人工智慧發展簡史

人工智慧基本概念

“人工智慧” 是相對於“人類智慧” 而言的，“人類智慧”是“人工智慧”的原型；“人工智慧”是“人類智慧”的某種人工實現。

“人類智慧”是“人類智慧”的一個子集。“智慧”和“智慧”兩個概念之間具有非常密切的聯絡，但是也有顯著的差別。
····· “慧”多指人的認識能力和思維能力，如“慧眼識英雄”
····· “能”多指做事的能力，如“能者多勞”
世間只有“萬物之靈”的人類才擁有至高無上的智慧；各種生物雖然也可以擁有不同程度的智慧，但都不如人類智慧那樣完美。如果能夠準確闡明“人類智慧”的概念，那麼，“人類智慧”和“人工智慧”的概念就容易把握了

概念1:人類智慧： 人類的智慧，是人類所擁有的獨特能力，為了實現改善生存發展水平這一目的，人類需要憑藉他的先驗知識不斷地發現需要解決而且可能解決的問題，認識世界，改造世界，在改造客觀世界過程中改進自身。“反饋－學習－優化”

概念2:人類智慧： 在人類智慧的概念中，由於隱性智慧所具有的“內隱”特性，通常需要由人類自身來承擔；而由於顯性智慧具有“外顯”特性，卻可以通過人工的方法在外部來模擬實現。把顯性智慧特別地稱為“人類智慧”

概念3:人工智慧： 是人類智慧（顯性智慧）的人工實現

概念4機器智慧： 與“人工智慧”等效

失準概念1::人工智慧就是“利用計算機技術從功能上來模擬人類智慧”
（1）不應當限制“模擬人類智慧”的具體手段 － 計算機技術。還包括人工神經網路技術和感知動作系統技術
（2）不應當限制“模擬人類智慧”的具體途徑 － 從功能上模擬。早在1943年，“利用人工神經網路技術從結構上模擬人類智慧”

失準概念2: 人工智慧就是“讓機器做原來只有人類能做的事情”
人工智慧可以做顯性智慧的事情，但做不了隱性智慧的事情

失準概念3: 人工智慧是關於知識的學科
知識並非決定智慧的唯一要素。資訊（初始資訊）卻扮演者“啟動者”的作用，而目標則扮演著“導引者”的作用

失準概念4: :超人的人工智慧，人工智慧會剝奪人類的工作，威脅人類的就業

狹義
• 從學科的角度來看，AI是一門研究如何構造智慧機器或智慧系統，使它能模擬、延伸和擴充套件人類智慧的學科。
• 從能力的角度看，AI是指用人工的方法在機器上實現的智慧
廣義
• 人類智慧行為規律、智慧理論方面的研究

人工智慧的經典問題

Turing測試

1950年10月，圖靈發表了一篇名為《計算機械和智慧》的論文，探討到底什麼是人工智慧
 被認為是“人工智慧之父”
“圖靈獎”則是電腦科學領域的最高獎項
倫敦的神童思維可以像袋鼠般地跳躍
劍橋大學的高材生，國王學院最年輕的研究員
普林斯頓的數學博士電腦科學的開路先鋒
“政府編碼與密碼學院”的靈魂

測試者與被測試者（一個人和一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試後，如果機器讓平均每個參與者做出超過30%的誤判，那麼這臺機器就通過了測試，並被認為具有人類智慧。

Turing測試存在的問題：
1.僅反映了結果的比較，沒涉及思維過程
2.沒指出是什麼人

ELIZA

在一個按詞頻排序的詞庫裡找一個詞的匹配， 如果找到就在指令碼庫裡選擇合適的回覆

人工智慧歷史上最為著名的軟體——伊莉莎（Eliza），也是最早的與人對話程式就是由系統工程師約瑟夫·魏澤堡和精神病學家肯尼斯·科爾比在20 世紀60 年代共同編寫的。是世界上第一個真正意義上的聊天機器人。他們將程式命名為伊莉莎，靈感來自於英國著名戲劇家肖伯納的戲劇《偶像》中的角色，它能夠使計算機與人用英語談話。在自然語言理解技術尚未真正取得突破性進展時，這是一個令人費解的現象。

