人類飛跑著進入人工智能（AI）時代。粗略估算現在人們日常生活中有20多種尋常的AI，從垃圾郵件過濾器到叫車軟件。

AI被分為兩類，這些執(zhí)行具體任務的AI屬于“弱人工智能”；另一類“強人工智能”，又稱“通用人工智能”（AGI） ，能夠模仿人類思維、決策，有自我意識，自主行動。這一類目前主要出現在科幻作品中，還沒有成為科學現實。

人工智能的起源可以追溯到哲學、虛構和想象。

作為計算機科學的一個分支，人工智能學科只有大約70年歷史，不乏跌宕和學術門派之爭，定義含混和因此造成的困惑、迷思仿佛層巒疊嶂，科幻和現實經常相互越界。

AI研發(fā)史上經歷過兩次“寒冬”，2018年人們又開始談論第三個AI寒冬將至的可能性。

人工智能正在如何改變我們的生活？它將把我們帶向何方？人類和機器的關系如何界定？看懂現在，展望未來，或許可以從回顧歷史開始。

地球上第一個行走的機器人叫塔洛斯，是個銅制的巨人，大約2500多年前在希臘克里特島降生在匠神赫菲斯托的工棚。據荷馬史詩《伊利亞特》描述，塔洛斯當年在特洛伊戰(zhàn)爭中負責守衛(wèi)克里特。諸神飲宴時有會動的機械三足鼎伺候。

古希臘荷馬史詩中的銅制機器人塔洛斯據信是世界上第一個擬人機器人

埃德利安·梅耶（Adrienne Mayor）在《諸神與機器人》（Gods and Robots）甚至把希臘古城亞歷山大港稱為最初的硅谷，因為那里曾經是無數機器人的家園。

除了古希臘、羅馬，其他古文明也不乏人類對"復制自己"的探索。猶太人傳說中有生命的泥人，印度傳說中，守衛(wèi)佛祖舍利子的機器人武士（模仿古希臘羅馬自動人形機的設計）；佛教傳入前日本的神照神社，中國的兵馬俑，后來又有了達芬奇的機器人武士、會下象棋的木頭人"土耳其"，等等。雖然跟現在一般理解的人工智能似乎風馬牛不相干，但這些嘗試都體現了人類復制、模擬自身的夢想。

不過，法國索邦大學計算機學教授讓-加布里埃爾·加納西亞（Jean-Gabriel Ganascia）認為，古代神話中人形物體被賦予生命，與今天人們想象和擔憂的“通用人工智能”，即具有超級智能的機器，都更多屬于想象而不是科學現實，至少目前如此。

在開創(chuàng)人工智能學科的先驅者心目中，AI的初衷是用機器來模擬人類、動植物和物種種群的演變，這個學科立足于這樣一種猜想：所有認知功能都可以被精確描述，從而有可能在計算機上復制。

作為現代科技學科的AI歷史很短，但不乏跌宕坎坷。

1940年代——奠基

1943年，美國神經科學家麥卡洛克（WarrenMcCulloch）和邏輯學家皮茨（Water Pitts）提出神經元的數學模型。后來有人說現代AI夢就誕生在那個時候。

那個夢是一篇題目繞口的論文，《神經活動中內在思想的邏輯演算》（A LogicalCalculus of Ideas Immanent in Nervous Activity）。這篇論文被視為人工智能學科的奠基石。現在大熱的“深度學習”，前身是人工神經網絡，而其基礎就是神經元的數學模型。

這篇論文的發(fā)表也標志著人工智能學科三大派之一的仿生學派誕生。這個學派從神經網絡的連接機制著手來發(fā)展人工智能，被稱為連接主義派，后來符號邏輯派占上風幾十年，神經仿生派一直到二十世紀八、九十年代才翻身，以新連接主義面目復興。

AI的另一塊基石是加拿大神經心理學家赫布（Donald Hebb）1949年提出“赫布規(guī)則”，簡單說就是兩個細胞如果總是同時被激活，那么它們之間就有某種關聯，關聯度與同時激活概率成正比關系。這個規(guī)則今天用在機器自動學習算法中。

英國數學和密碼奇才圖靈曾設想是否可能讓機器模仿人腦的學習過程

1950年代——起步

現在人們普遍把1956年叫做AI元年。人工智能作為一門學科，在這個時期起步并取得了早期成功。

英國電腦奇才、密碼學家、邏輯學家、計算機與人工智能之父圖靈（Alan Turing）曾想，機器能不能模仿人類的認知、學習過程，用邏輯推理和已有的信息來解決問題，作出決定？他1936年提出圖靈機的設想，就是一種抽象計算模型，實質上是一種數學邏輯機。

