2017年的下半年和已经到来的2018年，互联网和IT的圈子里人们谈论的话题似乎永远都绕不过“人工智能”这四个字。无论是人工智能概念的兴起还是智能音箱等产品的初步落地，还是python等语言的兴起，似乎都昭示这人工智能时代已经到来。让人突然有点恍惚，又有些憧憬，期望人工智能可以再次给我们的生活和社会带来诸如互联网革命一样天翻地覆的变化。

其实从小的时候，我们就开始看美国科幻电影，各种超级英雄满屏幕飞，各种智能设备酷炫登场，现在想起来，这应该是我们这一代人对人工智能最早的一个直观感触。

让我们一起来回顾一下，人工智能的历史：

1900-1956年：

数学家大卫·希尔伯特，在数学家大会提出了23个未解决的问题，其中第2（希尔伯特纲领）和10个问题（算法）跟人工智能关系密切，并最终促使了计算机的发明。

数学家哥德尔，通过对希尔伯特第2个问题的论证，提出了哥德尔不完备性定理。按照他的理念，数学无法证明数学本身的正确性，人工智能也无法仅凭自身解决所有问题。所以存在着人类可以求解但是机器不可以求解的问题，人工智能不可能超越人类。

数学家图灵，针对希尔伯特第10个问题的论述，发明了图灵机。图灵机是计算机的理论原型，圆满展现了计算机演化过程，为计算机发明做了铺垫。

图灵对智能的理解也许在当时的社会和科技条件下达到了一个水准，但是在后世看来，这只能将人类引导到一条如何使用机器去欺骗人类的这样一个“假智能”道路上来。

因为图灵将图灵等同于符号运算的智能表现。没有对智能的本质作出深入研究，所以将图灵测试作为评判机器是否智能的唯一标准开始受到了质疑。

与此同时，数学家冯·诺依曼，针对希尔伯特的第2个问题的论述，发明了我们熟知的“冯·诺依曼体系结构”。

接着，数学家诺伯特·维纳，提出了当时的新兴学科“控制论”，并深入探讨了机器与人的统一性：人或机器都是通过反馈完成某种目的的实现，因此他揭示了用机器仿真人的可能性，这为人工智能的提出奠定了重要基础。

以上科学家和数学家们的努力，为计算机和人工智能的实现打下了一个坚实的基础。

1956-1980年：

达特茅斯会议召开，会议讨论了用机器来模仿人类学系以及其他方面的智能，最后虽然没有对会议内容做出定论但却起了一个名字：人工智能。此谓之人工智能元年（1956）。

达特茅斯会议过后，人工智能得到了井喷似的发展，《数学原理》中的定理不断被证明，四色定理、机器学习、通用问题求解器相继有了重大突破。此谓之人工智能的黄金时期。

天不遂人愿，人工智能研究井喷的时候，却在机器定理证明领域和自然语言理解领域遇到了瓶颈，一时无法突破，于是各方冷静下来，产出减少。此谓之人工智能的瓶颈时期。

接下来，人工智能学家爱德华·费根鲍姆，人工智能不能只注重通用方法求解，必须引入知识，于是专家系统诞生了，利用计算机化的知识进行自动推理，从而模仿专家领域解决问题。但是弊端在于知识的获取异常艰难。人工智能又遇到了一个小的瓶颈。

1980-2010年：

因为专家系统因为知识获取遇到了瓶颈，人们开始将目光转向了机器学习领域，知识获取的方式则有传统的自上而下获取变成了自下而上获取。

既然知识有不同的获取方式，那么智能自然也会有不同的涌现方式。于是经过多年的发展，人工智能领域出现了三大学派分别是连接学派、行为学派、符号学派。

符号学派：

即传统的人工智能学派。

代表人物是约翰麦卡锡，他强调人工智能研究并不一定局限于仿真真实生物的智能行为，而是更强调它的智能行为和表现的方面，这一点和图灵测试的想法是一脉相承的。

另外，麦卡锡还突出了计算机程序来进行仿真智能，认为智能是一种软件，与硬件没什么关系。详情可参考““物理符号系统假说”。

符号学派的著名案例：人机博弈大战。（1988年的“深思”到1991年的“深思2”到1996年的“深蓝”，直到1997年“深蓝”败给了人类，也因此成为了一个里程碑）

时隔14年后，IBM的超级计算机和人类的人机自有知识问答竞赛，计算机沃森取得了胜利，这无疑为人工智能添加了重彩的一笔，成为了一个标志性事件，因为这表示自然语言理解领域因此达到了一个高度。

