人工智能机器人发展史（近代篇）
家用机器人Elektro
自1946年世界上第一台通用计算机ENIAC问世以来，计算机技术取得了惊人的进步，向高速度、大容量、低价格的方向飞快发展。1948年，诺伯特·维纳（NorbertWiener）出版了《控制论》（Cybernetics），阐述了机器中的通信和控制机能与人的神经、感觉机能的共同规律，率先提出了以计算机为核心的自动化工厂的概念。同时，制造业大批量生产的迫切需求推动了自动化技术的发展，其结果之一便是1952年MIT研制出世界首台数控机床。与数控机床相关的控制、机械零件的研究又为机器人的开发奠定了基础。
通用计算机ENIAC
原子能实验室的恶劣环境需要某些具有操作功能的机械代替人处理屏蔽室内的放射性物质。在这一需求背景下，美国的橡树岭国家实验室（OakRidgeNationalLaboratory）与阿尔贡国家实验室（ArgonneNationalLaboratory）于1947年开发了遥控机械手，1948年又开发了机械式的主从机械手。主从机械手由同构的两个机械手组成，主手和从手由机械传动装置连接，主手由人操控，从手能同步完成主手相同的运动和操作。
戴沃
1955年，J.Denavit和R.S.Hartenberg联合在《AppliedMechanics》期刊上发表了一篇名为“Akinematicnotationforlow-pairmechanismsbasedonmatrices”的论文，用齐次变换矩阵描述两个相邻连杆坐标系间的空间位姿关系，为工业机器人的运动学建模提供了重要的理论基础，迄今该方法仍然被广泛采用。
1959年，戴沃与合伙人约瑟夫·恩格尔伯格(JosephEngelberger，1925—2015)成立了世界上第一家制造机器人的公司─Unimation，并联手制造出世界上第一台工业机器人Unimate，开创了机器人发展的新纪元。由于恩格尔伯格在工业机器人的研发和宣传方面的巨大贡献，他被称为“工业机器人之父”，虽然世界上第一台工业机器人的发明人是戴沃。Unimate机器人只有5个自由度，采用真空管控制、液压驱动。
约瑟夫·恩格尔伯格Unimate机器人
1961年，Unimate机器人被用在了通用汽车在新泽西州的InlandFisherGuide工厂，用于将铸造的汽车门把手等热的铸件放入冷却池中，从而将工人从恶劣的工作环境中解放出来。
Unimate机器人在通用汽车工厂
1962年，美国机械与铸造公司（AmericanMachineandFoundry）推出第一台圆柱坐标机器人Verstran，意思是“万能搬运”。同一年，6台Verstran搬运机器人被应用于美国坎顿（Canton）的福特汽车制造厂。该机器人也与Unimate机器人一样成为商业化的工业机器人，出口到世界各国。
Verstran圆柱坐标机器人
20世纪60年代中期开始，美国麻省理工学院（MIT）、斯坦福大学、英国爱丁堡大学等陆续成立了机器人实验室。美国开始研究第二代带传感器、有感知的机器人，并向人工智能领域进军。
麻省理工学院（MIT）
斯坦福大学
1965年，MIT的Roborts演示了第一个具有视觉传感器、能识别与定位简单积木的机器人系统，他通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述。Roberts的研究工作开创了以了解三维场景为目的的三维机器视觉的研究。
1967年，日本成立了专门的机器人研究学会——人工手研究会，现改名为仿生机构研究会，同年召开了日本首届机器人学术会议。
1968年，美国斯坦福研究所（StanfordResearchInstitute）研发出机器人Shakey，这是世界上首台采用了人工智能的移动机器人。它安装了摄像机、三角测距仪、碰撞传感器等，通过无线系统由两台计算机控制，能够自主进行感知、环境建模、行为规划，能自动寻找木箱并将其推到指定位置。但是，控制它的计算机体积庞大，运算速度慢，导致Shakey往往需要数小时来分析环境并规划运动路径。Shakey被认为是世界上第一台智能机器人，由此拉开了第三代机器人研发的序幕。
机器人Shakey
1969年，通用汽车公司在Lords-town装配厂安装了首台Unimation点焊机器人，机器人的使用大大提高了生产效率，90％以上的车身焊接作业可通过机器人来自动完成。
1969年，挪威Trallfa公司（后被ABB公司收购）推出了第一个商业化应用的喷漆机器人。在1967年挪威劳动力短缺期间，该公司就曾使用机器人来喷涂独轮手推车（Wheelbarrows），第一款商用喷漆机器人就由此发展而来。
Trallfa喷漆机器人