1950年，圖靈發(fā)表《計算機與智能》（ComputingMachineray and Intelligence）論文，文中闡述了"模仿游戲"的設想和測試方式，就是后來大家熟知的圖靈測試。這篇文章是對機器模仿人類智能的深度思考和系統(tǒng)論述。

人工智能（artificial intelligence）這個詞1955年首次亮相。當時4位AI鼻祖寫了一份提案，申請開一個研討會研究人工智能。他們估計兩個月，10個人參加，就足以取得重大突破。他們是麥卡錫（John McCarthy）、明斯基（Marvin Minsky）、羅切斯特（Nathaniel Rochester）和香農（Claude Shannon）。

申請獲準，暑期研討會于1956年8月31日在新罕布什爾州達特茅斯學院召開。

研討會被普遍 視為人工智能作為一門學科的創(chuàng)立，所以這一年算AI元年。

明斯基是人工智能先驅之一。他1951年與同事一起設計制作了世界上第一臺神經網絡學習機，模仿的是人類腦細胞。他后來推動設立了MIT人工智能實驗室，1985年又發(fā)起并成立了MIT的媒體實驗室。明斯基畢業(yè)于哈佛大學。

早期成果

AI元年后，喜訊不斷。1957年，GPS（通用問題解決器）設想問世。這個設想的原理是任何形式化的符號問題都可以用這個電腦程序來解決。提出設想的是美國卡內基梅隆大學教授、認知心理學和計算機專家紐厄爾（Allen Newell）、西蒙（Herbert A. Simon）和肖。這個設想屬于邏輯、符號派。在短短60年時間里也經歷了冷暖。

1959年，麥卡錫提出世界上第一個完整的AI系統(tǒng)。那是他在《具備常識的程序》中提出的能像人類一樣學習的假想程序，"AdviceTaker"。同年，他和明斯基牽頭在MIT成立了人工智能實驗室。

也是在這一年，塞繆爾首創(chuàng)了機器學習這個概念。他1956年寫的跳棋程序具有自學能力，是世界第一個。

1961年，世界第一款工業(yè)機器人Unimate在美國新澤西的通用電氣工廠上崗試用。1966年，第一臺能移動的機器人Shakey問世，就是那個會抽煙的機器人。跟Shakey同年出生的還有伊莉莎。

1966年問世的伊莉莎（Eliza）可以算作今天亞馬遜語音助手Alexa、谷歌助理和蘋果語音助手Siri們的祖母，可以跟人進行書面交流。

“她”沒有人形，沒有聲音，就是一個簡單的機器人程序，通過人工編寫的DOCTOR腳本跟人類進行類似心理咨詢的交談。Eliza的“父親”，后來成為MIT教授的維森鮑姆（Joseph Weizenbaum）解釋說，用這個名字，是因為人們可以教這個程序學習掌握新的語言技能，談吐越來越優(yōu)雅，就像《窈窕淑女》里被調教得十分出色的賣花姑娘伊莉莎。

伊莉莎問世時，機器解決問題和釋義語音語言的苗頭已經初露端倪。但是，抽象思維、自我認知和自然語言處理功能等人類智能對機器來說還遙不可及。

半個多世紀后的今天，機器人索菲亞仍需依靠事先輸入的內容才能與人交流，但能說能笑能哭，而且是美女形象。

這個時期出現了對人工智能的尖銳批評。

《煉金術與人工智能》發(fā)表于1965年，作者德雷弗斯把這篇著名的檄文跟后來陸續(xù)寫的文章集成《計算機不能干什么》一書，后人凡批評AI必提此書。

另一個刺耳的聲音來自古德（I. J. Good）。他1965年發(fā)表了一篇對人工智能未來可能對人類構成威脅的文章，可以算“AI威脅論”的先驅。他認為機器的超級智能和無法避免的智能爆炸最終將超出人類可控范疇。后來著名科學家霍金、發(fā)明家和實業(yè)家馬斯克對人工智能的恐怖預言跟古德半個世界前的警告遙相呼應。

法國計算機學家加納西亞把這段時間稱為AI發(fā)展史上的"預言者時期"，因為學科初創(chuàng)并取得早期成果令人欣喜，難免說些頭腦發(fā)熱的話。

流傳較廣的包括美國經濟學家西蒙（Herbert Simon司馬賀）1958年預言，再過10年機器就能問鼎國際象棋世界冠軍；結果是1997年才成真。另外，AI鼻祖明斯基在1968年《2001太空漫游》記者會上說機器智能30年內可趕超人類 ，現在只是設想。

