不了解一下人工智能的发展历史，又怎么能看明白 AlphaGo 的对战呢

先不管 Google 的 AlphaGo 人工智能是否可以在即将到来的人机对战中取胜，它的出现至少又掀起了一股人工智能热。一瞬间，彷佛身边的人都开始习惯性地讨论几句人和机器谁更厉害的话题。其实，从上世纪 40 年代人工智能诞生至今，这个领域经历了一次又一次的繁荣与低谷。在 AlphaGo 即将创造新纪录的时候，我们不妨来看看人工智能在这半个多世纪的时间里都有哪些值得回顾的瞬间。

人工智能的出现

看过《模仿游戏》这部电影的读者，应该对剧中图灵制造破译德军密码机器的环节印象深刻。事实上，20 世纪 40 年代至 50 年代也是人工智能真正诞生的时间。在这段时间内，数学、心理学、工程学、经济学、政治学等领域的科学家们开始探索制造人工大脑的可行性。

1950 年，著名的图灵测试诞生，按照艾伦·图灵的定义：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。同年，图灵还预言了创造出具有真正智能的机器的可能性。

Benedict Cumberbatch as Alan Turing in THE IMITATION GAME

1951 年，西洋跳棋程序和国际象棋程序相继诞生。经过接近 10 年的发展后，国际象棋程序已经可以挑战具有相当水平的业余爱好者，而人工智能游戏也被当着衡量人工智能进展的标准之一。

1956年，在达特茅斯学院举行的一次会议上，计算机科学家约翰·麦卡锡说服与会者接受“人工智能”一词作为本领域的名称。后来，这次会议也被大家看着是人工智能正式诞生的标志。

人工智能的第一次大发展

1956 年达特茅斯会议之后的十几年是人工智能的黄金年代。在这段时间内，计算机被用来解决代数应用题、证明几何定理、学习和使用英语，这些成果在得到广泛赞赏的同时也让研究者们对开发出完全智能的机器信心倍增。当时，人工智能研究者们甚至认为：“二十年内，机器将能完成人能做到的一切工作”、“在三到八年的时间里我们将得到一台具有人类平均智能的机器”。

达特茅斯学院

伴随着初期的显著成果和乐观情绪的弥漫，在麻省理工、卡内基梅隆大学、斯坦福大学、爱丁堡大学建立的人工智能项目都获得了来自 ARPA（国防高等研究计划署）等政府机构的大笔资金。不过，这些投入却并没有让当时的乐观预言得以实现。

人工智能的第一次低谷

由于人工智能研究者们对项目难度评估不足，这除了导致承诺无法兑现外，还让人们当初的乐观期望遭到严重打击。到了 70 年代，人工智能开始遭遇批评，研究经费也被转移到那些目标明确的特定项目上。

在当时，由于计算机性能的瓶颈、计算复杂性的指数级增长、数据量缺失等问题，一些难题看上去好像完全找不到答案。比如像今天已经比较常见的机器视觉功能在当时就不可能找到一个足够大的数据库来支撑程序去学习，机器无法吸收足够的数据量自然也就谈不上视觉方面的智能化。

项目的停滞不但让批评者有机可乘——1973 年 lighthill 针对英国 AI 研究状况的报告批评了 AI 在实现其“宏伟目标”上的完全失败，也影响到了项目资金的流向。人工智能遭遇了 6 年左右的低谷。

人工智能的第二次大发展

小时候看电视时，不少节目都给我留下了“日本的机器人技术比中国先进”的印象，其实这并不是凭空发生的。1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目，目标是制造出能够与人对话、翻译语言、解释图像，并且能像人一样推理的机器。随后，英国、美国也纷纷响应，开始向 AI 和信息技术领域的研究提供大量资金。

在这个阶段，诸多公司开始采纳一种名为“专家系统”的人工智能程序。这套系统可以简单理解为“知识库+推理机”，是一类具有专门知识和经验的计算机智能程序系统，“知识处理”随之也成为了主流 AI 研究的焦点。

Symbolics 3640 lisp machine

1980 年，卡内基·梅隆大学为数字设备公司设计了一个名为 XCON 的专家系统，这套系统在 1986 年之前能为公司每年节省四千万美元。有了商业模式，相关产业自然应运而生，比如 Symbolics、lisp Machines 等硬件公司和 IntelliCorp、Aion 等软件公司。这个时期，仅专家系统产业的价值就有 5 亿美元。