仔細分析“伊莉莎”與人對話的內容，一旦明白了其中的奧妙，對話人可能會大呼上當。“伊莉莎”對人說的話，只不過是顛倒一下談話人的
語序，它會在對方的言語中進行關鍵詞掃描，為其中的某些“關鍵詞” 匹配上合適的“對應詞” ， 然後再返回給談話人。當然，它的編排相當巧妙，比如你說 “很煩悶”，它就說“很難過”；你說“我想哭”，它就問“為什麼想哭”。關鍵詞被按照日常使用中的頻率劃分為不同的等級。伊莉莎會逐一在自己的指令碼庫裡檢索，看是否有對這個詞的說明，接著第二個。伊莉莎所涉及的人工智慧並不複雜，它只是能與人直接對話的計算機程式。如果這是一句完全陌生的話，它就做出通用的回答，例如“你具體指的是什麼？”“你能舉個具體的例子麼？”，讓諸如此類的對話來拖延時間。如果這句話能看懂，也就是找到了對大部分關鍵詞的解釋說明，它就會根據說明來造一個新句子。當它找不到 合適的對應詞回答問題時， 為了避免出洋相， 它就機敏地講一些無關痛癢的廢話搪塞一 下，如“這很有意思，請繼續說”，或者“請你說詳細點好嗎？” 從技術觀點看，“伊莉莎”程式與人的對話，不是在對句子理解的基礎上進行的，頂 多給人們開了一個小小的玩笑。“伊莉莎”的作者後來也承認說：“我沒有想到，一個簡 單的計算機程式，在極短的時間內會在用正常方式思考的人們中間引起了如此大的誤會， 今後在解決問題時需要考慮這種因素”。

ChatBot

聊天機器人 ELIZA可以算是現在智慧聊天機器人、語音助手（小娜、siri等）的先驅

約翰·西爾勒和“中文屋子”

對於“圖靈測試”, 美國哲學家約翰·西爾勒(John Searle, 1980年)提出了異議。他用一個現在稱為“中文屋子”的假設, 試圖說明即便是一臺計算機通過了圖靈測試, 也不能說它就真的具有智慧。
假設有個只懂英文不懂中文的人被鎖在一個房間裡，屋裡留了一本手冊或一個計算機程式。屋外的人用中文問問題，屋裡的人依靠程式用中文回答問題，溝通方式是遞紙條

一個思維試驗以推翻強人工智慧（機能主義）提出的過強主張：只要計算機擁有了適當的程式，理論上就可以說計算機擁有它的認知狀態以及可以像人一樣地進行理解活動

“中文房間”最早由美國哲學家John Searle於20世紀80年代初提出。這個實驗要求你想象一位只說英語的人身處一個房間之中，這間房間除了門上有一個小視窗以外，全部都是封閉的。他隨身帶著一本寫有中文翻譯程式的書。房間裡還有足夠的稿紙、鉛筆和櫥櫃。寫著中文的紙片通過小視窗被送入房間中。根據Searle，房間中的人可以使用他的書來翻譯這些文字並用中文回覆。雖然他完全不會中文，Searle認為通過這個過程，房間裡的人可以讓任何房間外的人以為他會說流利的中文。

第一次浪潮

計算機發展剛開始不久，人工智慧就開始發展
第一次人工智慧熱潮大約從20世紀50年代到20世紀70年代
1949年，第一臺可程式設計的計算機EDVAC（離散變數自動電子計算機(艾克特)、二進位制）投入使用
 1950年，圖靈發表了一篇名為《計算機械和智慧》的論文，探討機器智慧
第一屆人工智慧討論會 1956年夏天，由John McCarthy, Marvin Minsky, Nathan Rochester和Claude Shannon發起

