人工智能通識教程 第2版 課件全套 周蘇 第1-15章 思考的工具- 人工智能發(fā)展

第2版人工智能通識教程什么是ChatGPTOpenAI是一家人工智能研究實驗室，進行AI研究的目的是促進和開發(fā)友好的AI。OpenAI系統(tǒng)運行在世界上第五強大的超級計算機上。馬斯克、微軟都是該組織的捐助者。2020年OpenAI發(fā)布GPT-3，這是一種在大型互聯(lián)網數(shù)據(jù)集上訓練的語言模型，旨在用自然語言回答問題，但它也可以在語言之間進行翻譯并連貫地生成即興文本。什么是ChatGPT2021年OpenAI推出DALL-E，這是一種深度學習模型，可以從自然語言描述中生成數(shù)字圖像。2022年12月，OpenAI推出基于GPT-3.5的新型AI聊天機器人ChatGPT，受到媒體的廣泛報道。在發(fā)布僅兩個月后就擁有1億用戶（成為史上用戶增長最快的應用）。2023年3月14日，OpenAI發(fā)布了GPT-4聊天機器人語言模型。相比GPT3.5，GPT4.0訪問更加穩(wěn)定，數(shù)據(jù)更加準確，并且更加符合我們人類的思維方式。簡而言之，更智能！什么是MidjourneyMidjourney（簡稱MJ）是AI繪圖里實用性最強的軟件，其開發(fā)團隊是美國舊金山的小型自籌資金團隊，專注于設計、人類基礎設施和人工智能。MJ是一個致力于探索新的思維方式并擴展人類的想象力的人工智能繪圖平臺。它于2022年7月12日首次公測，并于2022年3月14日正式以架設在Discord上的服務器形式推出，用戶注冊Discord并加入MJ服務器即可開始AI創(chuàng)作。ChatGPT+Midjourney一雙丹鳳三角眼，兩彎柳葉吊梢眉，身量苗條，體格風騷，粉面含春威不露，丹唇未啟笑先聞。ApairofDanfengtriangleeyes,Twocurvedwillowleaveshangingeyebrows,Slimandcoquettish,Powdernoodlescontainspringpower,Dandidn'tsmileandsmellfirst.谷歌翻譯：王熙鳳ChatGPT+Midjourney一雙丹鳳三角眼，兩彎柳葉吊梢眉，身量苗條，體格風騷，粉面含春威不露，丹唇未啟笑先聞。ApairofDanfengtriangleeyes,Twocurvedwillowleaveshangingeyebrows,Slimandcoquettish,Powdernoodlescontainspringpower,Dandidn'tsmileandsmellfirst.谷歌翻譯：王熙鳳第1章周蘇教授QQ：81505050思考的工具導讀案例：聰明的漢斯大約在1900年，德國柏林有一匹馬，人稱“聰明的漢

斯”，據(jù)說這匹馬精通數(shù)學。01計算的淵源02巴貝奇與數(shù)學機器03計算機的出現(xiàn)04計算機的智能行為目錄/CONTENTS05人工智能大師人類，又稱智人，即有智慧的人，這是因為智能對于人類來說尤其重要。幾千年來，人們一直在試圖理解人類是如何思考和行動的，不斷地了解人類的大腦是如何憑借它那小部分的物質去感知、理解、預測并操縱一個遠比其自身更大更復雜的世界。第1章思考的工具人工智能（artificialintelligence，AI）是計算機科學的重要分支，它涉及理解和構建智能實體，并確保這些機器在各種情況下都能有效和安全地行動。人工智能對世界的影響“將超過迄今為止人類歷史上的任何事物”，它包含從學習、推理、感知等通用領域到下棋、數(shù)學證明、寫詩、駕駛或疾病診斷等子領域，人工智能可以與任何智能任務產生聯(lián)系。第1章思考的工具PART01計算的淵源幾千年來，人類一直在利用工具幫助其思考。最原始的工具之一可能就是小鵝卵石了。牧羊人會將與羊群數(shù)量一致的小石頭放在包里隨身攜帶。當他想要確定是否所有羊都在時，只需要數(shù)一只羊

掏出一顆石頭，如果包里的石頭還有剩余，

那一定是有羊走丟了。1.1計算的淵源從人們開始用石頭代表數(shù)字，慢慢地，用來代表5、10、12、20等不同數(shù)字的石頭也就出現(xiàn)了，中世紀無處不在的計數(shù)板就直接來源于此，同樣的理念還催生了現(xiàn)代算盤。幾個世紀以來，人類發(fā)明的如計算尺和計算器這樣的工具，在一定程度上減輕了人們的腦力勞動量。1.1計算的淵源古人利用機械進行的腦力勞動遠不止計數(shù)。地處英格蘭威爾特郡索爾茲伯里平原上，約建造于公元前2300年左右的巨石陣，是歐洲著名的史前時代文化神廟遺址，它由一些約重50噸的巨大石頭組成，呈環(huán)形屹立在綠色的曠野間。巨石陣的主軸線、通往石柱的古道和夏至日早晨初升的太陽在同一條線上，其中還有兩塊石頭的連線指向冬至日落的方向。在英國人的心目中，這是一個神圣的地方。1.1.1巨石陣巨石陣遺跡被用來確定冬至和夏至，同時也可以用于預測日食及其他天文事件，其實數(shù)字就蘊藏在它們的結構中。比如，遺跡正中呈馬蹄形分布的19塊巨石，太陽和月亮的位置以19年為一周期周而復始。按照這種做法，人們只要每個月將標記從一塊石頭移到另一塊石頭上，就可以利用它們來預測日食。日食的發(fā)生十分不穩(wěn)定，取決于特定時間內不同長度的幾個周期的重合，因此，預測日食需要人們進行大量艱辛的計算，能夠追蹤這些周期的工具自然就十分珍貴。不過，并沒有證據(jù)表明古人曾出于這樣的目的使用過這個巨石陣。石陣中的數(shù)字很可能只是用于展現(xiàn)圣知，展現(xiàn)神的力量。1.1.1巨石陣1900年，一群海洋潛水員在希臘的安提基特拉島附近發(fā)現(xiàn)了一艘位于海平面以下約45米的羅馬船只殘骸。當?shù)卣篮笈煽脊艑W家對沉船進行了為期一年的考察，還原了許多物件。在這些物件中，人們發(fā)現(xiàn)了許多目前認為是天體觀測儀的金屬殘片，這些殘片被嚴重腐蝕，只是表面上還留有轉盤的痕跡，被稱之為安提基特拉機械殘片。1.1.2安提基特拉機械人們花了相當長的時間才揭開這個機械的秘密。1951年拍攝的X光片證明它比我們原想的要復雜得多。直到21世紀，人們才得以利用先進科技辨別它的細節(jié)設計，這一探索過程至今仍在進行當中。安提基特拉機械可追溯至公元前150—前100年，它包含至少36個手工齒輪，只需要設置日期盤，就能夠預測太陽和月亮的位置以及某些恒星的上升和下降。該機械可能還曾被用于預測日食，因為人們發(fā)現(xiàn)在一塊殘片上，19年這一周期被刻成了螺旋狀，此外，很有可能它還展示了當時所知的五顆行星的位置。它的操作可謂神奇，只要簡單地轉動手柄就可以查看天際旋轉，工藝如此復雜的機械恐怕再過一千年都很難被復刻，其價值難以估量。1.1.2安提基特拉機械傳說在13世紀左右，一個德國商人告訴他的兒子，如果他只是想學加法和減法，上德國的大學就足夠了，但如果他還想要學乘法和除法，那就必須去意大利才行。數(shù)千年甚至數(shù)萬年來，人類智商并沒有什么突破性的變化，簡單的算術何以變得如此困難呢？因為當時所有的數(shù)字都是用羅馬數(shù)字寫成的，只要想象一下將VI乘以VII得到XLII的復雜程度，就能想到像今天一樣在紙上計算是完全不可能的，這種復雜的操作需要依賴于計數(shù)板才能進行。板的表面標有網格，有表示個位、十位、百位等的豎列。1.1.3阿拉伯數(shù)字人們將計數(shù)器放在板上，按照規(guī)則進行計算，與我們的長除法和長乘法大致相同，這些計數(shù)板讓算術成為可能。但正如上面的故事所表現(xiàn)出來的那樣，這個過程一點也不容易。實際上，古印度很早就想出了解決這些難題的方法。印度數(shù)學家使用一套十位數(shù)碼，規(guī)定每個位置的數(shù)字所代表的數(shù)位，按個、十、百依次類推。這一規(guī)則與今天的進位制一致，在讀到“234”這個數(shù)字時，我們可以知道它包含了兩個一百、三個十及個位數(shù)四。1.1.3阿拉伯數(shù)字這個概念一路向西經過阿拉伯傳到了歐洲，途中遭遇了無數(shù)質疑和抵制的目光。