說起人工智能這詞，不得不提及人工智能的歷史。人工智能的概念主要由Alan Turing提出：機器會思考嗎？如果一台機器能夠與人類對話而不被辨別出其機器的身份，那麽這台機器具有智能的特徵。同年，Alan Turing還預言了存有一定的可能性可以創造出具有真正智能的機器。
說明：Alan Turing（1912.6.23-1954.6.7）曾協助英國軍隊破解了德國的著名密碼系統Enigma，幫助盟軍取得了二戰的勝利。因提出一種用於判定機器是否具有智能的試驗方法，即圖靈試驗，被後人稱為電腦之父和人工智能之父。
AI誕生
1956年，在達特茅斯學院舉行的一次會議上，不同領域（數學，心理學，工程學，經濟學和政治學）的科學家正式確立了人工智能為研究學科。
2006年達特茅斯會議當事人重聚，左起：Trenchard More、John McCarthy、Marvin Minsky、Oliver Selfridge、Ray Solomonoff
第一次發展高潮（1955年—1974年）
達特茅斯會議之後是大發現的時代。對很多人來講，這一階段開發出來的程式堪稱神奇：電腦可以解決代數應用題、證明幾何定理、學習和使用英語。在眾多研究當中，搜索式推理、自然語言、微世界在當時最具影響力。
大量成功的AI程式和新的研究方向不斷湧現，研究學者認為具有完全智能的機器將在二十年內出現並給出了如下預言：
1958年，H. A. Simon，Allen Newell：“十年之內，數字電腦將成為國際象棋世界冠軍。” “十年之內，數字電腦將發現並證明一個重要的數學定理。”
1965年，H. A. Simon：“二十年內，機器將能完成人能做到的一切工作。”
1967年，Marvin Minsky：“一代之內……創造“人工智能”的問題將獲得實質上的解決。”
1970年，Marvin Minsky：“在三到八年的時間裡我們將得到一台具有人類平均智能的機器。”
美國政府向這一新興領域投入了大筆資金，每年將數百萬美元投入到麻省理工學院、卡耐基梅隆大學、愛丁堡大學和史丹佛大學四個研究機構，並允許研究學者去做任何感興趣的方向。
當時主要成就：
1.人工神經網絡在30-50年代被提出，1951年Marvin Minsky製造出第一台神經網絡機
2貝爾曼公式（增強學習雛形）被提出
3.感知器（深度學習雛形）被提出
4.搜索式推理被提出
5.自然語言被提出
6.首次提出人工智能擁有模仿智能的特徵，懂得使用語言，懂得形成抽象概念並解決人類現存問題
7.Arthur Samuel在五十年代中期和六十年代初開發的國際象棋程式，棋力已經可以挑戰具有相當水準的業餘愛好者
8.機器人SHAKEY項目受到了大力宣傳，它能夠對自己的行為進行“推理”；人們將其視作世界上第一台通用機器人
9.微世界的提出
第一次寒冬（1974年—1980年）
70年代初，AI遭遇到瓶頸。研究學者逐漸發現，雖然機器擁有了簡單的邏輯推理能力，但遭遇到當時無法克服的基礎性障礙，AI停留在“玩具”階段止步不前，遠遠達不到曾經預言的完全智能。由於此前的過於樂觀使人們期待過高，當AI研究人員的承諾無法兌現時，公眾開始激烈批評AI研究人員，許多機構不斷減少對人工智能研究的資助，直至停止撥款。
當時主要問題：
1.電腦運算能力遭遇瓶頸，無法解決指數型爆炸的複雜計算問題
2.常識和推理需要大量對世界的認識資訊，電腦達不到“看懂”和“聽懂”的地步
3.無法解決莫拉維克悖論
4.無法解決部分涉及自動規劃的邏輯問題
5.神經網絡研究學者遭遇冷落
說明：莫拉維克悖論：如果機器像數學天才一樣下象棋，那麽它能模仿嬰兒學習又有多難呢？然而，事實證明這是相當難的。
第二次發展高潮（1980年—1987年）
80年代初，一類名為“專家系統”的AI程式開始為全世界的公司所采納，人工智能研究迎來了新一輪高潮。在這期間，卡耐基梅隆大學為DEC公司設計的XCON專家系統能夠每年為DEC公司節省數千萬美金。日本經濟產業省撥款八億五千萬美元支持第五代電腦項目。其目標是造出能夠與人對話、翻譯語言、解釋影像、能夠像人一樣推理的機器。其他國家也紛紛作出了響應，並對AI和資訊技術的大規模項目提供了巨額資助。
說明：專家系統是一種程式，能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。由於專家系統僅限於一個很小的領域，從而避免了常識問題。“知識處理”隨之也成為了主流 AI 研究的焦點。
