三起两落话AI—人工智能的发展史

你对人工智能的理解是什么？是电影《终结者》中的机器杀手？是无穷无尽的服务器组成的数据中心？还是ChatGPT，通义千问等智能聊天机器人模型？这些说法都对，又都不全对。今天就让我们一起去探究一下人工智能的“真面目”。

一、什么是人工智能？

根据《人工智能标准化白皮书（2018年）版》，人工智能(Artificial Intelligence，AI)是指利用数字计算机或者由数字计算机控制的机器，模拟、延伸和扩展人类的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术和应用系统。

怎样来理解这段话呢？人工智能(AI)作为一个复杂而广阔的领域，我们需要从多个维度来理解它的本质。首先，从构成要素来看，人工智能是一个完整的科技体系，它包含了理论基础、方法论、具体技术以及应用系统这四大支柱。

首先，理论基础为整个AI领域提供了数学和逻辑支撑，比如概率论、信息论等；方法论则规范了如何设计和实现AI系统，包括数据收集、特征工程、模型选择等环节；具体技术则涵盖了机器学习算法(如决策树、支持向量机)、深度学习架构(如CNN、Transformer)等；而应用系统则是这些要素的集大成者，如计算机视觉系统、自然语言处理系统等。

从载体角度看，人工智能必须依托于数字计算机系统来实现。这里的计算机系统既包括传统的服务器、个人电脑，也包括嵌入式系统、移动设备等。这些数字载体通过离散的方式来处理信息，与生物体(人类、动物或植物)基于连续信号和生化过程的信息处理方式有本质区别。正是这种数字化的特性，使得AI系统能够高效且精确地处理海量数据。

从认知过程来看，人工智能系统模拟了人类认知的基本范式：感知、学习、决策这三个关键步骤。在感知环节，AI系统通过各种传感器(如摄像头、麦克风)来获取环境信息；在学习环节，系统通过机器学习算法从数据中提取模式和规律，这包括监督学习、无监督学习、强化学习等多种范式；在决策环节，系统基于学习到的知识来预测或决策，以实现特定的目标。

从应用目标来看，人工智能追求的是在特定任务中获得最优解。这种最优性可能体现在准确率、效率、鲁棒性等多个维度上。为了达到这个目标，我们需要精心设计训练策略，包括数据预处理、模型调优、验证评估等环节。一旦模型训练完成，就可以将其部署到实际应用场景中，比如智能客服、自动驾驶、医疗诊断等领域。

值得注意的是，人工智能的发展是一个动态演进的过程。随着计算能力的提升、算法的革新、数据规模的扩大，AI系统的能力边界在不断拓展。比如，近年来大型语言模型(LLM)的出现，就极大地推进了AI在自然语言理解和生成方面的能力。未来，随着量子计算、类脑计算等新型计算范式的发展，人工智能很可能会迎来新的突破。

人工智能它根据它表现的智能性可以分为弱人工智能、强人工智能和超人工智能。

弱人工智能：弱人工智能（Artificial Narrow Intelligence）仅擅长于某个特定方面，如阿法狗擅长下围棋，但无法完成预测天气或股票价格等其他任务。在我们日常生活中常见的人脸识别、网络搜索和语音助手（如Siri，小爱同学等）等产品均属于此类。

强人工智能：强人工智能（Artificial General Intelligence）是指能够完成任何人类可以完成的任务，具备全面的智能，但目前尚未完全实现。

超人工智能：超人工智能（Artificial Super Intelligence）在大多数领域比人类更聪明，包括科学创新、通识和社交能力，目前仍处于探索阶段。

更多关于人工智能对人类社会的影响及未来的可能趋势，推荐大家去看由麻省理工学院物理学家迈克斯·泰格马克（Max Tegmark）撰写《生命3.0》一书，你一定会获益匪浅。

