ChatGPT 的横空出世，人工智能再次出现在我们的视野中，成为了很多人关注的焦点，这一产品的突然爆火是有很多方面的原因的，其中之一就是，很多人长期都并没有关注人工智能的发展，于是产生了人工智能一夜之间发展到如此惊人的地步的感觉，从而放大了这一事件的冲击力。

实际上，人类自上个世纪四五十年代以来，人工智能的研究进度始终在有条不紊的推进中，近百年来，也诞生了无数的技术成就，本文我们就来一览人工智能的发展史，细数在这条道路上诞生过哪些惊世骇俗的伟大思想和产品吧。

想到人工智能的发展史，我们不禁首先想到一个问题，那就是：什么是“智能”？人类为什么具有智能？以及机械是否有可能能够具备智能？

尽管在科学上，人类的智慧和意识的来源目前仍然是一个迷，但在哲学上，千百年来已经有一代代哲学家试图解答这个问题。

去年夏天，关于人工智能，谷歌有个大新闻，一位谷歌的工程师布莱克·莱莫因（Blake Lemoine）声称谷歌的 AI 聊天机器人 LaMDA 已经具备了一个有知觉的头脑，他甚至倡议我们应该尊重 AI 的“需求”。

关于这件事，我写了两篇文章谈了自己的看法，其中谈到了哲学上著名的他心问题：

AI 真的觉醒了吗？（下） -- 如何检测 AI 是否真的觉醒

在这篇文章中，我们提到了笛卡尔经典的名言“我思故我在”，意即我可以否定这个世界上一切事物的存在，唯独不能否定我在思考这件事，因此，“我”存在这件事是毋庸置疑的。但是，随之而来的问题是，既然唯有我自己的存在是不可怀疑的，我们又怎么能够断定别人是存在的呢？既然在笛卡尔看来，灵魂和肉体是可以分开的，而智慧又来源于灵魂，我们怎么能够知道别人的肉体里是否存在着一个灵魂呢？怎么能够断定我们所看到和接触到的每一个人不都是一具运行十分精密的“套在黑衣之下的机械”呢？

限于时代，笛卡尔认为，具有智慧的机械只有上帝才有能力去创造，而上帝绝不会无聊到去创造具有智慧的机械。但笛卡尔并没有否定机械可能模拟人类这一可能性，而他恰恰致力于将理性的思考系统抽象为数学或几何学体系。而霍布斯更是在《利维坦》中提出了一个经典的论断：“推理就是计算”，让人们意识到，智慧的本质是数理符号系统的运算。

到了 19 世纪，维特根斯坦提出，思想与语言紧密相连，说话者对语言的运用就是智慧本身，在这个基础上，人的智慧就可以抽象为对语言的处理，于是，智能也就真的可以被简化为一种符号系统了，这便为我们用机械模拟智能的人工智能发展奠定了理论基础。在这之后，许多学者都持有这一观点，包括如今非常知名的美国物理学家道格拉斯·理查德·霍夫施塔特也持有这一研究观点。

既然人的智慧可以被简化为一套符号系统，那么用计算机这个最擅长进行符号处理的工具就完全可以模拟人类的智能。人工智能的创想就这样展开了。

20 世纪 30 年代，随着人类神经学领域研究的突飞猛进，人们发现，原来人脑是由大量神经元构成的，而每个神经元都只存在两个状态：兴奋和抑制，不存在中间状态，这启发了图灵关于“通用图灵机”这一经典的计算机运算模型的构想，并且图灵通过计算理论证明了数码信号足以描述任何形式的计算，从而为人工智能的构建提供了切实可行的理论依据。

在此基础上，克劳德·香农与沃伦·韦弗的硕士论文《通訊的數學理論》中提出了老三论中的信息论，论证二进制信号能够构建并解决任何逻辑和数值关系，这成为了人工智能的又一有力的数学理论依据。

1943年，沃伦·麦卡洛克和沃尔特·皮茨提出了最早的神经网络模型，他们希望通过数学算法以及被他们称为“阈值逻辑”的演算法的计算模型来模拟人类大脑中神经网络的构成。这成为了人工智能研究的重要开端。直到现在，神经网络算法仍然是人工智能领域最为重要的算法之一。当然，今天我们所说的神经网络算法，已经是经过了一代代人的研究总结以后的模型，包括 1975 年保罗·韦伯斯在神经网络算法基础上提出的反向传播神经网络算法，以及 2014 年为了解放神经网络的深度限制而诞生的残差神经网络算法，从而让深度学习模型成为了人工智能研究的新热点。

1950年，图灵发表了一篇跨时代的论文《计算机械与智能（COMPUTING MACHINERY AND INTELLIGENCE）》论证了机械是否可以思考这一问题，并且给出了判断机器是否已经具备思考能力的测试方法 -- 图灵测试。

既然一切理论都已经具备，这便只欠有能力的技术人员去实践了，1951年，英国电器工程公司 Ferranti 生产并制造了世界上第一台图灵机，由于它被售卖交付给了英国曼彻斯特维多利亚大学，因此它被称为“曼彻斯特·马克1”（Manchester Mark I），同年，Christopher Strachey 在这台计算机上便编写出了西洋跳棋 AI 机器人，而 Dietrich Prinz 也在这台计算机上编写开发出了世界上第一个国际象棋 AI 机器人。

