2.1　人工智能的發(fā)展歷程

雖然人工智能直到21世紀(jì)才進(jìn)入大眾視野并逐漸為人們所了解，但實(shí)際上“人工智能”一詞早在20世紀(jì)50年代就已經(jīng)被提出、研究并給出了定義。當(dāng)時(shí)，一些研究人員嘗試用計(jì)算機(jī)來(lái)模擬人類(lèi)的智能行為，并提出了一些基本概念和方法，如邏輯推理、符號(hào)計(jì)算、機(jī)器學(xué)習(xí)等。這些方法和概念被認(rèn)為是人工智能的基礎(chǔ)。

斯圖爾特·羅素（Stuart J. Russell）和彼得·諾維格（Peter Norvig）在《人工智能：現(xiàn)代方法》（Artificial Intelligence A Modern Approach）一書(shū)中提到，與生物學(xué)中的分子生物學(xué)一樣，人工智能是第二次世界大戰(zhàn)后科學(xué)界最想去深入了解的領(lǐng)域之一。人工智能之父艾倫·圖靈認(rèn)為，機(jī)器一旦有了智能，應(yīng)該能像人類(lèi)一樣去行動(dòng)，并于1950年提出了第一個(gè)判斷計(jì)算機(jī)的思維與能力的指標(biāo)——圖靈測(cè)試。如果人類(lèi)詢(xún)問(wèn)者在提出一些書(shū)面問(wèn)題后，不能分辨書(shū)面回答是來(lái)自人還是來(lái)自計(jì)算機(jī)，則計(jì)算機(jī)通過(guò)了測(cè)試。傳統(tǒng)圖靈測(cè)試要求計(jì)算機(jī)需要具備以下4點(diǎn)功能。

● 自然語(yǔ)言處理，這是它與我們溝通的基礎(chǔ)。

● 知識(shí)表示，用來(lái)記住它所學(xué)習(xí)到的內(nèi)容。

● 自動(dòng)推理，用它的知識(shí)回答我們問(wèn)它的問(wèn)題。

● 機(jī)器學(xué)習(xí)，適應(yīng)新的環(huán)境，檢測(cè)和推斷我們需要的模式和結(jié)果。

還有一種觀(guān)點(diǎn)認(rèn)為，人工智能理應(yīng)像人類(lèi)一樣去思考，為此研究人員試圖通過(guò)模擬人類(lèi)的認(rèn)知過(guò)程來(lái)實(shí)現(xiàn)人工智能，這也推動(dòng)了認(rèn)知科學(xué)的發(fā)展。認(rèn)知科學(xué)的發(fā)展可以追溯到20世紀(jì)五六十年代，主要關(guān)注人類(lèi)認(rèn)知過(guò)程的建模和仿真，研究人類(lèi)是如何理解和處理信息的，以及如何從感官信息中推斷出結(jié)論。彼時(shí)，認(rèn)知心理學(xué)家開(kāi)始使用信息處理模型來(lái)描述人類(lèi)認(rèn)知過(guò)程，并提出了一些重要的理論，如決策理論、信息理論、記憶理論等，這些理論為人工智能研究提供了靈感和指導(dǎo)。認(rèn)知科學(xué)為早期的人工智能研究提供了重要的思想基礎(chǔ)和理論支持，對(duì)人工智能的發(fā)展產(chǎn)生了重要影響。例如，早期的專(zhuān)家系統(tǒng)就是受到認(rèn)知科學(xué)的啟發(fā)而開(kāi)發(fā)出來(lái)的，旨在通過(guò)模擬人類(lèi)專(zhuān)家的思維過(guò)程來(lái)解決特定領(lǐng)域的問(wèn)題。

在人工智能發(fā)展早期，研究者大多采用符號(hào)主義的方法，即將人類(lèi)知識(shí)轉(zhuǎn)化成符號(hào)和規(guī)則，再用計(jì)算機(jī)程序模擬這些規(guī)則和符號(hào)的運(yùn)算過(guò)程。此外，推理也是早期人工智能研究的核心方法之一。通過(guò)建立邏輯規(guī)則和推理機(jī)制，計(jì)算機(jī)可以模擬人類(lèi)的推理過(guò)程，如演繹推理、歸納推理等。

早期人工智能的發(fā)展存在如下局限和問(wèn)題。

● 當(dāng)時(shí)的計(jì)算機(jī)并不像今天這樣強(qiáng)大，導(dǎo)致人工智能模型的大小和復(fù)雜性存在局限，限制了人工智能系統(tǒng)處理大量數(shù)據(jù)的能力，使其難以訓(xùn)練模型來(lái)執(zhí)行復(fù)雜的任務(wù)。

