AI简史

技术是上帝赐予的礼物，在赐予人类生命之后，技术可以算是上帝送给人类最伟大的礼物了。技术是文明之母、艺术之母，也是科学之母。

——弗里曼·戴森（Freeman Dyson）

成为众神的追求

从历史上来说，人类对建造智能思维机器的渴望，可以追溯到希腊神话的皮格马利翁。皮格马利翁是希腊神话中的塞浦路斯国王，并且擅长雕刻。他创造了一个栩栩如生的雕像，并爱上了它。自那时起，人类一直在追求能拥有上帝的能力。古人构建类似计算机设备的尝试，主要集中在制造机械计算器领域。

算盘

这里我们以算盘为例，聊聊机械计算器。值得注意的是，所有关于计算机的正式讨论，都要从我的老祖宗——算盘开始说起。算盘是一种古老的计算工具，迄今已使用了数千年。人类已知最早的算盘，是在公元前2300年前后，由古代美索不达米亚的苏美尔人最先开始使用的。那个时候的算盘只是一个简单的装置，由一个木制框架与串在线上的珠子组成。这些珠子被用来进行基本的加法、减法、乘法和除法等算术运算。

古埃及人也采用了类似的装置——一块带钉子的木板，用于算术；而古希腊人使用的算盘与苏美尔人的算盘类似，名为“abax”或“abakos”，但两者设计略有不同。中国的算盘是所有算盘中最为出名的，也是使用最为广泛的形式之一。

中国的算盘起源于汉朝（公元前206—公元220年），而后在中国和亚洲其他地区广为使用了几个世纪。中国的算盘的主体是一个木制框架，上面有珠子串在杆上。上排每颗珠子代表5，下排每颗珠子代表1。在人类历史的长河中，商人和小贩很多时候都在用算盘进行商业和金融交易的计算。除此之外，算盘也被用于学校教育，来教授学生学习基本的算术与数学。

20世纪70年代，由于电子计算器的发明，算盘慢慢退出历史舞台。不过，算盘至今仍用于学习数学和心算。尽管算盘的用处很大，但其计算功能的实现仍然依赖于人类。

两千年前的计算机

也许古希腊人的齿轮星盘（Geared Astrolabes），是人类首次尝试创造能够自己进行独立计算的计算机。古代的齿轮星盘是一种机械装置，主要用于测量天体的位置，确定白昼或夜晚的时间。齿轮星盘的功能与安提凯希拉天体仪（Antikythera Mechanism）相似，也被认为是安提凯希拉天体仪的老祖宗。

星盘是在公元前150年左右，由古希腊天文学家、数学家喜帕恰斯（Hipparchus）发明的，他也是三角学的创立者。之后，托勒密（Ptolemy）等其他古代天文学家进一步对星盘进行了迭代。

星盘带有一个由金属制成的圆环，上面有个可旋转的盘子，名为“网环”（rete），画有星星与其他天体的位置。上盘安装在转轴上，可以用于旋转并且对准天空中的星星。下方的盘面包含一组刻度和其他用于天文计算的信息。盘面也被安装在一个转轴上，可以旋转到与网环对齐。

计算装置的下一个巨大的飞跃是安提凯希拉天体仪，这个天体仪的创造者和起源至今仍然是个谜。1900年，一群采集海绵的潜水员在希腊安提凯希拉岛的海岸边潜水，继而发现了一艘沉船，然后发现了这个装置，它的制造时间可以追溯到公元前1世纪。

在沉船上发现的许多文物中，包括几件复杂的齿轮装置，它们后来被称为安提凯希拉天体仪。这个机械装置最开始被认为是用来进行导航的简单装置，但后面的深入研究表明，这个装置是一个复杂的天文计算器，装在木箱里，整个构造中还包含组合起来的青铜合金齿轮，尽管这个装置经历了岁月的侵蚀，但高质量的合金使其在海水中保存了下来。

齿轮的组件较为复杂，有的齿轮与其他齿轮直接啮合，还有的齿轮通过一个齿轮或小齿轮系统，带动其他齿轮。整个安提凯希拉天体仪包括至少30个青铜齿轮，以及几个铁制的指针和手遥器。其齿轮设计非常精确，齿轮的大小和功能各有不同，有负责啮合的齿轮，还有用于传递动力的小齿轮，而所有这些都是手工制成的。

