人工智能的思想长期以来一直困扰着人类。 自动机在古希腊的神话中备受关注，最著名的例子是宙斯创造的人造女人潘多拉（Pandora）。 在犹太文化中发现了神秘的go。 令人惊叹的卡拉库里娃娃在日本史诗中占有重要地位。
在17世纪，一些哲学家考虑了“把思想”放入无生命物体的可能性。 提出了许多理论。 例如，雷内·笛卡尔（Rene Descartes）相信身心的二元论。 他的观点拒绝了智能化的可能性。
莱布尼兹有其他意见。 他认为，所有人类思想都可以用基本符号数学表示。 为此，他提出了普遍性特征，这是描述知识所必需的概念象征。
自远古以来，小说就一直采用人工智能和自动机。 一个例子是玛丽·雪莱（Mary Shelley）的“弗兰肯斯坦或现代普罗米修斯（Frankenstein or Modern Prometheus）”和卡雷尔·查佩克（Karel Chapek）的“罗斯森环球机器人”。 多亏了他们，1921年“机器人”一词出现在文学中。
这些是AI出现的哲学前提。 现在让我们来谈谈具体的科学家及其作品，由于它，虚构的人工智能已经成为现实。 一个相对具体和真实的故事是最近才开始的。 著名的图灵测试于1950年首次进行，但仅在六年后的1956年，人工智能就开始作为单独的学科而形成。 让我们看看情况如何。
第一步
在1950年代和60年代，与人工智能有关的科学论文的数量急剧增加。 但是较早的研究已经影响了这个话题。 伯特兰·罗素（Bertrand Russell）和阿尔弗雷德·诺斯·怀特海德（Alfred North Whitehead）于1913年出版了《数学原理》 。 大约在同一时间，乔治·布尔提出了他的思想定律 。 因此，奠定了数学逻辑的基础。
也许这一切始于一个难以理解的15岁男孩闯入Rudolf Karnap的办公室。 卡纳普然后已经成为一位有影响力的哲学家，并在芝加哥大学任教。 他出版了《语言的逻辑语法》。 这个男孩未经允许而来，并指出这项工作有误。 鲁道夫震惊了。 访客很不寻常。 另外，他甚至没有自我介绍，立即逃跑了。 经过几个月的搜索，鲁道夫终于在当地一所大学找到了他的访客。 原来是Walter Harry Pitts 。
三年前（是的，年仅12岁），沃尔特（Walter）给贝特朗·罗素（Bertrand Russell）写了一封信，指出了上述原则中发现的问题。 罗素给他留下了深刻的印象，他邀请男孩到英国剑桥大学读研究生。 沃尔特虽然在一个功能失调的家庭中长大，但却不敢离开底特律。 但是，当罗素到达芝加哥讲课时，皮茨逃到了他的家中学习。 他没有成为芝加哥大学的学生，但他勤奋地参加了讲座。 （尽管Walter Pitts的寿命很短，但他的生活通常非常光明有趣。我建议您自行阅读-大约是Translator ）。
1942年，沃尔特·皮茨（Walter Pitts）会见了沃伦·麦卡洛克 （ Warren McCallock） 。 McCullock邀请Pitts留在他家。 他们确信莱布尼兹理论的正确性，这暗示了人类思想“机械化”的可能性。 他们试图为人类神经系统的神经生物学创建模型。 他们于1943年在同一篇文章上发表了他们的主要文章，称其为“ 与神经活动有关的思想的逻辑演算 ”。 该文件对人工智能领域做出了不可估量的贡献。 科学家提出了一个简单的模型，称为麦库洛克-皮茨数学神经元 。 她仍在学习机器学习课程。 科学家提出的想法是几乎所有现代AI的基础。
沃伦·麦卡洛克（Warren McCallock）和沃尔特·皮茨（Walter Pitts）
诺伯特·韦纳（Norbert Weiner）的控制论和克劳德·香农（Claude Shannon）的信息论于1948年发表。 控制论是对“在生物体和机器中的控制和通信”的研究。 信息论是对信息量，其存储和传输的度量。 这两部作品都对AI产生了重大影响。
控制论直接研究了生物和机械智能。 信息理论影响了基础数学。
几年后， 艾伦·图灵 （ Alan Turing）进行了图灵 测试 。 他描述了一种确定机器是否智能的方法。 简化测试如下：一个人与一台计算机通信，一个人与之通信。 根据他们对问题的回答，他必须确定与谁交谈：一个人或一个计算机程序。 计算机程序的任务是误导一个人，迫使他做出错误的选择。”
