人工智慧史上的15個關鍵時刻

來自專欄智能觀4 人贊了文章

人們對人工智慧（AI）的追求始於70多年前，那時候，大家認為有一天計算機會像人類一樣思考。當時，雄心勃勃的預測吸引了大量的研發資金，但幾十年過去了，卻沒有取得什麼傲人的成果。

但是，在過去的25年里，人工智慧的新方法，加上技術的進步，意味著我們現在可能正處於實現早期開拓者夢想的邊緣。下面，我們就一起回顧下人工智慧走過的道路。

1943年：第二次世界大戰引發了新思維

第二次世界大戰期間，許多學科領域都出現了優秀的科學家，包括新興的神經科學和計算機領域。

在英國，數學家艾倫·圖靈(Alan Turing)和神經學家格雷·沃爾特(Grey Walter)是首先向智能機器發起挑戰的兩個聰明人。他們在一個有影響力的俱樂部（Ratio Club）里相互交流。

沃爾特製造了有史以來的第一個機器人。圖靈接著發明了圖靈測試，為智能機器設置了標準：一種可以欺騙某人以為自己在和另一個人說話的電腦。

1950年：科幻小說引導行業發展

1950年，科幻作家艾薩克·阿西莫夫出版了《我的機器人》短篇小說集。

阿西莫夫是一位接受機器智能的概念，並設想其未來的科幻作家。他的作品廣受歡迎，發人深思，富有遠見，激發了一代機器人學家和科學家的思想。

他最著名的是提出了機器人學的三大定律，旨在阻止發明創造對人類產生不良影響。他也提出了一些似乎非常有先見之明的想法——比如設計一台能夠存儲所有人類知識的計算機，任何人都可以問任何問題。

1956年：一種「自上而下」的方法

「人工智慧」一詞是由一名年輕的計算機科學家約翰·麥卡錫(John McCarthy)，在達特茅斯大學舉辦的夏季會議上創造的。

頂尖科學家就如何應對人工智慧展開了辯論。一些人，比如有影響力的學者馬文·明斯基(Marvin Minsky)，喜歡採用自上而下的方法：用控制人類行為的規則為計算機編程。

其他人則更喜歡自下而上的方法：比如模擬大腦，學習新行為。隨著時間的推移，明斯基的觀點佔據了主導地位，他和麥卡錫一起從美國政府那裡獲得了大量資金。

1968年：《2001：太空漫遊》想像人工智慧的未來

明斯基也影響了科幻小說。他在斯坦利·庫布里克(Stanley Kubrick)的電影《2001：太空漫遊》(2001：A Space Odyssey)中擔任顧問，這部電影的主角是一台智能電腦——哈爾（HAL9000）。

在一個場景中，哈爾接受BBC採訪，談了自己的任務，並說自己「萬無一失，不會犯錯」。當時，一起參加任務的一位科學家接受採訪時表示，他相信哈爾很可能有真實的情感。

這部電影反映了當時人工智慧研究人員（包括明斯基）的一些預測：機器智能很快就會接近人類智能水平。它還巧妙地抓住了公眾的一些擔憂，即人工智慧可能由此變得令人討厭。

1969年：破解的難題

人工智慧遠遠落後於明斯基等擁護者的崇高預言——這一點在機器人夏奇(Shakey)身上得到印證。

夏奇是第一個通用移動機器人，能夠通過對周圍環境的推理，決定自己的行為。它在移動前需要繪製出一幅空間地圖。但是，即使在一個幾乎沒有障礙的區域，它也慢得令人痛苦。每次向前移動，夏奇都會更新自己的地圖。而在其視野內移動的物體，很容易使它迷惑，有時在計划下一步行動時，它會停留一個小時。

1973年：人工智慧的冬天

到了20世紀70年代初，人工智慧陷入了困境。數以百萬計的錢被花掉了，卻沒什麼可炫耀的成果。

美國國會對此提出了強烈的批評。1973年，著名數學家詹姆斯?萊特希爾爵士(Sir James Lighthill)，發表了一份關於英國人工智慧現狀的健康報告。

他的觀點是，機器永遠只能下「經驗豐富的業餘水平的」象棋。常識推理和像人臉識別這樣簡單的任務，總是超出它們的能力範圍。在此觀點下，該行業的資金被大幅削減，隨之而來的就是眾所周知的「人工智慧的冬天」。

1981年：大企業的解決方案

歷史學家指出「人工智慧的冬天」即將結束的那一刻，正是人工智慧的商業價值浮現，並吸引新投資的時候。

新的商用AI系統遠沒有早期的人工智慧那樣雄心壯志。這些「專家系統」不是試圖創造一種通用的智能，而是專註於更小範圍的任務。這意味著它們只需要按照特定問題的規則進行編程即可。第一個成功的商用專家系統，被稱為RI，用於美國數字設備公司（Digital Equipment Corporation），它為新的計算機系統配置訂單。到1986年，該公司估計每年節省了4000萬美元。

