Intelligence），英文縮寫為AI，是一門研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的新技術學科。

人工智能可以說是計算科學的一個分支，它要了解的是智能的實質，并生產出一種能以人類相似的方式做出反應的智能機器，研究領域包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，經歷了初期的探索和發展低谷，以及后期技術上不斷突破，并在最近十年左右逐步實現產業化。

人工智能的誕生，初期的探索和發展低谷

1950年，英國數學家、邏輯學家艾倫·圖靈（Alan Turing）發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”構想，即如果一臺機器能夠與人類展開對話（通過電傳設備）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展做了大膽預測。為此，艾倫·圖靈（Alan Turing）也被稱為“人工智能之父”。

1956年8月，在美國達特茅斯學院中，約翰·麥卡錫（語言創始人）、馬文·閔斯基（人工智能與認知學專家）、克勞德·香農（信息論創始人）、艾倫·紐厄爾（計算機科學家）、赫伯特·西蒙（諾貝爾經濟學獎得主）等科學家聚在一起，討論用機器來模仿人類學習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年被公認為是人工智能的元年。“讓機器來模仿人類學習以及其他方面的智能”也成為了人工智能要實現的根本目標。

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，掀起了人工智能發展的第一個高潮。

1966年，美國麻省理工學院（MIT）的魏澤鮑姆發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，并能產生類似人類的互動。

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

1970年，美國斯坦福大學計算機教授維諾格拉德開發出了能夠分析語義、理解語言的人機對話系統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。由于SHRDLU能夠正確理解語言，被認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，著名數學家萊特希爾向英國政府提交了一份關于人工智能的研究，對當時的機器人技術、語言處理技術和圖像識別技術進行了嚴厲的批評，指出人工智能那些看上去宏偉的目標根本無法實現，研究也缺乏進展。

對人工智能提供資助的機構，如英國政府、美國國防部高級研究計劃局和美國國家科學委員會等，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。1981年，日本經濟產業省撥款8.5億美元用以研發第五代計算機項目，在當時被叫做人工智能計算機。1984年，在美國人道格拉斯·萊納特的帶領下，啟動了Cyc項目，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。可以看到，1980年后人工智能產品逐漸多元化，而不僅僅限于機器人。

經歷了幾年的繁榮發展，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，隨著人工智能應用規模的不斷擴大，專家系統存在的應用領域狹窄、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、難以與現有數據庫兼容等問題逐漸暴露出來。

專家系統是一個智能計算機程序系統，其內部含有大量的某個領域專家水平的知識與經驗，它能夠應用人工智能技術和計算機技術，根據系統中的知識與經驗，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雜問題。簡而言之，專家系統是一種模擬人類專家解決領域問題的計算機程序系統。

另外，傳統的人工智能知識庫維護與更新也十分麻煩，許多企業無法繼續接受，人們認為人工智能應該是真正的實現智能化，人工智能應當擁有自己的感知系統，并且可以自主學習，而當時的人工智能與人們憧憬的人工智能存在差距。

技術上不斷突破，逐步實現產業化

上世紀90年代末，隨著互聯網技術的發展，人工智能的創新研究加速。1997年，IBM公司的國際象棋電腦深藍DeepBlue戰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70萬份大師對戰的棋局數據，可估計隨后的12步棋。

深藍戰勝卡斯帕羅夫對人工智能的發展具有特殊意義。在隨后的十幾年里，人工智能穩步發展，技術上不斷突破，并且逐漸有人工智能產品面世。

1998年，戴夫·漢普頓（Dave Hampton）和鐘少男（Caleb Chung）發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 ）和普林斯頓大學的同事開始建立ImageNet，這是一個大型注釋圖像數據庫，旨在幫助視覺對象識別軟件進行研究。

2009年，華裔科學家吳恩達及其團隊開始研究使用GPU進行大規模無監督式機器學習工作，嘗試讓人工智能程序完全自主的識別圖形中的內容。2012年取得驚人成就，他們給一個大型神經網絡展示1000萬張未標記的網絡圖像，發現神經網絡能夠識別出一只貓的形象。

接下來的十幾年里，隨著大數據、云計算、物聯網等信息技術的發展，以深度神經網絡為代表的人工智能技術迅速發展，圖像分類、語音識別、知識問答、無人駕駛等人工智能技術實現了從“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研發向成果轉化。從2016年至今，逐步實現從成果轉化到賦能應用的產業化發展階段，基礎建設建設不斷強化，應用場景不斷拓展，市場規模迅速增長。

小結

整體而言，歷經過去幾十年的發展，人工智能逐步從初期探索階段，一路發展至如今的產業規模不斷提升的階段。不管當前業界普遍認為，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，只是執行一組預設的功能。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已經在諸多領域實現應用，實現產業化發展。不過人工智能技術仍然有諸多方面需要持續突破。未來，人工智能在面臨著不斷推進規模化落地應用需求的同時，也面臨著技術上需要不斷創新和突破的需求。