遭受非議最多的就是數(shù)字“0”，在那之前這個數(shù)字幾乎沒有被提及過。有時候“0”沒有實際意義，比如，出現(xiàn)在數(shù)字“3”前面構成“03”時，“03”和“3”在本質上沒有區(qū)別。但有些時候它可以與其他數(shù)字相乘，構成十位數(shù)、百位數(shù)，甚至更大數(shù)位的數(shù)字，比如，“30”和“3”就完全不同了。與印度數(shù)碼不同，每一個羅馬數(shù)字的值都是恒定不變的，“I”就代表1，“X”就代表10。一開始，“0”不是被當成數(shù)字對待，而是不倫不類的外來者。然而，隨著時間的推移，新方法的優(yōu)勢逐漸顯現(xiàn)出來，并最終取代了原來的舊體系，從而大大提高了計算速度和解答復雜問題的能力。1.1.3阿拉伯數(shù)字PART02巴貝奇與數(shù)學機器1821年，英國數(shù)學家兼發(fā)明家查爾斯·巴貝奇開始了對數(shù)學機器的研究，這也成為他幾乎奮斗一生的事業(yè)。不像今天我們擁有的便攜式計算器和智能手機應用，當時人們還沒有辦法快速解決復雜計算問題，只能通過紙筆運算，過程漫長并且極有可能出錯。于是，人們針對一些特殊應用制成了相應的速算表格，例如，可以根據(jù)給定的貸款利率確定還款額，或計算一定范圍內的槍支射角和裝載量，但由于這些表格需要手工排版和描繪，所以出錯還是在所難免。1.2巴貝奇與數(shù)學機器一次，巴貝奇在與好友約翰·赫歇爾費盡心思檢查這樣的函數(shù)表時，不禁感嘆：如果這些計算能通過蒸汽動力執(zhí)行該有多好！這位天才數(shù)學家也因此立志要實現(xiàn)這一目標。1.2巴貝奇與數(shù)學機器在英國政府的資金支持下，巴貝奇創(chuàng)造了差分機。差分機與我們熟知的計算機不同，它只能進行諸如編制表格這樣的簡單計算。差分機體積龐大且結構復雜，重達3.6公噸（4噸）。然而，由于巴貝奇與工匠在機器零部件方面產生分歧，英國政府在支出1.75萬英鎊后也對該項目失去了信心，因此差分機一直都沒能最終完成。1.2.1差分機在差分機工程停歇的時候，巴貝奇遇見了時年17歲的數(shù)學家埃達·拜倫，她是詩人拜倫勛爵的女兒。巴貝奇被埃達的數(shù)學能力所折服，邀請埃達參觀差分機，埃達也癡迷上了這類機器。1.2.1差分機巴貝奇繼續(xù)進行他的工作，不過不再是差分機，而是一項被稱為分析機的更加宏大的工程。分析機利用了與提花機所用類似的鑿孔卡紙，可以勝任所有數(shù)學計算，本有希望成為真正的機械計算機。1.2.2分析機1801年提花織機首次面世，這是第一臺使用鑿孔卡紙來記錄數(shù)據(jù)的設備。它的結構特點是利用紙帶鑿孔控制頂針穿入，代替經緯線組織點。提花機能夠編織出復雜精美的花樣，大大提高了紡織效率。1.2.2分析機1842年，巴貝奇請求埃達幫他將一篇與機器相關的法文文章翻譯成英文，并按照她的理解添加注解。埃達在注解中包含了一套機器編程系統(tǒng)，這也被認為是人類首個出版的計算機程序，埃達因此被人們稱為第一位計算機程序員?？梢院艽_定地說，埃達對分析機的了解程度不比除巴貝奇之外的任何人低，然而她卻對機器能帶來智能產物這一點深感懷疑。她曾寫道：“分析機不該自命不凡，自詡無論什么問題都能解決。它只能完成我們告訴它應該怎么做的事情。它能遵循分析，但沒有能力預測任何解析關系或事實。它的職責就是幫助我們利用那些我們已經熟知了的事情?！?.2.2分析機分析機的制造仍然沒有完成，甚至設計都不完整，自始至終只是一系列局部圖表而已。然而，在研究分析機的過程中，巴貝奇總結了一些原則和提升空間，從而提出了一套全新的差分機設計方案。缺乏資金支持的第二代差分機后來還是被制作了出來。1985—2002年，倫敦科學博物館根據(jù)巴貝奇的設計方案，利用19世紀可以得到的材料，在容差范圍內完成了二代差分機的制作，機器也正如巴貝奇預料的那樣能正常工作。1.2.2分析機公元8年，羅馬詩人奧維德完成了他的15卷史詩《變形記》，其中（第十卷，故事七）包含了皮格瑪利翁的故事。皮格瑪利翁厭棄身邊女子的頹靡做派，雕刻了一座象牙少女像并愛上了她，他將雕像當成自己的妻子，給她穿上華美的衣裳，戴上美麗的珠寶，甚至與她同床共枕。維納斯節(jié)來臨時，他真摯地祈禱：“如果神能夠賦予一切，請將這座象牙雕像變成我的妻子?！本S納斯聽到了他的禱告，當他再次回到雕像身邊時，驚訝地發(fā)現(xiàn)雕像竟在他的愛撫下變成了一位活生生的少女。1.2.3“機器人”的由來除了表現(xiàn)人類癡迷于人工智能，很明顯，這個故事背后還蘊藏著其他含義，它表明，在那個時代，將無生命的物體變成有生命的存在并不是一件不可思議的事情?？ɡ谞枴で∨蹇说摹读_梭的萬能工人》是一部于1920年首次展演的舞臺劇。該劇的捷克語劇名被譯為英語，其中的“Robot”一詞就源于古捷克語，意為“強迫性勞工”。該劇中的機器人（Robot）不是機械裝置，而是沒有情感的人造生命體。一開始這些機器人還沒有近似人類，直到最后，在消滅了人類種族之后，它們才擁有了愛的能力。1.2.3“機器人”的由來PART03計算機的出現(xiàn)科學家創(chuàng)造出了汽車、火車、飛機、收音機這樣無數(shù)的技術系統(tǒng)，它們模仿并拓展了人類身體器官的功能。但是，技術系統(tǒng)能不能模仿人類大腦的功能呢？到目前為止，人們對人類大腦還知之甚少，僅僅知道它是由100億到1000億個神經細胞組成的器官，模仿它或許是天下最困難的事情了。1.3計算機的出現(xiàn)20世紀40年代，那時候還沒有“計算機（Computer）”這個詞。在Z3計算機、離散變量自動電子計算機和小規(guī)模實驗機面世之前，“Computer”指的是做計算的人。這些計算員在桌子前一坐就是一整天，面對一張紙、一份打印的指示手冊，可能還有一臺機械加法機，按照指令一步步地費力工作，最后得出一個結果。只有他們足夠仔細，結果才可能正確。1.3計算機的出現(xiàn)面對全球沖突，戰(zhàn)爭的雙方都會通過無線電發(fā)送命令和戰(zhàn)略信息，而這些信號同樣可以被敵方截獲，為了防止信息泄露，軍方會對信號進行加密。能否破解敵方編碼關乎著成百上千人的性命，自動化破解過程顯然大有裨益。于是，一幫數(shù)學家開始致力于盡可能快地解決復雜數(shù)學問題。這樣，到戰(zhàn)爭結束時，人們已經制造出了兩臺機器，它們可以被看做是現(xiàn)代計算機的源頭。1.3.1為戰(zhàn)爭而發(fā)展的計算機器一臺是美國的電子數(shù)字積分計算機（ENIAC），它被譽為世界上第一臺通用電子數(shù)字計算機，另一臺是英國的巨人計算機（Colossus）。這兩臺計算機都不能像今天的計算機一樣進行編程，配置新任務時需要進行移動電線和推動開關等一系列操作。但受其制造經驗的啟發(fā)，第二次世界大戰(zhàn)結束后僅用了三年的時間，第一臺真正意義上的計算機就成功問世了。1.3.1為戰(zhàn)爭而發(fā)展的計算機器早期計算機，諸如英國曼切斯特大學研制的小規(guī)模實驗機（SSEM）和美國陸軍彈道研究實驗室研制的離散變量自動電子計算機（EDVAC）已經具備了真正計算機的特性，它們是通用的，此外，它們的存儲器還會對程序和數(shù)據(jù)進行儲存。Z3計算機是第二次世界大戰(zhàn)期間德國研制成功的，比同盟國所有計算機都要先進，作為通用計算機，它與現(xiàn)代計算機唯一不同之處，是其利用紙帶而非存儲器來存儲程序。1943年，Z3計算機在盟軍對柏林的空襲中毀于一旦。而ENIAC計算機專為美國陸軍軍械部隊所造，主要用于計算大炮射程表，對氫彈研制背后的數(shù)學計算也做出了重要貢獻。1.3.1為戰(zhàn)爭而發(fā)展的計算機器在第二次世界大戰(zhàn)期間，人們?yōu)橥瓿商囟ㄈ蝿斩兄频挠嬎銠C，如同差分機一樣只能進行一項計算工作，如果目標任務改變就必須重新再設計一臺。因此，為了簡化操作，人們推出了電子數(shù)字積分計算機，它由一系列零部件構成，通過線路的不同組合可以進行不同計算。由此，在面對新任務時，人們不再需要重新制造計算機，只要將一臺機器的線路重新組合即可。