1969年，Unimation公司与日本川崎重工（KawasakiHeavyIndustries）签订许可协议，在日本生产Unimate机器人，同年川崎重工成功开发出Kawasaki-Unimate2000机器人，这是日本生产的第一台工业机器人。
Kawasaki-Unimate2000机器人
1969年，斯坦福大学机械工程系学生VictorScheinman，设计出了StanfordArm，这是机器人发展历史上的第一个全电驱动的六轴机器人（5轴转动，1轴移动）。六轴机器人的出现，使得跟踪空间中的任意路径成为可能，推动了机器人向更加复杂领域的应用，如装配、弧焊等。该机器人的出现是机器人，尤其是工业机器人发展历程上的里程碑性事件。
StanfordArm与VictorScheinman
1969年，日本早稻田大学加藤一郎(IchiroKato)教授成功研发出第一台以双足行走的机器人WAP-1。WAP-1采用橡胶制成的人工肌肉作为驱动器，实现了双足在平面上的运动。
WAP-1机器人与加藤一郎教授
1973年，加藤一郎又开发出世界上第一个全尺寸的仿人机器人WABOT-1，该机器人有视觉和语音对话系统，能以日语与人对话，能搬运物品，其智力与一岁半儿童相当。加藤一郎作为仿人机器人的先驱，长期致力于仿人机器人研究，为仿人机器人的研究做出大量开创性的工作，被誉为“仿人机器人之父”。
WABOT-1机器人
1970年11月17日，苏联的“月球17号”（俄文：Луна-17）探测器把世界上第一台无人月面巡视机器人—“月球车1号”（Lunkhood1）送到了月球，第一次实现了在地球上对另一个星球上机器人的远程遥控。“月球车1号”主要由仪器舱和自动行走底盘组成，重756公斤，长2.2米，宽1.6米，高1.35米，由太阳能电池板和备用电池联合供电，由同位素热源保持系统温度，车上装有电视摄像机和多种环境科学测量仪器，可把拍摄的月面照片和测量结果发回地球。“月球车1号”由两列独立驱动的车轮（每列4个）实现在月面的运动，能转弯、倒退和爬上30°的斜坡，轮子直径0.51米。“月球车1号”在月面工作到1971年10月4日，总行程约10.54公里。
月球车1号
1970年，在美国召开了第一届国际工业机器人学术会议。一年以后，机器人的研究得到迅速广泛的普及。
1973年，美国著名机床制造公司辛辛那提·米拉克隆公司（CincinnatiMilacronInc.）的理查德·豪恩制造了一台由小型计算机控制的工业机器人T3，它采用液压驱动，能提升的有效负载达45公斤。
T3机器人
1973年，德国库卡公司（KUKA）研发出第一台工业机器人，命名为Famulus，这是世界上第一台电机驱动的六轴工业机器人。1973年全世界运行的工业机器人数量达到3000台。
Famulus机器人
1974年，瑞典通用电机公司ASEA（ABB公司的前身）开发出世界上第一台全电驱动、由微处理器控制的工业机器人IRB6，主要应用于工件取放和物料搬运。该机器人负载6公斤，使用英特尔8位微处理器控制，该微处理器的内存容量仅16KB。
IRB6机器人
1975年，意大利的Olivetti公司开发出直角坐标机器人SIGMA，它是一个应用于组装领域的工业机器人，在意大利一家组装厂安装运行。
SIGMA机器人
1978年，日本山梨大学（UniversityofYamanashi)的牧野洋（HiroshiMakino）教授发明了SCARA（SelectiveComplianceAssemblyRobotArm)机器人。1981年，SankyoSeiki公司和NittoSeiko公司分别开发出了商业化的SCARA机器人产品。SCARA机器人一般有四个自由度（3个转动，1个移动），特别适合于轻型物品的快速转移和装配。
SCARA机器人
1978年，美国Unimation公司推出由VictorScheinman主持设计的通用工业机器人PUMA（ProgrammableUniversalMachineforAssembly），并应用于通用汽车装配线，这标志着工业机器人技术已经完全成熟。
PUMA机器人
计算机技术、控制理论、自动化技术的快速发展以及原子能的开发利用，使机器人在功能和技术层次上有了很大的提高，机器人的使用范围也随之也越来越广。
部分图源百度图库，仅作为学术分享，如有侵权请联系删除
书名：机器人学——机构、运动学、动力学及运动规划
书号：9787302527404
定价：49.00返回搜狐，查看更多
达特茅斯学院人工智能学科（081956年由麦卡锡等发起的人工智能夏季研讨会在美国哪所）