尽管Turing测试太局限了，无法测试现代智能系统，但这在当时是一项真正的突破。 艾伦·图灵（Alan Turing）的名字广受媒体关注，从而使该行业更加受欢迎。
图灵测试
1956年，在达特茅斯举行了一次会议 ，主题是研究情报“机械化”的概念。 后来，这次会议的参与者将成为AI领域的杰出人物。 最著名的是Marvin Minsky ，他于1951年创建了第一台神经网络机器SNARC。 在接下来的几十年里，他将成为人工智能界最著名的名字。
克劳德·香农（Claude Shannon）也参加了会议。 未来的诺贝尔奖获得者赫伯特·A·西蒙（Herbert A. Simon）和艾伦·纽厄尔 （ Allen Newell）凭借其“ 逻辑理论家 ”首次亮相。 随后，他将解决拉塞尔数学原理的前52个定理中的38个定理。
约翰·麦卡锡（John McCarthy）-也是人工智能的先驱之一-创造了“人工智能”的名字。 与会者同意这个任期。 这就是AI的诞生。
工业发展（1956年至1974年）
语义网
由于这次会议，对AI的兴趣增加了，并且出现了许多有趣的发展。 1959年，Newell和Simon创建了“通用问题解决器”，从理论上讲它可以解决任何形式化的问题。 詹姆斯·斯莱格（James Slagle）创建了一个SAINT（符号自动积分器）启发式程序，该程序解决了微积分中的符号积分问题。 这些程序令人印象深刻。
创建图灵测试后，语言的自然性已成为AI的重要领域。 Daniel Bobrow的学生计划能够解决高中单词的问题。 不久之后，出现了语义网络的概念-各种概念及其之间的关系的映射（如图所示）。 在这个网络上已经建立了几个成功的程序。 1966年，约瑟夫·魏森鲍姆（Joseph Weisenbaum）创立了ELIZA。 虚拟对话者可以与人进行现实的对话。
关于AI行业的如此积极发展，科学家们做出了大胆的声明：
- Newell和Simon，1958年：“十年之内，数字计算机将成为世界象棋冠军。” 而且“在十年之内，数字计算机将发现并证明一个重要的新数学定理”。
- 西蒙·GA，1965年：“机器将能够执行一个人20年来可以做的任何工作。”
- 马文·明斯基（Marvin Minsky），1967年：“一代人……创造“人工智能”的问题将得到实质性解决。”
- 马文·明斯基（Marvin Minsky），1970年：“在三到八年内，我们将拥有一台具有普通人一般智慧的机器。”
钱以一种或另一种方式进入了这个行业。 高级研究计划办公室（ARPA，后更名为DARPA）向MIT小组分配了220万美元。 当时的DARPA主席决定，他们应该“资助人员，而不是项目”，并创造了一种自由的研究文化。 这使研究人员可以执行他们认为正确的任何项目。
临时冷却（1974-1980）
1969年，马文·明斯基（Marvin Minsky）和西摩·帕尔特（Seymour Papert）出版了《 Perceptrons》一书。 在其中，他们展示了感知器的基本局限性，并强调了感知器无法控制XOR基本方案。 这导致人工智能研究人员的兴趣转向了与神经网络相反的符号计算领域。
象征性AI的替代方法获得了爆炸性的增长。 但是这种方法没有产生任何明显的结果。 在1970年代，很明显AI研究人员对AI过于乐观。 他们承诺的目标尚未实现，他们的成就似乎是一个遥不可及的未来。
研究人员意识到，他们靠在墙上。 人工智能被应用于简单的任务。 但是对于这些系统而言，实际情况太复杂了。 该算法必须探索的可能性之多是天文数字。 这导致了组合爆炸的问题。 然后出现了经典问题“如何使计算机变得智能”。 这是一个常识问题。
所有这些导致了投资者对技术失望的事实。 人工智能资金因此消失了，研究也停止了。 由于立法的变化，DARPA也不再能够支持黑客的研究文化。 赞助商已经冻结了用于人工智能领域研究的资金。 因此，1974-1980年。 称为“ 冬季AI” 。
重生
1981年，日本政府开始对人工智能领域的研究进行认真的投资。 该国为第五代计算机项目拨款8.5亿美元。 他致力于开发AI。 被指控的计算机必须进行交流，翻译其他语言，识别图片。 可以预料，计算机将成为创建可以模拟思维的设备的基础。
Wabot-2