到了 1955 年，艾伦·纽厄尔和赫伯特·西蒙开发了 AI 程序“逻辑理论家”，这个程序能够证明《数学原理》中前 52 个数学定理中的 38 个，并且其中不乏原著作者伯特兰罗素都没有想到的精彩证明，他们兴奋地表示，“十年之内，计算机就将能够自主发现和验证一条重要的数学定理，二十年之内，计算机就能够完成人类能够做到的一切工作”。

这些人工智能领域的大事件大大加强了人们对人工智能发展的信心，1956年的达特茅斯会议上，专家学者们正式决定建立一个新的研究领域，在麦卡锡的倡议下，这个新兴的领域被明明为了“人工智能（Artificial Intelligence）”。

自此开始，人工智能这个新兴领域便迎来了它最为辉煌的高速发展期，基于搜索与剪枝的搜索式推理、自然语言处理、机器视觉等模型都在20世纪60年代诞生，并且涌现出了大批成功的 AI 程序与研究方向。由于人们对于人工智能领域发展的乐观情绪，大量资金涌入了以麻省理工等高校为主的研究机构，甚至达到了几乎无条件的资金供应，让美国许多大学产生出了延续至今的研究氛围和极客文化。

进入20世纪70年代后，社会上逐渐开始出现对于人工智能领域的质疑。这其中最为主要的原因是 AI 研究耗费了巨额的经费，而研究结果却始终看起来像是玩具，人工智能领域的研究非但没有如预期地产生具有人类智能水平的机器，反而已有研究的进展也显得越来越困难。

随着研究的深入，人们越来越意识到，人工智能的研究对计算机的存储和运算能力的需求正在呈指数级上升，而现实中的计算机制造业根本无法满足他们对于算力爆炸式的需求。

与此同时，“中文房间”、莫拉维克悖论等质疑性理论的产生，也都成为了泼在人工智能研究者心中的一盆冷水。

所谓的“中文房间”问题，指的是让一个不懂中文的人处在一个外部不可见的房间中，外部的人使用中文与这个房间中的人进行对话，房间中的人尽管完全不懂中文，但只要他拥有足够多的资料，比如中文句子和英文句子之间的对应关系，那么，他就完全不需要知道中文的语法，就可以和外界通过中文流利的对话，然而，我们断然不能称这位房间中的人是一个懂中文的人，换而言之，尽管人工智能领域具有了一定的发展，但实际上，正如房间里的人不懂中文，人工智能也并不理解他所从事的数理逻辑、国际象棋等，这些都只是依赖数据的对比运算而已。

而莫拉维克、布鲁克斯、马文·闵斯基等人提出的莫拉维克悖论指的则是，困难的问题解决起来很简单，而简单的问题解决起来反而很困难。这是因为，复杂的数学理论的推导和证明、下国际象棋、走复杂的迷宫等问题在人们的眼中，是需要某个领域的人类专家才能解决的十分复杂的问题，而很多问题，诸如物体的识别、规划路径、感知运动与距离等在人们看来是简单到三四岁小孩就可以做的事情。但对于计算机来说，解决数理问题、下国际象棋、走迷宫这类问题反而显得很简单，而那些看起来很简单的事情，对人工智能来说则十分困难。造成这一问题的原因是，尽管在人类眼中，很多问题逻辑十分复杂，但在接受过相关训练的人工智能处理时，就显得规则简单、逻辑清晰、非常简单了，而很多人类认为很简单的事情，实际上却蕴含着大量的常识，这是计算机所无法掌握的。

实际上，直到今天，中文房间问题与莫拉维克悖论仍然是人工智能领域面临的很大争议，前者通过“符号对于机器来说没有意义，所以机器永远不会思考”动摇着人工智能领域的根基，而后者则总是成为人们争议的焦点，例如，此次 ChatGPT 大火以后，很多人以 ChatGPT 通过了 L3 入职测试为依据，认为人工智能已经发展到了可以替代程序员的地步，而实际上，ChatGPT 在程序员面试题这类看起来十分复杂的问题的处理上，是十分擅长的，而对于程序员日常面临的需求场景，则完全无能为力。

20世纪40年代到70年代，人工智能领域的研究首次成为了人类科学的一个重大的研究热点，并且在这一阶段的发展中，诞生了诸如下棋程序、逻辑推理、搜索算法、语音识别等研究成就和方向。

但与此同时，在 AI 发展所需的算力指数级上升与计算机实际上有限的算力形成的鲜明对比下，无数批评的声音也席卷而来，人工智能领域的研究陷入了低谷，许多先前为 AI 研究疯狂注资的投资者和政府部门都纷纷宣布停止资助相关研究，许多 AI 项目被迫停止，人工智能领域的研究陷入了沉寂。

那么，人工智能领域的研究真的就这样一蹶不振了吗？是什么让 AI 研究重回人们的视野呢？我们留待下篇文章再来讲述。

https://zh.wikipedia.org/zh-hk/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%8F%B2#CITEREFTuring1950

https://web.archive.org/web/20080702224846/http://loebner.net/Prizef/TuringArticle.html

https://en.wikipedia.org/wiki/Christopher_Strachey

http://loebner.net/

https://en.wikipedia.org/wiki/Ferranti_Mark_1

欢迎关注微信公众号，以技术为主，涉及历史、人文等多领域的学习与感悟，每周三到七篇推文，只有全部原创，只有干货没有鸡汤

居士的创作