1968年，科幻大片《2001太空漫游》上映，導演庫布里克對人類心靈深處那個古老的渴望做了太空時代的演繹。

庫布里克的《2001太空漫游》1968年上映

1970年代－機器人問診

1970年，世界第一個擬人機器人WABOT-1在日本早稻田大學誕生。

除此之外，這段時間AI領域基本上是埋頭科研，主要側重研究機器模擬記憶心理學和理解機制、知識和推理。因此，這個階段AI語義知識表示技術有長足進展，進而推動了專家系統(tǒng)的研發(fā)。

專家系統(tǒng)利用一流專家的知識來再現他們的思維過程；從1980年代早期開始在醫(yī)療診斷和其他一些領域廣泛應用。

1972年，針對細菌感染的醫(yī)療診斷系統(tǒng)MYCIN問世，準確率69%，專科醫(yī)生是80%。1978年，用于電腦銷售過程中為顧客自動配置零部件的專家系統(tǒng)XCON誕生。XCON是第一個投入商用的AI專家，也是當時最成功的一款。

1979年，斯坦福大學開始研發(fā)自動駕駛技術，但世界上第一次無人駕駛汽車完成首秀是在1986年；那是一輛奔馳面包車，德國聯邦大學研制，車上有攝像機和感應裝置。它在無人的街道上行駛速度達55mph。

1980年代——《終結者》

數據和知識積累推動計算機學習算法發(fā)展，使機器能夠利用自己的經驗自動調整編程，AI的應用突飛猛進，如指紋、語音識別等。人工智能、計算機和人造生命開始和其他學科交融，生出混合系統(tǒng)。

1984年，美國普林斯頓大學教授、物理學家、分子生物學家和神經學家霍普菲爾德用模擬集成電路實現了自己兩年前提出的神經網絡模型，這個模型帶動了神經網絡學派的復興。深度學習大熱并取得突破。

同年，深度學習"三巨頭"辛頓（Geoffrey Hinton）、本吉奧（Yoshua Bengio）和楊立昆（Yann LeCun）發(fā)表反向傳播算法論文，開啟深度學習潮流。

那年，卡梅隆大片《終結者》上映，作家布魯克斯（Rodney Allen Brooks）發(fā)表《大象不下棋》，提出更高層次的AI系統(tǒng)設想：在與環(huán)境互動的基礎上打造人工智能。

人工智能三大源頭之一，哲學，又站到聚光燈下。1981年，美國哲學家、數學家與計算機科學家普特南（Hilary W. Putnam）發(fā)表《理性、真理與歷史》，提出著名的“缸中腦”假象試驗。

這本身是一個哲學命題，缸中靠營養(yǎng)液存活、通過電腦接收各種刺激而產生感知的大腦，實際上就是虛擬現實。這個假想為人工智能提供了啟示，也引發(fā)了對人工智能的哲學思考，也催生了許多科幻作品，比如《盜夢空間》、《源代碼》和《阿凡達》。

來自日本的擬人機器人Alter會學跳舞

AI的兩個冬季

1974-1980年，1987-1993年，AI遭遇兩次寒冬。

第一次是因為兩份學術報告發(fā)表，導致AI領域研究經費銳減。一份是1966年在美國自動語言處理顧問委員會（ALPAC）的《語言與機器：翻譯和語言學中的計算機》（Language and Machines: Computers in Translation and Linguistics），另一份是英國萊特希爾教授（Sir James Lighthill）1973年發(fā)表的《人工智能普查報告》。這兩份報告都表達了對先前的投資未能產生預期受益的失望，結論是不應該繼續(xù)往AI這個無底洞砸錢。

不過，一線的科研仍在繼續(xù)，但直接說AI的少了，諸如機器學習、信息數學、基于知識的系統(tǒng)和模式識別之類新詞開始涌現。

出現第二個冬季則是因為桌面電腦迅速普及，AI系統(tǒng)的金主，包括美國國防部，覺得投資AI性價比不高，興趣大減。但到20世紀末，AI領域再度春暖花開。標志性事件是1997年IBM深藍大勝世界象棋冠軍卡斯帕洛夫。

歷史上這兩次“錢荒”，跟AI研究資金來源較單一，主要來自政府給學術機構的科研撥款。隨著AI產業(yè)化加深，越來越多研發(fā)資金來自企業(yè)。但AI領域內部的混亂、門派紛爭、各自為政的問題依然存在。