1.3.1為戰(zhàn)爭而發(fā)展的計算機器今天，計算機幾乎存在于所有電子設備之中，通常只是因為它比其他選項都要便宜，這類計算機被稱為嵌入式計算機。比起亂七八糟的一堆組件，嵌入式計算機只用一個簡單芯片就可以實現(xiàn)所有功能。這類計算機運行速度不同、體積大小不一，但從根本上講，它們的功用都是一樣的。1.3.2計算機無處不在烤面包機內嵌的計算機存儲器可能無法運行電子制表程序，它也沒有顯示屏、鍵盤和鼠標供人機交互使用，但這些都是物理限制。如果為其配備更高級的存儲器和合適的外圍設備，它同樣能夠用來運行指定的任何程序。事實上，這類計算機大部分只在工廠進行一次編程，這樣做是為了對運行的程序進行加密，同時降低可能因改編程序引起的售后服務成本。與臺式計算機相比，嵌入式計算機的運行速度要慢得多。1.3.2計算機無處不在機器人其實就是配有特殊外圍設備的電子設備，諸如手臂和輪子，以幫助其與外部環(huán)境進行交互。機器人內部的計算機能夠運行程序，它的攝像頭拍攝物體影像后，相關程序通過數(shù)據(jù)中心里的貓和狗的照片就可以對影像進行區(qū)分，以此來幫助機器人在現(xiàn)實環(huán)境中辨認物體。1.3.2計算機無處不在電子計算機簡稱計算機，俗稱電腦，是一種通用的信息處理機器，它能執(zhí)行可以充分詳細描述的任何過程。用于描述解決特定問題的步驟序列稱為算法，算法可以變成軟件（程序）以確定硬件（物理機）能做什么。創(chuàng)建軟件的過程稱為程序設計，也稱編程。1.3.3通用計算機中國的第一臺電子計算機誕生于1958年。在2023年6月的榜單中，進入全球超算前十強的超級計算機中，中國入圍兩家，神威·太湖之光和天河二號位列第七和第十。1.3.3通用計算機量子計算機是一類遵循量子力學規(guī)律進行高速數(shù)學和邏輯運算、存儲及處理量子信息的物理裝置。當某個裝置處理和計算的是量子信息，運行的是量子算法時，它就是量子計算機。量子計算機的特點主要有運行速度較快、處置信息能力較強、應用范圍較廣等。與一般計算機比較起來，信息處理量愈多，對于量子計算機實施運算也就愈加有利，也就更能確保運算具備精準性。1.3.3通用計算機全球有100多家量子計算公司投入了巨大的人力物力進行研制。美國IBM公司在2019年將其商用量子計算機交付部署，加拿大的量子計算公司2011年出售了其第一個量子計算機。中科院量子信息重點實驗室的科技成果轉化平臺合肥本源量子科技公司在2020年已上線國內首臺國產超導量子計算機本源悟源，并通過云平臺面向全球用戶提供量子計算服務；2021年2月8日，具有自主知識產權的量子計算機操作系統(tǒng)“本源司南”發(fā)布。圖1-12本源悟源超導量子計算機1.3.3通用計算機至今，合肥本源量子已研發(fā)出多臺國產量子計算機，并成功交付給用戶使用，使我國成為世界上第三個具備量子計算機整機交付能力的國家，這是我國繼實現(xiàn)“量子優(yōu)越性”之后，又一次牢固確立在國際量子計算研究領域的領先地位。據(jù)了解，本源量子在2022年發(fā)布國內首個量子計算機和超級計算機協(xié)同計算系統(tǒng)解決方案，該方案可以雙向發(fā)揮量子計算機和超級計算機的優(yōu)勢。當?shù)貢r間2022年6月9日，英國國防部宣布，獲得政府首臺量子計算機。2022年8月25日，百度發(fā)布集量子硬件、量子軟件、量子應用于一體的產業(yè)級超導量子計算機“乾始”。1.3.3通用計算機量子計算機已經成為各國競爭的焦點之一，越來越多的研究單位和大型公司企業(yè)的加入，將加速可實用化通用量子計算機研制的進程。計算機到底是什么機器？一個計算設備怎么能執(zhí)行這么多不同的任務呢？現(xiàn)代計算機可以被定義為“在可改變的程序的控制下，存儲和操縱信息的機器”。該定義有兩個關鍵要素：第一，計算機是用于操縱信息的設備。這意味著人們可以將信息存入計算機，計算機將信息轉換為新的、有用的形式，然后顯示或以其他方式輸出信息。1.3.3通用計算機第二，計算機在可改變的程序的控制下運行。計算機不是唯一能操縱信息的機器。人們用簡單的計算器來運算一組數(shù)字時，就執(zhí)行了輸入信息（數(shù)字），處理信息（如計算連續(xù)的總和），然后輸出信息（如顯示）。另一個簡單的例子是油泵，給油箱加油時，油泵利用某些輸入：當前每升汽油的價格和來自傳感器的信號，讀取汽油流入汽車油箱的速率。油泵將這個輸入轉換為加了多少汽油和應付多少錢的信息。但是，計算器或油泵并不是完整的計算機，盡管這些設備實際上可能包含有嵌入式計算機，與通用計算機不同，它們被構建為執(zhí)行單個特定任務。1.3.3通用計算機在讀取—執(zhí)行周期中，存儲器內的指令會被依次讀取并執(zhí)行，計算機理解的指令組決定了編程的有效性。所有計算機都能完成一樣的工作，但有些只需要一個指令就能執(zhí)行，其他的可能需要好幾個指令才能執(zhí)行。普通臺式計算機可用的指令成百上千，其中還包括一些可用于解決復雜的數(shù)學或圖形問題的指令。但制造單一指令計算機也是有可能的。就像詞匯構成語言一樣，計算機理解的指令構成了計算機語言，也就是機器代碼，這是一種用二進制數(shù)值表示的復雜語言，由人類寫入十分困難。1.3.4計算機語言小規(guī)模實驗機、離散變量自動電子計算機以及后來出現(xiàn)的大多數(shù)計算機都將程序和程序運行數(shù)據(jù)儲存在同一存儲器中，這就意味著有些程序可以編寫和修改其他一些程序。在計算機的幫助下，人們可以設計出更有表現(xiàn)力、更加優(yōu)雅的語言，并指示機器將其翻譯為讀取—執(zhí)行周期能夠理解的模式。1.3.4計算機語言計算機語言有許多種，其中有一些是專為利基應用——針對企業(yè)的優(yōu)勢細分出來的市場——而設計的，產品推進利基市場是因為其有盈利的基礎。有些計算機語言有助于操控文本，有些則能夠有效處理結構化數(shù)據(jù)或是簡明應用數(shù)學概念。大部分計算機語言（但并非所有）都由規(guī)則和計算構成，這也是大部分人所理解的計算機。1.3.4計算機語言計算機科學家常常會談及建立某個過程或物體的模型，這并不是說要拿卡紙和軟木來制作一個實際的復制品。這里，“模型”是一個數(shù)學術語，意思是寫出事件運作的所有方程式并進行計算，這樣就可以在沒有真實模型的情況下完成實驗測試。由于計算機運行十分迅速，因此，與真正的實驗操作相比，計算機建模能夠更快得出答案。在某些情況下進行實驗可能是不實際的，氣候變化就是一個典型例子。根本沒有第二個地球或是時間可供我們進行實驗。計算機模型可以非常簡單也可以非常復雜，完全取決于我們想要探索的信息是什么。1.3.5計算機建模假設我們想要對橡皮球運動進行物理學建模。在理想環(huán)境中，掉落的橡皮球總是會反彈到其的一定高度。如果從1米處掉落，它可能會反彈至0.5米，下一次反彈的高度可能只有0.25米，再下一次0.125米，依此類推。反彈所需的時間可以從掉落物體的物理運動中得出。這就是兩個簡單的方程式及兩個數(shù)字，給出了每次反彈的高度及所需時間。理想小球在停止運動前會進行無限次彈跳，但由于每次彈跳時間遞減，所以小球會在有限時間內結束有限次數(shù)的彈跳。不過理想小球并不存在。1.3.5計算機建模在計算上建立這樣的模型十分容易但并不精確。因為小球彈跳的次數(shù)不僅取決于球本身，還與反彈觸及的表面有關。此外，小球在每次彈跳的過程中還會因反彈摩擦力和空氣阻力丟失能量。將所有這些因素都囊括進模型中需要大量研究和物理學背景作為支撐，但這并不是不可完成的任務。現(xiàn)在假設要計算球拍擊球后網球在球場上彈跳的路徑，需要考慮球可能以不同角度接觸不同平面，以及球本身的旋轉。此外，每次彈跳都會對球內空氣進行加熱并改變其特性，要建立起這樣的模型就更加困難。1.3.5計算機建模最后，假設我們要設計某種武器，能夠將橡皮球以極快的速度朝定點射出，速度太快以致球會在沖擊力作用下破碎。我們需要對小球的構成材料進行建模，并且追蹤每一塊四散飛開的小球碎片。在建立起足夠精確的模型之前，我們甚至需要模擬橡皮球的每一個原子。