3.1.2　人工智能的发展

人工智能在社会发展中扮演着不可或缺的角色，在提高劳动效率、降低劳动成本、优化人力资源结构及工作岗位方面带来了革命性的成果。人工智能的出现为疲软的全球经济提供了新的动力，提高了全球GDP的增长速度。人工智能的发展趋势可简化为图3-2。

人工智能在二十世纪五六十年代时被正式提出。1950年，一位名叫马文·明斯基（后被人称为“人工智能之父”）的大四学生与他的同学邓恩·埃德蒙一起建造了世界上第一台神经网络计算机。这也被看作人工智能的一个起点。1955年，著名科学家奥利弗·塞弗里奇（Oliver Selfridge）和艾伦·纽厄尔（Allen Newell）在一次美国西部计算机联合大会的学习机讨论会中，分别代表连接派和符号派进行了讨论，标志着人工智能雏形的出现。1956年，达特茅斯会议（Dartmouth Conference）召开，多位大咖参与并讨论了用机器来模仿人类学习以及其他方面的智能。“人工智能”一词首次在学术会议中亮相。该会议也成为人工智能史上最重要的里程碑，被公认为“人工智能之肇始”。

图3-2　人工智能的发展趋势

1957年，罗森布拉特（F. Rosenblat）提出了感知器（Perceptron）模型。这是一个由线性阈值神经元组成的前馈人工神经网络，可实现与、或、非等逻辑门，用于实现简单分类。之后的十余年里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。人工智能由此迎来了第一次高峰，让很多研究学者看到了机器向人工智能发展的希望。

但是到了20世纪70年代，人工智能进入一段艰难岁月。其间，人工智能领域所获得的资助也被大量缩减甚至取消。当时，人工智能面临的技术瓶颈主要体现在3个方面：第一，计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；第二，问题复杂性只限于低维，早期人工智能程序主要是解决特定的问题，因为特定的问题对象少，复杂度低，但一旦问题维度上升，程序立马不堪重负；第三，数据稀缺，在当时不可能找到足够大的数据库来支撑程序进行深度学习，进而使机器智能化。

20世纪80年代，一类名为“专家系统”的人工智能程序开始为全世界的公司所采纳，“知识处理”成为主流人工智能研究的焦点。专家系统的能力来自它们存储的专业知识。知识库系统和知识工程成为当时人工智能研究的主要方向。同时，各个国家开始对人工智能产业提供资助，如DARPA组织了战略计算促进会等。1986年，神经网络的反向传播和大规模神经网络训练开始出现。

但是到了1987年，苹果和IBM公司生产的台式机性能都超过了Symbolics等厂商生产的通用型计算机。1989年，DARPA的新任领导认为人工智能并非“下一个浪潮”，拨款倾向于那些看起来更容易出成果的项目。人们对专家系统和人工智能产生了信任危机，专家系统风光不再。人工智能又一次跌入低谷，开始相对平稳地发展。

在2012年之前，研究者、学者们带来了许多著名的成果，比如IBM的国际象棋智能机器人“深蓝”击败了人类冠军。而且直至2012年，深度卷积神经网络算法在ImageNet大规模图像识别比赛上崭露头角，深度学习革命正式开始，人工智能技术进入飞速发展期，尤其在云计算、大数据、机器学习等理论支撑，以及互联网迅猛发展下，计算机视觉、自然语言处理、强化学习等人工智能算法逐步应用于现实生活。2016年，Google DeepMind开发的人工智能围棋程序AlphaGo战胜围棋冠军，将人工智能技术研究推向高潮。

至今，人工智能研究领域还在不断扩大。图3-3展示了人工智能研究的各个分支，包括专家系统、机器学习、推荐系统、计算机视觉、多智能体系统等。机器学习只是人工智能庞大研究领域中的一小部分。

图3-3　人工智能研究领域