从“土耳其机器人”到“深蓝”，人工智能是如何变得越来越智能的

1.人工智能的历史

人工智能的历史可追溯到古代，人造生物的神话、故事和谣言被大师赋予了智能或知觉。正如潘蜜拉x麦可杜克所说的，人工智能始于“一个古老的锻造神的愿望”。现代人工智能的种子是由古典哲学家们播种的，他们尝试用机械操作符号描述人类想法。此项工作在20世纪40年代可编程的数字计算机的发明中终于完成。可编程的数字计算机是基于数字推理的抽象本质的机器。此设备和隐藏在其背后的想法使小部分科学家们备受鼓舞，开始认真讨论构建电子大脑的可能性。

人工智能研究领域创立于1956年夏天达特茅斯学院的校园里的一次会议上。会议的参与者在接下来的几十年中都成为了人工智能研究的领导者。他们之中的许多人预测，在我们这一代，机器就会发展到和人类一样聪明，他们得到了数百万美金资助使这一设想成为现实。

结果很明显，他们显然严重低估了此项目的难度。1973年，由于詹姆斯*莱特希尔的批评和随之而来的国会方面的压力，美国政府和英国政府停止了对没有明确目标的人工智能研究项目的资助。7年后，受到日本政府的一个有远见计划的启示，政府和企业再次向人工智能领域投资数十亿美元，但是这些投资者在20世纪80年代末重新撤回了投资。人工智能研究领域诸如此类的繁荣和萧条（被称为人工智能的夏天和冬天）不断交替出现；有些大无畏者至今仍然对人工智能的前景做出非常乐观的预测。

2.现在人工智能是可以负担得起的，用它使工作变得更智能

进入人工智能时代好在技术专家们正在努力去解决这个问题。创新公司正在利用人工智能(包括自然语言处理和监督的机器学习方法）从不同的来源收集和组织信息，并把这些信息在正确的时间传播给正确的人。下面是一些例子。

RelatelQ：分析团队的邮件信息和日历信息，告诉你应该与谁联系。

RelationshipScience：把重要商界人士的关系用图形表示出来，便于找到相关人员的最佳联系途径。

Linkedln：建议你根据最近的职业变更来寻找相关人士，或者通过根据与你的联系人的相似性来寻找相关人士。

Refresh:自动建立一个关于你要会面人的档案，使你能够在百忙之中了解他的情况。

GoogleNow：一个智能的个人助理，基于你的日程安排、所处的地理位置及其周围环境来帮助你导航。

DataFox：揭示公司的数据和重要事件,智能识别和吸引潜在客户。

在经历了私有公司痛点分析和跟踪第一手资料后，我们发现，DataFox通过实时收集客户所需要的信息并立即交付（推送）相关信息给他们，从而提供了预测智能。

RelatelQ、Refresh和DataFox提供的服务使那些每天需要花费两三个小时进行信息获取的工作人员获得解放，并且比分析员们手动完成得更好。现在，分析员们能够多睡一个小时，花费一小部分时间来“快速进入状态”，然后处理他们的工作。

3.人工智能的历史——专家系统

专家系统是计算机程序，旨在模拟人类在一个或者多个专业知识领域的经验。它们通常由3个基本组件构成：知识数据库，存储了表示人类知识和经验的事实和规则；推理机，用于处理咨询和决定如何推理；一个输入/输出界面，用于与用户交互。

专家系统有如下特点：使用符号逻辑，而不是只使用数值计算；处理是由数据驱动的；知识数据库包含特定知识领域的详细内容；能够以人们易于理解的方式解释结论。作为人工智能的一个分支，专家系统首次出现在20世纪50年代早期，当时Rand-Carnegie团队开发了一个能够进行定理证明、处理几何问题和下棋的通用问题解答器。大约在同一时间,约翰*专卡锡在麻省理工学院发明了LISP。LISP是后来人们在人工智能和专家系统领域使用最多的编程语言。

在20世纪60年代和70年代期间，越来越多的专家系统用于工业应用。在这个时期著名的应用有：DENDRAL（化学结构分析程序）、XCON（计算机硬件配置系统)、MYCIN(医疗诊断系统)和ACE(AT&T的电缆维护系统）。作为在逻辑编程领域代替LISP的一种语言，PROLOG创建于1972年，能够处理计算语言，尤其是自然语言。那时，由于专家系统被认为是一种革命性的解决方案，能够解决人类活动任何领域的问题，人工智能被认为是人类的直接威胁。这导致后来人工智能不可避免地遭到了持怀疑态度的群体的强烈反对。

4.计算机氨棋的历史——从“土耳其机器人”到“深蓝”

