人工智能史上的15个关键时刻
智能观
百家号08-0311:56
人们对人工智能（AI）的追求始于70多年前，那时候，大家认为有一天计算机会像人类一样思考。当时，雄心勃勃的预测吸引了大量的研发资金，但几十年过去了，却没有取得什么傲人的成果。
但是，在过去的25年里，人工智能的新方法，加上技术的进步，意味着我们现在可能正处于实现早期开拓者梦想的边缘。下面，我们就一起回顾下人工智能走过的道路。
1943年：第二次世界大战引发了新思维
第二次世界大战期间，许多学科领域都出现了优秀的科学家，包括新兴的神经科学和计算机领域。
在英国，数学家艾伦·图灵(Alan Turing)和神经学家格雷·沃尔特(Grey Walter)是首先向智能机器发起挑战的两个聪明人。他们在一个有影响力的俱乐部（Ratio Club）里相互交流。
沃尔特制造了有史以来的第一个机器人。图灵接着发明了图灵测试，为智能机器设置了标准：一种可以欺骗某人以为自己在和另一个人说话的电脑。
1950年：科幻小说引导行业发展
1950年，科幻作家艾萨克·阿西莫夫出版了《我的机器人》短篇小说集。
阿西莫夫是一位接受机器智能的概念，并设想其未来的科幻作家。他的作品广受欢迎，发人深思，富有远见，激发了一代机器人学家和科学家的思想。
他较著名的是提出了机器人学的三大定律，旨在阻止发明创造对人类产生不良影响。他也提出了一些似乎非常有先见之明的想法——比如设计一台能够存储所有人类知识的计算机，任何人都可以问任何问题。
1956年：一种“自上而下”的方法
“人工智能”一词是由一名年轻的计算机科学家约翰·麦卡锡(John McCarthy)，在达特茅斯大学举办的夏季会议上创造的。
顶尖科学家就如何应对人工智能展开了辩论。一些人，比如有影响力的学者马文·明斯基(Marvin Minsky)，喜欢采用自上而下的方法：用控制人类行为的规则为计算机编程。
其他人则更喜欢自下而上的方法：比如模拟大脑，学习新行为。随着时间的推移，明斯基的观点占据了主导地位，他和麦卡锡一起从美国政府那里获得了大量资金。
1968年：《2001：太空漫游》想象人工智能的未来
明斯基也影响了科幻小说。他在斯坦利·库布里克(Stanley Kubrick)的电影《2001：太空漫游》(2001：A Space Odyssey)中担任顾问，这部电影的主角是一台智能电脑——哈尔（HAL9000）。
在一个场景中，哈尔接受BBC采访，谈了自己的任务，并说自己“万无一失，不会犯错”。当时，一起参加任务的一位科学家接受采访时表示，他相信哈尔很可能有真实的情感。
这部电影反映了当时人工智能研究人员（包括明斯基）的一些预测：机器智能很快就会接近人类智能水平。它还巧妙地抓住了公众的一些担忧，即人工智能可能由此变得令人讨厌。
1969年：破解的难题
人工智能远远落后于明斯基等拥护者的崇高预言——这一点在机器人夏奇(Shakey)身上得到印证。
夏奇是第一个通用移动机器人，能够通过对周围环境的推理，决定自己的行为。它在移动前需要绘制出一幅空间地图。但是，即使在一个几乎没有障碍的区域，它也慢得令人痛苦。每次向前移动，夏奇都会更新自己的地图。而在其视野内移动的物体，很容易使它迷惑，有时在计划下一步行动时，它会停留一个小时。
1973年：人工智能的冬天
到了20世纪70年代初，人工智能陷入了困境。数以百万计的钱被花掉了，却没什么可炫耀的成果。
美国国会对此提出了强烈的批评。1973年，著名数学家詹姆斯莱特希尔爵士(Sir James Lighthill)，发表了一份关于英国人工智能现状的健康报告。
他的观点是，机器永远只能下“经验丰富的业余水平的”象棋。常识推理和像人脸识别这样简单的任务，总是超出它们的能力范围。在此观点下，该行业的资金被大幅削减，随之而来的就是众所周知的“人工智能的冬天”。
1981年：大企业的解决方案
历史学家指出“人工智能的冬天”即将结束的那一刻，正是人工智能的商业价值浮现，并吸引新投资的时候。
新的商用AI系统远没有早期的人工智能那样雄心壮志。这些“专家系统”不是试图创造一种通用的智能，而是专注于更小范围的任务。这意味着它们只需要按照特定问题的规则进行编程即可。第一个成功的商用专家系统，被称为RI，用于美国数字设备公司（Digital Equipment Corporation），它为新的计算机系统配置订单。到1986年，该公司估计每年节省了4000万美元。