这个装置是由手摇器来操作的，用于旋转齿轮与指针，显示太阳、月亮和行星的位置及时间。上面还装有差动齿轮，能让两个齿轮以不同的速度旋转，同时保持它们之间的恒定差异。直到14世纪，这种功能才再次在齿轮装置中出现，因此称得上是令人震惊的工程与古代技术的杰作。

沉默的时代

接着是，沉默。

在人类梦想的重大科学进展中，总是存在着漫长的时间差距。通常历史的发展是这样的，人类先产生制造会思考的机器的梦想，然后就会沉默一段时间，几个世纪之后，会再次出现某个重要的发展里程碑。

公元9世纪，波斯数学家阿尔·花剌子模发明了一套用于解决数学问题的规则，这也是人类历史上的首个算法。尽管当时没有人能够预见它所带来的影响，但正是这一理论的发明，为现代计算的发展奠定了基础。

通用计算的诞生

时光快进到17世纪。出生于德国黑伦贝格的数学家、天文学家、工程师席卡德（Wilhelm Schickard，1592—1635年）在图宾根大学学习。那时，他对天文学和数学产生了兴趣，而后成为图宾根大学的数学教授、校长，后续还担任了符腾堡公爵的宫廷天文学家和占星家。

席卡德是个全才，他在天文学、制图学和工程学等多个领域做出了重大贡献。人类历史上已知的首张月球地图正是由他绘制的，通过用望远镜进行观察，席卡德绘制出这张地图。除此之外，他还与同时代的其他科学家互相通信，与伽利略、开普勒等共同探讨数学与科学的问题和思想。然而，他最为著名的举动，是设计并制作了人类历史上首个能够进行基本算术运算的机械计算器——席卡德计算器。这个计算器，也被称为“计算钟”，被用于进行包括加、减、乘、除在内的基本算术运算。席卡德计算器由几个齿轮和杠杆组成，包括输入和输出刻度盘，通过转动手摇器来操作，手摇器会转动齿轮和杠杆来进行加、减、乘、除等计算。席卡德计算器在当时是个非凡成就，也是世界上首台能够自动进行算术运算的机器，是机械计算器和计算发展中的重要里程碑。

遗憾的是，最早的计算器版本被烧毁于席卡德家中的一场大火，关于该计算器的唯一幸存记录只有一些信件和图纸。直到20世纪，席卡德计算器的图纸才被发现，大家试图重新恢复计算器。

对于机械计算器的研究，法国科学家也不甘示弱。大约在同一时期，法国数学家、物理学家、哲学家布莱士·帕斯卡（Blaise Pascal，1623—1662年）因发明了最早的机械计算器——帕斯卡计算器而出名。

帕斯卡出生于法国克莱蒙费朗，父亲是当地的法官和小贵族。帕斯卡是个神童，在父亲的教导下，很早就表现出数学和物理学方面的天赋。帕斯卡从小就对机械计算器感兴趣。因为父亲是一名收税员，要求小帕斯卡帮助完成工作所需的烦琐计算。1642年，19岁的帕斯卡制造了自己的第一个计算器，并将其称为“算术机”。这个简单的装置，可以通过齿轮和杠杆系统进行加法和减法运算。

1645年，帕斯卡改进了设计，发明了更先进的计算器，名为“帕斯卡”，能够使用齿轮、轮子和杠杆系统进行加、减、乘、除运算，还能够处理十进制数字，并能进行多达八位数的计算。这台计算器是当时的另一重要里程碑，标志着机械计算器发展向前又迈出了一步。帕斯卡的发明非常成功，接到了许多知名人士的订单，其中包括法国国王路易十四。

迄今为止，我们所讨论的所有计算设备都是为特定需求而设计的，要么是为了进行具体的天文计算，要么是为了执行特定的数学功能。

随后就进入了巴贝奇时代。巴贝奇（Babbage），英国数学家、发明家和机械工程师，生于1791年，因设计的差分机和分析机而闻名，其中，分析机被广泛认为是首个通用计算设备。1822年，巴贝奇提出了“差分机”的概念，这是一种可以进行数学计算的机械计算器，特别是可以使用有限差分的方法进行多项式计算。