1769年，匈牙利裔工程师BaronWolfgangvonKempelen(1734~1804)制造了一个下棋机，供奥地利皇后玛丽亚?特蕾西亚打发空闲时间。它是一个纯粹的机械设备，能够自动下棋，后来被发现是一个骗局。它的杰出能力来自于一个隐藏在设备里面的人。

有趣的是，它在埃德加大爱伦-坡的论文中被描述为：“Maelzel的棋友”。

计算机国际象棋之人工智能1962年，麻省理工学院编写了第一个国际象棋程序。它是第一个能够真正下棋的国际象棋程序。它主要由阿兰*科托克（1942~2006）编写，由麻省理工学院的约翰专卡锡（人工智能之父）协助完成。此程序在IBM7090上运行，能够击败国际象棋初学者。

科托克后来成为DEC的一个主要计算机设计师（PDP-10的首席架构师），创建了第一个视频游（Spacewar!)和游戏操纵杆。

自1962年以来，麦卡锡就一直在斯坦福大学工作。1965年，他访问了苏联。在苏联，由亚历山大×克龙罗德领导的一个莫斯科ITEP(InstituteforTheoreticaland ExperimentalPhysics)团队使用他们的国际象棋程序（后来被称作KAISSA）挑战了麦卡锡的国际象棋程序。1966~1967年，一场比赛持续了9个多月。科托克-麦卡锡程序以1:3的成绩输了比赛。苏联的国际象棋程序运行在M-20计算机上。

5.深蓝（DeepBlue）

1997年5月，IBM深蓝，运行在高性能计算机上的一个象棋程序，在一个总共6场的比赛中打败了世界冠军加里*卡斯帕罗夫。计算机被设计成能够马上考虑到几十亿种可能性的机器。但是考虑到比赛的状态，它也使用了一系列复杂的公式。与其他因素相比，这些公式发挥了更重要的作用。

6.智能代理

一般而言，认知科学的目的是理解智能系统的性质和运作原理。智能系统是指为了做一些有目的的事而去处理内部信息的系统。很多东西满足这个描述，例如人、计算机、机器人、猫和感官系统等。令认知科学家们特别感兴趣的一种智能系统是人工自主智能代理。无论你是在浏览因特网、在线购物、寻求医学诊断、安排一些货物的运输，还是在计划一次探索小行星带的太空任务，智能代理都可能在整个流程中扮演重要角色。这些代理会基于当前的形势和过去的经验主动寻找并执行最佳行动方案来完成既定目标。今天，智能代理被应用于许多领域，包括分布式项目管理、电子商务、信息检索、医学领域、军事、制造业、网络连接、计划调度和NASA任务。

7.HAL 9000在哪儿？

早在1968年，亚瑟*查理斯*克拉克和斯坦利*库布里克就曾经想象最晚到2001年机器的智能将会赶上甚至超过人类的智慧。当时许多顶尖的人工智能研究者也都坚信这样的机器到2001年一定会出现，基于这个共同的信念，他们创建了HAL9000。马文明斯基问：“为什么在2001年我们没能造出HAL？”明斯基相信答案是一些核心的问题，如常识推理被忽视了，许多科学家们追求的是像神经网络或遗传算法的商业应用之类的东西。另一方面，约翰?麦卡锡仍然将其归咎于资格问题。雷蒙德*库兹韦尔则认为是计算机能力的问题，使用摩尔定律，他预测具有与人类同等智能的机器最晚将会在2029年出现。杰夫??金认为神经网络研究忽视了人类大脑皮层的本质特性。他更偏向于使用那些已经成功解决了简单问题的简单模型。这里还有许多其他的解释，对于每一种解释，都有一个相应的研究项目在进行中。

8.人工智能简史—AITopics

1989年，CMU大学的资深研究员波莫罗创建了ALVINN(用神经网络在陆地上实现自主车辆驾驶)系统，它在计算机的控制下驾驶汽车横穿美国东西两岸，总共大约4860千米的路程，除80千米外其他路程基本上都成功通过。

1990年，人工智能的所有领域都取得了重大进展，特别是在机器学习、智能教学、案件推理、多智能体规划、行程安排、不确定推理、数据挖掘、自然语言理解和翻译、视觉、虚拟现实、游戏等领域出现了一些重要的演示。在众多合作者的协助下，麻省理工学院的罗德*布鲁克斯的COG项目在构建人形机器人方面取得了重大进展。

通过与世界级棋手竞争，由格里·特索罗编写的西洋双陆棋TD-Gammon证明强化学习对于创建一个冠军级别的博弈程序来说是足够强大的。“深蓝”国际象棋程序在比赛的第二局和复赛中击败了当今世界国际象棋冠军加里*卡斯帕罗夫(1997年5月11日)。