人工智能發展歷史

人工智能的歷史不算短了。一般來說，人們會把1956年的達特茅斯會議視爲人工智能的開端。會議的召集人是達特茅斯學院的數學系助理教授約翰·麥卡錫（JohnMcCarthy），他邀請了幾位大神和新秀一起到達特茅斯學院開一個“人工智能夏季研討會”。

1956年的達特茅斯會議合影

參會者還包括信息論的創始人香農、天才學者赫伯特·西蒙（他曾經獲得過圖靈獎和諾貝爾經濟學獎）等。有人說人工智能這個名字就是麥卡錫提出來的，麥卡錫自己說他是從別人那裏聽來的。

人工智能的發展並不是很順利。最早的時候，計算機專業還是以編程爲主流。搞人工智能的人看起來都很另類。後來，編程的方法變得過時了，研究人員轉而研究“啓發法”（heuristics），也就是“經驗法則”。人們在決策的時候大多是靠經驗，計算機在處理問題的時候也要在可計算能力的範圍內儘快地尋找答案，不必窮盡所有的選項，這個過程被稱爲“修剪搜索空間”（pruningthesearchspace）。

神經網絡圖譜

還有一批學者更激進，他們引入了所謂的神經網絡方法，簡單地講，就是把儘可能多的數據輸入一個模仿神經元結構的系統，程序會自動調整權重，直到系統逐漸穩定下來。這就比傳統的編程更像人的思維過程了，你不必預先告訴計算機該怎麼做，只要告訴計算機足夠多的例子，它自己就會學會怎麼做。

遺憾的是，神經網絡方法受到學術界的批評，很快就衰落下去，直到最近，才重出江湖，這就是我們現在常常提到的機器學習和大數據。

人工智能之所以能夠再度興起，究其根源是因爲計算機的存儲和計算能力有了飛速的提高。要想讓機器學會思考，你必須餵給它大量的數據，現在，我們終於有了海量的數據。數字信息似乎要淹沒了我們。現在，每天製造出來的手機比新出生的嬰兒還多，每分鐘都有長達數百小時的視頻被上傳到互聯網上，數億張照片被上傳到雲端。

計算機的學習能力也在飛速地提高。機器人戰勝了人類的國際象棋大師，又戰勝了人類的圍棋大師。機器人能夠在智力測試競賽中讓人類選手慘敗，也能寫出以假亂真的古詩詞、流行音樂。在越來越多的領域，計算機不斷地戰勝人類。

但是，至少到目前爲止，幾乎沒有一位學者說，這意味着計算機已經具備了人工智能。這被稱爲“移動的球門柱”，想象一下，如果在足球賽的時候，球門柱是移動的，你怎麼才能踢進球門呢？每當計算機取得了新的進展，比如說，戰勝了圍棋高手李世石，人們就說，不對，我們說的人類智能不是指下棋這樣的雕蟲小技，於是，智能的概念被重新定義，計算機還是沒有辦法被承認有“人工智能”。

這麼講當然是有道理的。我們看到計算機咄咄逼人，那是因爲對人來說很難的事情，其實對機器來說很容易，而對人來說很容易的事情，對機器來說反倒很難。

就像我們曾經講過的“疊衣服”測試，機器人到現在還不能做到像人類一樣從容不迫地把衣服從洗衣機裏拿出來，分門別類，一件件疊好。人類的智能和機器的智能，工作原理是非常不同的。

就像潛水艇能夠在水下航行，但我們不能說潛水艇會像魚一樣游泳，飛機能夠在天上航行，但我們也不能說飛機能夠像鳥那樣飛翔一樣，我們也不能輕言機器有了人工智能。

所以，你對人工智能的理解不要出現偏差。機器是不可能完全變成人的。

哈佛大學遺傳學家喬治·丘奇說，機器有機器的長處。我們人類智能看到幾納米範圍內的可見光，而機器人能夠看到所有的電磁學範圍內的波長，從皮米到兆米。

機器人的記憶力和計算能力可以輕鬆地達到人類的數十億倍。硅基電腦能夠在幾秒內備份幾千兆字節，若換成碳基生物的大腦，可能需要數十年，而且很可能會記錯。

亞利桑那州立大學物理學家勞倫斯·克勞斯則說，鑑於電子計算機目前的功耗，一臺擁有人類大腦存儲和計算能力的計算機將會需要超過十太瓦（terawatts）的能量，這相當於全人類電能消耗總量的兩成。人腦只消耗10瓦能量，這意味着兩者相差1萬億倍。

在過去的十年，計算機性能功耗比提升一倍的時間大約是三年，計算機至少需要經歷40次的倍增，也就是說需要120年，才能達到跟人腦相同級別的功耗水平。

而這其實是一種非常樂觀的預測，因爲每一次效率的倍增都需要在科技上有較爲徹底的變革，因此不從本質上改變計算機的計算方式，想要在120年內達到40次的倍增幾乎是不可能達到的目標。

這就是爲什麼著名的科學作家凱文·凱利不用人工智能這個詞，他稱之爲“人工外星人”（ArtificialAliens）。也就是說，機器人的思維方式和我們人類是不一樣的。我們人類有自己的智能，但我們的智能只是各種不同的智能中的一種，不是所有的智能都得跟我們人類的智能一模一樣。機器的智能跟我們人類的智能是不一樣的。凱文·凱利說，人類是又遲鈍，又懶散，但卻是偉大的思想家，機器快速、準確，但卻十分愚蠢。