孕育期1956年之前

主要成就:
– 創立了數理邏輯,自動機理論,控制論,資訊理論和系統論
– 發明了電子數字計算機
主要貢獻:
–Aristotle ：給出形式邏輯的基本規律
–Boole: 創立邏輯代數,用符號語言描述了思維活動中推理的基本法則
–Turing: 提出一種理想計算機的數學模型1936年的圖靈機
–MP模型: 開創了微觀人工智慧的研究工作，1943年提出的神經元模型
–ENIAC: 奠定了AI研究的物質基礎，1946年的發明第一臺電子數字計算機(莫奇利)

形成期==（1956~1969）==

基本原理和通用性
通用問題求解GPS
定理證明
博弈
形式演算
==1969年，召開了第一屆國際人工智慧聯合會議(IJCAI) ==
1970年，國際期刊《AI 》 創刊

感知機
構建一個神經元，它能夠計算邏輯操作：AND

異或XOR，異或的真值表如下：
在二維空間中沒有可分離點集{ (0，0)，（1，1）}和{(0，1)，（1，0）}的直線

考慮這樣一個感知機，其輸入為X1，X2；權值為 W1 ，W2 ； 閥值是t。為了學習這個函式，這個神經網路必須找到這樣一組值，它滿足如下的不等式方程：
W11 ＋ W21 < t， 真值表的第一行；
W11 ＋ 0 ≥ t， 真值表的第二行；
0 ＋ W21 ≥ t, 真值表的第三行；
0 ＋ 0 < t 或t為正數， 最後一行
這組關於W1 ，W2和 t 的不等式方程組沒有解，這就證明了感知機不能解決異或問題
待識別的類別不是線性可分，這是異或問題不能用感知機來解決的原因
• 加一個隱層
• 取權值（w1,w2,…,w5)為(0.3,0.3,1,1,-2)
• y=f(x1 ·w3+x2 ·w4+z ·w5)
• Z為隱節點Nh的輸出z=f((x1 ·w1+x2 ·w2)
• θ 均為0.5.

發展期1970年代

進一步研究AI基本原理方法和技術
進行實用化研究
專家系統與知識工程
智慧機器人
智慧控制等
從“一枝獨秀”到“百花齊放”。
1956-1976年，第一次浪潮。最大的一個成果是專家系統、知識工程。
1974年到1980年人工智慧迎來第一次冬天

第一次寒冬

AI瓶頸
• 即使是最傑出的AI程式也只能解決問題中最簡單的一部分
效能有限
• 有限的記憶體和處理速度無法解決指數級複雜度的問題
缺乏“常識”
• 許多重要的AI應用，例如機器視覺和自然語言，都需要大量對世界的基本認識

第二次浪潮

80年代

1982年美國加州理工學院物理學家Hopfield提出了離散的神經網路模型
1984年又提出了連續神經網路模型，可以用電子線路來模擬
Hopfield網路可以解決最優化問題，最典型的例子就是“旅行商問題TSP”
1986年Rumelhart發現BP演算法，解決多層網的學習問題，感知機的研究重新興起
這段時期人工智慧在數學模型方面取得眾多突破。
提出的BP網路，第一次證明了神經元網路的學習訓練過程可以收斂。

第二次寒冬

蘋果、IBM開始推廣第一代桌上型電腦：計算機開始走入個人家庭，其費用遠遠低於專家系統所使用的Symbolics和Lisp等機器
財政問題：市場需求桌上型電腦取代，政府也停止撥款
效能問題：專家系統的實用性十分侷限

第三次浪潮

從20世紀90 年代至今
2016年正值人工智慧發展的60年節點
• AlphaGo戰勝人類頂級圍棋高手李世石，成為人工智慧迎來第三次浪潮的里程碑事件。
• 第三次浪潮，以大計算能力和深度學習為助推力，人工智慧在很多面都有了突破性進展，為人類探索未知世界之路開啟了“無窮大”之門。

IBM的“深藍”

