简体中文
阿蘭·圖靈
【亞太日報訊】由於4：1大勝人類圍棋冠軍，一個名叫“阿爾法狗”的AI（人工智能）紅了。在阿爾法狗之前，它的許多前輩也曾紅極一時，深藍、尤金……每一次AI的進步都會同時引發一輪熱潮，我們應該記住它們和它們的締造者——
隨著阿爾法狗（AlphaGo）戰勝李世石，人工智能的發展又引起了全世界的興趣。其實，人們自古就幻想著智慧的機器。中國古籍記載，周穆王去西邊的昆侖山旅游，碰到一個工匠叫偃師的，能造出跟人一模一樣的假人，能跳舞唱歌，還對周穆王的愛妃暗送秋波。惹得穆王大怒，要處死偃師。偃師急忙扯掉假人的頭，原來裡面是機器。
如今大家對人工智能的印像，跟周穆王差不多：有時幾乎被它蒙騙，但下一個時刻它又現出原形。即使許多最聰明的頭腦投入這項事業，人工智能的“奇點”仍未到來。
不能不說的圖靈測試
1945年，技術史上劃時代的天才，阿蘭·圖靈提出了所謂的“仿真系統”，他寫了一份詳細的文件，想制造一種沒有固定的指令系統的計算機。它能模擬各種不同指令系統的計算機的函數。
這份文件公布於1972年，此時大家才知道：圖靈在二戰結束時就開啟了後來被稱為“人工智能”領域的研究，而且他已經開始注意人的神經網絡和計算機器可能的聯系。
1950年，圖靈來到曼徹斯特大學任教，並負責曼大的自動計算機項目。就在1950年10月，他發表了另一篇題為《機器能思考嗎？》 的論文，成為劃時代之作。也正是這篇文章，為圖靈贏得了“人工智能之父”的不朽名譽。
這篇論文裡，圖靈第一次提出了“機器思維”。他有條理地反駁機器不能思維的看法。他還把對機器智能的判斷變成一個行為主義範疇的問題。
圖靈給出了後來人工智能領域的金標准——一個人如果不是面對面地交流，而是隔著一道帷幕，和對方進行問答，而且在相當長時間內，無法根據這些問題判斷對方是人還是計算機，那麼就可以認為這個計算機具有同人相當的智力。這就是著名的“圖靈測試”（Turing Testing）。圖靈說，只要有30%的人類測試者在5分鐘內無法分辨出被測試對像，就可以認為機器通過了圖靈測試。
雖然計算機當時剛剛發明，還遠達不到能跟人對話的程度，但圖靈預言，20世紀末會有電腦通過“圖靈測試”。他的預言在IBM的深藍身上部分實現。不過，卡斯帕羅夫和深藍是通過棋局切磋，而不是言語交流。能夠跟人長時間無限制地交流而不被辨認出來的電腦，仍然未有，這一點上圖靈太樂觀了。
2014年6月12日，一個名為“尤金·古斯特曼”的聊天程序成功地在5分鐘內蒙騙了30%的人類測試者，被認為通過了圖靈測試。但也有人反駁說，這個聊天機器人自稱只有13歲，並使用第二語言來回答問題，因此它模仿的不應該是圖靈所想的那種正常智人。
群星輩出的短暫黃金期
1956年8月，在美國漢諾斯小鎮的達特茅斯學院，約翰·麥卡錫、馬文·閔斯基、克勞德·香農、艾倫·紐厄爾、赫伯特·西蒙等人發起了第一次用機器模擬人的智力的大討論。這些名字後來在學界都是響當當的。
會議開了兩個月，沒有共識，但會議討論的內容有了一個名字：人工智能。所以也有人把1956年看作是人工智能元年。之後，隨著大批智者撲向這一新領域，人工智能像噴氣式飛機一樣驟然升空。
一開始，有人用計算機程序代替人類進行自動推理來證明了數學定理。在達特茅斯會議上，紐厄爾和西蒙展示了他們的程序：“邏輯理論家”可以獨立證明出《數學原理》第二章的38條定理；1963年，它已證明該章的全部52條定理。
1958年，美籍華人王浩在IBM704計算機上，5分鐘之內就證明了《數學原理》中有關命題演算部分的全部220條定理。IBM公司還研制出了平面幾何的定理證明程序。
1976年，凱尼斯·阿佩爾和沃夫岡·哈肯等人利用人工和計算機混合的方式證明了一個著名的數學猜想：四色定理——“任意一張區域劃分的地圖，僅用四種顏色就可以染色該地圖，使任意兩個相鄰的國家不會撞色；這個定理之前被經驗肯定，但人們不知如何從公理上證明。兩位研究者把這個定理化作幾千種不同的特例，然後用計算機的窮舉能力，一個一個證明了。但這種借助計算機蠻力的辦法，至今被許多數學家認為不算是真正的證明。
機器學習也突飛猛進；達特茅斯會議上，阿瑟·薩繆爾公開了一個跳棋程序，它具有自學習函數，可以不斷總結經驗提高水平。1959年，該跳棋程序打敗了設計者薩繆爾本人，3年後，它已經可以擊敗美國一個州的跳棋冠軍。