本文目录08.1956年由麦卡锡等发起的人工智能夏季研讨会在美国哪所人工智能诞生于什么地方现在人工智能这么广泛，以后会是机器人的时代吗第一次世界人工智能研讨大会在哪里召开人工智能学科诞生于什么时期人工智能的含义最早是由哪位科学家提出的第一次提出人工智能这个想法的人是谁08.1956年由麦卡锡等发起的人工智能夏季研讨会在美国哪所08.1956年由麦卡锡等发起的人工智能夏季研讨会在美国达特茅斯学院。1956年由麦卡锡等发起的人工智能夏季研讨会在美国达特茅斯学院召开,将其称为“达特茅斯会议”。1956年,美国汉诺斯小镇宁静的达特茅斯学院,约翰·麦卡锡、马文·闵斯基、克劳德·香农等学者聚在一起,共同讨论着机器模拟智能的一系列问题。
人工智能诞生于什么地方人工智能诞生于美国达特茅斯学院。
从计算机教育的角度看，美国达特茅斯学院无愧是普及计算机教育的策源地，因为BASIC语言就诞生于此地，人工智能最早的会议在此间开幕，校园网电子邮件也在此校发端并融入师生的教学和日常生活中。
前任校长，教一年级新生的电脑教授就是电脑BASIC语言的发明人约翰·柯梅尼（JohnKemeny）。在他的任期中，大力在达特茅斯普及电脑，建立起一套全国最完善的电脑系统，把电脑带进从物理到哲学的每一门课程。
达特茅斯的电脑中心不分日夜地开放，所有教室和宿舍里都有与整个校园网路的连线，一贯保守的达特茅斯学院在这方面确是走在了美国的最前沿。
1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。
扩展资料
发展简史：
人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”（ARTIFICIALINTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的。
从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现至今，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。
1941年的一项发明使信息存储和处理的各个方面都发生了革命。这项同时在美国和德国出现的发明就是电子计算机。第一台计算机要占用几间装空调的大房间，对程序员来说是场噩梦：仅仅为运行一个程序就要设置成千的线路。
1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机理论的发展产生了计算机科学，并最终促使了人工智能的出现。计算机这个用电子方式处理数据的发明，为人工智能的可能实现提供了一种媒介。
现在人工智能这么广泛，以后会是机器人的时代吗以后会有更多、更高级的机器人出现，但不会是机器人代替人类的时代。
机器人不能与人划等号
机器人是人们在生产、生活中，为提高生产效率，改善生活质量而创造出来的工具，现在已广泛用于各行各业。机器人的种类很多，按领域可以分为工业机器人、服务机器人和特种机器人；按照智能等级可分为工业机器人、智能型机器人；按照形态可分为仿人智能机器人、拟物智能机器人和无形态机器人。机器人的出现代替人处理人无法达到的场景，大大减轻了人的劳动强度，更加安全高效。但机器人只是一种工具，并不是人。人有自然属性，从受精到出生，从幼年、少年、青年、中年、老年直至死亡，是有其一定自然生长规律和时间局限，人需要吃喝拉撒，有七情六欲，有独立自主性，还有创造性，故不能等同。
人能制造机器人
人体的构成或者人体器官有局限性，人不能像鸟能在空中飞，也不能像鱼儿在水中游，人的眼睛不如鹰眼看得远，鼻子不如狗鼻灵等等。但人类在生产实践中，近取诸身，远取诸物，能创造工具，能制造出机器人，尤其是随着科技的不断进步，还会创造出更多、更高级的智能机器人服务于人类。
机器人不会代替人类
随着更高级的智能机器人的出现，不少人担心其摸仿人类的学习能力、创造能力，会制造出更高级的机器人，反过来控制人类、代替人类，这只是一种心理恐惧情绪，不具备科学依据。机器人的特性：一是人类创造出来的工具，不具备生命形态的自然属性。二是通过仿人类的学习，其智能可在很多方面超人类，阿尔法因其算法赢得围棋比赛胜利，如是让其写一篇高考作文，不知道会有多少老师打100分。除了算法，情感、智慧等不可能超越人类，其自身的生存与发展意义的局限，因其不自生，在短暂时期内，不可能为之前仆后继、舍身取义。试想，通过所有人类的智能与智慧，创造一个或一批全能的、超人类的永不死亡机器人，来治理地球，按人的本性是绝对不允许的。
总之，人工智能利用在和平发展上是福祉，利用在争战上是毁灭，古石器时代的石器是厉器，现在是文物。只要机器人是工具，不管哪个时代永远是人类的时代。
回答这个问题前有必要系统的了解人工智能的特点及发展现状，区别人工智能与人智能存在的差异。
