应用场景

---

深度学习

人工智能简史 人工智能简史 人工智能简史 人工智能简史 人工智能简史 人工智能简史 人工智能简史 人工智能简史

2016 年，AlphaGo 的横空出世掀起了人工智能的新一轮热潮。在经历了近三十年的沉寂后，人工智能终于迎来了新的春天。自此，人工智能不仅以如火如荼之势赚足了政策的关注、资本的涌入、以及吃瓜群众的眼球，其技术进展更是以令人瞠目结舌的速度狂飙突进，悄无声息地改造着普通人的生活。

人工智能是一把双刃剑，它既能推动经济社会的进步，也能潜移默化地改造人类，这种改造的威力甚至远胜于基因武器。关于人工智能对人类自身影响的论述虽然屡见不鲜，绝大多数却都不得要领。众多专家鼓吹的“超人工智能毁灭人类”的末世论调即使不是胡说八道也称得上危言耸听。无人超市和无人工厂的出现都在表明：人工智能真正的威胁在于使绝大多数人沦为机器的附庸。人工智能本质上是一种劳动工具，但当劳动工具本身已经强大到反客为主时，作为劳动者的人类便成了多余的角色，有降格为“亚人工智能”的风险。

如何应对来势汹汹的人工智能？一个办法是专精于依赖创造力的领域，比如科学和艺术，但这对天赋的要求较高，显然并不适用于每一个人（更何况人工智能很可能重塑人类对于科学和艺术的品味）；另一种门槛更低的办法就是掌握核心技术，让人工智能回归“为我所用”的工具性，正如伟大的军事家孙武所言：“知己知彼，百战不殆”。

普及人工智能的基础知识，走出了解人工智能的第一步。人工智能复杂，但并不神秘。它建立在以线性代数和概率论为骨架的基础数学上，通过简单模型的组合实现复杂功能。在工程上，深度神经网络通常以其恒河沙数般的参数让人望而却步；可在理论上，其数学原理却具有更好的可解释性。从事年薪百万的高端研究固然需要非凡的头脑，但理解人工智能的基本原理绝非普通人遥不可及的梦想。

人工智能的早期发展遵循的是符号主义学派的发展路径，但狭窄的应用领域让它在短暂的辉煌之后迅速走向沉寂。吸取了符号主义学派的教训，连接主义学派通过以工程技术手段模拟人脑神经系统的结构和功能来模拟人类智能。这种思路在一定程度上实现了人脑形象思维的功能，也成为今天人工智能的核心技术。

• 数学基础 数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。

• 机器学习 机器学习的作用是从数据中习得学习算法，进而解决实际的应用问题，是人工智能的核心目标之一。

• 人工神经网络 作为机器学习的一个分支，神经网络将认知科学引入机器学习当中，以模拟生物神经系统对真实世界的交互反映，并取得了良好的效果。

• 深度学习 简而言之，深度学习就是包含多个中间层的神经网络，数据的爆炸和计算力的飙升推动了深度学习的崛起。

• 神经网络实例 在深度学习框架下，一些神经网络已用于各种应用场景，并取得了不俗的效果。

• 深度学习之外的人工智能 深度学习既有优点也有局限，其他方向的人工智能研究正是有益的补充。

应用实例。除了代替人类执行重复性的劳动之外，在诸多实际问题的处理中，人工智能也提供了有意义的尝试。人工智能技术在几类实际任务中的应用，包括计算机视觉、语音识别、对话系统等。

应用场景 机器学习示例 机器学习示例2 实际应用场景

未来的你能够掌控人工智能，而不是被人工智能所掌控。

人工智能简史 Vol.1 | 历史上的那些先驱者们

---

image

人工智能的历史源远流长。早在古代的神话传说中，技艺高超的工匠可以制作人造人，并为其赋予智能或意识。

image

现代意义上的AI始于古典哲学家用机械符号处理的观点解释人类思考过程的尝试。20世纪40年代基于抽象数学推理的可编程数字计算机的发明使一批科学家开始严肃地探讨构造一个电子大脑的可能性。

1956年，在达特茅斯学院举行的一次会议上正式确立了人工智能的研究领域。会议的参加者在接下来的数十年间是AI研究的领军人物。

他们中有许多人预言，经过一代人的努力，与人类具有同等智能水平的机器将会出现。同时，上千万美元被投入到AI研究中，以期实现这一目标。

image

**Tips : **达特茅斯学院（Dartmouth College），美国历史最悠久的世界顶尖学府，也是闻名遐迩的私立八大常春藤联盟之一。

但很快研究人员发现自己大大低估了这一工程的难度，人工智能史上共出现过好几次低潮。

由于James Lighthill爵士的批评和国会方面的压力，美国和英国政府于1973年停止向没有明确目标的人工智能研究项目拨款。七年之后受到日本政府研究规划（500亿日元投入）的刺激，美国政府和企业再次在AI领域投入数十亿研究经费，但这些投资者在80年代末重新撤回了投资。

