AI發展簡史

同學們，你們一定知道，人類社會之所以能夠進步，就在于在社會發展的漫長歷程中，人類對于知識的追求從未停歇。從古代哲學家對邏輯和推理的探索，到二十世紀計算機科學的誕生，再到二十一世紀大模型語言的爆炸式發展，我們見證了人工智能從概念的萌芽到技術的蓬勃發展這一偉大進程。

人工智能的英文是Artificial Intelligence，也就是我們平常所說的AI。人工智能作為計算機科學的一個分支，它的核心目標是模擬人類思維，賦予機器學習、推理乃至創造的能力。俗話說，知己知彼，百戰不殆，作為二十一世紀的青少年，我們需要也應該了解人工智能的發展歷程，以便更好地學習它、掌握它。

整個人工智能的發展歷程大致可以分為以下六個階段：

? 第一階段：人工智能誕生

? 第二階段：黃金發展時代

? 第三階段：第一次寒冬

? 第四階段：人工智能復興

? 第五階段：第二次寒冬

? 第六階段：人工智能崛起

1　人工智能誕生

人工智能到底是什么時候開始出現的呢？早在二十世紀四十年代，科學家們就已經在考慮如何用計算機來模擬人腦了，這就是機器智能的起源。

1950年，被稱為“人工智能之父”的艾倫·圖靈發表了《計算機器與智能》的文章，提出了著名的“圖靈測試”，標志著人工智能概念的初步形成。什么是“圖靈測試”呢？它是這樣定義的：如果一臺機器能夠與人類展開對話（通過電傳設備）而不能被辨別出其機器身份，那么稱這臺機器具有智能。這意味著，如果跟你一起玩游戲的電腦操作很熟練，熟練到你以為它是一個真人，那說明它具有智能。

之后的幾年，科學家們進行了一系列的努力與嘗試，比如第一臺神經網絡機、第一個可編程機器人的誕生。接下來，到了令人歡欣鼓舞的時候，1956年，在美國的達特茅斯學院，一群科學家聚集在一起，討論關于設計智能機器的可能性。在這個被稱為“達特茅斯會議”的研討會上，“人工智能”這個術語被首次提出，標志著人工智能正式誕生。

2　黃金發展時代

二十世紀五六十年代，是人工智能的黃金發展時期。在這個時期，科學家們發明了早期的神經網絡—感知器模型，這是現代神經網絡模型的基礎。那什么是感知器模型呢？為了便于理解，我們打個比方，假設你考慮是否去餐廳吃飯，主要考慮兩個因素：

（1）錢包里的錢是否足夠？（足夠，數值為1/不夠，數值為0）

（2）時間是否充裕？（充裕，數值為1/不充裕，數值為0）

這兩個因素之中，錢夠不夠更為重要，意味著錢的權重高一些，我們將它設為3，時間因素的權重設為2。我們可以分情況討論：

（1）如果錢足夠（1）且時間充裕（1），加權和為1×3+1×2=5。

（2）如果錢不夠（0）且時間不充裕（0），加權和為0×3+0×2=0。

（3）如果錢足夠（1）但時間不充裕（0），加權和為1×3+0×2=3。

（4）如果錢不夠（0）但時間充裕（1），加權和為0×3+1×2=2。

現在，到了做決策的時候，我們的規則是加權和大于2.5，就去餐廳；否則不去。因此：

加權和為5（錢足夠且時間充裕）時，去餐廳。

加權和為0（錢不夠且時間不充裕）時，不去餐廳。

加權和為3（錢足夠但時間不充裕）時，去餐廳。

加權和為2（錢不足但時間充裕）時，不去餐廳。

這就是一個簡單的感知器模型原理，它可以不斷調整自身的參數以提高準確率，在處理線性可分的分類問題上表現出良好的學習能力。

1957年，首個自學習程序——跳棋程序被開發出來，并引入了“機器學習”的概念。1966年美國麻省理工學院（MIT）的維森鮑姆發布了世界上第一個聊天機器人ELIZA。ELIZA的智能之處在于它能通過腳本理解簡單的自然語言，并能產生類似人類的互動。

3第一次寒冬

然而，好景不長，二十世紀七十年代，人工智能遭遇了瓶頸。當時的計算機有限的內存和處理速度不足以解決任何實際的人工智能問題。

4　人工智能復興

人工智能的第一次寒冬，讓研究者們的研究熱點轉向了專家系統。什么是專家系統呢？這是一種模仿人類專家決策能力的計算機系統，它依據一組從專門知識中推演出的邏輯規則來回答特定領域中的問題。比如說一個人頭疼、發熱、咳嗽，就能推斷出他得了流感；一個人肚子疼、惡心、嘔吐，則能得到胃炎的結論。雖然這個比喻不是很貼切，但在醫療、金融等行業，專家系統逐漸被應用于實際工作中，給當時的人工智能研究帶來了些許希望。

5　第二次寒冬

專家系統帶來的繁榮猶如曇花一現，事實證明，專家系統并非“天選之子”，在它快速發展的過程中，它的缺點也逐漸顯露出來，比如知識采集和獲取的難度很大，系統建立和維護費用高，僅限應用于某些特定場景，不具備通用性等。這使得專家系統的商業化面臨重重困境，引發了人工智能的第二次寒冬。

