人工智能發(fā)展歷史的簡要概述

　　0 引言

　　從 1956 年達特茅斯會 首次定 “人工智能”（ Artificial Intelli-gence，AI） 開始，AI 研究已 了幾次 史浮沉．在一次又一次的高潮

　　和低谷的交替中，不可否 ，AI 無 是在理 是在 踐上都取得了

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

　　在全世界范 內又掀起了一個 AI 研究 潮．與以往不同的是， 次的

　　研究 潮同 伴隨著 AI 商 化浪潮， 室成果很快就 入工 界，

　　甚至工 界在 股 潮中也站在了學 研究的前沿， 在以往的技

　　展史上是非常罕 的．

　　2015 年 7 月，人工智能被寫入《國 院關于 極推 “互 網+”

　　行 的指 意 》;2016 年 3 月，人工智能一 被寫入“十三五” 劃要; 2016 年 5 月，國家 展改革委 會等四部 合下 《“互 網

　　+”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; 中國科學技 部“科技 新 2030—重大

　　目”近期或將新增“人工智能 2. 0”，人工智能將 一步上升 國家

　　略． 充分可以看出我國 AI 的重 程度．2017 年，中國工程院院刊信息與 子工程學部分刊《信息與 子工程前沿（ 英文） 》出版了“Ar-tificial Intelligence 2. 0” ，潘云 等多位院士及 家學者 AI2. 0

　　所涉及的大數(shù)據(jù)智能、群體智能、跨媒體智能、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

　　將從人工智能的 化浪潮、學 流派和研究方法，以深度神 網 主的 AI 展 史、近期成果和存在 等 多方面 人工智能做一個的介 ，希望能 者了解 AI 有所幫助．

　　注 1 達特茅斯會 上定 的人工智能是指用 算機模 人的

　　思 ， 上 個定 比 適合基于符號 的演 系 （ 符號

　　學派） ，如 家系 等．但人 有 能力（ 學派） ． 格來

　　， 不包括在狹 的人工智能當中，所以神 網 、模糊 和

　　算法等 合另立了“ 算智能”． 了便于表述，我 文中采用了廣

　?。?］

　　上的人工智能， 個概念和“機器智能” 一致，包含了一切機器具

　　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學派

　　20 世 末，當以神 網 主流的 AI 研究又一人 的智能主要包括 和 演 兩大

　　次跌入低谷的 候，加拿大多 多大學的 Hinton 教．我 大量的感知 理，如 聽 、身體感知 理

　　授等 是 守 地，辛勤耕耘，并在 2006 年 得了等都是下意 的，屬于 智能． 而數(shù)學推 、

　　［3-4］．2012 年他和兩位學生成立“深度神 網 推理等都是基于公理系 的符號演 方法． 由

　　突破

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

　　，從此 Hinton 教授身兼多 多大學教授和 Google了幾個 典學派．每個學派從不同的角度看待 ，

　　研究者的雙重身份．Google 隨后斥 4 美元收 人提出解決方案．比如最 主要的兩個學派： 符號學派

　　工智能初 的前沿人工智能企 DeepMind． 另外， ，、，

　　和 學派 前者從哲學 學和心理學出 將

　　Google 收 了 克 面部技 開 商 View- ，

　　學 逆向演 使用 先存在的知 來解決

　　dle． ，大多數(shù) 家系 使用符號學派的方法; 后者 注

　　隨 Hinton 教授的步伐， 大學 Yann LeCun于通 神 元之 的 接來推 表示知 ， 學派

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

　　的 管; 斯坦福大學吳恩達（ Andrew Ng） 教授，2014他 用反向 播算法來 人工神 網 以 取

　　年被百度聘任 首席科學家 “百度大 ”的［5］．其他學派，如 化學派在 學和 化生物學

　　果

　　劃（ 2017 年已 辭 ） ; 斯坦福大學李 教授（ Fei-的基 上得出 ， 葉斯學派注重 學和概率

　　Fei Li） 成 谷歌云 算部 的 人之一． 些 推理， 推學派更多是關注心理學和數(shù)學 化來推

　　象一方面 明人工智能 在受工 界的 迎程度，斷相似性判斷．

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

　　和企 開 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，大量的開源學 平臺且 些學派 于 AI 的研究思路和方法 以形成一

