人工智能发展历史的简要概述

　　0 引言

　　从 1956 年达特茅斯会 首次定 “人工智能”（ Artificial Intelli-gence，AI） 开始，AI 研究已 了几次 史浮沉．在一次又一次的高潮

　　和低谷的交替中，不可否 ，AI 无 是在理 是在 践上都取得了

　　扎 的 步，人 于智能的理解 一步加深． 尤其是近期以深度学 （ Deep Learning，DL） 代表的 AI 技 取得了突破性的 展，从而

　　在全世界范 内又掀起了一个 AI 研究 潮．与以往不同的是， 次的

　　研究 潮同 伴随着 AI 商 化浪潮， 室成果很快就 入工 界，

　　甚至工 界在 股 潮中也站在了学 研究的前沿， 在以往的技

　　展史上是非常罕 的．

　　2015 年 7 月，人工智能被写入《国 院关于 极推 “互 网+”

　　行 的指 意 》;2016 年 3 月，人工智能一 被写入“十三五” 划要; 2016 年 5 月，国家 展改革委 会等四部 合下 《“互 网

　　+”人工智能三年行 施方案》;李克 理的政府工作 告中也提到了人工智能 展; 中国科学技 部“科技 新 2030—重大

　　目”近期或将新增“人工智能 2. 0”，人工智能将 一步上升 国家

　　略． 充分可以看出我国 AI 的重 程度．2017 年，中国工程院院刊信息与 子工程学部分刊《信息与 子工程前沿（ 英文） 》出版了“Ar-tificial Intelligence 2. 0” ，潘云 等多位院士及 家学者 AI2. 0