AI研究领域诸如此类的高潮和低谷不断交替出现，但至今人们对AI的前景作出非常乐观的预测。

image

尽管在政府官僚和风投资本家那里经历了大起大落，AI领域仍在取得进展。某些在20世纪70年代被认为不可能解决的问题今天已经获得了圆满解决并已成功应用在商业产品上。

与第一代AI研究人员的乐观估计不同，具有与人类同等智能水平的机器至今仍未出现。图灵在1950年发表的一篇催生现代智能机器研究的著名论文中称，“我们只能看到眼前的一小段距离……但是，我们可以看到仍有许多工作要做”。

image

美国作家Pamela McCorduck是这么描述AI的起源的，“那是源于想要依靠人类之手创造出神的，是古代人眼中的希望”。

先民对人工智能的追求表现在诸多神话，传说，故事，预言以及制作机器人偶（automaton）的实践之中。

image

希腊神话中已经出现了机械人和人造人。

image

**Tips : **油画《皮格马利翁和伽拉忒亚》，[法]路易·戈菲耶，1763年。

中世纪出现了使用巫术或炼金术将意识赋予无生命物质的传说。

image

**Tips : **制作何蒙库鲁兹的炼金术师。

19世纪的幻想小说中出现了人造人和会思考的机器之类题材，例如《弗兰肯斯坦（科学怪人）》和《罗素姆的万能机器人》。

image

**Tips : **小说《科学怪人》的原版内页。

image

许多文明中都有创造自动人偶的杰出工匠，例如偃（yǎn）师（中国西周），希罗（希腊）等等。

image

**Tips : **匈牙利作家及发明家沃尔夫冈·冯·肯佩伦发明的土耳其行棋傀儡。

《列子·汤问》中“偃师献伎”的故事，是我国文献对木偶戏的最早记载。从此，偃师也成了木偶戏表演者的代称。南宋刘克庄在诗句中说：“棚上偃师何处去，误他棚下几个愁。”后来，人们便用“偃师造人，唯难于心”这个典故，表达对“技艺再好，人心难造”的感慨。

1978年，山东莱西发掘了一座西汉墓，其中有一批木偶，最大的高达193厘米，无论蹲坐、站立还是屈膝而跪，都灵活自如，同时让人想起那个曾为周穆王表演木偶戏的能工巧匠偃师。

已知最古老的“机器人”是古埃及和古希腊的圣像，忠实的信徒认为工匠为这些神像赋予了思想，使它们具有智慧和激情。

image

**Tips : **以未来为背景，讲述人类、自动人偶与世界的致郁向游戏《尼尔：自动人偶》。

image

人工智能的基本假设是人类的思考过程可以机械化。对于机械化推理（即所谓“形式推理（formal reasoning）”）的研究已有很长历史。

中国，印度和希腊哲学家均已在公元前的第一个千年里提出了形式推理的结构化方法。他们的想法为后世的哲学家所继承和发展，其中著名的有亚里士多德（对三段论逻辑进行了形式分析），欧几里得（其著作《几何原本》是形式推理的典范），花剌子密（代数学的先驱）以及一些欧洲经院哲学家。

image

**Tips : **欧几里得著作《几何原本》。

马略卡哲学家拉蒙·柳利（1232-1315）开发了一些“逻辑机”，试图通过逻辑方法获取知识。

哲学家已经开始明确提出形式符号系统的假设，而这一假设将成为AI研究的指导思想。

image

**Tips : **戈特弗里德·威廉·莱布尼茨，被称为十七世纪的亚里士多德。

在20世纪，数理逻辑研究上的突破使得人工智能好像呼之欲出。这方面的基础著作包括布尔的《思维的定律》与弗雷格的《概念文字》。

基于弗雷格的系统，罗素和怀特海在他们于1913年出版的巨著《数学原理》中对数学的基础给出了形式化描述。这一成就激励了希尔伯特，后者向20世纪20年代和30年代的数学家提出了一个基础性的难题：**“能否将所有的数学推理形式化?” **

image

**Tips : **艾伦·麦席森·图灵，计算机科学与人工智能之父。

邱奇-图灵论题暗示，一台仅能处理0和1这样简单二元符号的机械设备能够模拟任意数学推理过程。这里最关键的灵感是图灵机：这一看似简单的理论构造抓住了抽象符号处理的本质，这一创造激发科学家们探讨让机器思考的可能。

