1.1　人工智能发展历程

从1942年“机器人三定律”提出到2022年，人工智能经历了80年的起伏发展过程[1]，可以分为萌芽期、发展期、衰落期、崛起期、停滞期、上升期、蓬勃期7个阶段，如图1-1所示。

图1-1　人工智能发展历程

萌芽期（1942—1955年）　1942年，科幻作家艾萨克·阿西莫夫在他发表的作品《转圈圈》中提出了“机器人三定律”，即“第一定律，机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管；第二定律，机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外；第三定律，机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存”，首次设想了人类可能设计制造出具有意识的机器人。1946年，为美军作战研制的全球第一台通用计算机（Electronic Numerical Integrator and Computer，ENIAC）诞生，ENIAC为人工智能研究提供了最基本的物质基础。1950年，大四学生马文·明斯基与他的同学邓恩·埃德蒙一起，设计制造了世界上第一台神经网络计算机。同年，艾伦·图灵提出了著名的“图灵测试”，即“如果计算机能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则通过测试。也就是说，如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能”，说明具备真正智能的机器可能存在。此阶段可认为是人工智能的萌芽期。

发展期（1956—1970年）　1956年，在达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡首次提出了“人工智能”的概念，也正式确立了“人工智能”这一术语，之后麦卡锡与明斯基在麻省理工学院（Massachusetts Institute of Technology，MIT）共同创建了世界上第一个人工智能实验室——MIT AI LAB，最早一批人工智能学者和技术开始涌现。在此后十余年的时间里，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，同时工业机器人、聊天机器人等相继问世。尤其是由美国斯坦福大学计算机教授T·维诺格拉德团队开发的，能够分析语义、理解语言的人机对话系统SHRDLU，被视为人工智能研究的一次巨大成功。该系统能够分析指令，如理解语义、解释不明确的句子，并通过虚拟方块操作来完成任务。1968年，美国斯坦福研究所（SRI）研发的机器人Shakey能够自主感知、分析环境、规划行为并执行任务，拥有类似人的感觉，如触觉、听觉等。在此期间，人工智能快速发展。

衰落期（1971—1979年）　受限于计算机性能的不足，科研人员在很多人工智能项目研究上对难度预估不足，同时缺乏足够多的数据来训练设计的人工智能程序，而当时人工智能程序大多通过固定指令来执行特定问题，并不具备真正的学习和思考能力，问题一旦变复杂就不堪重负，变得不再智能，因此在实际应用时出现了很多错误和问题，这直接带来了很多的社会舆论压力，使人工智能的发展前景蒙上了阴影。1973年，Lighthill针对英国人工智能研究状况的报告，批评人工智能在实现“宏伟目标”上的失败，尤其是苏联非常排斥人工智能，并将其看成“资产阶级的反动伪科学”。随后，美、英等多国的人工智能研究经费大都转移到了其他项目上，使人工智能经历了长达6年的科研衰落。

崛起期（1980—1987年）　1980年，卡内基梅隆大学采用人工智能程序，为DEC数字设备公司设计了一套名为XCON的“专家系统”，可以简单理解为“知识库+推理机”的组合。XCON是一套具有完整专业知识和经验的计算机智能系统，特别是在决策方面，能提供有价值的内容。该系统帮助DEC公司每年节约4000万美元的费用，在当时产业价值就高达5亿美元。这种将人工智能应用在商业上的巨大成功，快速衍生出像Symbolics、Lisp Machines、IntelliCorp、AIon等这样的软硬件公司。1981年，日本、英国、美国纷纷在人工智能领域研究上投入大量资金。例如，第五代计算机研发项目的目标是制造出能够与人对话、翻译语言、解释图像，并能像人一样推理的机器。1984年的Cyc项目试图将人类拥有的所有一般性知识都输入计算机，建立一个巨型数据库，并在此基础上实现知识推理，目标是让人工智能的应用能够以类似人类推理的方式工作，成为人工智能领域的一个全新研发方向。在这个时期，人工智能从研发转向应用，产品遍地开花，得到了快速发展。

停滞期（1988—1996年）　由于XCON的“专家系统”只能在特定领域内模拟人类专家解决问题，当其应用领域越来越广时，出现的错误越来越多，甚至很多常识性的问题也频频出现。1987年，苹果和IBM公司生产的台式机性能超过了Symbolics等厂商生产的通用计算机，这个曾经轰动一时的人工智能系统结束了其历史使命。1991年，经过近10年研究的第五代计算机研发项目没能实现其最初设想，宣告失败，各国政府的投入大幅削减，神经网络的研究遇到了很大的阻力，随后人工智能发展再次陷入低谷。

上升期（1997—2011年）　1997年，IBM公司的国际象棋计算机“深蓝”（DeepBlue）战胜了国际象棋世界冠军卡斯帕罗夫，成为人工智能史上的一个重要里程碑，再次点燃了人们对智能机器的热情。2006年，Geoffrey Hinton在Nature上发表了具有开创性的深度学习论文，后来其获得2018年度图灵奖。同年，李飞飞教授意识到专家学者在研究人工智能算法的过程中忽视了数据的重要性，于是开始带头构建大型图像数据库ImageNet，并举办图像识别大赛。2011年，IBM开发的人工智能程序Watson在一档智力问答节目中战胜了两位人类冠军，之后，Watson被IBM广泛应用于医疗诊断领域。至此，人工智能进入了平稳向上的发展轨道。

蓬勃期（2012年至今）　2012年之后，移动互联网、物联网（Internet of Things，IoT）得到快速发展，产生海量大数据，云计算技术又为海量大数据计算和存储提供了坚实的基础设施，深度学习算法也在不断优化，并在不同行业得到了应用。同年，卷积神经网络（Convolutional Neural Network，CNN）在ImageNet大赛中夺冠。2014年，被称为计算机视觉界的黄埔军校——香港中文大学多媒体实验室所设计的DeepID算法首次超过人眼识别人脸率。2016—2017年，基于深度学习的，由谷歌（Google）旗下深度思考（DeepMind）公司开发的，具有自我学习能力的AlphaGo人工智能机器人，以及后续的AlphaGo Master、AlphaGo Zero，先后战胜世界围棋冠军李世石、柯洁和世界冠军团队。2018—2019年，人工智能芯片、基于神经网络的机器翻译、生物识别、人机交互等技术和产品层出不穷，人工智能进入井喷式发展阶段。2020年至今及以后，人工智能将在政务、教育、金融、交通、医疗等各领域得到更加广泛的应用和落地，物理和数字空间的边界越来越模糊，人类逐渐迈入智能时代。