在現(xiàn)有的計算機上，這樣的模型的運行速度一定會十分緩慢，但也是有可能建立起來的，因為我們了解物理和化學的基本原理。人工智能最根本也最宏偉的目標之一就是建立人腦般的計算機模型。完美模型固然最好，但精確性稍遜的模型也同樣十分有效。1.3.5計算機建模PART04計算機的智能行為研究人員曾經研究過幾種不同版本的人工智能：有些根據(jù)對人類行為的復刻來定義智能，而另一些喜歡用“理性”來抽象正式地定義智能，直觀上的理解是做“正確的事情”。智能主題的本身也各不相同：一些人將智能視為內部思維過程和推理的屬性，而另一些人則關注智能的外部特征，也就是智能行為。1.4計算機的智能行為從人與理性以及思想與行為這兩個維度來看，有4種可能的組合，即類人行為、類人思考、理性思考和理性行為。追求類人智能（前兩者）必須在某種程度上是與心理學相關的經驗科學，包括對真實人類行為和思維過程的觀察和假設；而理性主義方法（后兩者）涉及數(shù)學和工程的結合，并與統(tǒng)計學、控制理論和經濟學相聯(lián)系。1.4計算機的智能行為圖靈測試是由艾倫·圖靈提出的（1950），它被設計成一個思維實驗，用以回避“機器能思考嗎？”這個哲學上模糊的問題。如果人類提問者在提出一些書面問題后無法分辨書面回答是來自人還是來自計算機，那么計算機就能通過測試。1.4.1類人行為：圖靈測試目前，為計算機編程使其能夠通過嚴格的應用測試尚有大量工作要做。計算機需要具備下列能力：·自然語言處理，以使用人類語言成功地交流；·知識表示，以存儲它所知道或聽到的內容；·自動推理，以回答問題并得出新的結論；·機器學習，以適應新的環(huán)境，并檢測和推斷模式。1.4.1類人行為：圖靈測試圖靈認為，沒有必要對人進行物理模擬來證明智能。然而，其他研究人員提出了完全圖靈測試，該測試需要與真實世界中的對象和人進行交互。為了通過完全圖靈測試，機器人還需要具備下列能力：·計算機視覺和語音識別功能，以感知世界；·機器人學，以操縱對象并行動。1.4.1類人行為：圖靈測試以上6個方面構成了人工智能的大部分內容。然而，人工智能研究人員很少把精力用在通過圖靈測試上，他們認為研究智能的基本原理更為重要。當工程師和發(fā)明家停止模仿鳥類，轉而使用風洞并學習空氣動力學時，對“人工飛行”的探索取得了成功。航空工程學著作并未將其領域的目標定義為制造“能像鴿子一樣飛行，甚至可以騙過其他真鴿子的機器”。1.4.1類人行為：圖靈測試只有知道人類是如何思考的，才能說程序像人類一樣思考。可以通過3種方式來了解人類的思維：（1）內省——試圖在自己進行思維活動時捕獲思維；（2）心理實驗——觀察一個人的行為；（3）大腦成像——觀察大腦的活動。一旦有了足夠精確的心智理論，就有可能把這個理論表達為計算機程序。如果程序的輸入/輸出行為與相應的人類行為相匹配，那就表明程序的某些機制也可能在人類中存在。1.4.2類人思考：認知建模例如，開發(fā)通用問題求解器的艾倫·紐厄爾和赫伯特·西蒙并不僅僅滿足于讓他們的程序正確地求解問題，他們更關心的是將推理步驟的順序和時機與求解相同問題的人類測試者進行比較。認知科學這一跨學科領域匯集了人工智能的計算機模型和心理學的實驗技術，用以構建精確且可測試的人類心智理論。認知科學本身是一個引人入勝的領域。我們會偶爾評論人工智能技術和人類認知之間的異同，但真正的認知科學必須建立在對人類或動物實驗研究的基礎上。1.4.2類人思考：認知建模計算機視覺領域將神經生理學證據(jù)整合到了計算模型中。此外，將神經影像學方法與分析數(shù)據(jù)的機器學習技術相結合，開啟了“讀心”能力（即查明人類內心思想的語義內容）的研究。這種能力反過來可以進一步揭示人類認知的運作方式。1.4.2類人思考：認知建模希臘哲學家亞里士多德（公元前384—公元前322）是最早試圖法則化“正確思維”的人之一，他將其定義為無可辯駁的推理過程。他的三段論為論證結構提供了模式，當給出正確的前提時，總能得出正確的結論。舉個經典的例子，當給出前提蘇格拉底是人和所有人都是凡人時，可以得出結論蘇格拉底是凡人。這些思維法則被認為支配著思想的運作，他們的研究開創(chuàng)了一個稱為邏輯的領域。1.4.3理性思考：“思維法則”19世紀的邏輯學家建立了一套精確的符號系統(tǒng)，用于描述世界上物體及其之間的關系。這與普通算術表示系統(tǒng)形成對比，后者只提供關于數(shù)的描述。到1965年，任何用邏輯符號描述的可解問題在原則上都可以用程序求解，人工智能中所謂的邏輯主義就希望在此類程序的基礎上創(chuàng)建智能系統(tǒng)。1.4.3理性思考：“思維法則”按照常規(guī)的理解，邏輯要求關于世界的認知是確定的，而實際上這很難實現(xiàn)。例如，人們對政治或戰(zhàn)爭規(guī)則的了解遠不如對國際象棋或算術規(guī)則的了解。概率論填補了這一鴻溝，允許我們在掌握不確定信息的情況下進行嚴格的推理。原則上，它允許我們構建全面的理性思維模型，從原始的感知到對世界運作方式的理解，再到對未來的預測。它無法做到的是形成智能行為。1.4.3理性思考：“思維法則”智能體（agent）是指某種能夠采取行動的東西。當然，所有計算機程序都可以完成一些任務，但我們期望計算機智能體能夠完成更多的任務：自主運行、感知環(huán)境、長期持續(xù)存在、適應變化以及制定和實現(xiàn)目標。理性智能體需要為取得最佳結果或在存在不確定性時取得最佳期望結果而采取行動。1.4.4理性行為：理性智能體基于人工智能的“思維法則”方法重視正確的推斷。做出正確的推斷有時是理性智能體的一部分，因為采取理性行為的一種方式是推斷出某個給定的行為是最優(yōu)的，然后根據(jù)這個結論采取行動。但是，理性行為的有些方式并不能說與推斷有關。例如，從火爐前退縮是一種反射作用，這通常比經過深思熟慮后采取的較慢的動作更為成功。1.4.4理性行為：理性智能體通過圖靈測試所需的所有技能也使智能體得以采取理性行為。知識表示和推理能讓智能體做出較好的決策。我們需要具備生成易于理解的自然語言句子的能力，以便在復雜的社會中生存。我們需要學習不僅是為了博學多才，也是為了提升我們產生高效行為的能力，尤其是在新環(huán)境下，這種能力更加重要。1.4.4理性行為：理性智能體與其他方法相比，基于人工智能的理性智能體方法有兩個優(yōu)點。首先，它比“思維法則”方法更普適，因為正確的推斷只是實現(xiàn)理性的幾種可能機制之一。其次，它更適合科學發(fā)展。理性的標準在數(shù)學上是明確定義且完全普適的。我們經常可以從這個標準規(guī)范中得出可以被證明能夠實現(xiàn)的智能體設計，而把模仿人類行為或思維過程作為目標的設計在很大程度上是不可能的。1.4.4理性行為：理性智能體由于上述原因，在人工智能領域的發(fā)展中，基于理性智能體的方法都占據(jù)了上風。在最初的幾十年里，理性智能體建立在邏輯的基礎上，并為了實現(xiàn)特定目標制定了明確的規(guī)劃。后來，基于概率論和機器學習的方法可以使智能體在不確定性下做出決策，以獲得最佳期望結果。1.4.4理性行為：理性智能體簡而言之，人工智能專注于研究和構建做正確的事情的智能體，其中正確的事情是我們提供給智能體的目標定義。這種通用范式非常普遍，它不僅適用于人工智能，也適用于其他領域。控制理論中，控制器使代價函數(shù)最小化；運籌學中，策略使獎勵的總和最大化；統(tǒng)計學中，決策規(guī)則使損失函數(shù)最??；經濟學中，決策者追求效用或某種意義的社會福利最大化。1.4.4理性行為：理性智能體然而，在復雜的環(huán)境中，完美理性（總是采取精確的最優(yōu)動作）是不可行的，它的計算代價太高了，因此需要對標準模型做一些重要的改進，也就是在沒有足夠時間進行所有可能的計算的情況下，適當?shù)夭扇⌒袆?。但是，完美理性仍然是理論分析的良好出發(fā)點。1.4.4理性行為：理性智能體人為定義的任務，如國際象棋或最短路徑計算之類的，都附帶固有的目標。然而，在真實世界中，我們越來越難以完全正確地指定目標。例如，在設計自動駕駛汽車時，我們可能會認為目標是安全到達目的地。但是，由于存在其他如司機失誤、設備故障等原因，在任何道路上行駛都有可能受傷，因此，嚴格的安全目標是要求待在車庫里而不要上路駕駛。