北京時間1997年5月12日凌晨4點50分，美國紐約公平大廈，當IBM公司的“深藍”超級電腦將棋盤上的一個兵走到C4的位置上時，國際象棋世界冠軍卡斯帕羅夫對“深藍”的人機大戰落下帷幕，“深藍” 以3.5：2.5的總比分戰勝卡斯帕羅夫。

深藍的技術指標：
• 32個CPU
• 每個CPU有16個協處理器
• 每個CPU有256M記憶體
• 每個CPU的處理速度為200萬步/秒

統計學習理論和支援向量機的興起90年代中後期

• 統計學習理論：專門研究有限樣本集情況下機器學習的統計規律及實現方法
•== Vapnik-Chervonenkis(VC) 的1995年提出SVM方法掀起了機器學習領域的一場革命，成為模式識別、計算智慧、統計學以及廣泛的應用領域共同的研究熱點。
• 研究問題：模式分類、迴歸分析、概率密度估計
• 但1987年到1993年==由於個人電腦的出現，人工智慧再次步入寒冬階段。
• 國際象棋定義明確，主要涉及數學，電腦可以輕易表示每一個遊戲狀態及相應步驟
• AlphaGo在蒙特卡洛樹搜尋的框架下，利用深度學習和強化學習技術進行訓練和評估，其中用到了人類棋手以往的16萬盤棋譜，以及AlphaGo自己左右互搏產生的3000萬盤棋譜，並用到了人類總結的幾萬個模式，並於2016年3月以4:1的成績戰勝了韓國圍棋職業高手李世石。
• 沃森是IBM為了紀念公司成立100週年研發的一個問答系統，這中間又涉及到機器學習、大規模平行計算、語義處理等領域。

人工智慧的發展狀況

人工智慧螺旋式發展之路：三次低谷

第一次低谷：1973年英國發表James Lighthill 報告
 該報告主要評判AI基礎研究中A自動機、B機器人和C中央神經系統。
 報告得出結論：A和C的研究有價值，但進展令人失望。B的研究沒有價值，進展非常令人失望。建議取消B的研究。
 批評後，AI開始了嚴冬（AI Winter）
(Sir James Lighthill, Artificial Intelligence: A General Survey, Science Research
Council,1973)
教訓：AI尚屬嬰兒期，難以測算準確

第二次低谷：日本智慧（第五代）計算機研製失敗
 1982年開始，日本通產省主持第五代計算機。
 動機：計算機從計算與儲存資料向能直接推理與知識處理的新型結構過渡。
 目標：構成一個具有1000個處理單元的並行推理機，推理速度比常規高1000倍。連線10億資訊組的資料庫和知識庫，具備聽說能力。
 1992年因失敗而告終（開支US $850 million）
教訓：驅動AI的發展要靠軟體、資料和知識，而非硬體

第三次低谷：知識詞典日趨勢微、網路百科興起
 史丹佛1984年通過專家來建設知識百科全書Cyc。截止2015年11月（其建設也時
斷時續），包括23萬多個概念、實體和200多萬個三元組。
 Cyc在90年代後期衰敗，因搜尋引擎崛起，顯示網際網路威力。
 Cyc也開始連結外部知識庫：Dbpedia, UMBEL, CIA World Factbook等等。
教訓：知識不能靠專家表達，要自動學習

 “弱人工智慧”只專注於完成某個特別設定的任務，例如語音識別、影像識別和翻譯，也包括近年來出現的IBM的Watson和谷歌的AlphaGo，它們是優秀的資訊處理者，但卻無法真正理解資訊。
“強人工智慧”系統包括了學習、語言、認知、推理、創造和計劃，目標是使人工智慧在非監督學習情況下處理前所未見的細節，並同時與人類開展互動式學習。
“超人工智慧”是指通過模擬人類的智慧，人工智慧開始具備自主思維意識，形成新的智慧群體，能夠像人類一樣獨自地進行思維。

*宣告：複習筆記中內容來源於老師上課講述及PPT