人工智能技术走过了怎样的70年？|yabo手机版登陆

在研究基于规则的探寻中，人工智能经历了三个主要阶段蓬勃发展、兴盛和不景气。不会有这样的过程，一个最重要原因是基于规则方法的局限性。好了，那我们就再行鸡一鸡这段历史。

　　前不久，在人工智能领域再次发生了两件大事，一个就是是最出色的人工智能先驱马文明斯基教授去世，一个是谷歌AlphaGo打败欧洲棋士冠军，职业棋士二段樊麾。　　马文明斯基教授是完全亲眼了从人工智能作为一门学科的蓬勃发展以后今日成就的所有大风大浪的人，或者可以说道何教授本人就是这些大风浪的弄潮儿，他对人工智能的发展的影响意义十分深远影响。

而谷歌AlphaGo此次获得的成就，也可以却是人工智能领域一次里程碑式的先例，它的顺利标志着人工智能领域又转入了一个新高度。这篇文章，我们将从马文明斯基还是哈佛大学本科生的时候谈起，仍然到今日AlphaGo的胜利，辨别一下人工智能是怎样从实是兴起一步一步回头到今日的辉煌成就的。　　要就是指宏观的角度来讲，人工智能的历史按照所用于的方法，可以分成两个阶段，分水岭大约在1986年神经网络的重返　　在前半段历史中，我们主要用于的方法和思路是基于规则的方法，也就是我们企图寻找人类理解事物的方法，仿效人类智能和思维方法，寻找一套方法，模拟出人类思维的过程，解决问题人工智能的问题。

　　后半段的历史，也就是我们现在所处的这个时期，我们主要采行的方法是基于统计资料的方法，也就是我们现在找到，有的时候我们不必须把人类的思维过程模拟出一套规则来教给计算机，我们可以在一个大的数量集里面来训练计算机，让它自己寻找规律从而已完成人工智能遇上的问题。　　这个转化成也可以用一个形象的例子来叙述，就像我们想要用上飞机，就仔细观察鸟是怎么样飞来的，然后仿效鸟的动作就讫，不必须什么空气动力学什么的，这种思想在人类历史上也被称作鸟飞派。但是我们都告诉，怀特兄弟用上飞机靠的是空气动力学，而不是仿生学。

不过我们无法就因为这一点就笑话人工智能前半段各位研究人员和前辈的希望和心血，因为这是人类理解事物的普遍规律，只不过现在也有不少人会指出，计算机可以背诵文字、看懂图片靠的是依赖和我们人类一样的理解过程。　　一、兴起阶段　　人工智能的兴起时期大约经常出现在19世纪中叶，第一位必须讲解的人物乃是马文明斯基。明斯基于1946年转入哈佛大学主修物理专业，但他科目的课程非常普遍，从电气工程、数学，到遗传学、心理学等牵涉到多个学科专业，后来他退出物理改修数学。　　1950年，也就是明斯基本科的最后一年，他和他的同学Dean Edmonds修建了世界上第一台神经网络计算机，并命名其为SNARC（Stochastic Neural Analog Reinforcement Calculator）。

这台计算机是由3000个真空管和B-24轰炸机上一个多余的自动命令装置来仿真40个神经元构成的网络的。后来，明斯基又到普林斯顿大学修读数学博士学位，并以神经网络和脑模型问题为题已完成博士论文，但是当时的评审委员会毫无疑问这可以看作是数学。

　　明斯基的这些成果虽然可以被称作人工智能的早期工作，但是鉴于当时的明斯基还是一个恋爱的毛头小子，所做到的博士论文都无法获得适当的接纳，所以影响力受限。　　接着上场的第二位人物影响力就大很多，那就是计算机科学之父阿兰图灵，他是被指出最先明确提出机器智能设想的人。图灵在1950年的时候（也就是明斯基还在读本科的时候）在杂志《思想》（Mind）公开发表了一篇取名为计算机器与智能的文章，在文章中，图灵并没明确提出什么明确的研究方法，但是文章中提及的好多概念，诸如图灵测试、机器学习、遗传算法和增强自学等，至今都是人工智能领域十分最重要的分支。