向目的地前進和承擔受傷風險是需要權衡的，應該如何進行這種權衡？此外，我們能在多大程度上允許汽車采取會惹惱其他司機的行動？汽車應該在多大程度上調控其加速、轉向和剎車動作，以避免搖晃乘客？這類問題通常都很難預先回答。1.4.5對人類可證益的智能體在我們的真實需求和施加給機器的目標之間達成一致的問題稱為價值對齊問題，即施加給機器的價值或目標必須與人類的一致。如果我們是在實驗室或模擬器中開發(fā)人工智能系統(tǒng)，就可以輕松地解決目標指定不正確的問題：重置系統(tǒng)、修復目標，然后重試。隨著人工智能的發(fā)展，越來越強大的智能系統(tǒng)需要部署在真實世界中，這種方法不再可行。部署了錯誤目標的系統(tǒng)將會導致負面影響，而且系統(tǒng)越智能，其負面影響就越嚴重。1.4.5對人類可證益的智能體回想看似沒有問題的國際象棋案例，想象一下，如果機器足夠智能，可以推斷并采取超出棋盤限制的動作，這樣會發(fā)生什么？例如，它可能試圖通過催眠或勒索對手，或賄賂觀眾在對手思考時發(fā)出噪聲等手段來增加獲勝的機會。它也可能會為自己劫持額外的計算能力。這些行為不是“愚蠢”或“瘋狂”的，卻是將獲勝定義為機器唯一目標的邏輯結果。1.4.5對人類可證益的智能體一臺實現(xiàn)固定目標的機器可能會出現(xiàn)很多不當行為，要預測所有不當行為是不可能的。因此，我們不希望機器“聰明”地實現(xiàn)它們的目標，而是希望它們實現(xiàn)我們的目標。如果我們不能將這些目標完美地傳達給機器，就需要一個新的表述，也就是機器正在實現(xiàn)我們的目標，但對于目標是什么則是不確定的。當一臺機器意識到它不了解完整的目標時，它就會有謹慎行動的動機，會尋求許可，并通過觀察來更多地了解我們的偏好，遵守人為控制。最終，我們想要的是對人類可證益的智能體。1.4.5對人類可證益的智能體PART05人工智能大師艾倫·圖靈（1912.6.23-1954.6.7），出生于英國倫敦帕丁頓，畢業(yè)于普林斯頓大學，是英國數(shù)學家、邏輯學家，被譽為“計算機科學之父”、“人工智能之父”，他是計算機邏輯的奠基者。1950年，圖靈在其論文《計算機器與智能》中提出了著名的“圖靈機”和“圖靈測試”等重要概念。，首次提出了機器具備思維的可能性。他還預言，到20世紀末一定會出現(xiàn)可以通過圖靈測試的計算機。

圖1-13計算機科學之父，人工智能之父——圖靈1.5人工智能大師圖靈思想為現(xiàn)代計算機的邏輯工作方式奠定了基礎。為了紀念圖靈對計算機科學的巨大貢獻，1966年，由美國計算機協(xié)會（ACM）設立一年一度的“圖靈獎”，以表彰在計算機科學事業(yè)中做出重要貢獻的人。圖靈獎被喻為“計算機界的諾貝爾獎”。1.5人工智能大師約翰·馮·諾依曼（1903.12.28-1957.2.8），出生于匈牙利，畢業(yè)于蘇黎世聯(lián)邦工業(yè)大學，數(shù)學家，現(xiàn)代計算機、博弈論、核武器和生化武器等領域內的科學全才，被后人稱為“現(xiàn)代計算機之父”和“博弈論之父”。他在泛函分析、遍歷理論、幾何學、拓撲學和數(shù)值分析等眾多數(shù)學領域及計算機學、量子力學和經濟學中都有重大成就，也為第一顆原子彈和第一臺電子計算機的研制做出了巨大貢獻。圖1-14現(xiàn)代計算機之父馮·諾依曼1.5人工智能大師第2版人工智能通識教程第2章周蘇教授QQ：81505050定義人工智能導讀案例：自動駕駛概述自動駕駛就是車輛在無駕駛員操作的情況下自行實現(xiàn)駕駛，它是車輛的能力。比如掃地機器人在掃地的時候就是在自動駕駛。自動駕駛有多種發(fā)展路徑，單車智能、車路協(xié)同、聯(lián)網云控等。車路協(xié)同是依靠車-車，車-路動態(tài)信息的實時交互實現(xiàn)自動駕駛。聯(lián)網云控更注重通過云端的控制實現(xiàn)自動駕駛。01人工智能概述02人工智能發(fā)展歷程目錄/CONTENTS03人工智能的研究將人類與其他動物區(qū)分開的特征之一就是省力工具的使用。人類發(fā)明車輪以減輕遠距離攜帶重物的負擔，人類發(fā)明長矛從此不再徒手與獵物搏斗。數(shù)千年來，人類一直致力于創(chuàng)造越來越精密復雜的機器來節(jié)省體力，然而，能夠幫助人們節(jié)省腦力的機器卻一直是一個遙遠

的夢想。時至今日，我們才具備了足夠的技術實力來探索更加通用的思考機器。第2章定義人工智能PART01人工智能概述人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器。自誕生以來，人工智能的理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。2.1人工智能概述顯然，人工智能就是人造的智能，它是科學和工程的產物。我們也會進一步考慮什么是人力所能及的，或者人自身的智能程度有沒有達到可以創(chuàng)造人工智能的地步，等等。不過，生物學不在這里的討論范圍之內，因為基因工程與人工智能的科學基礎全然不同。人們可以在器皿中培育腦細胞，但這只能算是天然大腦的一部分。所有人工智能的研究都圍繞著計算機展開，其全部技術也都是在計算機中執(zhí)行的。2.1.1“人工”與“智能”“智能”，涉及到諸如意識、自我、思維（包括無意識的思維）等等問題。事實上，人應該了解的是人類本身的智能，但我們對自身智能的理解，對構成人的智能的必要元素也了解有限，人們很難準確定義出什么是“人工”制造的“智能”。因此，人工智能的研究往往涉及對人的智能本身的研究，其他關于動物或人造系統(tǒng)的智能也普遍被認為是與人工智能相關的研究課題。

圖2-4研究人的智能2.1.1“人工”與“智能”1906年，法國心理學家阿爾弗雷德·比奈這樣定義智能：“……判斷，又或稱為判斷力強，實踐感強，首創(chuàng)精神，適應環(huán)境的能力。良好決策、充分理解、正確推論……但記憶與判斷不同且獨立于判斷?！薄杜＝蛴⒄Z詞典》對智能的定義為“獲取和應用知識與技能的能力”，這顯然取決于記憶。也許人工智能領域已經影響了我們對智力的一般性認識，人們會根據(jù)對實際情況的指導作用來判斷知識的重要程度。人工智能的一個重要領域就是儲存知識以供計算機使用。2.1.1“人工”與“智能”棋局是程序員研究的早期問題之一。他們認為，就象棋而言，只有人類才能獲勝。1997年，IBM機器深藍擊敗了象棋大師加里·卡斯帕羅夫，但深藍并沒有顯示出任何人類特質，僅僅只是對這一任務進行快速有效的編程而已。圖2-5卡斯帕羅夫與深藍對弈當中2.1.1“人工”與“智能”作為計算機科學的一個分支，人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學，是一門自然科學、社會科學和技術科學交叉的邊緣學科，它涉及的學科內容包括哲學和認知科學、數(shù)學、神經生理學、心理學、計算機科學、信息論、控制論、不定性論、仿生學、社會結構學與科學發(fā)展觀等。2.1.2人工智能定義人工智能研究領域的一個較早流行的定義，是由約翰·麥卡錫在1956年的達特茅斯會議上提出的，即：人工智能就是要讓機器的行為看起來像是人類所表現(xiàn)出的智能行為一樣。另一個定義指出：人工智能是人造機器所表現(xiàn)出來的智能性?？傮w來講，對人工智能的定義大多可劃分為四類，即機器“像人一樣思考”“像人一樣行動”“理性地思考”和“理性地行動”。這里“行動”應廣義地理解為采取行動，或制定行動的決策，而不是肢體動作。2.1.2人工智能定義尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學?！倍鴾厮诡D教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規(guī)律，構造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟/硬件來模擬人類某些智能行為的基本理論、方法和技術。2.1.2人工智能定義可以把人工智能定義為一種工具，用來幫助或者替代人類思維。