差分机是一个大型的复杂机器，由成千上万的齿轮、杠杆和各类机械部件组成。通过英国政府的资助，巴贝奇得以建造一个差分机的原型，但由于资金问题和各种技术困难，该项目最终并未完成。

然而在1834年，巴贝奇开启了一项更为雄心勃勃的项目，这就是“分析引擎”。分析引擎是一种通用机械计算器，可以进行任何能用符号形式表达的数学计算。巴贝奇的分析引擎思想，包含许多现代计算机的功能，如中央处理单元、存储器、输入和输出设备，以及打卡机的编程能力等。尽管巴贝奇的思想代表了技术上的巨大概念性飞跃，但他设计的两台机器在他有生之年都没有完成。然而，他的工作为现代计算机的发展奠定了基础，并成为后来像阿达·洛芙莱斯（Ada Lovelace）、艾伦·图灵（Alan Turing）等计算机先驱的主要灵感来源。

自巴贝奇开始，计算机发展开始进入快车道。19世纪中期，阿达·洛芙莱斯成为世界上第一名计算机程序员，她的笔记中详细描述了如何为巴贝奇的分析引擎创建代码，以处理字母、符号和数字。关于更通用的机器计算能力的理念，已经开始逐渐萌芽，在人们的想象力中占据了一席之地。

1936年，另一个巨大的概念性突破骤然到来。

英国数学家、逻辑学家和计算机科学家艾伦·图灵在一篇题为《论可计算数及其在判定问题上的应用》的论文中提出了通用图灵机的概念。图灵想象中的机器，是一种理论上的通用计算机，能用来模拟任何其他计算机。这个想法，为我们今天使用的通用计算机奠定了概念上的基础。图灵还构想了一种可以读取和执行磁带上指令的机器，成为现代计算机内存概念的基础。

技术大爆炸

巴贝奇、洛芙莱斯和图灵的工作，为可以进行任何计算，处理字母、符号和数字的可编程计算机奠定了基础。同时，我们迎来了现代计算机时代。

自这个时候开始，计算机领域开始逐步爆发。1937年，约翰·阿塔纳索夫（John Atanasoff）和克利福德·贝瑞（Clifford Berry）发明了世界上第一台电子数字计算机——阿塔纳索夫-贝瑞计算机（ABC）。这台计算机，使用电子开关与电容器作为存储器，但它并不是通用计算机，也没有彻底发展起来。

1941年，德国工程师康拉德·祖泽（Konrad Zuse）制造了世界上首台使用二进制数字存储的计算机——Z3。Z3是可编程的计算机，使用二进制数字（比特）来表示数字，并使用继电器将数据存储在存储器中。它比早期计算机的功能更为全面，可以进行浮点运算。

1945年，美籍匈牙利数学家约翰·冯·诺依曼（John von Neumann）提出了存储程序计算机的概念，这也是我们今天计算机仍在使用的基本架构。

这一概念在20世纪50年代初的电子离散变量自动计算机（EDVAC）中得以实现，而就在此时，另一项激动人心的发明也已经到来，这就是晶体管。晶体管是一种简单的半导体形式，它的出现改变了一切。1947年，贝尔实验室的威廉·肖克利（William Shockley）、约翰·巴丁（John Bardeen）和沃尔特·布拉坦（Walter Brattain）发明了晶体管。如何理解晶体管的原理？我们可以把它想成家里的灯，灯都有开关，假设开=1，关=0。这个简单的开关原理可以用于存储和处理二进制数据。所有现代的计算机都基于二进制，使用内部带有数百万个晶体管的半导体芯片进行操作。

计算机时代已经真正到来。尽管几千年以来人类一直渴望创造能够思考的机器，梦想也一直没有实现，但是，关于机器的理论和实践基础已经被创造出来。我们有了通用计算机、计算机内存、计算机编程、约翰·冯·诺依曼结构及结构中存储的计算机程序。而且，有了半导体之后，诸如EDVAC这样的计算机已经被制造出来，并开始在政府、研究机构和大公司中应用。

