一、機器會思考嗎？

20世紀上半葉，科幻小說讓世界熟悉了人工智能機器人的概念。它從《綠野仙蹤》中的“無情”鐵皮人開始，然后是在大都會模仿瑪麗亞的人形機器人。到 1950 年代，我們有一代科學家、數學家和哲學家，他們的頭腦中已經融入了人工智能（或 AI）的文化概念。其中一個人是艾倫圖靈，一位年輕的英國博學者，他探索了人工智能的數學可能性。圖靈建議人類使用可用信息和推理來解決問題和做出決定，那么為什么機器不能做同樣的事情呢？這是他 1950 年發表的論文《計算機與智能》的邏輯框架，他在其中討論了如何構建智能機器以及如何測試它們的智能。

二、讓追求成為可能

不幸的是，談話是廉價的。是什么阻止了圖靈當時和那里的工作？首先，計算機需要從根本上改變。 1949 年之前，計算機缺乏智能的關鍵先決條件：它們不能存儲命令，只能執行命令。換句話說，計算機可以被告知該做什么，但無法記住它們做了什么。其次，計算非常昂貴。在 1950 年代初期，租用計算機的費用高達每月 200,000 美元。只有名牌大學和大型科技公司才能負擔得起在這些未知領域的磨練。需要概念證明以及知名人士的倡導才能說服資金來源，機器智能值得追求。

三、開始這一切的會議

五年后，概念證明由 Allen Newell、Cliff Shaw 和 Herbert Simon 的邏輯理論家初始化。 The Logic Theorist 是一個旨在模仿人類解決問題能力的程序，由研究與開發 (RAND) 公司資助。許多人認為它是第一個人工智能項目，并在 1956 年由約翰·麥卡錫和馬文·明斯基主持的達特茅斯人工智能夏季研究項目 (DSRPAI) 中提出。來自各個領域的頂尖研究人員一起就人工智能進行開放式討論，這個詞正是他在活動中創造的。遺憾的是，會議沒有達到麥卡錫的預期。人們隨心所欲地來來去去，并且未能就該領域的標準方法達成一致。盡管如此，每個人都全心全意地認同人工智能是可以實現的。這一事件的重要性不可低估，因為它催化了未來 20 年的人工智能研究。

四、成功與挫折的過山車

????????從 1957 年到 1974 年，人工智能蓬勃發展。計算機可以存儲更多信息，并且變得更快、更便宜、更易于訪問。機器學習算法也得到了改進，人們更善于知道將哪種算法應用于他們的問題。早期的演示，例如 Newell 和 Simon 的 General Problem Solver 以及 Joseph Weizenbaum 的 ELIZA，分別顯示出對解決問題和語言解釋諸如此類的目標的期許。這些成功以及領先研究人員（即 DSRPAI 的參與者）的倡導說服了國防高級研究計劃局 (DARPA) 等政府機構為多個機構的 AI 研究提供資金。政府對能夠轉錄和翻譯口語以及高吞吐量數據處理的機器特別感興趣。樂觀情緒高漲，期望更高。 1970 年，馬文·明斯基 (Marvin Minsky) 告訴《生活》雜志，“從三到八年，我們將擁有一臺具有普通人一般智能的機器?！比欢?#xff0c;雖然有了基本的原理證明，但要實現自然語言處理、抽象思維和自我識別的最終目標，還有很長的路要走。

????????打破人工智能最初的迷霧揭示了一大堆障礙。最大的問題是缺乏做任何實質性事情的計算能力：計算機根本無法存儲足夠的信息或處理得足夠快。例如，為了交流，人們需要知道許多單詞的含義并理解它們的多種組合。當時麥卡錫的博士生漢斯·莫拉維克 (Hans Moravec) 表示，“計算機仍然太弱了數百萬倍，無法表現出智能。”隨著耐心的減少，資金也隨之減少，十年間的研究進展緩慢。