但這次的寒冬如同是開春前的蟄伏，黎明前的黑暗。在“黑暗”之中，人工智能研究方向發生了重大轉折。在這里，我們先要提及人工智能研究中的三大學派：符號主義、聯結主義和行為主義。

? 符號主義

符號主義又叫作邏輯主義，主張智能可以通過符號來實現，強調使用邏輯、規則和符號來模擬人類思維過程。什么意思呢？比方說我們要推斷是否下雨，我們可以寫下一個公式：A+B=C，A代表陰天，B代表濕度大于70%，C代表將要下雨。A和B同時滿足，就能得到C。可以看出，專家系統就是符號主義的典型代表。

? 聯結主義

聯結主義主張智能可以通過模擬大腦神經元網絡來實現，強調使用神經網絡和學習算法來處理信息，包括感知器、人工神經網絡、深度學習等技術。

在這本書中，我們多次提到了神經網絡，讓我們一起先來了解一下什么是神經網絡。

我們的大腦能夠高效地工作，要歸功于大腦中上千億個神經元，它們的樣子長得像一個個流星錘。每個神經元和其他的神經元互相連接，組成一張巨大的“蜘蛛網”。每個神經元就是網上的一只小蜘蛛。當你觸碰網的某一點時，震動會傳遞到整個網絡，“小蜘蛛”們會根據震動的強度做出反應。當我們的大腦在處理信息時，例如看到一只貓時，眼睛接收到的信息會通過神經元傳遞到大腦的不同區域，經過層層處理，最終得到這是一只貓的結論。

人工智能的神經網絡就模擬了這種工作機制。給人工智能一只貓的數據，它進入到網絡后，經過多個“層”的處理，每層都會提取不同的特征（如邊緣、形狀等），最終輸出結論。在這個過程中，神經網絡會通過不斷的學習和權重的調整（你可以理解為一些路更寬，更好通過；一些路交通管制很難通行），讓結果越來越準確。值得注意的是，神經網絡的輸出結果并非簡單的是或否，而是不同結果的概率。

? 行為主義

行為主義主張智能行為可以通過與環境的交互來學習，強調通過試錯和自然選擇來優化行為，包含控制論、遺傳算法、強化學習等技術。這就好比你正在進行電競排位賽，系統會根據你的勝負情況來給你調整不同的對手和戰術。行為主義在后來的機器人學、自動控制、游戲AI、自動駕駛汽車等領域有著重要應用。

在人工智能的第二次寒冬期間，機器學習和神經網絡（聯結主義）加速崛起，逐漸取代專家系統（符號主義），人工智能原本由知識驅動的方式，逐漸變成了由數據驅動的方式。

但我們要知道的是，這些不同的流派并不能說誰一定比誰強，只能說它們適合不同的場景，在后期的發展中，很多產品和技術是它們的結合。

6　人工智能崛起

接下來，人工智能真正的春天到來了。

1997年，IBM公司（國際商業機器公司）的電腦“深藍”戰勝國際象棋世界冠軍卡斯帕羅夫，成了首個在標準比賽時限內擊敗國際象棋世界冠軍的電腦系統。

隨著互聯網的普及和大數據的興起，人工智能迎來了新的機遇。計算機處理能力的提升和海量數據的獲取使得人工智能進入了一個全新的發展階段，各種更為復雜的神經網絡模型和方法被提出；深度學習領域的突破，讓人工智能技術逐漸走向實際應用。

深度學習是機器學習的一個重要的分支，可以說是加強版的“神經網絡”學習。深度學習自動從海量的數據中集中提取特征，不需要人工干預，這意味著它可以“自學”。

這其中最為出名的是一只會“自學”的“狗”——“阿爾法狗”。它并不是真的狗，而是一個由Google（谷歌公司）旗下的DeepMind公司開發的人工智能圍棋程序，叫作AlphaGo。2016年，AlphaGo對戰圍棋世界冠軍職業九段選手李世石，并以4:1的總比分獲勝，震驚了全世界，要知道，圍棋可比國際象棋復雜多了。AlphaGo最厲害的地方在于它具有很強的自我學習能力，能夠搜集大量圍棋對弈數據和名人棋譜，學習并模仿人類下棋。

此外，還記得之前提到的“圖靈測試”嗎？2014年，在英國皇家學會舉行的“2014圖靈測試”大會上，聊天程序“尤金·古斯特曼”（Eugene Goostman）首次通過了圖靈測試，預示著人工智能進入全新時代。

再往后，基于Google提出的Transformer模型的各種大語言模型開始爆發。大語言模型就像一個“超級語言助手”，通過閱讀海量文本，比如書籍、文章、網頁等，來學習人類語言的規律。你可以把它想象成一個超級學霸，它不僅能記住大量的詞匯和句子，還能理解它們之間的關系，并通過不斷調整內部參數，讓自己預測的句子越來越接近真實的語言，從而實現與我們聊天、回答問題、生成文本等功能。

2022年，ChatGPT（聊天機器人模型）首次亮相，各種AI模型也如雨后春筍般層出不窮。由大語言模型拓展出來的各種功能，讓我們的工作和生活越來越便利。可以說，ChatGPT、DeepSeek等大模型技術正在引領AI發展的新時代，成為不可或缺的行業推動力。