连接学派：

认为人工智能可以通过仿真大脑的结构（神经网络）来实现。

认为智力活动是软件，而支撑大脑活动的神经网络则是硬件，因此强调硬件的重要性，认为高级智能行为是从大量神经网络的连接中自发出现的，因此被称为连接学派、

代表人物是沃伦麦卡洛克、杰夫辛顿、弗拉基米尔·万普尼克等。

行为学派：

认为人工智能可以从那些简单生物体与环境互动的模式中寻找答案。并针对蚂蚁等生物个体简单但群体集合后产生非凡的智能的行为进行研究。即从最简单的智能开始研究，来搞清楚智能的存在。包括简单生物针对不同环境的适应和进化。

提出了“人工生命”这一学科，人工生命和人工智能非常接近，是研究如何用计算的手段来仿真“生命”这种更加“低等”的现象。他们认为“智能则是比生命更高一级（假如我们能够将智能和生命分成不同等级的话）的涌现——在生命系统中又涌现出了一整套神经网络系统，从而使得整个生命体具备了智能属性。”

行为学派的著名案例：机器昆虫，机器大狗。

代表人物是罗德尼·布鲁克斯，约翰·霍兰。

三大学派的关系：

“符号学派利用知识表示和搜索来替代真实人脑的神经网络结构。符号学派假设知识是先验地存储于黑箱之中的，因此，它很擅长解决利用现有的知识做比较复杂的推理、规划、逻辑运算和判断等问题。”

“连接学派擅长解决模式识别、聚类、联想等非结构化的问题，但却很难解决高层次的智能问题（如机器定理证明）。”

“行为学派擅长解决适应性、学习、快速行为反应等问题，也可以解决一定的识别、聚类、联想等问题，但在高级智能行为（如问题求解、逻辑演算）上则相形见绌。”

“有意思的是，连接学派和行为学派似乎更加接近，因为他们都相信智能是自下而上涌现出来的，而非自上而下的设计。”

随着人工智能所引入的问题和无法解决的问题越来越多，于是很多学开始轻“理论”，重“应用”，即所谓的实践是检验真理的唯一标准。

在这种大环境下，人工智能开始进一步分化，逐渐独立为面向具体应用的新兴学科，比如：自动定理证明、模式识别、机器学习、自然语言理解、计算机视觉、自动程序设计等。

进入2000后，很多人认为：人工智能已经成为了一个仅仅代表传统的符号学派观点的专有名词，大一统的人工智能概念没有任何意义，也没有存在的必要。

但还是有少数派存在，MIT的乔希·特南鲍姆（Josh Tenenbaum）以及斯坦福大学的达芙妮·科勒（Daphne Koller）提出通过对概率的认识来统一人工智能的各个方面。“澳大利亚国立大学的马库斯·胡特（Marcus Hutter）”提出了通用人工智能这一概念，他也认为应该将智能看作一个整体，用数学的方法建造出一个计算机无法仿真的智能程序，这位人工智能的发展又迎来了曙光。

2010年-至今

深度学习的兴起，谷歌微软百度分别在2011、2012、2013年分别在深度学习领域采取了各种动作。

深度学习也是一种神经网络模型，只不过是具备多层次的隐含层节点，同时具备了更先进的技术。

典型案例：iphone的SIRI语音识别系统

人类计算，2007年刘易斯·冯·安开创了一个新的人工智能研究方向：人类计算，用于大量数据的识别处理等工作。这种巧妙地人机结合也许才是未来人工智能发展的新方向。

这种掺合了人类智能的系统还能叫作纯粹的人工智能吗？答案是肯定的，任何智能系统都不可以和环境隔离，只有在开放的状态下才能表现出智能，因此人工智能必须对人类开放，引入人类智能也就成了一件很自然的事情。

直到现在，一批优秀的人工智能公司兴起，google、微软、百度、腾讯、科大讯飞等均在人工智能的各个领域做出了成果，人工智能将会迎来第二个井喷式发展。

小结

回顾人工智能的历史，可以发现一个有趣的现象，人工智能其实不像其他我们了解的大部分学科一样，由分散不断走向统一，相反，人工智能学科自诞生以来，而是先经历了由一个整体分化为N个大大小小的子领域的过程。

无论是人工智能亦或是人工智能领域下的任何子学科，无可否认的是人工智能一直在发展，几十年，分分合合，坎坎坷坷，国内的人工智能领域也已经走出了自己一条道路，感谢前辈学者们的一直努力探索，为我们当世铺下了道路，怀有一颗憧憬科学的心，希望人工智能越走越远。

本文基于《科学的极致：漫谈人工智能》一书而写的读后感，涉及书中多处内容，梳理总结而成，如有问题请指正，与我联系。多谢。