　　所涉及的大数据智能、群体智能、跨媒体智能、混合增 智能和自主

　　智能等 行了深度 述．

　　面 人工智能 潮，我 如何理解，看待其 步？ 又如何了解

　　［1］［2］了上述 ，本文

　　其功能和限制？ 已 有不少 籍和 文

　　将从人工智能的 化浪潮、学 流派和研究方法，以深度神 网 主的 AI 展 史、近期成果和存在 等 多方面 人工智能做一个的介 ，希望能 者了解 AI 有所帮助．

　　注 1 达特茅斯会 上定 的人工智能是指用 算机模 人的

　　思 ， 上 个定 比 适合基于符号 的演 系 （ 符号

　　学派） ，如 家系 等．但人 有 能力（ 学派） ． 格来

　　， 不包括在狭 的人工智能当中，所以神 网 、模糊 和

　　算法等 合另立了“ 算智能”． 了便于表述，我 文中采用了广

　　［1］

　　上的人工智能， 个概念和“机器智能” 一致，包含了一切机器具

　　有的智能．

　　298YU Zhuliang．Review of progress on artificial intelligence．

　　1 人工智能商 化浪潮2 人工智能的主要研究学派

　　20 世 末，当以神 网 主流的 AI 研究又一人 的智能主要包括 和 演 两大

　　次跌入低谷的 候，加拿大多 多大学的 Hinton 教．我 大量的感知 理，如 听 、身体感知 理

　　授等 是 守 地，辛勤耕耘，并在 2006 年 得了等都是下意 的，属于 智能． 而数学推 、

　　［3-4］．2012 年他和两位学生成立“深度神 网 推理等都是基于公理系 的符号演 方法． 由

　　突破

　　研究”（ DNN Research） 公司，数个月后被 Google 收于在 展 程中， 于智能的理解的不同， 形成

　　，从此 Hinton 教授身兼多 多大学教授和 Google了几个 典学派．每个学派从不同的角度看待 ，

　　研究者的双重身份．Google 随后斥 4 美元收 人提出解决方案．比如最 主要的两个学派： 符号学派

　　工智能初 的前沿人工智能企 DeepMind． 另外， ，、，

　　和 学派 前者从哲学 学和心理学出 将

　　Google 收 了 克 面部技 开 商 View- ，

　　学 逆向演 使用 先存在的知 来解决

　　dle． ，大多数 家系 使用符号学派的方法; 后者 注

　　随 Hinton 教授的步伐， 大学 Yann LeCun于通 神 元之 的 接来推 表示知 ， 学派

　　教授，2013 年底被聘Facebook 人工智能研究院聚焦于物理学和神 科学，并相信大 的逆向工程，

　　的 管; 斯坦福大学吴恩达（ Andrew Ng） 教授，2014他 用反向 播算法来 人工神 网 以 取

　　年被百度聘任 首席科学家 “百度大 ”的［5］．其他学派，如 化学派在 学和 化生物学

　　果

　　划（ 2017 年已 辞 ） ; 斯坦福大学李 教授（ Fei-的基 上得出 ， 叶斯学派注重 学和概率

　　Fei Li） 成 谷歌云 算部 的 人之一． 些 推理， 推学派更多是关注心理学和数学 化来推

　　象一方面 明人工智能 在受工 界的 迎程度，断相似性判断．

　　同 也 明了人工智能目前的 展 是学 研究然上述主流学派各自都取得了很大的成就，

　　和企 开 的快速深度 合．但是其各自采用的研究方法都遇到了 多困 ，而

　　了迎合 AI 的 展 潮，大量的开源学 平台且 些学派 于 AI 的研究思路和方法 以形成一

　　不断 世， 清的 Caffe、Google 的 TensorFlow、Fa-个 一的框架． 了更好地理解 AI 的本 ，本文

　　cebook 的 FBLearner Flow、Tesla 的 OpenAI 以及采用文献［1，5］中的 点来介 人工智能的主流研

　　百度深度机器学 开源平台等，都 AI 的研究和 究方法．

　　开 起到了巨大的推 作用． 当然 有很多其他基于 于“机器智能是由什么决定” 个 的

　　工 巨 的 品，例如 IBM 的沃森系 、微 的同声回答，人工智能 域 70 多年的 展形成了 3 大主流

　　翻 等． 的研究方法： 构模 、功能模 和行 模 ． 3

　　科技 展，人才 本．AI 也不例外，企 于 AI种研究方法之 缺乏一种内在的 系，使得人 普

　　人才的 更是 于白 化． 目前 AI 域，尤其是遍AI 理 不成体系． 了解决上述 ，文献

　　深度学 域面 缺乏 家的困境． 由于 个 域［1，5］提出了第 4 方法，即机制模 ．

　　开始 展，所以 家，即使是博士 生都特 2. 1 构模

　　少．吴恩达教授曾 深度学 域人才 乏的几近代科学 “ 构决定 ”， 只要系 的

　　个原因： 首先是数据， 取解决某些 域的 的数 构清楚了，功能也就 清楚了．最先提出来的智

　　据常常非常困 ; 其次是 算基 和架构工具，包括能模 就是 构模 的思路，其代表性的成果有神

　　算机硬件和 件，入 不易; 最后是 个 域的工 ［6］［7］和人工

　　元的 MP 模型、多 感知器 MLP 模型

　　．， ［8］等． 在机械系 的研究中非常有用的

　　程 培养 了解决上述 工 界的科技神 网

　　， Google、Facebook、Twitter、构决定 ，在智能系 的研究中却存在很多 ．

　　巨 如 百度等 通

　　收 深度学 域的初 公司来招 人才． 其中最构只是硬件基 ，不能完全确定系 的智能行 ．正

　　典型的是 Google，它通 不断收 深度学 域如 在 于 个神 元的生理活 机制已 研究得

　　的公司， 到一批世界一流 家． 而言之，人工智非常深入，但是大量的神 元 接在一起所呈 的

　　能 的 展，使得其相关 域的人才成 稀缺之智能行 目前的理解 是非常肤浅． 作 构模

　　宝， 域的研究人 来 ，既是机遇，也是的主流成功方法，人工神 网 具有非常突出的

　　挑 ． 点： 1） 人工神 网 具有比 范的 构; 2） 系 具

　　Journal of Nanjing University of Information Science and Technology（ Natural Science Edition） ，2017，9（ 3） ： 297-304299