它是一項計算機程序，可以獨立存在于數(shù)據(jù)中心、個人計算機，也可以通過諸如機器人之類的設備體現(xiàn)出來。它具備智能的外在特征，有能力在特定環(huán)境中有目的地獲取和應用知識與技能。人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考，甚至也可能超過人的智能。2.1.2人工智能定義20世紀七十年代以來，人工智能被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能），也被認為是21世紀三大尖端技術（基因工程、納米科學、人工智能）之一，這是因為近幾十年來人工智能獲得了迅速的發(fā)展，在很多學科領域都獲得了廣泛應用，取得了豐碩成果。2.1.2人工智能定義對于人的思維模擬的研究可以從兩個方向進行，一是結構模擬，仿照人腦的結構機制，制造出“類人腦”的機器；二是功能模擬，從人腦的功能過程進行模擬?，F(xiàn)代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。2.1.3人工智能的實現(xiàn)途徑實現(xiàn)人工智能有三種途徑，即強人工智能、弱人工智能和實用型人工智能。強人工智能，又稱多元智能。研究人員希望人工智能最終能成為多元智能并且超越大部分人類的能力。有些人認為要達成以上目標，可能需要擬人化的特性，如人工意識或人工大腦，這被認為是人工智能的完整性：為了解決其中一個問題，你必須解決全部的問題。即使一個簡單和特定的任務，如機器翻譯，要求機器按照作者的論點（推理），知道什么是被人談論（知識），忠實地再現(xiàn)作者的意圖（情感計算）。因此，機器翻譯被認為是具有人工智能完整性。2.1.3人工智能的實現(xiàn)途徑強人工智能的觀點認為有可能制造出真正能推理和解決問題的智能機器，并且這樣的機器將被認為是有知覺的，有自我意識的。強人工智能可以有兩類：（1）類人的人工智能，即機器的思考和推理就像人的思維一樣；（2）非類人的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。強人工智能即便可以實現(xiàn)也很難被證實。為了創(chuàng)建具備強人工智能的計算機程序，我們首先必須清楚了解人類思維的工作原理，而想要實現(xiàn)這樣的目標，還有很長的路要走。2.1.3人工智能的實現(xiàn)途徑弱人工智能，認為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。弱人工智能只要求機器能夠擁有智能行為，具體的實施細節(jié)并不重要。深藍就是在這樣的理念下產生的，它沒有試圖模仿國際象棋大師的思維，僅僅遵循既定的操作步驟。倘若人類和計算機遵照同樣的步驟，那么比賽時間將會大大延長，因為計算機每秒驗算的可能走位就高達2億個，就算思維驚人的象棋大師也不太可能達到這樣的速度。2.1.3人工智能的實現(xiàn)途徑人類擁有高度發(fā)達的戰(zhàn)略意識，這種意識將需要考慮的走位限制在幾步或是幾十步以內，而計算機的考慮數(shù)以百萬計。就弱人工智能而言，這種差異無關緊要，能證明計算機比人類更會下象棋就足夠了。如今，主流的研究活動都集中在弱人工智能上，并且一般認為這一研究領域已經取得可觀的成就，而強人工智能的研究則處于停滯不前的狀態(tài)。2.1.3人工智能的實現(xiàn)途徑第三種途徑稱為實用型人工智能。研究者們將目標放低，不再試圖創(chuàng)造出像人類一般智慧的機器。眼下我們已經知道如何創(chuàng)造出能模擬昆蟲行為的機器人。機械家蠅看起來似乎并沒有什么用，但即使是這樣的機器人，在完成某些特定任務時也是大有裨益的。比如，一群如狗大小，具備螞蟻智商的機器人在清理碎石和在災區(qū)找尋幸存者時就能夠發(fā)揮很大的作用。

圖2-6華盛頓大學研制的靠激光束驅動的RoboFly昆蟲機器人2.1.3人工智能的實現(xiàn)途徑隨著模型變得越來越精細，機器能夠模仿的生物越來越高等，最終，我們可能必須接受這樣的事實：機器似乎變得像人類一樣智慧了。也許實用型人工智能與強人工智能殊途同歸，但考慮到一切的復雜性，我們不會相信機器人會有自我意識。2.1.3人工智能的實現(xiàn)途徑雖然計算機為人工智能提供了必要的技術基礎，但人們直到上個世紀50年代早期才注意到人類智能與機器之間的聯(lián)系。人工智能60余年的發(fā)展歷史頗具周折，大致可劃分為以下6個階段。圖2-7人工智能發(fā)展歷史2.1.4人工智能發(fā)展的6個階段一是起步發(fā)展期：1956年—20世紀60年代初。人工智能概念在首次被提出后，相繼取得了一批令人矚目的研究成果，如機器定理證明、跳棋程序、LISP表處理語言等，掀起了人工智能發(fā)展的第一個高潮。二是反思發(fā)展期：20世紀60—70年代初。人工智能發(fā)展初期的突破性進展大大提升了人們對人工智能的期望，人們開始嘗試更具挑戰(zhàn)性的任務，并提出了一些不切實際的研發(fā)目標。然而，接二連三的失敗和預期目標的落空（例如無法用機器證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)、機器翻譯鬧出笑話等），使人工智能的發(fā)展走入了低谷。2.1.4人工智能發(fā)展的6個階段三是應用發(fā)展期：20世紀70年代初—80年代中。20世紀70年代出現(xiàn)的專家系統(tǒng)模擬人類專家的知識和經驗解決特定領域的問題，實現(xiàn)了人工智能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(tǒng)在醫(yī)療、化學、地質等領域取得成功，推動人工智能走入了應用發(fā)展的新高潮。四是低迷發(fā)展期：20世紀80年代中—90年代中。隨著人工智能的應用規(guī)模不斷擴大，專家系統(tǒng)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(xiàn)有數(shù)據(jù)庫兼容等問題逐漸暴露出來。2.1.4人工智能發(fā)展的6個階段五是穩(wěn)步發(fā)展期：20世紀90年代中期到2010年。由于網絡技術特別是因特網技術的發(fā)展，信息與數(shù)據(jù)的匯聚不斷加速，加快了人工智能的創(chuàng)新研究，促使人工智能技術進一步走向實用化。1997年IBM深藍超級計算機戰(zhàn)勝了國際象棋世界冠軍卡斯帕羅夫，2008年IBM提出“智慧地球”的概念，這些都是這一時期的標志性事件。2.1.4人工智能發(fā)展的6個階段六是蓬勃發(fā)展期：2011年至今。隨著因特網、云計算、物聯(lián)網、大數(shù)據(jù)等信息技術的發(fā)展，泛在感知數(shù)據(jù)和圖形處理器（GPU）等計算平臺推動以神經網絡深度學習為代表的人工智能技術飛速發(fā)展，大幅跨越科學與應用之間的“技術鴻溝”，圖像分類、語音識別、知識問答、人機對弈、無人駕駛等具有廣闊應用前景的人工智能技術突破了從“不能用、不好用”到“可以用”的技術瓶頸，人工智能發(fā)展進入爆發(fā)式增長的新高潮。2.1.4人工智能發(fā)展的6個階段“AlphaGo之父”哈薩比斯表示：“我提醒諸位，必須正確地使用人工智能。正確的兩個原則是：人工智能必須用來造福全人類，而不能用于非法用途；人工智能技術不能僅為少數(shù)公司和少數(shù)人所使用，必須共享?！?.1.4人工智能發(fā)展的6個階段PART02人工智能發(fā)展歷史人類對人工智能的幻想甚至可以追溯到古埃及。電子計算機的誕生使信息存儲和處理的各個方面都發(fā)生了革命，計算機理論的發(fā)展產生了計算機科學并最終促使了人工智能的出現(xiàn)。計算機這個用電子方式處理數(shù)據(jù)的發(fā)明，為人工智能的可能實現(xiàn)提供了一種媒介。2.2人工智能發(fā)展歷史圖靈獎是由美國計算機協(xié)會（ACM）于1966年設立的計算機獎項，名稱取自艾倫·麥席森·圖靈，旨在獎勵對計算機事業(yè)作出重要貢獻的個人。