● 數(shù)據(jù)匱乏，而且數(shù)據(jù)質(zhì)量整體較差，導(dǎo)致人工智能系統(tǒng)在有效學(xué)習(xí)和歸納方面面臨挑戰(zhàn)。

● 當(dāng)時(shí)的人工智能系統(tǒng)通常執(zhí)行特定的任務(wù)，缺乏歸納或應(yīng)對(duì)新場(chǎng)景的能力，泛化能力較弱。

● 依賴(lài)邏輯規(guī)則和專(zhuān)家知識(shí)做決策，很難以靈活的方式來(lái)表示知識(shí)。

● 人工智能系統(tǒng)大多是獨(dú)立的程序，無(wú)法以自然的方式與人類(lèi)互動(dòng)。

上述問(wèn)題限制了人工智能在現(xiàn)實(shí)世界中的應(yīng)用，但也促進(jìn)了人工智能新技術(shù)和新方法的發(fā)展。

20世紀(jì)七八十年代，人工智能的發(fā)展進(jìn)入寒冬期。用于人工智能研究的資金大幅減少，研究界和產(chǎn)業(yè)界的興趣也在下降。這個(gè)期間的現(xiàn)象和特征源于一系列復(fù)雜的因素。最重要的是，早期人工智能的局限和問(wèn)題仍然存在，并且其影響在這個(gè)時(shí)期變得更為明顯，而這進(jìn)一步阻礙了對(duì)其能力的探索，也削弱了人們的期望。另外，隨著前期人工智能的一些發(fā)展，研究人員在知識(shí)整合問(wèn)題上遭遇了瓶頸。人工智能系統(tǒng)需要有效地整合和使用來(lái)自不同領(lǐng)域的知識(shí)，但在這方面，研究人員的理解還很有限。這使得開(kāi)發(fā)出能夠處理多領(lǐng)域問(wèn)題的高級(jí)人工智能系統(tǒng)變得極為困難。這些因素帶來(lái)的最直觀(guān)的表現(xiàn)就是資金缺乏和研究興趣下降。早期人工智能系統(tǒng)的成功有限，導(dǎo)致了公眾和相關(guān)投資者的失望，使得用于人工智能研究的資金在20世紀(jì)七八十年代大幅減少。這種狀況進(jìn)一步導(dǎo)致人工智能領(lǐng)域的研究人員數(shù)量下降，以及獲得資助的人工智能研究項(xiàng)目數(shù)量減少。然而，它也給了研究人員時(shí)間來(lái)反思早期人工智能方法的局限性，促使他們探索新的想法和方法，這對(duì)于人工智能后來(lái)的重新崛起是有積極作用的。

自20世紀(jì)80年代以來(lái)，人工智能領(lǐng)域經(jīng)歷了持續(xù)的技術(shù)變革和突破，尤其是進(jìn)入21世紀(jì)以后，其發(fā)展更是日新月異。從初步的神經(jīng)網(wǎng)絡(luò)、遺傳算法和模糊邏輯，到近年來(lái)的深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)甚至最新的大語(yǔ)言模型如GPT和BERT，人工智能的算法和應(yīng)用范圍實(shí)現(xiàn)了巨大的進(jìn)步。首先，算力的飛速發(fā)展和數(shù)據(jù)規(guī)模的爆發(fā)性增長(zhǎng)，為人工智能的研究和應(yīng)用提供了更為豐富和強(qiáng)大的基礎(chǔ)。借助這些優(yōu)勢(shì)，深度學(xué)習(xí)等新技術(shù)開(kāi)始嶄露頭角，大幅推動(dòng)了人工智能在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、機(jī)器人技術(shù)等領(lǐng)域的研究和應(yīng)用。我們也看到了強(qiáng)化學(xué)習(xí)的崛起，如DeepMind的AlphaGo讓機(jī)器首次戰(zhàn)勝了圍棋世界冠軍，引發(fā)了全世界的關(guān)注。同樣，自然語(yǔ)言處理領(lǐng)域也在這個(gè)時(shí)期取得了重大突破，讓我們看到了GPT等預(yù)訓(xùn)練生成模型的強(qiáng)大力量，多模態(tài)大模型的出現(xiàn)更為其加上了“眼睛”和“耳朵”，使人工智能的能力得到進(jìn)一步提升。最后，遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)等新興技術(shù)開(kāi)始引領(lǐng)人工智能領(lǐng)域的研究潮流，人工智能研究更為關(guān)注數(shù)據(jù)利用效率、模型泛化能力和領(lǐng)域適應(yīng)性等問(wèn)題，同樣這也是人工智能與合成生物學(xué)結(jié)合后終將面臨的問(wèn)題，需要謹(jǐn)慎考慮。