第1章 人工智能的前世今生 你是否被《终结者》和《黑客帝国》等电影中的机器人所震撼到？你是否觉得 人工智能是无所不能的？虽然目前的人工智能技术还不足以创造出这些科幻电影里 无所不能的智能机器人，但是人工智能已经影响了我们生活的方方面面：智能家居、 刷脸支付、智慧安防……由此，人们已经实实在在地感受到了人工智能时代的到来， 我们的生活因为人工智能而变得更加便捷。本章将带你了解人工智能的起源、发展 以及人工智能在各行各业的应用，带你了解人工智能的研究领域和发展方向。 自由人，则表明参与测试的计算机具备人类智能。虽然图灵测试受到了一些质疑，但是该 测试作为人工智能哲学领域第一个严肃的提案，为计算机是否具备人类智能的判定提供了 标准，对人工智能的发展产生了深远影响。 图1-3 艾伦·图灵图1-4 图灵测试 004 在艾伦·图灵发表机器能否拥有人类智慧的猜想5 年后的1955 年，机器智能的猜 想被艾伦·纽厄尔（Allen Newell）、克里夫·肖（Cliff Shaw ）和赫伯特·西蒙（Herbert Simon）初步实现。他们开发了一款名为“逻辑理论家”的程序，通过该程序，计算机 可以模仿人类来解决问题。研究人员通过该程序成功解决了《数学原理》52 个定理中 的38 个，其中有一条定理的证明甚至比原文更加优雅。该程序初步证实了机器具有人 类智慧的猜想，并被称为“史上首个人工智能程序”，对人工智能的研究产生了深远的 影响。 1956 年6—8 月，约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky ）、 克劳德·香农（Claude Shannon ）和纳撒尼尔·罗切斯特（Nathaniel Rochester ）共同发起 了达特茅斯夏季人工智能研究计划，史称达特茅斯会议，其中该会议的几位参会者如图1-5 所示。参会的研究人员广泛讨论了自动计算机、神经网络、自然语言处理、计算理论等人 工智能领域的课题。本次会议还提出了“在猜想的基础上，学习的每个方面或任何其他智 能特征原则上都可以被精确地描述，以便可以使机器模拟它”。本次会议正式宣告了人工 智能学科的诞生和人工智能领域的开辟。 人工智能领域中图灵奖的获得者如表1-1 所示。 Rzmzw.indd 4 2020-8-6 13:32:10 图1-5 达特茅斯会议几位参会者 表1-1 人工智能领域中图灵奖的获得者 年份姓名贡献领域 1969 年马文·明斯基（Marvin Minsky） 人工智能 1971 年约翰·麦卡锡（John McCarthy） 人工智能 1975 年 艾伦·纽厄尔（Allen Newell） 赫伯特·西蒙（Herbert Simon） 人工智能、人类认知心理学和列表处理 1994 年 爱德华·费根鲍姆（Edward Feigenbaum） 拉吉·瑞迪（Raj Reddy） 大规模人工智能系统 2018 年 约书亚·本吉奥（Yoshua Bengio） 杰弗里·辛顿（Geoffrey Hinton） 杨立昆（Yann LeCun） 深度学习 005 1.2.2 第一次浪潮：百花齐放 达特茅斯会议标志着人工智能领域的正式开辟，在接下来的20 年左右（1956—1974 年） 的时间里，人工智能的研究迎来了黄金时代，诸多研究成果百花齐放。这个时期，在摩尔 定律的作用下，计算机硬件持续升级，存储成本和计算成本不断下降，计算资源不断丰 富，计算能力不断提高，不少人工智能领域的算法得以落地。一些人工智能项目的成功落 地，更激起了研究者和社会的热情。例如，赫伯特·西蒙、克里夫·肖和艾伦·纽厄尔 三人于1957 年编写的计算机程序——通用解难器（general problem solver，GPS），旨在 作为通用问题的求解器。GPS 的原理是任何形式化的符号问题都可以用这个计算机程序 来解决，这个设想属于逻辑、符号派。1964 年，麻省理工学院（Massachusetts Institute of Rzmzw.indd 5 2020-8-6 13:32:15 组合爆炸问题找不到线性时间的解法；当时人工智能领域的理论研究也不能支持人工智能 领域的长久发展。与此同时，因为人工智能领域的研究产出没有符合政府预先的投资期望， 因此政府基金对人工智能项目的投资锐减，人工智能领域迎来了第一个低谷（1974—1980 年）。这次人工智能低谷的导火线可以说是两份学术报告的发表，进而导致人工智能领域 研究经费锐减。一份是1966 年美国自动语言处理顾问委员会发表的《语言与机器：翻译 和语言学中的计算机》（Language and Machines: Computers in Translation and Linguistics） ， 这份报告批评了机器翻译这个研究方向。随后，在投资了2000 万美元之后，美国国家科 学研究委员会停止了对人工智能项目的研究投资。另一份是1973 年詹姆斯·莱特希尔 （James Lighthill ）教授发表的评估英国人工智能研究状况的报告，这份报告名为《人工智 能普查报告》，又称为《莱特希尔报告》，这份报告批评了当时人工智能领域不切实际的目 标，表达了对先前的投资未能产生预期收益的失望，结论是不应该继续往人工智能这个无 底洞里投入。 