圖靈獎是計算機領域的國際最高獎項，被譽為“計算機界的諾貝爾獎”。圖靈獎對獲獎條件要求極高，評獎程序極嚴，一般每年僅授予一名計算機科學家。2.2.1人工智能研究獲得的圖靈獎總結人工智能歷史里程碑的快速方法之一是列舉與此領域相關的圖靈獎得主。獲得圖靈獎的人工智能大神是：馬文·明斯基（1969年圖靈獎得主）和約翰·麥卡錫（1971年圖靈獎得主），定義了基于表示和推理的領域基礎；艾倫·紐厄爾和赫伯特·西蒙（1975年圖靈獎得主），提出了關于問題求解和人類認知的符號模型；愛德華·費根鮑姆和勞伊·雷迪（1994年圖靈獎得主），開發(fā)了通過對人類知識編碼來解決真實世界問題的專家系統(tǒng)；2.2.1人工智能研究獲得的圖靈獎萊斯利·瓦倫特（2010年圖靈獎得主），對眾多計算理論（包括PAC學習、枚舉復雜性、代數(shù)計算和并行與分布式計算）做出了變革性的貢獻；朱迪亞·珀爾（2011年圖靈獎得主）提出了通過原則性的方式處理不確定性的概率因果推理技術；約書亞·本吉奧、杰弗里·辛頓和楊立昆（2018年圖靈獎得主），他們將“深度學習”（多層神經網絡）作為現(xiàn)代計算的關鍵部分。2.2.1人工智能研究獲得的圖靈獎回顧圖靈獎50余年的歷史可以發(fā)現(xiàn)，人工智能一直是圖靈獎不斷鼓勵、不斷發(fā)現(xiàn)的重要話題。圖靈的思考是計算機的起點，直到80年后炙手可熱的人工智能仍能從他的思考里找到啟迪。2.2.1人工智能研究獲得的圖靈獎人們普遍認為由沃倫·麥卡洛克和沃爾特·皮茨完成的一項工作是人工智能的第一項研究工作。1943年，他們受到尼古拉斯·拉舍夫斯基對數(shù)學建模工作的啟發(fā)，選擇了3方面的資源來構建模型：基礎生理學知識和大腦神經元的功能，羅素和懷特海對命題邏輯的形式化分析，以及圖靈的計算理論。他們提出一種人工神經元模型，證明本是純理論的圖靈機可以由人工神經元構成。2.2.2從人工神經元開始（1943-1956）制造每個人工神經元需要大量真空管，然而，只需要少數(shù)真空管就可以建成邏輯門，即一種由一個或多個輸入端與一個輸出端構成的電子電路，按輸入與輸出間的特定邏輯關系運行。其中，每個神經元的特征是“開”或“關”，并且會因足夠數(shù)量的相鄰神經元受到刺激而切換為“開”。神經元的狀態(tài)被認為是“事實上等同于提出其充分激活的命題”。例如，他們證明任何可計算的函數(shù)都可以通過一些神經元互相連接的網絡來計算，以及所有的邏輯聯(lián)結詞（AND、OR、NOT等）都可以通過簡單的網絡結構來實現(xiàn)。2.2.2從人工神經元開始（1943-1956）麥卡洛克和皮茨還表明適當定義的網絡可以學習。唐納德·赫布示范了用于修改神經元之間連接強度的簡單更新規(guī)則，這些規(guī)則被稱為赫布型學習，至今仍是一種有影響力的模式。哈佛大學的兩名本科生馬文·明斯基和迪安·埃德蒙茲在1950年建造了第一臺神經網絡計算機SNARC，它使用了3000個真空管和B-24轟炸機上一個多余的自動駕駛裝置來模擬由40個神經元組成的網絡。后來，明斯基在普林斯頓大學研究神經網絡中的通用計算。他的博士學位委員會對這類工作是否應該被視為數(shù)學持懷疑態(tài)度，但據(jù)說馮·諾伊曼對此評價說：“如果現(xiàn)在還不能被視為數(shù)學，總有一天會的?！?.2.2從人工神經元開始（1943-1956）還有許多早期工作可以被描述為人工智能，包括1952年由曼徹斯特大學的克里斯托弗·斯特雷奇和IBM公司的亞瑟·塞繆爾分別獨立開發(fā)的西洋跳棋程序。然而，還是圖靈的觀點最有影響力。早在1947年，他就在倫敦數(shù)學協(xié)會就這一主題發(fā)表了演講，并在其1950年的文章《計算機器和智能》中指出了定義智能的困難所在。他提出：能像人類一般進行交談和思考的計算機是有希望制造出來的，至少在非正式會話中難以區(qū)分。能否與人類無差別交談這一評價標準就是著名的圖靈測試。2.2.2從人工神經元開始（1943-1956）圖靈還認為，通過開發(fā)學習算法然后教會機器，而不是手工編寫智能程序，將更容易創(chuàng)造出人類水平的人工智能。不過，他在隨后的演講中警告說，實現(xiàn)這一目標對人類來說可能不是最好的事情。取得這些成果不久之后，計算機就開始被應用于第一批人工智能實驗，當時所用的計算機體積小且速度慢。曼徹斯特馬克一號以小規(guī)模實驗機為原型，存儲器僅有640字節(jié)，時鐘速度555赫茲（相比之下，現(xiàn)代臺式計算機的存儲器可達40億字節(jié)，時鐘速度30億赫茲），這就意味著必須謹慎挑選將利用它們來解決的研究問題。在第一個十年里，人工智能項目涉及的都是基本應用，這也成為后續(xù)探索研究的奠基石。2.2.2從人工神經元開始（1943-1956）邏輯理論機發(fā)布于1956年，以五個公理為出發(fā)點推導定理，以此來證明數(shù)學定理。這類問題就如同迷宮，你假定自己朝著出口的方向走就是最好的路線，但實際上往往并不能成功，這也正是邏輯理論機難以解決復雜問題的原因所在。它選擇看起來最接近目標的方程式，丟棄了那些看起來偏題了的方程式。然而，被丟棄的可能正是最需要的。2.2.2從人工神經元開始（1943-1956）同樣在1956年，夏天，達特茅斯學院的約翰·麥卡錫說服哈佛大學的馬文·明斯基、貝爾電話實驗室的克勞德·香農和IBM公司的納撒尼爾·羅切斯特幫助他召集對自動機理論、神經網絡和智能研究感興趣的10位有遠見卓識的年輕科學家在達特茅斯進行了為期兩個月的研討會，共同研究和探討用機器模擬智能的一系列有關問題，創(chuàng)建了達特茅斯夏季人工智能研究計劃。這場研討會聚集了人工智能領域的頂尖專家學者，對后世產生了深遠影響，首次提出了“人工智能（AI）”這一術語，標志著“人工智能”這門新興學科的正式誕生。2.2.2從人工神經元開始（1943-1956）20世紀50年代的知識界根據(jù)“由能力缺陷得出的論據(jù)”提出“機器永遠做不到X”這一主張。關于X，圖靈列舉了以下例子：善良、機智、美麗、友好、上進、幽默、明辨是非、犯錯、墜入愛河、享受奶油草莓、讓人愛上它、從經驗中學習、恰當?shù)厥褂谜Z言、成為自己思想的主體、有和人類一樣的行為多樣性、從事新生事物。2.2.3早期期望無限（1952-1969）回顧圖靈列舉的X，我們發(fā)現(xiàn)其中一些事相當簡單，如我們都很熟悉“犯錯”的計算機。具有元推理能力的計算機能檢查自身計算，從而成為自身推理的主體。一項有著百年歷史的技術已證明它有“讓人愛上它”的能力——它就是泰迪熊。計算機象棋專家戴維·利維預計，到2050年，人們對愛上類人機器人一事將習以為常。至于機器人墜入愛河，這是虛構類文學作品中的常見主題，但這方面的學術推測有限。2.2.3早期期望無限（1952-1969）計算機已經完成了許多非常新穎的工作，在天文學、數(shù)學、化學、礦物學、生物學和計算機科學等領域都取得了重大發(fā)現(xiàn)，并通過風格轉換創(chuàng)造了新的藝術形式。總的來說，程序在某些任務上的表現(xiàn)超過了人類，而在其他任務上則落后于人類。有一件事是很明顯的，那就是它們不能真正成為人類。人工智能的研究人員自然而然地一個接一個地演示X以回應。他們特別關注那些被認為能夠顯示人類智能的任務，包括游戲、謎題、數(shù)學和智商測試。2.2.3早期期望無限（1952-1969）紐厄爾和西蒙繼“邏輯理論家”成功之后又推出了“通用問題求解器”。與“邏輯理論家”不同，“通用問題求解器”從一開始就被設計為模仿人類求解問題的協(xié)議。結果表明，在它可以處理的有限類型的難題中，該程序考慮的子目標和可能采取的行為的順序與人類處理相同問題的順序類似。因此，“通用問題求解器”可能是第一個體現(xiàn)“人類思維”方式的程序。2.2.3早期期望無限（1952-1969）作為認知模型，“通用問題求解器”和后續(xù)程序的成功使得紐厄爾和西蒙提出了著名的物理符號系統(tǒng)假說，該假說認為“物理符號系統(tǒng)具有進行一般智能動作的必要和充分方法”。