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

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

　　百度深度機器學 開源平臺等，都 AI 的研究和 究方法．

　　開 起到了巨大的推 作用． 當然 有很多其他基于 于“機器智能是由什么決定” 個 的

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

　　翻 等． 的研究方法： 構模 、功能模 和行 模 ． 3

　　科技 展，人才 本．AI 也不例外，企 于 AI種研究方法之 缺乏一種內在的 系，使得人 普

　　人才的 更是 于白 化． 目前 AI 域，尤其是遍AI 理 不成體系． 了解決上述 ，文獻

　　深度學 域面 缺乏 家的困境． 由于 個 域［1，5］提出了第 4 方法，即機制模 ．

　　開始 展，所以 家，即使是博士 生都特 2. 1 構模

　　少．吳恩達教授曾 深度學 域人才 乏的幾近代科學 “ 構決定 ”， 只要系 的

　　個原因： 首先是數(shù)據(jù)， 取解決某些 域的 的數(shù) 構清楚了，功能也就 清楚了．最先提出來的智

　　據(jù)常常非常困 ; 其次是 算基 和架構工具，包括能模 就是 構模 的思路，其代表性的成果有神

　　算機硬件和 件，入 不易; 最后是 個 域的工 ［6］［7］和人工

　　元的 MP 模型、多 感知器 MLP 模型

　　．， ［8］等． 在機械系 的研究中非常有用的

　　程 培養(yǎng) 了解決上述 工 界的科技神 網

　　， Google、Facebook、Twitter、構決定 ，在智能系 的研究中卻存在很多 ．

　　巨 如 百度等 通

　　收 深度學 域的初 公司來招 人才． 其中最構只是硬件基 ，不能完全確定系 的智能行 ．正

　　典型的是 Google，它通 不斷收 深度學 域如 在 于 個神 元的生理活 機制已 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，使得其相關 域的人才成 稀缺之智能行 目前的理解 是非常膚淺． 作 構模

　　寶， 域的研究人 來 ，既是機遇，也是的主流成功方法，人工神 網 具有非常突出的

　　挑 ． 點： 1） 人工神 網 具有比 范的 構; 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 的參數(shù)，自由度大，可以 非常多模 了智能系 ．在 個研究方法中，首先是機器感

　　的系 ; 3） 網 具有并行 理的機制; 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 具有很斷 果做出的模 智能的行 ， 也被稱 感知-

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

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

　　腳蟲的爬行機器人等系

　　構復 ，而且機制深奧，不是 在的人工神 網一個重要 ： 隨著任 境的 化，系 如何能自

　　所能完全模 的; 2） 人工神 網 能做到的 模主學 并 充從感知到 作之 的映射知 ？ 當

　　和人 相比 是太小; 3） 神 元的工作機理 度 然就是一個機器學 ． 行 模 也具有明 的

　　， ．，缺點： 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 程無法用行 直接表達．

　　網 將一切智能都 數(shù) 算 在未能回答任何

　　是否都可以形式化或者數(shù) 化 個 之前，2. 4 機制模

　　種數(shù) 化 算能否完全模 人 智能 是一個 構模 、功能模 和行 模 都具有先天不

　?。?/p>

　　足，而且 3 大方法之 缺乏理 上的 一性．后來

　　2. 2 功能模 的研究 ，智能的生成機制才是智能系 的核心．

　　面 構模 所存在的 ，另外一 點機制模 方法 ，無 什么 、 境和目 ，

　　，人工智能的研究無需去理會智能的具體 構，只智能系 的生成機制必然要 得“ 、 束條件、

　　要能 模 智力功能即可， 就是“功能主 ”下 目 ”等信息，然后提取和建立相關知 ， 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 也常常被稱 符號主 、 主 、心解決 ． 可以概括 一種“信息—知 —智

　　［1，5］

　　理學派．符號主 人工智能源于數(shù)理 ．數(shù)理能 程”．根據(jù) 個 點， 構模 可以 是

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

　　并在 算機上演 系 ． 后來符號主 者是“信息— 范知 — 范策略 程”，行 模

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

　　和技 ． 方面的研究一開始取得了不少成 ，但程”．因此， 構模 、功能模 和行 模 三者都是

　　是一直被批 以解決 ． 直到 家系 平行的，而機制模 和 地 一了上述 3 種模 方

　　出 ， 工 、 和社會 域 來了成功的方案，法，成 了一個 一的理 ．

　　如第一個 家系 DENDRAL［9］用于 分析有 在 AI 展 程中，上述多個方法各自都出

　　［10］用于

　　機化合物的分子 構，MYCIN 醫(yī) 家系 自己的 展 峰和低谷 期．目前的 AI 潮 源于

　　抗生素 物治 等． 符號主 曾 在人工智能 域 構模 方法方面的突破，即由于解決了深度神

　　中一枝獨秀， 人工智能 展做出了極大 獻，我國網 的 ，加上大數(shù)據(jù)的高性能 算平臺（ 云

　　吳文俊院士關于幾何定理機械化 明就是其中一 算、GPU 等） 成 ，使得深度神 網 的表達

　　非常重要的成果． 當然，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

　　點： 系 的智能水平與 得的知 水平有很大的關 的作用．本文將 一步以深度學 主介 其

　　系．而且很多知 取困 ， 家知 充 矛盾和偏展和成功案例．