當時主要成就：
1.專家系統的誕生
2.AI研究人員發現智能可能需要建立在對分門別類的大量知識的多種處理方法之上
3.BP算法實現了神經網絡訓練的突破，神經網絡研究學者重新受到關注
4.AI研究人員首次提出：機器為了獲得真正的智能，機器必須具有軀體，它需要有感知、移動、生存，與這個世界互動的能力。感知運動技能對於常識推理等高層次技能是至關重要的，基於對事物的推理能力比抽象能力更為重要，這也促進了未來自然語言、機器視覺的發展。
第二次寒冬（1987年—1993年）
1987年，AI硬體的市場需求突然下跌。科學家發現，專家系統雖然很有用，但它的應用領域過於狹窄，而且更新迭代和維護成本非常高。同期美國Apple和IBM生產的台式機性能不斷提升，個人電腦的理念不斷蔓延；日本人設定的“第五代工程”最終也沒能實現。人工智能研究再次遭遇了財政困難，一夜之間這個價值五億美元的產業土崩瓦解。
當時主要問題：
1.受到台式機和“個人電腦”理念的衝擊影響
2.商業機構對AI的追捧和冷落，使AI化為泡沫並破裂
3.電腦性能瓶頸仍無法突破
4.仍然缺乏海量數據訓練機器
第三次發展高潮（1993年至今）
在摩爾定律下，電腦性能不斷突破。雲計算、大數據、機器學習、自然語言和機器視覺等領域發展迅速，人工智能迎來第三次高潮。
摩爾定律起始於Gordon Moore在1965年的一個預言，當時他看到因特爾公司做的幾款芯片，覺得18到24個月可以把晶體管體積縮小一半，個數可以翻一番，運算處理能力能翻一倍。沒想到這麽一個簡單的預言成真了，下面幾十年一直按這個節奏往前走，成為了摩爾定律。
主要事件
1997年：
IBM的國際象棋機器人深藍戰勝國際象棋世界冠軍卡斯帕羅夫
2005年：
Stanford開發的一台機器人在一條沙漠小徑上成功地自動行駛了131英裡，贏得了DARPA挑戰大賽頭獎；
2006年：
1.Geoffrey Hinton提出多層神經網絡的深度學習算法
2.Eric Schmidt在搜索引擎大會提出“雲計算”概念
2010年：
Sebastian Thrun長官的谷歌無人駕駛汽車曝光，創下了超過16萬千米無事故的紀錄
2011年：
1.IBM Waston參加智力遊戲《危險邊緣》，擊敗最高獎金得主Brad Rutter和連勝紀錄保持者Ken Jennings
2.蘋果發布語音個人助手Siri
3.Nest Lab發布第一代智能恆溫器Nest。它可以了解用戶的習慣，並相應自動地調節溫度
2012年：
Google發布個人助理Google Now
2013年：
深度學習算法在語音和視覺識別率獲得突破性進展
2014年：
1.微軟亞洲研究院發布人工智能小冰聊天機器人和語音助手Cortana
2.百度發布Deep Speech語音識別系統
2015年：
1.Facebook發布了一款基於文本的人工智能助理“M”
2016年：
1.Google AlphaGo以比分4:1戰勝圍棋九段棋手李世石
2.Chatbots這個概念開始流行
3.Google發布為機器學習定製的第一代專用芯片TPU
4.Google發布語音助手Assistant
2017年：
1.AlphaGO在圍棋網絡對戰平台以60連勝擊敗世界各地高手
2.Google 開源深度學習系統Tensorflow 1.0正式發布
3.Google AlphaGo以比分3:0完勝世界第一圍棋九段棋手柯潔
4.默默深耕機器學習和機器視覺的蘋果在WWDC上發布Core ML，ARKit等組件
5.Google發布了ARCore SDK
6.百度AI開發者大會正式發布Dueros語音系統，無人駕駛平台Apollo1.0自動駕駛平台
7.華為發布全球第一款AI移動芯片麒麟970
8.iPhone X配備前置 3D 感應攝影頭(TrueDepth)，臉部識別點達到3W個，具備人臉識別、解鎖和支付等功能；配備的A11 Bionic神經引擎使用雙核設計，每秒可達到運算6000億次
9.AlphaGo Zero完全從零開始，不需要任何歷史棋譜的指引，更不需要參考人類任何的先驗知識，僅需要4個TPU，並花三天時間自己左右互搏490萬棋局，最終無師自通完爆阿法狗100-0
很多專家學者對此次人工智能浪潮給予了肯定，認為這次人工智能浪潮能引起第四次工業革命。人工智能逐漸開始在保險，金融等領域開始滲透，在未來健康醫療、交通出行、銷售消費、金融服務、媒介娛樂、生產製造，到能源、石油、農業、政府……所有垂直產業都將因人工智能技術的發展而受益，那麽我們現在講的人工智能究竟是什麽？