一、什么是人工智能？
1956年，在美国达特茅斯学院一次特殊的夏季言谈会上，麻省理工学院教授约翰·麦卡锡第一次提出了人工智能概念。此后，人工智能迅速成为一个热门话题。
1、人工智能的定义
尽管概念界定众多，但科学界对人工智能学科的基本思想和基本内容达成的共识是：研究人类智能活动的规律，从而让机器来模拟，使其拥有学习能力，甚至能够像人类一样去思考、工作。
2、人工智能的特点
1)人工智能好比新的意识形态，通过学习、推理、规划、感知来处理一系列任务，就像是人的大脑，所以才会有“百度大脑”、“谷歌大脑”等。
2)人工智能是以大数据来支撑的。主要是识别类、感应器方面的。比如说语言翻译，以前是每个单词的翻译，随着搜索引擎的迅速崛起，人们把自己想说的话通过语音按钮发到网上，然后被搜索引擎获取，就会形成一些例句，例句再经过电脑处理器的固定语法组织，选出最恰当的表述，这样就可以得出翻译的语句。所以，我们为了让计算机达到最理想的效果，需要不断的以数据来支撑计算机的学习。
二、人工智能的发展与现状
在人工智能研究早期，有些科学家非常乐观地认为，随着计算机的普及和CPU计算能力的提高，实现人工智能指日可待。但后来事实证明，人工智能的发展并没有预期的那么美好。
1、发展低潮
20世纪50年代至70年代，人工智能力图模拟人类智慧，但是受过分简单的算法、匮乏得难以应对不确定环境的理论以及计算能力的限制，这一热潮逐渐冷却;20世纪80年代，人工智能的关键应用——基于规则的专家系统得以发展，但是数据较少，难以捕捉专家的隐性知识，加之计算能力依然有限，使得其不被重视，人工智能研究进入低潮期。
2、快速发展
直到进入20世纪90年代，神经网络、深度学习等人工智能算法以及大数据、云计算和高性能计算等信息通信技术快速发展，人工智能才迎来了春天。
3、深度发展
“大约在10年前，一种被称为深度学习的新的机器学习方法，让人工智能的算法更智能。”中国科学院自动化研究所研究员易建强说：“它是一种通过多层表示来对数据之间的复杂关系进行建模的算法。深度学习模仿人脑结构，具有更强的建模和推理能力，能够更有效地解决多类复杂的智能问题。”
中国科学院院士谭铁牛说：“当前，面向特定领域的专用人工智能技术取得突破性进展，甚至可以在单点突破、局部智能水平的单项测试中超越人类智能。”
这其中，比较著名的事件包括1997年“深蓝”战胜国际象棋世界冠军，2011年IBM超级计算机沃森在美国电视答题节目中战胜两位人类冠军，以及2016年和2017年阿尔法狗战胜人类围棋高手。
在不少人工智能专家看来，尽管经过近60年的发展，人工智能已经取得了巨大的进步，但总体上还处于发展初期。
三、当前人工智能的运用
ü人工智能的应用技术主要包括语音类技术(包括语音识别、语音合成等)、视觉类技术(包括生物识别、图像识别、视频识别等)和自然语言处理类技术(包括机器翻译、文本挖掘、情感分析等)，这类运用最为成熟。
ü人工智能在行业应用上包括智能机器人、智能驾驶、无人机、AR/VR、大数据及数据服务、各类垂直领域应用等。
ü在行业解决方案方面，人工智能的应用范围则更加广泛，目前已经在医疗健康、金融、教育、安防、商业、智能家居等多个垂直领域得到应用。
四、人工智能发展遇到的瓶颈
毫无疑问，目前人工智能正处于蓬勃发展阶段，但是也要冷静地看到，人工智能的发展仍然存在一些问题。因为单从目前的智能程度来说，在较为通用的智能方面，人工智能还远远谈不上人们想要达到的程度。“阿尔法狗”的诞生，曾经令很多人眼前一亮，但现在仔细看来，“阿尔法狗”只能在围棋领域有所建树，不能跨越到其他情景之中。
具体来看，人工智能的瓶颈体现在以下几个方面：
1、动机性
在心理学上，动机一般被认为涉及行为的发端、方向、强度和持续性。动机也是有层次的，不同层级可以互相转换。马斯洛（AbrahamMaslow）于1943年在《人类激励理论》一文中将社会需求层次与生理需求、安全需求、尊重需求和自我实现需求并列为人类五大需求，人处于不同的需求层次就会有不同的动机层次。有了动机后，人们的行为就有了指向性，这对于人的日常行为是非常重要的。
让机器产生动机的一大难点在于动机是很难被表征的。目前还没有研究清楚的展示动机的形成机制，表征的必要不充分条件是具有可以被清晰表达的框架，而且动机的转换边界并不清楚。因此，动机的权重值便无从下手，导致计算陷入僵局。另外，动机还有意识动机与无意识动机之分。目前，人工智能界对于意识层面的内容还知之甚少，更不要提进行表征了。
2、常识
常识被定义为在一定的文化背景下，人们拥有的相同的经验知识，比较常见的有空间、时间、文化、物理常识。常识对于我们的日常生活十分重要，尤其是在我们做出决定与判断的时候尤为如此。很多常识是潜移默化形成的，是文化与背景学习的产物。那机器如何形成常识呢？早在1959年，约翰·麦卡锡就已经想过让机器拥有常识以变得更加聪明。目前的人工智能界有两种方法来解决这个问题。