　　有大量可以 的参数，自由度大，可以 非常多模 了智能系 ．在 个研究方法中，首先是机器感

　　的系 ; 3） 网 具有并行 理的机制; 4） 信息分布知，然后 感知信息做模式分 ，最后是 感知判

　　存 ，提供了 良的 和 想能力; 5） 系 具有很断 果做出的模 智能的行 ， 也被称 感知-

　　的自适 能力和高度的容 能力． 当然人工神 作系 ． 方面的典型 用是 Brooks 完成的模 六

　　网 也具有很多弱点和局限性： 1） 人的智能系 不 ［11］．感知- 作系 涉及到

　　脚虫的爬行机器人等系

　　构复 ，而且机制深奥，不是 在的人工神 网一个重要 ： 随着任 境的 化，系 如何能自

　　所能完全模 的; 2） 人工神 网 能做到的 模主学 并 充从感知到 作之 的映射知 ？ 当

　　和人 相比 是太小; 3） 神 元的工作机理 度 然就是一个机器学 ． 行 模 也具有明 的

　　， ．，缺点： 只有那些能用行 表 的智能才能被模 ，可

　　化 以保 系 能最 模 人另外 人工神

　　， 是很多智能 程无法用行 直接表达．

　　网 将一切智能都 数 算 在未能回答任何

　　是否都可以形式化或者数 化 个 之前，2. 4 机制模

　　种数 化 算能否完全模 人 智能 是一个 构模 、功能模 和行 模 都具有先天不

　　．

　　足，而且 3 大方法之 缺乏理 上的 一性．后来

　　2. 2 功能模 的研究 ，智能的生成机制才是智能系 的核心．

　　面 构模 所存在的 ，另外一 点机制模 方法 ，无 什么 、 境和目 ，

　　，人工智能的研究无需去理会智能的具体 构，只智能系 的生成机制必然要 得“ 、 束条件、

　　要能 模 智力功能即可， 就是“功能主 ”下 目 ”等信息，然后提取和建立相关知 ， 而

　　的功能模 思路． 上，功能模 的最典型代表就在目 控制下，利用上述信息和知 演 出求解

　　［9］是其最成功的 的策略，并 化 相 的智能行 作用于 ，并

　　是 的人工智能，如 家系

　　用．功能模 也常常被称 符号主 、 主 、心解决 ． 可以概括 一种“信息—知 —智

　　［1，5］

　　理学派．符号主 人工智能源于数理 ．数理能 程”．根据 个 点， 构模 可以 是

　　在 20 世 30 年代开始 用于描述智能行 ， “信息— 知 — 策略 程”，功能模

　　并在 算机上演 系 ． 后来符号主 者是“信息— 范知 — 范策略 程”，行 模

　　一步 展 启 式算法— 家系 —知 工程理 可以 是“信息—常 知 —常 策略

　　和技 ． 方面的研究一开始取得了不少成 ，但程”．因此， 构模 、功能模 和行 模 三者都是

　　是一直被批 以解决 ． 直到 家系 平行的，而机制模 和 地 一了上述 3 种模 方

　　出 ， 工 、 和社会 域 来了成功的方案，法，成 了一个 一的理 ．

　　如第一个 家系 DENDRAL［9］用于 分析有 在 AI 展 程中，上述多个方法各自都出

　　［10］用于

　　机化合物的分子 构，MYCIN 医 家系 自己的 展 峰和低谷 期．目前的 AI 潮 源于

　　抗生素 物治 等． 符号主 曾 在人工智能 域 构模 方法方面的突破，即由于解决了深度神

　　中一枝独秀， 人工智能 展做出了极大 献，我国网 的 ，加上大数据的高性能 算平台（ 云

　　吴文俊院士关于几何定理机械化 明就是其中一 算、GPU 等） 成 ，使得深度神 网 的表达

　　非常重要的成果． 当然，功能模 也具有明 的缺能力得到了充分的 ， AI 的 展起到了推波助

　　点： 系 的智能水平与 得的知 水平有很大的关 的作用．本文将 一步以深度学 主介 其

　　系．而且很多知 取困 ， 家知 充 矛盾和偏展和成功案例．