人工智能是什麽？
在60年代，AI研究人員認為人工智能是一台通用機器人，它擁有模仿智能的特徵，懂得使用語言，懂得形成抽象概念，能夠對自己的行為進行推理，它可以解決人類現存問題。由於理念、技術和數據的限制，人工智能在模式識別、資訊表示、問題解決和自然語言處理等不同領域發展緩慢。
80年代，AI研究人員轉移方向，認為人工智能對事物的推理能力比抽象能力更重要，機器為了獲得真正的智能，機器必須具有軀體，它需要感知、移動、生存，與這個世界互動。為了積累更多推理能力，AI研究人員開發出專家系統，它能夠依據一組從專門知識中推演出的邏輯規則在某一特定領域回答或解決問題。
1997年，IBM的超級電腦深藍在國際象棋領域完勝整個人類代表卡斯帕羅夫；相隔20年，Google的AlphaGo在圍棋領域完勝整個人類代表柯潔。劃時代的事件使大部分AI研究人員確信人工智能的時代已經降臨。
可能大家覺得國際象棋和圍棋好像沒什麽區別，其實兩者的難度不在同一個級別。國際象棋走法的可能性雖多，但棋盤的大小和每顆棋子的規則大大限制了贏的可能性。深藍可以通過蠻力看到所有的可能性，而且只需要一台電腦基本上就可以搞定。相比國際象棋，圍棋很不一樣。圍棋布局走法的可能性可能要比宇宙中的原子數量還多，幾十台電腦的計算能力都搞不定，所以機器下圍棋想贏非常困難，包括圍棋專家和人工智能領域的專家們也紛紛斷言：電腦要在圍棋領域戰勝人類棋手，還要再等100年。結果機器真的做到了，並據說AlphaGo擁有圍棋十幾段的實力（目前圍棋棋手最高是9段）。
那麽深藍和AlphaGo在本質上有什麽區別？簡單點說，深藍的代碼是研究人員編程的，知識和經驗也是研究人員傳授的，所以可以認為與卡斯帕羅夫對戰的深藍的背後還是人類，只不過它的運算能力比人類更強，更少失誤。而AlphaGo的代碼是自我更新的，知識和經驗是自我訓練出來的。與深藍不一樣的是，AlphaGo擁有兩顆大腦，一顆負責預測落子的最佳概率，一顆做整體的局面判斷，通過兩顆大腦的協同工作，它能夠判斷出未來幾十步的勝率大小。所以與柯潔對戰的AlphaGo的背後是通過十幾萬盤的海量訓練後，擁有自主學習能力的人工智能系統。
這時候社會上出現了不同的聲音：“人工智能會思考並解決所有問題”、“人工智能會搶走人類的大部分工作！”“人工智能會取代人類嗎？”那麽已來臨的人工智能究竟是什麽？
人工智能目前有兩個定義，分別為強人工智能和弱人工智能。
普通群眾所遐想的人工智能屬於強人工智能，它屬於通用型機器人，也就是60年代AI研究人員提出的理念。它能夠和人類一樣對世界進行感知和互動，通過自我學習的方式對所有領域進行記憶、推理和解決問題。這樣的強人工智能需要具備以下能力：
1）存在不確定因素時進行推理，使用策略，解決問題，制定決策的能力
2）知識表示的能力，包括常識性知識的表示能力
3）規劃能力
4）學習能力
5）使用自然語言進行交流溝通的能力
6）將上述能力整合起來實現既定目標的能力
說明：以上結論借鑒李開複所著的《人工智能》一書。
這些能力在常人看來都很簡單，因為自己都具備著；但由於技術的限制，電腦很難具備以上能力，這也是為什麽現階段人工智能很難達到常人思考的水準。
由於技術未成熟，現階段的人工智能屬於弱人工智能，還達不到大眾所遐想的強人工智能。弱人工智能也稱限制領域人工智能或應用型人工智能，指的是專注於且只能解決特定領域問題的人工智能，例如AlphaGo，它自身的數學模型只能解決圍棋領域的問題，可以說它是一個非常狹小領域問題的專家系統，以及它很難擴展到稍微寬廣一些的知識領域，例如如何通過一盤棋表達出自己的性格和靈魂。
弱人工智能和強人工智能在能力上存在著巨大鴻溝，弱人工智能想要進一步發展，必須具備以下能力：
1）跨領域推理
2）擁有抽象能力
3）“知其然，也知其所以然”
4）擁有常識
5）擁有審美能力
6）擁有自我意識和情感
說明：以上結論借鑒李開複所著的《人工智能》一書。
在電腦理念來說，人工智能是用來處理不確定性以及管理決策中的不確定性。意思是通過一些不確定的數據輸入來進行一些具有不確定性的決策。從目前的技術實現來說，人工智能就是深度學習，它是06年由Geoffrey Hinton所提出的機器學習算法，該算法可以使程式擁有自我學習和演變的能力。
作者：薛志榮
香港九龍灣馬來街興發大廈15樓D室