　　讲解完了以上两大人物，接下来标志着人工智能作为一个独立国家领域而问世的盛会达特茅斯研讨会就要粉墨登场了。　　不过在讲解达特茅斯研讨会之前，我们被迫讲解这第三位重量级的人物，那就是约翰麦卡锡，因为他正是这次研讨会的发起人。

约翰麦卡锡于1948年取得加州理工学院数学学士学位，1951年取得普林斯顿大学数学博士学位。然后又在那里作为老师工作了两年，接着一段时间地为斯坦福大学供职后到了达特茅斯大学，正是这个时期，它的组织了达特茅斯研讨会。

在这次大会上，麦卡锡的术语人工智能第一次被月用于，所以麦卡锡也被称作人工智能之父。只不过麦卡锡在达特茅斯会议前后，他的主要研究方向正是计算机对局。

　　对局程序的关键之一是如何增加计算机必须考虑到的棋步。麦卡锡经过艰难探寻，再一发明者了知名的-搜寻法，使搜寻能有效地展开。-搜寻法说道核心就是，算法在采行最佳招数的情况下容许忽视一些未来会再次发生的事情。

说道的有点抽象化，我们来荐个十分非常简单的例子。　　假如你面前有两个口袋和一个你的敌人，每个口袋敲着面值平均的人民币，你来自由选择口袋，你的敌人要求给你这个口袋里哪张面值的钱。假设你一次不能去找一只口袋，在去找口袋时一次不能从里面碰出有一次。

当然你期望面值越大就越好，你的敌人大自然期望面值越小越好。假如你自由选择了第一个口袋。

现在我们从第一个口袋开始，看每一张面值，并对口袋作出评价。比方说口袋里有一张5元的和一张10元的。如果你滚了这只口袋敌人大自然不会给你5元的，10元的就是无关紧要的了。

　　现在你开始刷第二个口袋，你每次看一张面值，都会跟你能获得的最差的那张面值（5元）去较为。所以此时你认同就去找这个口袋里面面值大于的，因为只要最多的要比5元好，那么你就可以滚这个口袋。假如你在第二个口袋碰出有一张1元的，那么你就不必考虑到这个口袋了，因为如果你滚了这个口袋，敌人认同不会给你1元面值的，那当然要自由选择大于面值的5元的那个口袋啦。

　　虽然有点绕行，不过我实在你应当大约早已解读了这个思路。这就是-搜寻法，因为这种算法在高于或者多达我们搜寻中的或者值时就仍然搜寻，所以这种算法也称作-剪枝算法。这种算法至今仍是解决问题人工智能问题中一种常用的高效方法。当年IBM的深蓝国际象棋程序，因为击败世界冠军卡斯帕罗夫而闻名世界，它靠的正是在30个IBMRS/6000处理器的并行计算机上运营的-搜寻法。

　　但是必须留意的是，前不久的谷歌AlphaGo，由于棋盘是19x19的，完全所有的交叉点都可以走子，初始的分支因子为361，这对于常规的-搜寻来说过于令人生畏了，所以别看名字里面带上了一个（Alpha，有可能这个名字是为了纪念麦卡锡的-搜索算法），AlphaGo使用的是毕竟蒙特卡洛搜寻树根（MCTS），它是一种随机取样的搜寻树根算法，它解决问题了在受限时间内要迭代十分长的树根而壮烈牺牲深度的问题。　　后来麦卡锡有从达特茅斯搬了MIT，在那里他又作出了三项十分最重要的贡献。第一个是他定义了高级语言Lisp语言，从此Lisp语言长期以来独占着人工智能领域的应用于，而且人们也有了可以当作用的能干工具了，但是较少而且便宜的计算资源仍是问题。于是麦卡锡和他的同事又发明者了天内技术。

然后，麦卡锡公开发表了为题有常识的程序的文章，文中他叙述了一种系统，取名为意见接收者，任务是用于科学知识来搜寻问题的解法，这个假想也被看作是第一个原始的人工智能系统。　　同年，明斯基也搬了MIT，他们联合创立了世界上第一座人工智能实验室MITAILab实验室。

尽管后来麦卡锡和明斯基在某些观点上产生了分歧造成他们的合作并没之后，但这是后话。

本文来源：yabo手机版登陆-www.todddiedrich.com