1909年，爱德华·摩根·福斯特（E.M.Forster）创作了《大机器停止》科幻短篇小说。1920年，卡雷尔·恰佩克（KarelČapek）在剧本《万能机器人》中首次向大家普及了“机器人”一词。20世纪40年代，艾萨克·阿西莫夫（Isaac Asimov）和菲利普·迪克（Phillip K Dick）开始在文坛活跃，在他们的笔下，描绘了具备人类智慧的机器，凡是人类能够想象的东西，都能找到方法来实现。

机器具备思考能力吗

AI的历史可以追溯到1956年的达特茅斯会议。1956年夏天，达特茅斯会议的举行，是AI历史上的里程碑，标志着AI领域开始成为正式的学术学科。

会议由约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）、纳撒尼尔·罗切斯特（Nathaniel Rochester）、克劳德·香农（Claude Shannon）等人组织，在美国新罕布什尔州汉诺威的达特茅斯学院举行。

在这次会议中，研究人员开始讨论构建能够像人类一样思考和推理的机器的可能性，从而将计算机科学扩大和拓展了，让它具备更深的研究潜力。来自麻省理工学院、IBM和贝尔实验室的约10名研究员参与了该会议。这次会议为大家提供了一个交流思想的平台，探讨了AI领域的现状，概述了为推动AI领域走向未来所需进行的研究。

这次会议萦绕着激动和乐观的气氛，与会者热切地讨论了AI的可能性，分享了各自的想法和发现。在与会者共同努力为AI领域打下基础时，求知欲和协作的气氛占了上风，而正是这个领域，最终将改变世界。

这是一个历史性的时刻，也是一个令人兴奋的时代。尽管达特茅斯会议的规模很小，但它被认为是AI正式作为研究领域和科学学科的诞生地。哪怕在今天，达特茅斯会议仍然对AI领域产生着重大影响。

“专家系统”时代

在接下来的几年里，AI研究主要集中在开发“专家系统”上。这些基于规则的系统，主要被设计用于模拟各领域人类专家的决策过程。当时的思路是，如果能弄清楚人类专家是如何做出决策的，那么这些决策就可以简化为一套规则，而这些规则可以被编入计算机。然后，计算机将应用该领域最好的人的决策过程，继而产生比人类所能做出的更好的决策，而且速度会更快，成本会更低。

最早关于专家系统的尝试，可以追溯到20世纪50年代，也就是达特茅斯会议召开后不久。然而，直到20世纪七八十年代，由于计算机技术的进步和程序设计语言（Prolog和LISP）的出现，专家系统的开发和部署才取得了重大进展。

在20世纪80年代，专家系统被认为是最有前途的AI研究领域，许多公司和政府都对这一领域的发展进行了大量投资。

例如，20世纪七八十年代，美国政府通过各种联邦机构和研究项目为专家系统和其他AI技术的发展提供了大量资金。在这一时期，美国AI研究的主要资金来源之一是美国国防部高级研究计划局（DARPA）。DARPA通过战略计算计划等方案来支持AI研究。当时，战略计算计划于1983年启动，10年预算为10亿美元，旨在为军事应用开发先进的AI技术，包括用于指挥与控制、后勤、情报分析的专家系统。与此同时，美国国家科学基金会（NSF）也为AI研究提供资金。美国国家科学基金会计算机、信息科学与工程部（CISE）通过各类计划支持AI研究，如美国国家机器人计划，旨在为机器人感知开发先进的AI技术。此外，IBM、霍尼韦尔和麦克唐纳·道格拉斯公司等私营公司，在20世纪七八十年代也对AI的研究和开发进行了大量投资。

1982年，日本的国际贸易和工业部（MITI）以及教育、科学和文化部（MESC）创建了“第五代计算机系统项目”，这是一个由政府资助的大规模研究项目，旨在开发先进的AI技术，如自然语言处理、知识表示和推理。该项目预算超过5亿美元，是当时世界上最大的AI项目之一。20世纪七八十年代，日本的许多私营公司也对AI的研究和开发进行了大量投资，如富士通、日立和日本电气股份有限公司（NEC）等。

在这一时期，有一些值得关注的成功案例，斯坦福大学20世纪70年代开发的专家系统MYCIN，旨在帮助医生诊断和治疗血液中的细菌感染。MYCIN通过一个关于细菌、抗生素的事实和规则的知识库，以及一个推理引擎，得出最佳的治疗方案。MYCIN可以诊断和治疗各种血液感染，并且在大多数测试中都能胜过初级医生。MYCIN是当时最成功的专家系统之一，影响了医学领域许多其他专家系统的发展。