1990年：回歸自然，尋找「自下而上」的靈感

專家系統無法解決仿生學的問題。後來，人工智慧科學家羅德尼·布魯克斯發表了一篇新論文：《大象不會下國際象棋》。

布魯克斯的靈感來自神經科學的發展，神經科學已經開始解釋人類認知的奧秘。例如，視覺需要大腦中不同的「模塊」共同工作來識別模式，而不需要通過中央控制。布魯克斯認為，用智能行為規則預先編程，這種自上而下的方法是錯誤的。他推動了自下而上的人工智慧方法的復興，包括長期不受歡迎的神經網路領域。

1997年：人與機器：20世紀的戰鬥

自上而下的人工智慧的支持者，仍然擁有自己的冠軍：像超級計算機深藍，在1997年的標準國際象棋比賽中，戰勝了人類國際象棋冠軍加里·卡斯帕羅夫。

IBM製造的這台機器，理論上比卡斯帕羅夫優秀得多——每秒可以計算2億次。但它能進行戰略思考嗎？答案是肯定的。深藍贏得了這場被稱為「大腦的最後一戰」的比賽。一些人稱讚這是人工智慧成熟的時刻。但在另一些人眼中，這只是AI在一個高度專業化、規則明確的問題上，展示了蠻力。

2002年：第一個家用機器人

iRobot公司發明了這款家用機器人，這是為家庭而設計的第一款機器人——一個名為Roomba的自動吸塵器。

清理地毯與早期人工智慧先驅者的抱負相去甚遠。但是Roomba是一個巨大的成功。它僅有的幾層行為生成系統，遠比機器人夏奇的演算法簡單，更像半個多世紀前的格雷·沃爾特的機器人。儘管感測器相對簡單，處理能力也很低，但該設備具備足夠的智能，能夠可靠高效地清理房間。Roomba開創了自主機器人的新時代，專註於特定的任務。

2005年：戰爭機器

將人工智慧用於冷戰的夢想化為泡影后，美國軍方現在又開始蠢蠢欲動。

他們投資自主機器人。由波士頓動力公司製作的「大狗」是第一步。它是一種用於崎嶇地形的車，然而卻從未「服役」過。

iRobot公司也在這個領域大顯身手。他們的炸彈處理機器人PackBot，將用戶控制與爆炸物嗅探等智能功能結合在一起。在伊拉克和阿富汗，部署了超過2000個。

2008年：開始解決大問題

2008年11月，蘋果新推出的iPhone手機上出現了一個小功能——谷歌語音識別應用。

看起來簡單。但這預示著一個重大突破。儘管語音識別是人工智慧的關鍵目標之一，但數十年的投資，從未使其準確率超過80%。谷歌開創了一種新方法：使用數千台功能強大的計算機，運行並行神經網路，從谷歌用戶的海量數據中學習模式。起初它還是相當不準確的，但是經過多年的學習和改進，谷歌現在聲稱它的精確度達到了92%。

2010年：舞蹈機器人

與此同時，隨著大型主機正在改變人工智慧的工作方式，新技術意味著小型計算機也可以發揮更大的作用。

這些新的計算機使用人形機器人，如NAO機器人，能夠完成前人（如夏奇）幾乎不可能完成的任務。NAO機器人使用了過去十年中首創的許多技術（比如神經網路）進行學習。在2010年上海世博會上，20個機器人完美和諧地跳了一段8分鐘的舞蹈。

2011年：人與機器：21世紀的戰鬥

2011年，IBM的沃森(Watson)在美國智力競賽節目《危險邊緣》(Jeopardy)中，挑戰了人類大腦。

這對機器來說，是比國際象棋更大的挑戰。沃森必須回答謎語和複雜的問題。它的製造商使用了包括神經網路在內的多種人工智慧技術，並對機器進行了三年多的培訓，以識別問題和答案中的模式。沃森擊敗了對手——有史以來表現最好的兩位人類選手。這場勝利在網上瘋傳，被譽為人工智慧的勝利。

2014年：現在機器是否智能化？

64年前，圖靈發表了一項證明機器智能的測試，而一個名叫尤金·古斯特曼(Eugene Goostman)的聊天機器人最終通過了測試。

但很少有人工智慧專家認為那是一個轉折點。尤金·古斯特曼被認為「為考試而造」，它耍了一些花招來欺騙評委。而人工智慧在2014年的發展，真正顯示出它在70年里取得了非凡的進展。從無人駕駛汽車，到實時語音翻譯，智能機器正在改變我們的生活。

原文鏈接：

https://www.bbc.com/timelines/zq376fr

來源：BBC

智能觀 編譯

—完—

親愛的朋友：

回首人工智慧一路走來的關鍵點，也是蠻有趣的一件事。

試想25年後，我們回首今日，會是怎樣的感覺？

祝安！

PS:為了方便與讀者探討，特意註冊了一個專用號。如果你也是我們的鐵杆讀者，想探討交流，可以加微信：znglmym。

智能觀 靈米

2018-8-3 於北京中關村

想知道AI加教育領域有哪些最新研究成果？

想要AI領域更多的乾貨？

想了解更多專家的「智能觀」？

請前往：www.智能觀.com。

想交流溝通，請加負責人微信：znglmym

聲明：

編譯文章旨在幫助讀者了解行業新思想、新觀點及新動態，為原作者觀點，不代表智能觀觀點。