第一部分 人工智能时代大冲击

从仆人到颠覆者，人工智能的反叛

给计算机以数据，他能用一毫秒；授计算机以搜索，够他用一辈子。

• 1956年达特茅斯会议正式提出人工智能的概念。
  IBM开始重视人工智能的开发，后期，引起反对。公司决策着对于AI的未来开始担心，决定停止相关的研究。同时关闭相应部门。
  管理成员提出的建议是：

计算机只能按照编好的程序工作。这些电子电脑只是顺从的机械仆人，他们会盲目听从你的指挥。

程序员进行结构化编程，随后网络产生。
计算机能自动成为一个专家吗？

• 符号系统法：人工智能研究者将可以被处理的数据类别扩展到任何类型的符号上，包括已知的符号，也包括因为特殊目的而新发明的符号。
• 遇到的一个问题：计算机还没这么强大。

无论计算机多快，都无法驯服所谓的组合爆炸（combinatorial explosion）。

有时候并不一定需要找到效率最高，最有效的选择。

• 修剪搜索空间：在计算机可用的范围内，尽量多的寻找答案，当情况严峻时，根据法则绕过那些浪费时间的无用的备选方案。
  所以难以编程寻找修剪的法则，最终引出专家系统。由知识工程师采访专门的专家，将他们的技能融入到AI程序，最终的程序成为专家系统（expert systems）。
• 由此引发的问题：专业的本质是什么，从何而来？

神经网络，让计算机模拟人脑

• 神经网络：研究者模仿人类大脑，形成类似的结构：神经元接收输入信号，同时制造一个输出信号，重复循环，用数字表示传输的权重。
• 程序的精髓：自动调整权重，能够根据底层输入端的示例数据而做出调整。
• 符号系统法和神经网络法的不同：前者，程序员预先定义符号和逻辑规则来组成问题的论域，告诉计算机如何解决问题；后者，程序员提供足够多示例，告诉想让计算机做什么。
  但是神经网络早期并没有完全发展起来。

机器学习逆袭

20世纪90年代和21世纪初，机器学习开始产生成果，但并没有被广泛认可。计算机的“指数级增长（expinential growth）”促成了它的发展。