第一种方法为让机器形成学习与观察周围环境的机制，就像一个孩子一样去学习，不过这样时间成本比较大，用户能否承担起这些成本还是未知数。明斯基曾说：常识是长期实践中总结出来的庞大知识体系，包含大量生活中学到的规则和异常现象、特性及趋势、平衡与制约等。
第二种方法就是建立大型的常识库，并将其存储到电脑中。其中最为著名的为CYC项目，这个项目由道格拉斯·莱纳特于1984年提出。首先通过采访与观察人的数据，然后由知识工程师对这些数据进行处理，以CYCL的形式整理成数据库。当然，这个常识库的成本过于高昂。目前常识库中比较可行的思路为让互联网上的每个用户共同建立这个常识库，并在特定的网页使用不同的语言来进行编写，这样就能节省很多时间与金钱，最为成熟的为OMCS（OpenMindCommonSense）。
3、决策
无论是人类的日常生活还是人工智能，最为关键的一步就是决策。如何让机器更加智能地进行决策，这是一个关乎未来人工智能走向的问题。人类的决策机制主要分为三大部分：理性决策、描述性决策与自然决策。
1)理性决策即认为人在决策时遵循着理性价值最大化的原则，比较具有代表性的有冯·诺伊曼提出的最大期望效用理论，伦纳德·萨维奇提出的主观期望效用理论等。
2)描述性决策认为人在进行决策时不完全遵循理性准则，其中丹尼尔·卡尼曼与阿莫斯·特沃斯基提出的前景理论是其中的代表。该理论认为，决策者依据价值函数、权重函数赋予选项不同的效用值，最终选取最大期望效用值做出决策。人也存在着启发式偏差，这会对决策产生影响。
3)自然决策专门研究人们如何在自然环境或仿真环境下实际进行决策，其中最著名的要属加里·克莱因（GaryKlein）提出的再认—启动模型（RPD），该模型认为人在决策时会依据以前的模式进行匹配。对于机器而言，进行智能决策可以借鉴人的决策习惯，可以将几种思维方式进行结合，并确认出一套判断机制，以便在特定情景下对决策行为进行抉择。例如，机器可以区分出时间与情景的压力，并建立起相对应的匹配机制，如当情景压力小时选择理性决策模式，而当时间压力大时选择自然决策模式等。
所以，目前人工智能界对常识、动机与决策问题中的难点解决办法看起来还不是很多，但这确是目前机器智能与人智能之间差异最为显著的地方，也是目前整个行业的瓶颈所在。如何让下一代人工智能产品更有“温度”，需要先在这几个问题上有所突破。
五、总结
机器人的出现可以代替人类处理人类无法达到的场景，更加高效，高智能的机器人甚至可以完全解放人类的束缚，自行完成任务，不过这有待人工智能的进一步发展；至于电影《终结者》中出现的机器人，未来世界可能会出现，不过目前所遇到的瓶颈可能需要几代人的努力去攻克。
人工智能利用在和平发展上是福祉，利用在战争上是毁灭。只要机器人是工具，这个时代永远是人类的时代。
毋庸置疑，以后一定会是机器人的时代。现代社会技术发展已经使我们离不开机器人，虽说日后会是机器人的时代，但我认为机器人终究只是人类创造出来的一种工具，机器人是永远不可能取代人类的。人类和机器的关系将来更多的是合作关系而非竞争关系。马云表示：“我相信机器会做到比人聪明，但人比机器更智慧”“人类会越来越厉害，机器永远不可能取代人类”。李彦宏表示：“我们不应该花大精力造出一个机器来长得像人，不应该花在解决让这个机器怎么学会走路、跑步、上下楼梯，这是一个机械时代的思维。我们要解决的是让机器能够像人一样思考。“我们应该尊重机器人技术，而不是担心机器人技术。引领未来的不是机器人，而是机器人背后的人的智慧。
谈到人工智能这个话题，人类的态度和想法都充满着纠结：一边希望它聪明到可以干所有的活儿，一边却又怕它太聪明反过来奴役人类。尽管对未来的预测非常困难，但也不乏其人。
早在20世纪50年代，美国科幻时代著名的代表人物之一、“机器人三大定律”的制定者艾萨克·阿西莫夫就曾在《我机器人》的小说中预测，这个期限是2035年。
他描述，2035年街上遛狗是机器人，清扫街道的也是机器人。现在，阿尔法狗已经毫无悬念地战胜了人类围棋世界冠军,再过18年，艾萨克·阿西莫夫的预言会实现吗？
计算机程序“深蓝”战胜世界排名第一的国际象棋高手加里·卡斯帕罗夫时，人工智能是否会超越人类，这个话题就曾在很长一段时期内成为很多人的困扰。历史何其相似，但又有所不同。从那时至今，经过近20年的发展，人工智能已经度过了最初的萌芽阶段，正在迅速渗透进生活的方方面面，它的边界也在不断变化和扩展。比如，人们最初会为计算器的计算速度惊诧，将其视作智能，但是现在它只不过是小学生都能使用的辅助工具。正如斯坦福大学发布的《2030年全球人工智能的发展前景》报告中说，人工智能正在形成一种“人工智能效应”，它“总会将一种新技术带入人们的生活，而一旦人们习惯了这种技术，它便不再被认为是人工智能”。