日本的研究似乎很有希望。 1980年，早稻田大学开发了Wabot-2机器人。 他可以与人交流，阅读乐谱并演奏电子琴。 日本人的成功迫使其他政府和私营企业再次将目光转向人工智能。
在这一点上，出现了联系主义的问题。 1982年，霍普菲尔德（Hopfield）创建了一种能够研究和处理信息的新型神经网络。 杰弗里·欣顿（Jeffrey Hinton）和大卫·鲁梅尔哈特（David Rumelhart）推广了反向自我区分。 这项技术是非凡的，并且至今在机器学习中仍然至关重要。
人工智能以“专家系统”的形式获得了商业上的成功。 这些系统对特定主题有深入的了解。 卡内基梅隆大学（CMU）于1980年推出了名为XCON的专家系统。 它曾在Digital Equipment Corporation使用。 直到1986年，该公司每年节省了4000万美元。
第二个冬天
PC革命改变了AI发展的进程
在1980年代后期，计算机革命掩盖了AI行业的成功。 苹果和IBM同时生产越来越强大的计算机。 台式计算机已经变得比人工智能Lisp机器更便宜，功能更强大。 一夜之间，一个价值十亿美元的整个产业被摧毁了。 事实证明，在XCON机器等专家系统中AI的成功过于昂贵。
专家系统存在问题。 他们无法学习。 它们是“脆弱的”（也就是说，如果获得异常数据，它们可能会犯严重错误）。 专家系统的实际范围已经受到限制。 新的DARPA领导层已决定AI不是“下一波浪”。 从他们的角度来看，将投资重定向到应该立即产生结果的项目。
到1991年，日本的计算机项目的目标尚未实现。 科学家低估了他们必须面对的困难。 到1993年底，超过300家AI公司关闭，破产或被收购。 实际上，这是人工智能第一波商业使用的结束。
新鲜流
当计算机革命的回声开始消退时，人们就有机会使用大型计算能力。 随着计算机的普及，各种数据库的数量在增加。 就AI开发而言，一切都非常酷。
新技术解决了问题并消除了干扰科学家的障碍。 研究人员利用不断增强的计算能力，推动了可能性的发展。 从成为大数据的数据库中，可以提取越来越多的知识。 实际使用AI的可能性变得越来越明显。
1990年代确立了一个称为“ 智能代理 ”的新概念。 智能代理（IA）是一个长时间独立执行用户发出的任务的系统。 希望有一天我们能够教会IA进行交互。 这将导致创建通用且更加“智能”的系统。
在AI社区中，关于在人工智能领域中使用数学的观点不一。 有人认为智能太复杂，无法用数学符号来描述。 他们认为，人们在制定决策时很少受逻辑指导。 他们的反对者反对逻辑链是前进的道路。
G.卡斯帕罗夫（Kasparov）和《深蓝》一起玩
很快，在1997年，IBM深蓝超级计算机击败了Garry Kasparov。 那时，卡斯帕罗夫是世界象棋冠军。 根据纽维尔和西蒙的说法，原本应该在1968年发生的事情，终于在1997年发生。
现代国际象棋计算机比任何人都强大。 人类获得的最高Elo评分是2882。对于计算机，最常见的数字是3,000 Elo。 最高记录超过3,350。
2005年，斯坦福大学开发了一种用于自动驾驶的机器人。 他在一条未经探索的沙漠小径上行驶131英里（211公里），从而赢得了DARPA大挑战赛的冠军。
危险的
2011年2月，IBM决定在Jeopardy测验中测试其IBM Watson。 该计算机能够以极大的优势击败《危险》的两个最大拥护者。
随着互联网和社交网络的雪崩式发展，信息量不断增长。 IT公司需要对收到的数据进行处理。 而且使用AI已成为一种必需品，而不是娱乐。
现在，Google使用机器学习对SERP进行排序。 YouTube使用ML算法选择推荐的视频，以相同的方式推荐Amazon产品。 Facebook新闻提要由智能计算机生成。 甚至Tinder也找到使用ML算法的人。
由于计算机的革命，人工智能技术已成为我们不可或缺的工具。 现在，人类期待着超级机器的诞生。 而且，尽管人工智能的影响有时会引起争议，但该技术的进一步发展是不可避免的。
在Cloud4Y博客上阅读还有什么有用的
→ 电脑会让你好吃
→ 人工智能帮助研究非洲的动物
→ 夏天快结束了。 几乎没有数据泄漏
→ 4种方式在云中保存备份
→ 物联网，雾霾和云：谈论技术？
订阅我们的电报频道，以免错过其他文章！ 我们每周写不超过两次，并且只在商务上写。