人工智慧（AI），通常是指通過電腦程式來呈現人類智能的技術，其開創歷史可以追溯到1956年8月31日發起的達特茅斯會議。此後60多年裡，人工智慧的發展有過低谷也有過崛起，直到2014年高德納諮詢公司發布技術成熟曲線，表明人工智慧技術已經進入發展高峰期，各項技術應用將引起顛覆性深遠影響。
1950年，圖靈提出了著名的圖靈測試：如果一台機器能夠與人類展開對話而不能被辨別出其機器身份，那麼稱這台機器具有智能。1956年，在達特茅斯會議上，約翰·麥卡錫提出了「人工智慧」一詞，後來被人們看作是人工智慧正式誕生的標誌。在此之後，人工智慧進入了發展的第一個高潮。1956年，奧利弗·薩爾夫瑞德研製出了第一個字符識別程序；1959年，阿瑟·薩繆爾研製的具有學習功能的跳棋程序，已經可以打敗他本人，3年後又擊敗美國一個州的跳棋冠軍；1963年，詹姆斯·斯拉格發表了一個符號積分程序SAINT，輸入一個函數表達式，改程序就能自動輸出這個函數的積分表達式，4年後推出的升級版SIN已經可以達到專家級水準。在這段長達10餘年的時間裡，計算機被廣泛應用於數學領域，用來解決代數、幾何問題，這讓很多研究學者看到了機器向人工智慧發展的信心。
20世紀70年代，人們開始嘗試更具挑戰性的任務，並提出了一些不切實際的研發目標，但是接二連三的失敗和預期目標落空，使人工智慧的發展走入低谷。在當時，有三個難以解決的技術瓶頸：一是，計算機性能不足，導致早期很多程序無法在人工智慧領域得到應用；二是，早期人工智慧程序主要是解決特定的問題，可一旦問題上升維度，程序立馬就無法執行；三是，在當時沒有找到足夠大的資料庫來支撐程序進行深度學習。因此，人工智慧項目停滯不前。
20世紀80年代出現了以卡內基梅隆大學研製的XCON為代表的專家系統，可以用來模擬人類專家的知識和經驗解決特定領域的問題，實現了人工智慧從理論研究走向實際應用、從一般推理策略探討轉向運用專門知識的重大突破。專家系統在醫療、化學、地質等領域取得成功，推動人工智慧走入應用發展的新高潮。
隨著人工智慧的應用規模不斷擴大，專家系統存在的應用領域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一、缺乏分布式功能、難以與現有資料庫兼容等問題逐漸暴露出來。命運女神又一次給AI的發展澆上一盆冷水。
上世紀90年代隨著AI技術尤其是神經網絡技術的逐步發展，以及人們對AI開始抱有客觀理性的認知，人工智慧技術開始進入平穩發展時期。1997年，IBM的計算機系統「深藍」戰勝了西洋棋世界冠軍卡斯帕羅夫，又一次在世界範圍內引發了AI話題討論。這是人工智慧發展的一個重要里程。
進入21世紀後，可用的數據量劇增，數據驅動方法的優勢變得越來越明顯。此時，深度學習泰斗Geofrey Hinton在神經網絡的深度學習領域取得突破，人類又一次看到機器趕超人類的希望，這也是標誌性的技術進步。2011年， IBM開發的人工智慧程序「沃森」參加了一檔智力問答節目並戰勝了兩位人類冠軍。2016 年，谷歌公司的 AlphaGo （阿爾法圍棋）贏了韓國棋手李世石，再度引發 AI 熱潮。2017年，深度學習大熱。AlphaGo Zero（谷歌下屬公司Deepmind的新版程序）在無任何數據輸入的情況下，開始自學圍棋，3天後便以100∶0橫掃了第二版本的「舊狗」，學習40天後又戰勝了在人類高手看來不可企及的第三個版本「大師」。
隨著網際網路、大數據、雲計算、物聯網等信息技術的發展，基於感知數據和圖形處理器等計算平台，以深度神經網絡為代表的人工智慧技術正飛速發展，大幅跨越了科學與應用之間的「技術鴻溝」，諸如圖像分類、語音識別、知識問答、人機對弈、無人駕駛等人工智慧技術實現了從「不能用」「不好用」到「可以用」的技術突破，未來或將迎來暴髮式增長的新高潮。
作者系中國科學院自動化研究所在讀博士生，主要研究自動機器學習與神經網絡優化
來源：科普時報
作者：李路軍
編輯：吳桐
審核：王飛
圖片來源於網絡
<公眾號ID：kepuing>