????????在 1980 年代，人工智能被兩個來源重新點燃：算法工具包的擴展和資金的增加。 John Hopfield 和 David Rumelhart 普及了“深度學習”技術，該技術允許計算機使用經驗進行學習。另一方面，Edward Feigenbaum 介紹了模仿人類專家決策過程的專家系統。該計劃會詢問某個領域的專家如何在特定情況下做出反應，一旦了解了幾乎所有情況的這一點，非專家就可以從該計劃中獲得建議。專家系統被廣泛應用于工業領域。作為其第五代計算機項目 (FGCP) 的一部分，日本政府為專家系統和其他與人工智能相關的工作提供了大量資金。從 1982 年到 1990 年，他們投資了 4 億美元，目標是徹底改變計算機處理、實施邏輯編程和改進人工智能。不幸的是，大多數雄心勃勃的目標都沒有實現。然而，可以說 FGCP 的間接影響激發了有才華的年輕一代工程師和科學家。無論如何，FGCP 的資金停止了，人工智能也不再受到關注。

????????具有諷刺意味的是，在缺乏政府資助和公眾宣傳的情況下，人工智能蓬勃發展。在 1990 年代和 2000 年代，人工智能的許多具有里程碑意義的目標已經實現。 1997 年，衛冕世界國際象棋冠軍和大師加里·卡斯帕羅夫 (Gary Kasparov) 被 IBM 的深藍 (一種下棋計算機程序) 擊敗。這場廣為人知的比賽是世界象棋衛冕冠軍第一次輸給了計算機，也是朝著人工智能決策程序邁出的一大步。同年，由 Dragon Systems 開發的語音識別軟件在 Windows 上實現。這是向前邁出的又一大步，但朝著口語口譯努力的方向邁進。似乎沒有機器處理不了的問題。甚至人類的情感也是公平的游戲，正如由 Cynthia Breazeal 開發的能夠識別和展示情感的機器人 Kismet 所證明的那樣。

五、時間治愈所有傷口

????????我們在如何編寫人工智能方面還沒有變得更聰明，那么發生了什么變化呢？事實證明，30 年前阻礙我們的計算機存儲的基本限制不再是問題。摩爾定律估計計算機的內存和速度每年都會翻一番，終于趕上了，在很多情況下，已經超過了我們的需求。這正是深藍在 1997 年擊敗加里·卡斯帕羅夫，以及幾個月前谷歌的阿爾法圍棋如何擊敗中國圍棋冠軍柯潔的原因。它為人工智能研究的過山車提供了一些解釋；我們將 AI 的能力飽和到我們當前的計算能力（計算機存儲和處理速度）的水平，然后等待摩爾定律再次趕上。

六、人工智能無處不在

????????我們現在生活在“大數據”時代，在這個時代，我們有能力收集大量繁瑣而無法處理的信息。人工智能在這方面的應用已經在科技、銀行、營銷、娛樂等多個行業取得了豐碩成果。我們已經看到，即使算法沒有太大改進，大數據和海量計算也只是讓人工智能通過蠻力學習。可能有證據表明摩爾定律正在放緩一點，但數據的增長肯定沒有失去任何動力。計算機科學、數學或神經科學的突破都是突破摩爾定律天花板的潛在突破。

七、未來

????????那么，未來會發生什么？在不久的將來，人工智能語言看起來像是下一件大事。事實上，它已經在進行中。我不記得上次打電話給公司并直接與人交談是什么時候。這些天，機器甚至在呼喚我！人們可以想象在流暢的對話中與專家系統進行交互，或者實時翻譯兩種不同語言的對話。我們也可以期待在未來二十年內看到無人駕駛汽車上路（這是保守的）。從長遠來看，目標是通用智能，即在所有任務中超越人類認知能力的機器。這與我們習慣在電影中看到的有感知力的機器人相似。在我看來，這在未來 50 年內實現是不可思議的。即使有能力，道德問題也會成為實現成果的強大障礙。當那個時候到來時（但最好在時機到來之前），我們將需要就機器政策和道德（具有諷刺意味的都是人類主題）進行認真的對話，但就目前而言，我們將允許人工智能穩步改進和橫行社會上。 Rockwell Anyoha 是分子生物學系的研究生，擁有物理學和遺傳學背景。他目前的項目使用機器學習來模擬動物行為。

總結

以上是生活随笔為你收集整理的人工智能简史（Rockwell Anyoha ）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。