尽管在这个时期很难继续寻找到资金来支持人工智能领域的研究，但是一线的科学研 究仍在继续，只是直接提及人工智能的概念少了，诸如机器学习、信息数学、基于知识的 系统和模式识别之类的新词开始涌现。在那个时期广大一线研究者砥砺前行，默默耕耘， 为下一个人工智能浪潮奠定了基础。 007 1.2.4 第二次浪潮：再次起航 20 世纪80 年代，人工智能领域由于人工神经网络和专家系统研究的突破得以再次 复兴。1982 年，约翰·霍普菲尔德（John Hopfield ）和大卫·鲁梅尔（David Rumelhart） 在“深度学习”领域的研究，使得机器可以用已有的经验进行“学习”。其中，约翰·霍 普菲尔德提出了一种新型的网络形式，即霍普菲尔德神经网络，这是一种结合了存储系 统和二元系统的神经网络，可以提供模拟人类记忆的模型。鲁梅尔等人则发表了具有里 程碑意义的研究论文《通过误差反向学习传播表示》（Learning Representation by Back- Propagating Errors），在这篇研究论文中，鲁梅尔等人提出了反向传播算法（back-propagation algorithm），即影响深远的BP 算法。该算法可以在神经网络的隐含层中学习到对输入数据 的有效表示，因此被广泛用于人工神经网络的训练。现在许多计算机视觉的应用也是利用 了BP 算法，例如车牌识别技术。 此外，这个时期对于专家系统的研究也大放异彩，许多专家系统的研究结果直接应用 于各行各业，取得了良好的效果。研究员们认为，人之所以可以求解问题是因为人类具有 Rzmzw.indd 7 2020-8-6 13:32:15 知识和推理能力。因此，“专家系统之父”爱德华·费根鲍姆提出了专家系统。专家系统 就是人们把某一个领域的专家知识整理总结出来，然后将这些知识存储成计算机能够理解 的结构，并运用这些整理出来的知识和规则来回答这个领域的问题。1982 年，卡内基梅隆 大学开发了一款专家系统XCON，该系统成功地运用到数字装备公司（Digital Equipment Corporation，DEC）的业务中。XCON 可以根据客户的需求自动选择计算机部件来为新计 算机系统配置订单。截至1986 年，该系统平均每年为DEC 公司节省4000 多万美元的开支。 XCON 的成功和巨大的商业价值，使得工业界对专家系统的研究热情空前高涨，各式各样 的专家系统被开发出来并应用于各行各业之中。此外，专家系统也被应用于军事领域。例 如，1991 年海湾战争中，美国军队使用专家系统来自动进行后勤规划和运输路线的安排， 大大减少了美国军队后勤的运输成本，提高了后勤保障的效率。 在这个时期，日本政府也大力支持专家系统和其他人工智能技术的研究，并开始了 “第五代计算机”的研究计划。1982—1990 年，日本政府共投资了约500 亿日元来进行计 算机革命，实现逻辑编程和计算机智能程度的提升。尽管他们雄心勃勃，但接近十年的研 投资。 008 1.2.5 第二次低谷：资金锐减 到了20 世纪后期（1987—1993 年），人工智能的研究又一次陷入低谷。早期专家系 统的成功带来了许多不可忽视的问题，例如专家系统的应用领域比较狭窄，其开发和维护 成本过高，但是商业价值有限。同时，日本第五代计算机的研究以失败告终，预示着政府 在人工智能领域的投资锐减，人工智能研究项目的资金来源受阻，人工智能的研究再次步 入寒冬。 1.2.6 人工智能迈入21 世纪：蓬勃发展 进入21 世纪，计算机的性能不断突破，计算能力大幅提高，能处理的数据量也大大 增加。伴随着计算机性能的突破，许多以前没有办法运行的智能算法和没有办法处理的数 据规模也得到了解决。例如，以图形处理器（graphics processing unit，GPU）为代表的新 一代计算芯片为计算机提供了更加强大的计算力。如图1-7 所示，云计算为智能算法提供 了一个中心化的基础计算平台，在人工智能世界中扮演着“生产者”的角色，让诸多人工 智能算法能够在中心化的高性能计算平台上进行训练和运行。一方面，大数据为人工智能 Rzmzw.indd 8 2020-8-6 13:32:15 第1章 人工智能的前世今生 009 算法提供了海量训练数据，让智能算法可以在海量数据中进行“学习”；另一方面，大数 据技术可以为智能算法提供高质量的训练数据，有助于提高智能算法的效能。因此，大数 据在人工智能世界中扮演着“生产资料”的角色。机器学习和深度学习等技术的进步，为 人工智能提供了更加“聪明”的算法。互联网的发展则扮演了“生产关系”的角色，为人 工智能项目的真正落地并产生经济效益提供了可能。这四者相辅相成，互相促进，共同促 使人工智能迎来了第三次浪潮。 图1-7 人工智能生态系统 1.3 人工智能学派及研究领域 1.3.1 人工智能学派 目前，人工智能领域的技术学派主要有以下三类。 1. 符号主义 符号主义又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即 符号操作系统）假设和有限合理性原理。这个学派起源于数理逻辑，认为人类思维的基本 Rzmzw.indd 9 2020-8-6 13:32:18