或许，人工智能并不是“忽如一夜春风来”，而是以一种“润物细无声”的姿态存在，从这一层面上来说，人工智能时代早已来临,机器人技术和自动化现已取得了巨大的进展，尤其是在制造业领域。根据牛津大学工程学院2013年的一项研究，在未来20年里，美国近一半的工作岗位，47%的人面临着被自动化代替的风险。运输、物流和办公室管理方面的工作岗位面临着被替换的风险。无人驾驶汽车，包括大型卡车，已经在高速公路上行驶。根据牛津大学的报告，虽然目前机器人主要应用于制造行业，但接下来可能会有数百万个服务岗位也将使用机器人技术。
技术进步是一把双刃剑，他们会使得一些工作消失，但创造出的其他工作机会也会越来越多。
实际操作会越来越智能化，机器人会在某个领域发展为强项，到不会全部领域使用机器人，它不具备思考能力。
科技的发展一直是人类社会进步的重要动力，ai的发展趋势越来越快，这种技术是目前人类唯一发展出的有可能自我循环成长的科技，现在众说纷纭，结果不得而知。不过可以确定的是不久的将来会替代部分人的工作。
随着生产力的不断发展，人类的本身对外输出的功率变回比不上机器。而人的需求又是无限的，所以智能化生产始终是避免不了的。就这样，人工智能成为未来工业发展的必然趋势。
社会的发展需要，未来是机器人代替人工的社会现状
现在通过编程序来控制机器人已经运用很广泛，特别是在高科技领域。但机器人目前来讲还是有它的局限性，比如讲在维修和钳工这块还是依靠我们的技术员针对具体问题分析做出判断和加工，特别是在一些环境恶劣的地方，比如强险救灾，和重大工程方面我们的大国工匠是不可或缺的！
不会
第一次世界人工智能研讨大会在哪里召开1956年，一场主题为用机器模拟人类智能的研讨会在美国召开。在本次研讨会上，约翰·麦卡锡提议用人工智能作为这一交叉学科的名称。于是，这次会议成为了人类历史上第一次人工智能的研讨会，标志着人工智能学科的诞生。后来，人工智能在争论中不断发展，机器翻译、专家系统、聊天机器人等应用纷纷出现。
人工智能学科诞生于什么时期人工智能学科学科起源从学科起源的时间原点来看，人工智能学科以1956年美国达特茅斯学院夏季讨论班为缘起。人工智能学科，是一个以计算机科学为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。发展规划《新一代人工智能发展规划》明确，启动实施人工智能重大项目、推动人工智能学科建设、布局人工智能创新发展实验区等一系列“中国方案“，强化了人工智能基础理论和关键技术研究，促进人工智能与经济社会的高度融合。学科专业浙江大学计算机科学与技术学院作为新增的人工智能专业的主管学院，拥有五个一级学科，其中人工智能学科为2018年新设立。专业学院2019年4月22日，中国人民大学高瓴人工智能学院成立，高瓴人工智能学院是中国人民大学二级学院，承担人工智能学科的规划与建设，未来将开展本学科和相关交叉学科领域的本、硕、博人才培养和科学研究工作。“人工智能”一词最初是在1956年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能的含义最早是由哪位科学家提出的约翰·麦卡锡等。人工智能的起源，公认是1956年的达特茅斯会议。1956年的8月，在美国汉诺斯小镇宁静的达特茅斯学院中，举行了一场影响深远的研讨会。此次会议足足开了两个月的时间，虽然大家没有对会议达成普遍的共识，但是大家一起为会议讨论的内容起了一个洋气的名字：人工智能。因此，1956年也就成为了大家公认的人工智能元年。参与这个会议的知名专家则分别是：约翰·麦卡锡（JohnMcCarthy）、马文·闵斯基（MarvinMinsky，人工智能与认知学专家）、克劳德·香农（ClaudeShannon，信息论的创始人）、艾伦·纽厄尔（AllenNewell，计算机科学家）、赫伯特·西蒙（HerbertSimon，诺贝尔经济学奖得主）。人工智能：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
第一次提出人工智能这个想法的人是谁人工智能（ArtificialIntelligence，AI）是指计算机像人一样拥有智能能力，是一个融合计算机科学、统计学、脑神经学和社会科学的前沿综合学科，可以代替人类实现识别、认知，分析和决策等多种功能。如当你说一句话时，机器能够识别成文字，并理解你话的意思，进行分析和对话等。