20世纪80年代，匹兹堡大学开发的CADUCEUS也是专家系统，旨在协助医生诊断和治疗肺部疾病，通过一个关于肺部疾病及其症状的事实和规则的知识库，以及一个推理引擎，得出关于最佳治疗方案的结论。CADUCEUS能够诊断和治疗大多数的肺部疾病，也能够在一些测试中胜过初级医生。MYCIN和CADUCEUS都是专家系统的典型成功案例。

医学领域专家系统的成功，证明了基于AI的系统能够协助医生诊断和治疗疾病，这些系统受到了医学界的欢迎，在创建之时也是最先进的。这些专家系统，也是AI概念应用的证明，为其他应用和AI领域的进一步研究铺平了道路。

AI在艺术领域的首次尝试

艺术领域是另一个激动人心的领域。亚伦（Aaron）应该是首个生成原始绘画的计算机艺术程序。1973年，哈罗德·科恩（Harold Cohen）创建了名为亚伦的AI艺术项目。科恩花了30多年时间研究亚伦，目标是创造出不只是单纯复制的视觉艺术，而是想让亚伦具备真正的创造性。

亚伦的基础是视觉概念的知识库，以及一套对其进行组合以创造新图像的规则。亚伦可以生成各式各样的风格与主题，无论是抽象形状，还是对现实的描述。科恩与亚伦合作，创作了20000多幅图画，世界各地的许多画廊与博物馆都展出了这些作品。

1985年，日本国际博览会展出了亚伦的艺术创作，令世界各地的参观者都感到惊讶。亚伦在很大程度上也正是本书的前身，本书提到的AI正在尝试进入更有创造性的工作领域。亚伦的继任者——其他AI艺术程序，都取得了不同程度的成功，有些作品甚至在拍卖行拍出了高价。

佳士得是世界上最古老和最大的拍卖行之一。2018年，佳士得举行了首次AI艺术品的拍卖，AI生成的艺术品，最终以数万美元的价格成交。其中最引人注目的AI艺术品是《埃德蒙·贝拉米的肖像》（Portrait of Edmond Belamy）最终以43.25万美元的价格成交。

大型拍卖行苏富比在2019年举行了首次AI艺术品拍卖会。这场拍卖会名为“数字原生”（Natively Digital），其中包括几件AI生成的艺术品，最终以数万美元的价格成交。

2020年，当代艺术拍卖行菲利普斯举行了首场名为“艺术的未来”（The Future of Art）的AI艺术品拍卖会，其中包括几件AI生成的艺术品，以数万美元的价格售出。其中最引人注目的是由AI艺术家Aicon创作的《年轻人的肖像》（The Portrait of a Young Man），最终以688888美元的价格售出，而最耀眼的拍品是《每一天：最初的5000天》（Everydays: The First 5000 Days），最终以6930万美元的价格成交。

AI音乐家

音乐是另一个激动人心的领域。20世纪五六十年代，也正是在AI研究的早期阶段，用于创作古典音乐的AI程序逐步被开发。这些程序的开发，主要是基于这一想法：音乐可以被表示为一组规则或正式的语法，并且计算机可以按照这些规则编写程序，生成新的音乐。

20世纪50年代末，伊利诺伊大学的莱杰伦·希勒（Lejaren Hiller）和伦纳德·艾萨克森（Leonard Isaacson）开发了最早的AI音乐程序“伊利亚克组曲”（Illiac Suite），能够通过一套基于和声理论的规则，创作出巴赫和莫扎特风格的音乐。伊利亚克组曲生产了许多作品，其中有的是由现场管弦乐队演奏的。

20世纪60年代，贝尔实验室的马克斯·马修斯（Max Mathews）开发了另一个早期的AI音乐程序“Music IV”，能够通过一套关于音符持续时间和音高规则，生成简单的旋律。Music IV还能够创作各种风格的短小音乐片段，如民谣和流行音乐等。

早期的AI音乐程序，在生成有趣的原创作品上确实取得了一定成功，不过还是受到当时的技术限制。随着计算机技术的进一步发展，AI音乐程序变得更为巧妙，能够生成更加复杂且细致的音乐作品。今天，AI音乐程序可以创作各种风格和流派的作品，甚至可以模仿某个作曲家的风格。