1956年，奧利弗·薩爾夫瑞德研制出首個字符識別程序，開辟了模式識別這一新的領域。1957年，紐厄爾和西蒙等開始研究一種不依賴於具體領域的“通用問題求解器”。1963年，詹姆斯·斯拉格發表了符號積分程序SAINT，輸入一個函數的表達式，該程序就能自動輸出這個函數的積分表達式。過了4年後，他們研制出了升級版SIN，已可表現出專家水准。
挫折後轉向機器學習
一開始人工智能就顯現出光明前景，學者們沒有理由不樂觀。1958年，紐厄爾和西蒙自信地說，不出10年，計算機將會成為世界像棋冠軍，證明重要的數學定理，譜出優美的音樂。照這樣的速度發展下去，2000年人工智能就能超過人類。
可事實沒那麼簡單。1965年，機器定理證明遇到瓶頸：計算機推了數十萬步也無法證明兩個連續函數之和仍是連續函數。薩繆爾的跳棋程序也無法進一步戰勝世界冠軍。
1960年代計算機技術爆發時，大家估計人工智能不超過十年就能實現。但後來人工智能技術的發展之難，讓很多科學家放棄了這個領域。後來學界也將人工智能分為兩種：難以實現的強人工智能和可以嘗試的弱人工智能。
強人工智能是科幻電影裡常見的那種，可以認為它就是人，可執行“通用任務”。弱人工智能則處理單一問題。我們迄今仍處於弱人工智能時代。
1970年代，愛德華·費根鮑姆的思路被學界接受：人工智能不光要研究解法，還得引入知識。專家系統就誕生了。它利用數字化的知識去推理，以模仿領域專家解決問題。第一個成功的專家系統DENDRAL1968年問世，可根據質譜儀的數據推知分子結構。
在1977年世界人工智能大會提出的“知識工程”的啟發下，日本的第五代計算機計劃、英國的阿爾維計劃、歐洲的尤裡卡計劃和美國的星計劃相機出台，人工智能都是這些計劃的重要組成部分。
於是，在1980年代，機器學習成為了人工智能的焦點。而且學者也提出了讓機器不靠人類灌輸知識，而是模擬小孩子自己去學的方法。其中，有學者模擬大腦結構（神經網絡）實現，也有學者模擬與環境互動的簡單生物體。他們與傳統的人工智能流派鼎足而立。
但是，直到1990年代，人工智能的研究仍未走出低潮，日本在機器人領域大量投資，但當時效益不明顯。
IBM“三兄弟”唱主角
1988年，人工智能系統深思闖入國際像棋界。它是IBM研發的，每秒考慮70萬步棋。1991年，深思II戰平了澳大利亞國際像棋冠軍。
1996年，深思的升級版深藍挑戰人類國際像棋世界冠軍，如日中天的加裡·卡斯帕羅夫，2：4落敗。一年後的5月11日，深藍以3.5：2.5的成績戰勝了卡斯帕羅夫。這兩次比賽都引發了全球關注，最終讓人工智能重新贏得世界的注意力。
2011年2月，在美國一個著名的電視問答節目《危險》中，IBM公司的沃森（Watson）系統戰勝了人類選手，成為深藍後另一個裡程碑。這個節目是各種知識的問答，主持人給出一些線索，選手則要猜出主持人所講的東西。自然語言理解對機器是很難的，因為涉及到語言的隱含意思，各種比喻和歧義。沃森能夠搞明白人類的語言是一大進步。
IBM巨額投入在各種表演性質的人工智能上，樹立了AI領袖的形像，也拉升了自己的股票。目前，沃森和同類系統已經被用在幫助律師處理案卷，或者幫助醫生根據病例做初步診斷上。
隨著Google在近十年大量投資人工智能，桂冠似乎正要從IBM頭頂摘下。谷歌公司的工程總監是未來學家雷·庫茲韋爾，他由於普及了奇點概念而名震業界。庫茲韋爾認為：人工智能遲早要發展到一個轉折點，由於所有信息被人工智能吸納，它將生產出人類再也無法消化的海量信息從而超越人類。
從神經網絡到阿爾法狗
前幾天結束的阿爾法狗對抗李世石，最終電腦笑到了最後，為什麼人工智能這麼厲害？靠的是神經網絡進行深度學習。
所謂神經網絡研究，可追溯到1943年。當時，沃倫·麥卡洛克和沃爾特·匹茲提出了單個神經元的計算模型。1957年，弗蘭克·羅森布拉特擴充了麥卡洛克-匹茲模型，在神經元上加入了學習算法，並稱之為“感知機”。它根據模型的輸出，與人們希望模型的輸出之間的誤差，調整權重來學習。
感知機根據輸出效果的好壞來調整自己的神經網絡，這跟人的大腦是相同的原理。神經網絡學派給機器學習指出了一條路。1974年，傑夫·辛頓提出，用多個感知機連接成一個網絡，它就能解決任何問題；配合以反向傳播算法，就能訓練神經網絡。