人工智能的起源：人工智能在五六十年代时正式提出，1950年，一位名叫马文·明斯基(后被人称为“人工智能之父”)的大四学生与他的同学邓恩·埃德蒙一起，建造了世界上第一台神经网络计算机。这也被看做是人工智能的一个起点。巧合的是，同样是在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。而就在这一年，图灵还大胆预言了真正具备智能机器的可行性。
1956年，在由达特茅斯学院举办的一次会议上，计算机专家约翰·麦卡锡提出了“人工智能”一词。后来，这被人们看做是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡从达特茅斯搬到了MIT。同年，明斯基也搬到了这里，之后两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。值得追的是，茅斯会议正式确立了AI这一术语，并且开始从学术角度对AI展开了严肃而精专的研究。在那之后不久，最早的一批人工智能学者和技术开始涌现。达特茅斯会议被广泛认为是人工智能诞生的标志，从此人工智能走上了快速发展的道路。
人工智能的第一次高峰在1956年的这次会议之后，人工智能迎来了属于它的第一段HappyTime。在这段长达十余年的时间里，计算机被广泛应用于数学和自然语言领域，用来解决代数、几何和英语问题。这让很多研究学者看到了机器向人工智能发展的信心。甚至在当时，有很多学者认为：“二十年内，机器将能完成人能做到的一切。”因此，人工智能项目停滞不前，但却让一些人有机可乘,1973年Lighthill针对英国AI研究状况的报告。批评了AI在实现“宏伟目标”上的失败。由此，人工智能遭遇了长达6年的科研深渊。
人工智能历史回眸：达特茅斯会议
后来，这被人们看作是人工智能正式诞生的标志。就在这次会议后不久，麦卡锡与明斯基两人共同创建了世界上第一座人工智能实验室——MITAILAB实验室。开始从学术角度对AI展开严肃而精专的研究。在那之后不久，最早的一批人工智能学者和技术开始涌现，从此人工智能走上了快速发展的道路。现在一说起人工智能的起源，公认是1956年的达特茅斯会议。殊不知还有个前戏：1955年，美国西部计算机联合大会(WesternJointComputerConference)在洛杉矶召开，会中还套了个小会：“学习机讨论会”(SessiononLearningMachine)。讨论会的参加者中有两个人参加了第二年的达特茅斯会议，他们是塞弗里奇(OliverSelfridge)和纽厄尔(AllenNewell)，塞弗里奇发表了一篇模式识别的文章，而纽厄尔则探讨了计算机下棋，他们分别代表两派观点。讨论会的主持人是神经网络的鼻祖之一皮茨(Pitts)（热爱数学，很聪明的年轻人），他最后总结时说：“(一派人)企图模拟神经系统，而纽厄尔则企图模拟心智(mind)……但殊途同归。”皮茨眼可真毒，这预示了人工智能随后几十年关于“结构与功能”两个阶级、两条路线的斗争。
美国*达特茅斯学院
会议参加者（简介）
开聊达特茅斯会议之前，先说六个最相关的人。首先，会议的召集者麦卡锡(JohnMcCarthy)当时是达特茅斯学院的数学系助理教授。两年前(1954年)达特茅斯数学系同时有四位教授退休，这对达特茅斯这样的小学校真是不可承受之轻。刚上任的年轻系主任克门尼(Kemeny)之前两年才在普林斯顿逻辑学家丘奇(Church)门下得了逻辑学博士，于是跑到母校求援。这么说起来，克门尼算是图灵的师弟，他战时和物理学家费曼一起工作，还一度当过爱因斯坦的数学助理，后来一头扎在计算机里，和麦卡锡一起琢磨出了分时系统，但他最为人知的工作应该是老少咸宜的编程语言BASIC。现在估计已经没人知道BASIC语言发明人曾是LISP语言发明人的老板。克门尼是天生的官僚，后来位居达特茅斯的校长，美国三里岛核电站出事，总统委托他当调查委员会主席，这是后话。克门尼从母校数学系带回了刚毕业的四位博士前往任教，麦卡锡是其中之一。麦卡锡后来发明的LISP语言中最重要功能Eval实际就是丘奇的lambda演算，而且他后半生致力于用数理逻辑把常识形式化，大家由此猜他可能也是丘奇的学生，但其实不是，他压根学的就不是逻辑。他的老师是失去双手的代数拓扑学家所罗门.莱夫谢茨(Lefschetz)。但麦卡锡对逻辑和计算理论一直有强烈兴趣，他1948年刚到普林斯顿读研究生时就认识了冯.诺伊曼，在老冯影响下开始对在计算机上模拟智能发生兴趣。
本次会议的10位参会人员