早期的AI音乐程序进行古典音乐创作，是一种具有开创性意义的努力。正是这些努力，为AI音乐领域的进一步发展奠定基础。这些尝试表明，通过计算机来生成新的音乐是可能的。

“专家系统”的衰落

专家系统并没有达到20世纪80年代市场所给予它的预期。尽管早期确实有一定成就，但围绕专家系统的炒作逐渐消失了，因为专家系统的构建通常是烦琐且不切实际的，许多系统并没有达到预期效果，原因如下。

●专业领域知识面过于狭窄。许多专家系统是为特定的垂直领域开发的，如医疗诊断或金融预测，而这样会限制这些系统的实用性，很难对其进行归纳，或将知识转移到其他领域。

●复杂度高。专家系统的复杂性要求给它投入大量的时间和资源，开发与维护成本极其昂贵。

●稳健性不足。专家系统通常基于一套固定的规则和知识，这使其极其脆弱，容易出问题。很难适应或学习新数据，这限制了它们在不断变化的条件下的能力。

●推理能力有限。许多专家系统都是基于规则的推理，处理不确定性和例外情况的能力有限。很难对复杂或动态情况进行推理，继而限制了这些系统做出准确预测的能力。

●过度炒作。20世纪80年代，围绕专家系统有很多噪声和泡沫，但许多系统并没有达到人们对它们的期望，这导致人们在情绪上的抵触。

●其他AI技术的进步。AI领域的不断发展带来更强大的机器学习和神经网络，这时候专家系统就没那么重要了。

能够学习的机器

20世纪80年代末和90年代初，AI以机器学习的形式重新兴起。机器学习是AI的一种形式，涉及使用算法，令计算机能够从数据中学习，而不需要明确的编程。机器学习的出现，改变了一切。现在，AI不再需要程序员来确定每一条规则和算法并编写代码。AI开始学着编写自己的代码。

简而言之，AI开始自己为AI编程。正是这一进步，给图像和语音识别、自然语言处理以及其他领域带来重大进展。20世纪八九十年代的机器学习进展，成为今天AI的基础。这一时期的关键科学进展对后续的AI领域产生深远的影响，比如以人脑结构为模型的神经网络、反向传播算法、决策树、支持向量机、贝叶斯法则等。

随着互联网的普及，另一项重大进展悄然出现。亚马逊和谷歌等公司开始积累大量数据，而机器学习在大数据中的应用，为我们今天在这个领域的一切奠定了基础。与此同时，摩尔定律[1]证明计算的成本在不断下降。

机器学习可以应用于这些巨大的数据集，使AI能够被实际应用于更多种类的任务中，哪怕是规则和算法没有被明确定义的任务。总之，到现在为止，所有需要人类智慧的任务，都可以应用AI技术。

深度学习可以多层次分析观察到的数据，并做出预测。就这样，AI即将成为世界上最先进的预测机器。

AI适用于各种场景

AI是可以进行预测的强大工具。通过复杂的算法和深度学习，AI系统可以分析大量数据，并对未来的事件或结果做出预测。AI由于具有这种预测能力，所以被广泛应用于各种行业。

常用AI做预测的是金融领域。例如，AI可以用于预测股票价格、汇率波动，以及其他金融趋势，可以帮助交易者和投资者做出更为明智的决策，也可以用于检测金融欺诈活动。

AI也用于医疗保健领域，对病人的医疗结果进行预测。例如，AI可以分析医疗记录和其他病人数据，以预测病人患上某类疾病的可能性。这可以帮助医疗保健服务提供方做出更明智的决策，改善病人的治病过程。

还有一个正在使用AI进行预测的领域是营销领域。AI可以分析客户数据，对客户行为进行预测，比如预测客户可能购买的产品。这样一来，AI可以帮助公司更有效地进行营销工作，从而增加销售额。

AI还可以用于预测天气、气候变化和自然灾害等情况。通过分析气象站和卫星的数据，AI可以对未来的天气情况做出预测，预测飓风、龙卷风和地震等自然灾害的可能性。深度学习的突破始于21世纪10年代，很快就一跃成为AI领域最受欢迎和最成功的方法。

