人工智能的诞生与首次发展低谷

【开篇语】

在开始正式内容之前，先聊聊为什么要写这个系列文章

虽然当前网络上关于AI的讨论铺天盖地，但不难发现许多人对人工智能仍然缺乏基本认知：老一辈可能只是听说过这个名词，年轻人也往往停留在表面理解，“知其然而不知其所以然”。

九成的人都会有这样的心态：反正不是计算机从业者，深入了解有什么用？平时用用智能助手查查资料就够了。这种认知导致对AI始终处于模糊状态。

需要认识到，这次AI革命与工业革命、互联网革命有着本质区别。前两次变革主要改变社会生产方式，而AI则可能重塑整个人类社会结构。作为个体，要么主动适应，要么面临淘汰。

网络上虽然充斥着大量AI相关的文章和视频，但要么内容不完整，要么过于浅显，要么过于零碎。结果就是读者只能记住一些专业术语如token、skill、agent等，真正深究起来却说不出所以然。

因此决定撰写这个系列，力求让任何人都能理解AI的核心概念。读完这个系列后，AI将成为你脑海中清晰的概念，也希望能为你的未来规划提供帮助。

现在开始正文，全是干货！

在很多人印象中，AI似乎是从科幻作品中突然跃入现实的产物。但实际上，人工智能经历了长达七十多年的曲折发展历程。

接下来让我们深入了解AI的演变历程。

AI全称为"Artificial Intelligence"，由约翰·麦卡锡在1956年美国达特茅斯会议上正式提出。

看到这里，你是否以为AI的故事就此开始？并非如此！在这场会议之前，种子早已埋下。

真正播下这颗种子的是被誉为"计算机科学与人工智能之父"的阿兰·图灵。

1950年，图灵在一篇名为《计算机器与智能》的论文开头，提出了一个在当时看来近乎天方夜谭的哲学问题："机器能思考吗？"

聪明的图灵并未在哲学问题上过多纠缠，而是提出了一个更具体、更可验证的实验方法，这就是著名的"图灵测试"。

测试过程是让评判员同时与一个人和一个机器进行纯文字交流，之后让评判员判断哪个是人、哪个是机器。如果无法区分，是否就意味着机器具备了像人一样思考的能力？

图灵测试也被称为"模仿游戏"，当代AI正是通过这种"作弊"方式通过测试的。

对图灵感兴趣的朋友可以观看电影《模仿游戏》。

人工智能的启蒙与首次低谷期！

回到1956年夏天的达特茅斯会议，这次会议不仅正式确立了AI这一学科，也成为引发"AI首次寒冬"的直接因素。

参会的科学家们虽然才华横溢，但毕竟年轻，而年轻加上才华往往容易产生过度自信。他们究竟自信到什么程度？

宣称：一个夏天就能把人工智能问题搞清楚。

政府和投资方听闻此言，立刻将期望值推到顶点！既然如此，当然要全力支持，资源源源不断地投入！

这种"一个夏天就能解决"的乐观态度持续蔓延。此后十多年间，科学家们不断向政府和投资人描绘宏伟蓝图，预言"二十年内机器就能完成人类能做的所有工作"。

到了1970年代初，时间给了，资源也给了，可当初承诺的"具有人类智能的机器人"连影子都没有看到，希望彻底耗尽！

于是项目被砍！资金被切断！论文也没人看了！

AI的首次寒冬就这样降临！

首次寒冬前科学界的研究方向

其实AI研究最初分为两个主要流派，一个称为符号主义，一个称为连接主义。

符号主义：简单说就是把人类的所有常识都预先输入给机器，写入程序中。但人类的常识实在太多且每天都在增加穷尽一生也写不完啊！

此路不通！（可参考早期的Siri）

连接主义：即神经网络，通俗理解就是模拟人类大脑的神经元工作方式（人类的感觉、动作、思考都依赖神经元传递信息）。

1958年，一位名叫弗兰克·罗森布拉特的研究者提出了一个富有前瞻性的理念——"无需人工教授，机器能够自主从数据中学习"（这是否很像今天的深度学习？没错，他就是深度学习的前身）。

基于这个理念，他发明了感知机（实际上相当于单个神经元）。而人类大脑拥有数百亿个神经元，单个感知机根本无法让机器像人类一样思考，因此在当时连接主义也被认为走不通！

所以首次AI寒冬，并非科学家不努力，而是起点过高、期望值过度膨胀，加上硬件、算力、算法、数据都处于初级阶段，无法突破AI的根本瓶颈。

简要科普（了解即可）

感知机就像是构建AI这座大厦的一块砖。

神经网络：则是由大量感知机相互连接形成的系统。

深度学习：则是对大量相互连接的感知机进行分层处理。