image

用于计算的机器古已有之，历史上许多数学家对其作出了改进。

埃达常被认为是第一个程序员，因为她留下的一些笔记完整地描述了使用这一机器计算伯努利数的方法。

image

**Tips : **洛夫莱斯伯爵夫人奥古斯塔·埃达·金·诺尔（埃达·勒芙蕾丝），被公认为史上第一位电脑程序员。所以历史上第一位程序员其实是女性。

第一批现代计算机是二战期间建造的大型译码机（包括Z3，ENIAC和Colossus等）。后两个机器的理论基础是图灵和约翰·冯·诺伊曼提出和发展的学说。

人工智能简史 Vol.2 | 诞生

---

image

在20世纪40年代和50年代，来自不同领域的一批科学家开始探讨制造人工大脑的可能性。1956年，人工智能被确立为一门学科。

这批科学家来自的领域相当分散，不仅包含数学、心理学、工程学，还有经济学和政治学。人工智能在诞生初期就受到了学界的广泛关注，人们对它长久以来都怀揣着复杂的情绪。

image

最初的人工智能研究是30年代末到50年代初的一系列科学进展交汇的产物。神经学研究发现大脑是由神经元组成的电子网络，其激励电平只存在“有”和“无”两种状态，不存在中间状态。

克劳德·香农提出的信息论则描述了数字信号（即高低电平代表的二进制信号）。图灵的计算理论证明数字信号足以描述任何形式的计算。这些密切相关的想法暗示了构建电子大脑的可能性。

image

这一阶段的工作包括一些机器人的研发。这些机器并未使用计算机，数字电路和符号推理；控制它们的是纯粹的模拟电路。

image

**Tips : **W.Grey Walter的“乌龟（turtles）”。

Walter Pitts和Warren McCulloch分析了理想化的人工神经元网络，并且指出了它们进行简单逻辑运算的机制。他们是最早描述所谓“神经网络”的学者。

马文·闵斯基是他们的学生，当时是一名24岁的研究生。1951年他与Dean Edmonds一道建造了第一台神经网络机，称为SNARC。在接下来的五十年中，闵斯基是AI领域最重要的领导者和创新者之一。

image

**Tips : **第一台神经网络机，SNARC。

image

1951年，出了一个西洋跳棋程序和一个国际象棋程序。在五十年代中期和六十年代初开发的国际象棋程序的棋力已经可以挑战具有相当水平的业余爱好者。游戏AI一直被认为是评价AI进展的一种标准。

image

**Tips : **Christopher Strachey。

**即便是在AphlaGo诞生之前，大部分人已经很难在下棋上战胜人工智能了。

image

1950年，图灵发表了一篇划时代的论文，文中预言了创造出具有真正智能的机器的可能性。

由于注意到“智能”这一概念难以确切定义，他提出了著名的图灵测试：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。

image

这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。论文中还回答了对这一假说的各种常见质疑。图灵测试是人工智能哲学方面第一个严肃的提案。

image

50年代中期，随着数字计算机的兴起，一些科学家直觉地感到可以进行数字操作的机器也应当可以进行符号操作，而符号操作可能是人类思维的本质。这是创造智能机器的一条新路。

1955年，开发了“逻辑理论家（Logic Theorist）”。这个程序能够证明《数学原理》中前52个定理中的38个，其中某些证明比原著更加新颖和精巧。

image

**Tips : **赫伯特·西蒙和艾伦·纽厄尔

Simon认为他们已经“解决了神秘的心/身问题，解释了物质构成的系统如何获得心灵的性质。”这一断言的哲学立场后来被John Searle称为“强人工智能”，****即机器可以像人一样具有思****想。

image

1956年达特茅斯会议的组织者是马文·闵斯基，约翰·麦卡锡和另两位资深科学家克劳德·香农以及内森·罗彻斯特，后者来自IBM。

image

**Tips : **达特茅斯会议合影。

会议提出的断言之一是“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟。”

先说说 6 个最关键的人。

麦卡锡(John McCarthy)
明斯基
塞弗里奇
香农(Claude Shannon)
纽厄尔
司马贺(Herbert Simon)
他们中的每一位都将在AI研究的第一个十年中作出重要贡献。

会上纽厄尔和西蒙讨论了“逻辑理论家”，而麦卡锡则说服与会者接受“人工智能”一词作为本领域的名称。1956年达特矛斯会议上AI的名称和任务得以确定，同时出现了最初的成就和最早的一批研究者，因此这一事件被广泛承认为AI诞生的标志。

一张图教你读懂AI简史