通用人工智能的诞生

现在和未来究竟会如何演进？AI将会继续飞速发展，并融入更多的应用程序和设备。但是，这里所说的“发展”，具体是指什么呢？

AI领域的专家已经确定了未来AI发展中的几个重要里程碑，其中一个是通用人工智能（AGI）的实现。通用人工智能，也被称为“强人工智能”，涉及从创作到可以执行人类能力范围内所有智力任务的机器。通用人工智能，被认为是AI研究的终极目标。

特斯拉和SpaceX的首席执行官埃隆·马斯克（Elon Musk）曾谈到对通用人工智能实现的预测。马斯克表示，最早在2025年，通用人工智能就会实现。马斯克认为，技术领域特别是通用人工智能，进步速度非常快，这就意味着，通用人工智能的实现，可能会比大多数专家预测的要早得多。那么，通用人工智能究竟会带来什么？以下是几种可能性。

●能够像人类一样理解自然语言。能够以近似于人类的方式理解和生成自然语言的AI系统，是未来的一个重要里程碑。这就涉及创造能理解语言含义和上文含义的机器，并产生适当与连贯的反应。

●能够以人类的方式感知和理解世界。令机器能以近似于人类的方式看到、听到和感受到周边的世界，并对其进行理解。

●能够像人类一样进行决策。能够以近似于人类的方式做出决策的AI系统，也是未来的重要里程碑。这将涉及创造能够推理、计划，并以近似于人类的方式做出决策的机器，并且要能够处理不确定性和意外情况。

●能够像人类一样有创造力。具有创造性并能产生新想法的AI系统，也会是未来的重大进步。这将涉及创造可以产生新想法、解决问题，并以近似于人类的方式进行创新的机器。

●可解释、可信赖的AI。由于AI系统会被用于做高风险的决策，因此，它的决策过程必须是透明的、可解释的和可验证的。这将有助于在这些系统中建立信任和问责制。

研究人员认为，实现这些里程碑将对社会产生重大影响。

奇点将近：当机器超越人类

然而，AI未来的终极里程碑，也就是“奇点”到来的时刻。

奇点是一个术语，由数学家、计算机专家和科学家弗诺·文奇（Vernor Vinge）发明。1983年，弗诺在科幻小说大会上发表了一篇题为“即将到来的技术奇点：如何在后人类时代生存下去”的文章，文中首次使用了奇点这个术语。这里的奇点，是指未来的一个假设点，在这个假设点上，技术进步以指数级的速度加速，导致人类文明突然发生深刻的变化。

这个术语通常与通用人工智能的发展有关，即拥有达到或超过人类水平的通用人工智能的机器。AI将具备自我意识，开始学习和采取行动，使技术的进步加速，而技术进步又会创造出远比人类更聪明的机器，甚至是比所有人加起来都更聪明的一台机器！

这类事件能够为人类带来许多好处，帮助解决复杂问题，如全球变暖、疾病和贫困等，还可以延长人类寿命，提高生活水平。

然而，由于奇点会对人类生活、社会和文明产生潜在影响，因此人们也会对它深感担忧。有专家认为，通用人工智能的发展，可能会创造出极为智能和强大的机器，以至于对人类生存构成威胁。例如，通用人工智能如果产生了自我意识，并认为地球上不需要人类，就可能会采取伤害或毁灭人类的行动，从而把人类淘汰。此外，还有人担心通用人工智能会造成大规模失业和经济混乱，因为通用人工智能可以取代目前由人类完成的许多工作。

奇点是未来的假设。奇点到来之际，技术进步会以指数级加速，导致人类文明突然发生深刻的变化。奇点可以带来诸多好处，比如解决复杂问题、提升生活水平，但它也同样会带来许多潜在风险，需要进一步考虑和解决。

自20世纪50年代诞生以来，AI已经取得了长足进步。预计在不久的未来，这个领域将继续发展。研究人员正致力于开发更强大和更复杂的AI系统，以期解决现实世界的问题，真正造福人类。

[1]摩尔定律：1965年，英特尔公司联合创始人戈登·摩尔（Gordon Moore）提出，微芯片上的晶体管数量每18～24个月会翻一番。几十年来，这一预测被实践证明是正确的。