1990年代——聊天機器人

1990年代后期，人工智能與機器人和人機界面結合，產生了具有情感和情緒的智能代理，情緒／情感計算（即評估情緒的變化然后在機器上再現）得以迅速發(fā)展，尤其是對話代理（聊天機器人）。

1993年，維諾爾·溫奇發(fā)表《即將來臨的技術奇點》（The Coming Technological Singularity）一文，預言30年后人類將能夠創(chuàng)造具有超級智慧的機器，由此走上人類終結之路。這個時刻就是后來很多人說的“奇點”。數學家霍金和企業(yè)家馬斯克都是機器終結人類說法的信眾。

但對于這個奇點究竟是否存在目前仍有不同看法。

1997年，IBM的深藍超級電腦擊敗世界象棋冠軍卡斯帕洛夫，西蒙1958年的預言算是實現了，盡管晚了近40年。

21世紀——深度學習

進入21世紀，許多人工智能的能力已經超越人類，比如圍棋、德州撲克，比如證明數學定理，比如學習從海量數據中自動構建知識，識別語音、面孔、指紋，駕駛汽車，處理海量的文件、物流和制造業(yè)的自動化操作。

機器人可以識別和模擬人類情緒，可以充當陪伴和護理員了。AI的應用也因此遍地開花，很快進入人類生活的各個領域。

深度學習和強化學習成了時代強音。

一個普遍認同的說法是，2012年的ImageNet年度挑戰(zhàn)開啟了這一輪AI復興浪潮，把深度學習和大數據推到前臺，大量投資資金涌入。ImageNet是為視覺認知軟件研究而設計建立的大型視覺數據庫，由華裔AI科學家李飛飛2007年發(fā)起；她當時是普林斯頓大學教授。

ImageNet挑戰(zhàn)是每年一度的全行業(yè)比武，比誰家的電腦視覺算法最強。2012年奪冠的多倫多大學團隊的圖像識別軟件AlexNet錯誤率比第二名低10.8%。觀察人士總結秘密武器有3個：大數據、更強的電腦、更聰明的算法。

李飛飛現為美國斯坦福大學教授、斯坦福大學人工智能實驗室與視覺實驗室負責人、谷歌云人工智能和機器學習首席科學家，斯坦福以人為本人工智能研究院共同院長。

另一個值得一提的名字是樊麾，生于中國，圍棋手，職業(yè)二段，現任法國圍棋隊總教練。他2015年10月與谷歌人工智能AlphaGO較量0:5敗于對方。他對BBC中文網表示，輸給機器的感覺終身難忘。

過去10年中，人工智能開始寫新聞、搶獨家，經過海量數據訓練學會了識別貓，IBM超級電腦沃森戰(zhàn)勝了智力競賽兩任冠軍，谷歌阿爾法狗戰(zhàn)勝了圍棋世界冠軍，波士頓動力的機器人Atlas學會了三級障礙跳。沃森和阿爾法狗的秘訣都是強化學習。

這個領域的鎮(zhèn)海寶典《深度學習》2015年發(fā)表，作者辛頓、本吉奧和楊立昆1980年代就合寫了同樣開行業(yè)先河的經典論文，闡述反向傳播算法，2019年獲圖靈獎。

擬人機器人索菲亞

不得不提的是索菲亞。2017年這個擬人機器人亮相時艷驚天下，與人交談語言生動、深刻，沙特搶先給"她"發(fā)公民證，后來被楊立昆揭露是個騙局。

因為，索菲亞雖然具備不少先進的技術，包括仿生材料做的皮膚和逼真的面部表情，與人互動時的共情反應，但她只會說事先輸入和設置的話，不具備人們以為她擁有的應用語言智能和思想意識。很快，索菲亞銷聲匿跡。

現代科學誕生前，世界上有迷信，有工匠。然后科學和技術融合，科技和迷信并存；科技和迷信之間有一片寬闊地帶，繁茂地生長著科幻，小說、影視和藝術。

深度學習似乎表明人類向復制自己的原始意愿又邁進了一步；人工智能的發(fā)展將繼續(xù)跌宕起伏，而人與機器的關系、人工智能帶來的倫理挑戰(zhàn)日益成為AI領域的焦點話。

有人預言，幾百年后，世界上的智慧智能將由3部分組成：人類智能（AI）+人類可控的人工智能+人類不可控的機器智能。

這一切又都離不開人類文明曙光初現時一個古老的夢想。

想象和現實從來不可能一刀兩斷切割，科技和商業(yè)更是如影隨形，但區(qū)分人工智能（AI）和通用人工智能（AGI），或許有助于減緩第三次“AI寒冬”將至的擔憂和焦慮。