1990年：回归自然，寻找“自下而上”的灵感
专家系统无法解决仿生学的问题。后来，人工智能科学家罗德尼·布鲁克斯发表了一篇新论文：《大象不会下国际象棋》。
布鲁克斯的灵感来自神经科学的发展，神经科学已经开始解释人类认知的奥秘。例如，视觉需要大脑中不同的“模块”共同工作来识别模式，而不需要通过中央控制。布鲁克斯认为，用智能行为规则预先编程，这种自上而下的方法是错误的。他推动了自下而上的人工智能方法的复兴，包括长期不受欢迎的神经网络领域。
1997年：人与机器：20世纪的战斗
自上而下的人工智能的支持者，仍然拥有自己的冠军：像超级计算机深蓝，在1997年的标准国际象棋比赛中，战胜了人类国际象棋冠军加里·卡斯帕罗夫。
IBM制造的这台机器，理论上比卡斯帕罗夫优秀得多——每秒可以计算2亿次。但它能进行战略思考吗？答案是肯定的。深蓝赢得了这场被称为“大脑的较后一战”的比赛。一些人称赞这是人工智能成熟的时刻。但在另一些人眼中，这只是AI在一个高度专业化、规则明确的问题上，展示了蛮力。
2002年：第一个家用机器人
iRobot公司发明了这款家用机器人，这是为家庭而设计的第一款机器人——一个名为Roomba的自动吸尘器。
清理地毯与早期人工智能先驱者的抱负相去甚远。但是Roomba是一个巨大的成功。它仅有的几层行为生成系统，远比机器人夏奇的算法简单，更像半个多世纪前的格雷·沃尔特的机器人。尽管传感器相对简单，处理能力也很低，但该设备具备足够的智能，能够可靠高效地清理房间。Roomba开创了自主机器人的新时代，专注于特定的任务。
2005年：战争机器
将人工智能用于冷战的梦想化为泡影后，美国军方现在又开始蠢蠢欲动。
他们投资自主机器人。由波士顿动力公司制作的“大狗”是第一步。它是一种用于崎岖地形的车，然而却从未“服役”过。
iRobot公司也在这个领域大显身手。他们的炸弹处理机器人PackBot，将用户控制与爆炸物嗅探等智能功能结合在一起。在伊拉克和阿富汗，部署了超过2000个。
2008年：开始解决大问题
2008年11月，苹果新推出的iPhone手机上出现了一个小功能——谷歌语音识别应用。
看起来简单。但这预示着一个重大突破。尽管语音识别是人工智能的关键目标之一，但数十年的投资，从未使其准确率超过80%。谷歌开创了一种新方法：使用数千台功能强大的计算机，运行并行神经网络，从谷歌用户的海量数据中学习模式。起初它还是相当不准确的，但是经过多年的学习和改进，谷歌现在声称它的精确度达到了92%。
2010年：舞蹈机器人
与此同时，随着大型主机正在改变人工智能的工作方式，新技术意味着小型计算机也可以发挥更大的作用。
这些新的计算机使用人形机器人，如NAO机器人，能够完成前人（如夏奇）几乎不可能完成的任务。NAO机器人使用了过去十年中首创的许多技术（比如神经网络）进行学习。在2010年上海世博会上，20个机器人完美和谐地跳了一段8分钟的舞蹈。
2011年：人与机器：21世纪的战斗
2011年，IBM的沃森(Watson)在美国智力竞赛节目《危险边缘》(Jeopardy)中，挑战了人类大脑。
这对机器来说，是比国际象棋更大的挑战。沃森必须回答谜语和复杂的问题。它的制造商使用了包括神经网络在内的多种人工智能技术，并对机器进行了三年多的培训，以识别问题和答案中的模式。沃森击败了对手——有史以来表现较好的两位人类选手。这场胜利在网上疯传，被誉为人工智能的胜利。
2014年：现在机器是否智能化？
64年前，图灵发表了一项证明机器智能的测试，而一个名叫尤金·古斯特曼(Eugene Goostman)的聊天机器人较终通过了测试。
但很少有人工智能专家认为那是一个转折点。尤金·古斯特曼被认为“为考试而造”，它耍了一些花招来欺骗评委。而人工智能在2014年的发展，真正显示出它在70年里取得了非凡的进展。从无人驾驶汽车，到实时语音翻译，智能机器正在改变我们的生活。
来源：BBC智能观 编译
—完—
亲爱的朋友：回首人工智能一路走来的关键点，也是蛮有趣的一件事。试想25年后，我们回首今日，会是怎样的感觉？祝安！智能观 灵米2018-8-3 于北京中关村
声明：编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。