此外，由微软人工智能CEO穆斯塔法·苏莱曼所著的《浪潮将至》一书中也为我们剖析了人工智能这场巨浪的到来，以及国家、社会在这期间所扮演的角色和应对的措施，也非常值得一读。

二、三起两落话AI

人工智能的概念从1956年诞生至今，经历过两次浪潮及两次低谷，目前正处于人工智能第三次浪潮的时期。早在1956年的达特茅斯会议上，人工智能Artificial Intelligence的概念就首次被与会的专家提出，尽管在当时大家没有达成普遍的共识，但人工智能的理念却由此发展开来。

从此之后的十年内，人工智能迎来了黄金发展的十年。这里面就包括了在1959年在MIT麻省理工大学建立了第一个人工智能实验室AI lab。之后在1960年，机器人被首次引用了通用汽车的生产线，这也是机器人第一次在工业生产中得到应用。在1964年，第一个聊天机器人ELIZA诞生了，在当时ELIZA可以就任何话题与人类开始展开对话。

时间来到了上世纪70年代，人工智能开始逐渐遭到人们的批评和质疑。因为当时的人工智能研究人员，他们发现了一个无法克服的障碍，这就是运算的能力。这是因为在当时计算机的内存十分有限，而且CPU的处理速度无法解决人们实际面临的人工智能的问题。同时对于许多的人工智能的应用，比如说我们现在常见的机器视觉、自然语言处理，它都需要大量的数据的支持。而模型的训练需要通过这些大量的样本的学习和训练才能获得，而这一些在当时都是无法获取到的，因此人工智能也就迎来了第一次寒冬。

之后时间来到了1980年，一个名为XCOM的专家系统被设计出来了。这是一个巨大的成功，这是因为它为当时的美国数字设备公司可以节省近数千万元美元的支出。人工智能也就破解了一直没有商业领域应用的尴尬局面。人们第一次发现人工智能技术可以切切实实的为我们人类带来实际的利益之后，人工智能也就迎来了再次的繁荣。

然而到1987年，随着苹果和IBM生产的台式机的性能不断得到提升，而XCOM这些专家系统的维护费用又十分的昂贵。同时因为专家系统的实用性，仅仅局限于某一个特定的场景，专家系统就逐渐淡出了人们的视野，而人工智能也就迎来了第二次的低谷。

这种局面直到1997年被打破，在这一年由IBM公司开发了的深蓝电脑，它战胜了当时国际象棋冠军，成为首个在标准时间内可以击败人类世界冠军的电脑。在此之后，一个接一个的开创产品就诞生了。首先是2005年，斯坦福大学的无人车以平均速度20mph成功穿越了31英里（约50公里）的沙漠赛道，通过了DARPA挑战赛，这也就标志着无人驾驶时代的开始。之后在2001年，由IBM设计开发的沃森智能问答系统在美国综艺节目上击败了所有的参赛人员。在此之后，时间就来到2016年，随着阿尔法狗击败当时的围棋世界冠军李世石，人工智能就迎来了全面的爆发。到现在，无论是我们的个人生活还是工业生产，人工智能已经开始逐渐渗透到各行各业，家家户户当中了。

三、人工智能面临的挑战

人工智能的发展速度很快，然而目前我们仍然看到一些人工智能面临的挑战，主要体现在以下几个方面：

1. 持续学习是人工智能面临的一大挑战，指模型在完成一个任务后不会遗忘先前任务的知识，而是能将这些知识应用于新任务中。

2. 鲁棒决策要求人工智能在不确定因素中做出最不敏感的决策，目的在于根据现有数据做出最可靠的判断。

3. 决策的可解读性问题，因为人工智能模型常被视为“黑箱”，导致难以解释模型决策的原因，影响用户对模型的信任。

4. 如何在保密数据上进行共享学习，即在保护数据隐私的同时，实现有效的学习和模型改进，是另一个亟待解决的问题。

5. 人工智能是一个涉及多学科的交叉领域，其未来的发展需要更强大的算力、更优秀的算法和更多的可用数据支持。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～