意思是，任何顯示出智能的系統(tǒng)（人類或機器）必須通過操作由符號組成的數(shù)據(jù)結構來運行。之后我們會看到這個假說已經受到了多方面的挑戰(zhàn)。在IBM，納撒尼爾，羅切斯特和他的同事開發(fā)了首批人工智能程序。赫伯特·蓋倫特構造了幾何定理證明程序，它能夠證明許多數(shù)學學生認為相當棘手的定理，這項工作是現(xiàn)代數(shù)學定理證明程序的先驅。2.2.3早期期望無限（1952-1969）從長遠看，這一時期所有探索性工作中最有影響力的可能是亞瑟·薩繆爾對西洋跳棋的研究，他的程序可以以業(yè)余高手的水平參與對抗。因此，他駁斥了計算機只能執(zhí)行被告知的事情的觀點：他的程序很快學會了玩游戲，甚至比其創(chuàng)造者玩得更好，該程序于1956年在電視上演示，給人留下了深刻的印象。和圖靈一樣，薩繆爾也很難找到使用計算機的機會，他只能晚上工作，使用仍在IBM制造工廠測試場地上還未出廠的計算機。薩繆爾的程序是許多后繼系統(tǒng)的前身，如TD-Gammon和AlphaGo（阿爾法狗）。TD-Gammon是世界上最好的西洋雙陸棋棋手之一，而AlphaGo因擊敗人類世界圍棋冠軍而震驚世界。2.2.3早期期望無限（1952-1969）1958年，約翰·麥卡錫為人工智能做出了兩項重要貢獻。他在麻省理工學院人工智能實驗室定義了高級語言Lisp，成為在此后30年中最重要的人工智能編程語言。在一篇題為“具有常識的程序”的論文中，麥卡錫為基于知識和推理的人工智能系統(tǒng)提出了概念性議案。這篇論文描述了“建議接受者”，這是一個假想程序，其中包含世界的一般知識，并可以利用它得出行動規(guī)劃。這個概念可以用簡單的邏輯公理來說明，這些邏輯公理足以生成一個開車去機場的規(guī)劃。該程序還被設計為能在正常運行過程中接受新的公理，從而實現(xiàn)無須重新編程就能夠在新領域中運行。2.2.3早期期望無限（1952-1969）因此，“建議接受者”體現(xiàn)了知識表示和推理的核心原則：對世界及其運作進行形式化、明確的表示，并且通過演繹來操作這種表示是很有用的。這篇論文影響了人工智能的發(fā)展歷程。2.2.3早期期望無限（1952-1969）1958年馬文·明斯基轉到麻省理工學院，然而他與麥卡錫的最初合作并沒有持續(xù)。麥卡錫強調形式邏輯中的表示和推理，而明斯基則對程序工作并最終形成反邏輯的觀點更感興趣。1963年，麥卡錫在斯坦福大學建立了人工智能實驗室。1965年亞伯拉罕·魯濱遜歸結原理（一階邏輯的完備定理證明算法）的發(fā)現(xiàn)推進了麥卡錫使用邏輯來構建最終“建議接受者”的計劃。麥卡錫在斯坦福大學的工作中強調了邏輯推理的通用方法。邏輯的應用包括柯德爾·格林的問答和規(guī)劃系統(tǒng)以及斯坦福研究所（SRI）的Shakey機器人項目，后者是第一個展示邏輯推理和物理活動完全集成的項目。2.2.3早期期望無限（1952-1969）在麻省理工學院，明斯基指導一批學生選擇了一些似乎需要智能才能求解的有限問題。其中，詹姆斯·斯萊格爾的SAINT程序能夠求解大學一年級課程中典型封閉形式的微積分問題。托馬斯·埃文斯的ANALOGY程序能夠解決智商測試中常見的幾何類比問題。丹尼爾·博布羅的STUDENT項目能夠求解代數(shù)故事問題。2.2.3早期期望無限（1952-1969）建立在麥卡洛克和皮茨提出的神經網絡上的早期工作也蓬勃發(fā)展。什穆埃爾·溫諾格拉德和杰克·考恩的研究展示了大量元素如何共同代表一個獨立的概念，同時提升穩(wěn)健性和并行性。赫布的學習方法分別得到了伯尼·維德羅和弗蘭克·羅森布拉特的改進，他們的網絡分別被稱為線性自適應神經網絡和感知機。感知機收斂定理指出，學習算法可以調整感知機的連接強度來擬合任何輸入數(shù)據(jù)（前提是存在這樣的擬合）。2.2.3早期期望無限（1952-1969）從一開始，人工智能研究人員對未來成功的預測毫不避諱。下面這句1957年赫伯特·西蒙的名言經常被引用：我的目的不是使大家感到驚訝或震驚，我可以總結出的最簡單的說法是，現(xiàn)在世界上存在著能夠思考、學習和創(chuàng)造的機器。此外，它們的這些能力將迅速提高，在可見的未來內，它們能夠處理的問題范圍將與人類思維的應用范圍一樣廣泛。2.2.4一些現(xiàn)實（1966-1973）雖然“可見的未來”這個詞是模糊的，但西蒙也做出了更具體的預測：10年內，計算機將成為國際象棋冠軍以及機器將能證明重要的數(shù)學定理。這些預測的實現(xiàn)（或近似實現(xiàn)）實際上用了40年時間，遠遠超過10年。當初西蒙的過度自信源于早期人工智能系統(tǒng)在簡單示例任務上的出色表現(xiàn)。但是，在幾乎所有情況下，這些早期系統(tǒng)在更困難的問題上都失敗了。2.2.4一些現(xiàn)實（1966-1973）失敗有兩個主要原因：第一個主要原因是許多早期人工智能系統(tǒng)主要基于人類如何執(zhí)行任務的“知情內省型”，而不是基于對任務、解的含義以及算法需要做什么才能可靠地產生解的仔細分析。2.2.4一些現(xiàn)實（1966-1973）第二個主要原因是對人工智能要求解問題的復雜性缺乏認識。大多數(shù)早期的問題求解系統(tǒng)都會嘗試組合不同的步驟，直到找到解為止。在計算復雜性理論發(fā)展完備之前，人們普遍認為“擴展”到更大的問題僅僅是需要更快的硬件和更大的內存。但是當研究人員無法證明涉及幾十個事實的定理時，伴隨著歸結定理證明發(fā)展而來的樂觀情緒很快就受到了打擊。一般而言，程序可以找到解的事實并不意味著該程序具備任何在實踐中找到解所需的機制。2.2.4一些現(xiàn)實（1966-1973）未能處理“組合爆炸”是萊特希爾報告中對人工智能的主要批評之一，基于這份報告，英國政府決定除兩所大學外的所有大學中停止支持人工智能研究。此外，產生智能行為的基礎結構存在一些根本限制也是導致失敗的原因。例如，明斯基和派珀特的著作“感知器證明”，盡管感知機（一種簡單的神經網絡形式）被證明可以學習它們能夠表示的任何事物，但它們能表示的事物很少。例如無法訓練雙輸入感知機來判斷它的兩個輸入是否相同。盡管他們的研究結果并不適用于更復雜的多層網絡，但用于神經網絡研究的經費很快就減少到幾乎為零。2.2.4一些現(xiàn)實（1966-1973）有諷刺意味的是，在20世紀80年代和21世紀10年代再次引起神經網絡研究巨大復興的新反向傳播學習算法，早在20世紀60年代初已經在其他情景下得到了發(fā)展。2.2.4一些現(xiàn)實（1966-1973）專家系統(tǒng)因其在計算機科學和現(xiàn)實世界中的貢獻而曾經被視為是人工智能中最古老、最成功、最知名和最受歡迎的領域。專家系統(tǒng)可以被看作是一類具有專門知識和經驗的計算機智能程序系統(tǒng)，它是早期人工智能的一個重要分支，實現(xiàn)了人工智能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(tǒng)一般采用人工智能中的知識表示和知識推理技術，根據(jù)系統(tǒng)中的知識與經驗，進行推理和判斷，來模擬通常由人類領域專家才能解決的復雜問題決策過程。2.2.5專家系統(tǒng)（1969-1986）在人工智能研究的早期提出的問題求解是一種通用搜索機制，試圖將基本的推理步驟串在一起找到完整的解。這種方法被稱為弱方法，雖然很普適但不能擴展到大型或困難的問題實例上。弱方法的替代方案是使用更強大的領域知識，這些知識允許更大規(guī)模的推理步驟，并且可以更輕松地處理特定領域中發(fā)生的典型案例。2.2.5專家系統(tǒng)（1969-1986）斯坦福大學開發(fā)的DENDRAL程序是這種方法的早期例子。愛德華·費根鮑姆、布魯斯·布坎南（從哲學家改行的計算機科學家）和喬舒亞·萊德伯格（諾貝爾生理學或醫(yī)學獎得主，遺傳學家）聯(lián)手解決了從質譜儀提供的信息推斷分子結構的問題。該程序的輸入包括分子的基本分子式（如C6H13NO2）和質譜，其中質譜給出了分子被電子束轟擊時產生的各種碎片的