1.1.1　人工智能

人工智能誕生于 20 世紀 50 年代，當時計算機科學這個新興領域的少數先驅者開始提出疑問：能否讓計算機“思考”？今天，我們仍在探索這一問題的答案。

雖然許多基本理念在數年前甚至數十年前就已經開始醞釀，但“人工智能”最終在 1956 年明確成為一個研究領域。當時，達特茅斯學院年輕的數學系助理教授 John McCarthy 根據以下提案組織了一場夏季研討會。

該研究（人工智能研究）是基于以下猜想進行的：學習的各個方面或其他任何智能特征原則上都可以被精確描述，從而可以制造一臺機器來模擬。我們將試圖找到一種方法，讓機器能夠使用語言、形成抽象思維和概念、解決人類目前還不能解決的各種問題，并自我提升。我們認為，如果一組優秀的科學家在一起工作一個夏天，那么可以在其中一個或多個問題上取得重大進展。

夏天過去了，研討會在結束時沒有完全解開它一開始打算研究的謎題。然而，許多參會者后來成為這一領域的先驅，這次研討也啟動了一場延續至今的知識革命。

簡而言之，人工智能可以被描述為試圖將通常由人類完成的智力任務自動化。因此，人工智能是一個綜合領域，不僅包括機器學習和深度學習，還包括更多不涉及學習的方法。直到 20 世紀 80 年代，大多數人工智能教科書中根本就沒有出現過“學習”二字！舉個例子，早期的國際象棋程序僅涉及程序員手動編寫的硬編碼規則，不能算作機器學習。事實上，在相當長的時間內，大多數專家相信，只要程序員手動編寫足夠多的明確規則來處理存儲在顯式數據庫中的知識，就可以實現與人類水平相當的人工智能。這一方法被稱為符號主義人工智能（symbolic AI），從 20 世紀 50 年代到 80 年代末，它是人工智能的主流范式。在 20 世紀 80 年代的專家系統（expert system）熱潮中，這一方法的熱度達到頂峰。

雖然符號主義人工智能適合用來解決定義明確的邏輯問題，比如下國際象棋，但它難以給出明確規則來解決更復雜、更模糊的問題，比如圖像分類、語音識別或自然語言翻譯。于是，一種替代符號主義人工智能的新方法出現了，這就是機器學習（machine learning）。