【人工智能】人工智能发展史

                                                                                   What is past is prologue.
                                                                                   过去只是序幕。
                                                                             ——William Shakespeare（莎士比亚）

一、概念

1.1 定义

人工智能（Artificial Intelligence），英文缩写为AI。是新一轮科技革命和产业变革的重要驱动力量，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是智能学科重要的组成部分，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能是十分广泛的科学，包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。
人工智能大模型带来的治理挑战也不容忽视，营造良好创新生态，需做好前瞻研究，建立健全保障人工智能健康发展的法律法规、制度体系、伦理道德。着眼未来，在重视防范风险的同时，也应同步建立容错、纠错机制，努力实现规范与发展的动态平衡。
人工智能的目标是生产出能够以人类智能相似的方式做出反应的智能机器。这些机器能够执行复杂的任务，如学习、推理、规划等，从而在理论和实践上形成一个独立的系统。

1.2 详解

关于什么是“智能”，涉及到诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是人工智能。人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
20世纪70年代以来，人工智能被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

二、发展史详述

2.1 早期的探索

【1943年】麦卡洛克-皮茨神经元

麦卡洛克-皮茨（McCulloch-Pitts）神经元模型是神经网络和计算神经科学领域的先驱性工作，由美国科学家沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts）于1943年首次提出。这个模型是基于数学和逻辑的概念来模拟生物神经元的行为，为后续的人工神经网络研究奠定了基础。
在麦卡洛克-皮茨模型中，神经元被简化为一个逻辑门一样的处理单元，它接收一组二进制输入信号（可以视为神经元的兴奋或抑制状态），并根据这些输入应用一个固定的权重（表示连接强度）。神经元会计算加权输入的总和，然后与一个预设的阈值进行比较。如果加权输入的总和超过了这个阈值，神经元就会“激发”，输出1；否则，输出0。这种行为可以用一个简单的逻辑函数来描述，类似于布尔逻辑中的“与”、“或”操作。
尽管这个模型非常简单，并且没有考虑到实际生物神经元的许多复杂特性（如时间延迟、学习能力等），但它开创了用数学模型理解和模拟大脑功能的新途径。后续的神经网络模型，比如那些带有连续激活函数的模型，都是在这个基本框架上发展起来的，增加了更多的生物现实性和计算能力，例如引入了学习规则来调整权重，使得网络能够适应和学习复杂的输入输出关系。

【1949年】机器翻译备忘录

1949年，沃伦·韦弗撰写了一篇具有影响力的报告，标题为《翻译备忘录》（“Translation Memorandum”），这份文档虽然不是与香农直接合作的产物，但其灵感部分来源于香农的信息论思想。在这份报告中，韦弗提出了将自然语言翻译视为一种编码-解码过程的观点，这一思想深受香农信息论中“信息的传输与处理”概念的影响。韦弗的报告被认为是机器翻译领域早期的重要文献之一，它激励了后来对自动翻译系统的探索和开发。
香农本人在1948年发表了《通信的数学理论》（“A Mathematical Theory of Communication”），这篇论文奠定了现代信息论的基础，虽然没有直接讨论机器翻译，但其理论框架为包括机器翻译在内的多种信息处理技术提供了理论支撑。香农的信息论强调了信息的量化、编码、传输和解码过程，这些原则对于理解如何将一种语言的信息转换成另一种语言至关重要。
因此，虽然香农和韦弗没有联合发表一份特定的关于机器翻译的备忘录，但他们各自的工作相互影响，并共同为机器翻译乃至整个自然语言处理领域的发展奠定了重要的理论基础。

【1950年】图灵测试

图灵测试（Turing Test）是由英国数学家、逻辑学家艾伦·图灵（Alan Turing）于1950年提出的一个关于机器是否能够展现出智能行为的测试。其基本思想是，如果一台机器能够在文本交流中，让判断者（人类）无法确定与之交流的是人还是机器，则可以认为这台机器具有人工智能。
具体来说，图灵测试通常包括三个参与者：一台计算机、一个人类审问者以及一个人类被试。审问者通过键盘与另外两方进行文字交流，目标是判断哪一方是机器，哪一方是真人。如果在多次测试中，有相当比例的审问者无法准确区分机器与人类，那么这台机器就被认为通过了图灵测试。
图灵测试更多地是一种哲学思考和智力实验，旨在探讨“机器能否思考”的问题。它不直接衡量机器的智能水平，而是关注机器是否能以人类难以辨别的方式表现智能行为。随着人工智能技术的发展，图灵测试成为了评估人工智能系统的一个著名标准，尽管它在学界也存在不少争议和批评。

【1951年】西洋跳棋程序