【編者按】從19世紀(jì)中葉人工智能的萌芽時期，到現(xiàn)今人工智能的重生，從馬文·明斯基到AlphaGo，歷史上發(fā)生了哪些激動人心的故事？本文以此鋪展人工智能發(fā)展近70年來背后發(fā)生的故事。作者@沐陽浸月，中科院自動化所復(fù)雜系統(tǒng)國家重點實驗室研究生，主攻機器人與人工智能。
前不久，在人工智能領(lǐng)域發(fā)生了兩件大事，一個就是是偉大的人工智能先驅(qū)馬文·明斯基教授逝世，一個是谷歌AlphaGo擊敗歐洲圍棋冠軍，職業(yè)圍棋二段樊麾。
馬文·明斯基教授是幾乎見證了從人工智能作為一門學(xué)科的興起直至今日成就的所有大風(fēng)大浪的人，或者可以說何教授本人就是這些大風(fēng)浪的弄潮兒，他對人工智能的發(fā)展的影響意義十分深遠(yuǎn)。而谷歌AlphaGo此次取得的成就，也可以算是人工智能領(lǐng)域一次里程碑式的創(chuàng)舉，它的成功標(biāo)志著人工智能領(lǐng)域又進(jìn)入了一個新高度。這篇文章，我們將從馬文·明斯基還是哈佛大學(xué)本科生的時候講起，一直到今日AlphaGo的勝利，梳理一下人工智能是怎樣從初見萌芽一步一步走到今日的輝煌成就的。
要是從宏觀的角度來講，人工智能的歷史按照所使用的方法，可以分為兩個階段，分水嶺大概在1986年神經(jīng)網(wǎng)絡(luò)的回歸——
在前半段歷史中，我們主要使用的方法和思路是基于規(guī)則的方法，也就是我們試圖找到人類認(rèn)知事物的方法，模仿人類智能和思維方法，找到一套方法，模擬出人類思維的過程，解決人工智能的問題。
后半段的歷史，也就是我們現(xiàn)在所處的這個時期，我們主要采取的方法是基于統(tǒng)計的方法，也就是我們現(xiàn)在發(fā)現(xiàn)，有的時候我們不需要把人類的思維過程模擬出一套規(guī)則來教給計算機，我們可以在一個大的數(shù)量集里面來訓(xùn)練計算機，讓它自己找到規(guī)律從而完成人工智能遇到的問題。
這個轉(zhuǎn)化也可以用一個形象的例子來描述，就像我們想造出飛機，就觀察鳥是怎么樣飛的，然后模仿鳥的動作就行，不需要什么空氣動力學(xué)什么的，這種思想在人類歷史上也被稱為“鳥飛派”。但是我們都知道，懷特兄弟造出飛機靠的是空氣動力學(xué)，而不是仿生學(xué)。不過我們不能就因為這一點就笑話人工智能前半段各位研究人員和前輩的努力和心血，因為這是人類認(rèn)知事物的普遍規(guī)律，其實現(xiàn)在也有不少人會認(rèn)為，計算機可以讀懂文字、看懂圖片靠的是依靠和我們?nèi)祟愐粯拥恼J(rèn)知過程。
在研究基于規(guī)則的探索中，人工智能經(jīng)歷了三個主要階段——興起、繁盛和蕭條。會有這樣的過程，一個重要原因是基于規(guī)則方法的局限性。好了，那我們就先扒一扒這段歷史。
一、萌芽階段
人工智能的萌芽時期大概出現(xiàn)在19世紀(jì)中葉，第一位需要介紹的人物便是馬文·明斯基。明斯基于1946年進(jìn)入哈佛大學(xué)主修物理專業(yè)，但他選修的課程相當(dāng)廣泛，從電氣工程、數(shù)學(xué)，到遺傳學(xué)、心理學(xué)等涉及多個學(xué)科專業(yè)，后來他放棄物理改修數(shù)學(xué)。
1950年，也就是明斯基本科的最后一年，他和他的同學(xué)Dean Edmonds建造了世界上第一臺神經(jīng)網(wǎng)絡(luò)計算機，并命名其為SNARC（Stochastic Neural Analog Reinforcement Calculator）。這臺計算機是由3000個真空管和B-24轟炸機上一個多余的自動指示裝置來模擬40個神經(jīng)元組成的網(wǎng)絡(luò)的。后來，明斯基又到普林斯頓大學(xué)攻讀數(shù)學(xué)博士學(xué)位，并以“神經(jīng)網(wǎng)絡(luò)和腦模型問題”為題完成博士論文，但是當(dāng)時的評審委員會并不認(rèn)為這可以看做是數(shù)學(xué)。