会议的另一位有影响力的参加者是明斯基。他也是普林斯顿的数学博士，和麦卡锡在读书时就相熟。他的主业也不是逻辑，尽管他后来写过计算理论的书，还培养过好几个计算理论的博士，其中就有图灵奖获得者布鲁姆(ManualBlum)。布鲁姆目前和他老婆(就是实数计算模型BSS的B)、儿子一家三口都在卡内基梅隆大学任教。明斯基的理论情结和丘奇关系也不大，他的老师塔克(Tucker)是莱夫谢茨的学生，主要搞非线性规划和博弈论，多年担任普林斯顿数学系主任，是数学世家，儿子、孙子也都是数学家。所以按辈分论，麦卡锡还是明斯基的师叔。塔克的另一名出色的学生后来得了诺贝尔经济学奖，就是心灵美丽的纳什。纳什比明斯基小一岁，但比他早四年拿到博士，也算是明斯基的师兄。明斯基的博士论文做的是神经网络，他在MIT一百五十周年纪念会议上回忆说是冯.诺伊曼和麦卡洛克启发他做了神经网络。有人还找过他麻烦，质疑说神经网络的研究算数学吗，倒是老冯力挺说：现在不算，但很快就得算。倒是明斯基自己后来和神经网络结下梁子，那段故事见我的《“想啥来啥”和“吃啥补啥”的人工智能之争》(《东方早报.上海书评》2014年9月28日)。
塞弗里奇被后人提及不多，但他真是人工智能学科的先驱，他在MIT时一直和神经网络的开创人之一沃伦.麦卡洛克(WarrenMcCulloch)一起在维纳手下工作，他是维纳最喜欢的学生，但从没读完博士，维纳《控制论》一书的第一个读者就是塞弗里奇。塞弗里奇是模式识别的奠基人，他也写了第一个可工作的AI程序。他后来在麻省理工参与领导MAC项目，这个项目后一分为二：MIT计算机科学实验室和人工智能实验室，分久必合：现在这俩地方又合并了，变成MITCSAIL。顺便给女读者添点料：塞弗里奇的爷爷就是英国第二大百货店塞尔福里奇(Selfridges)的创始人，塞尔福里奇百货和隔壁的哈罗德百货支撑着牛津街的零售业，现在大概一半顾客来自中国二线城市。
信息论的创始人克劳德.香农(ClaudeShannon)被麦卡锡拉大旗做虎皮也请到会上打酱油。其实麦卡锡和香农的观点并不一致，平日相处也不睦。香农的硕士、博士论文都是讲怎么实现布尔代数，当时MIT校长布什(Bush)亲自指导。博士毕业后他去了普林斯顿高等研究院，曾和数学家外尔(Weyl)、爱因斯坦、哥德尔等共事，战争中，他一直在贝尔实验室做密码学的工作，图灵在1943年曾秘访美国，和同行交流破解德国密码的经验，其间和香农曾有会晤，一起聊过通用图灵机。战后香农去英国还回访过图灵，一起讨论过计算机下棋。香农内向，从没说过这段往事，直到1982年接受一次采访时才提起。1950年香农在《科学美国人》发表过一篇讲计算机下棋的文章。香农比其他几位年长十岁左右，当时已是贝尔实验室的大佬。
另外两位重量级参与者是纽厄尔和司马贺(HerbertSimon)。纽厄尔是麦卡锡和明斯基的同龄人，他硕士也是在普林斯顿数学系，按说普林斯顿数学系很小，他们应有机会碰面，但那时纽厄尔和他俩还真不认识。他们的第一次见面，纽厄尔回忆是在IBM，而麦卡锡回忆是在兰德公司，纽厄尔硕士导师就是冯.诺伊曼的合作者、博弈论先驱摩根斯顿，纽厄尔硕士毕业就迁往西部加入著名智库兰德公司。在兰德开会时认识了塞弗里奇，并受到塞做的神经网络和模式识别的工作的启发，但方法论却完全走的是另一条路。
司马贺比他们仨都大十一岁(怀特海比罗素也大十一岁)，那时是卡内基理工学院(卡内基梅隆大学的前身)工业管理系的年轻系主任，他在兰德公司学术休假时认识了纽厄尔。司马贺后来把纽厄尔力邀到卡内基梅隆大学，并给纽厄尔发了个博士学位，开始了他们终生的合作。
纽厄尔和司马贺的合作是平等的，司马是纽的老师，但他们合作的文章署名都是按字母顺序纽在前司马在后，每次他们受邀去演讲，都是轮流。司马每次见到别人把他名字放到纽厄尔之前时都纠正。他们共享了1975年的图灵奖，三年后司马贺再得诺贝尔经济学奖。纽厄尔和司马贺代表了人工智能的另一条路线：符号派，他们后来把他们的哲学思路命名为“物理符号系统假说”。简单地说就是：智能是对符号的操作，最原始的符号对应于物理客体。这个思路和英美的经验主义哲学传统接近。他们和当时的数学系主任、第一届图灵奖获得者阿兰.珀里思(AlanPerlis)一起创立了卡内基梅隆大学的计算机系，CMU从此成为计算机学科的重镇。
达特茅斯会议
1953年夏天，麦卡锡和明斯基都在贝尔实验室为香农打工。香农那时的兴趣是图灵机以及是否可用图灵机作为智能活动的理论基础，麦卡锡向香农建议编一本文集，请当时做智能研究的各位大佬贡献文章，这本文集直到1956年才以《自动机研究》(AutomataStudies)为名出版，这个书名最后是香农起的，他不想花里胡哨，但麦卡锡认为这没有反映他们的初衷。
文集的作者有两类人，一类是逻辑学家(后来都变成计算理论家了)，如丘奇的两位杰出学生马丁.戴维斯和克里尼，后者的名著《元数学导论》国内有逻辑学家莫绍揆先生的译本。明斯基、麦卡锡也都有论文录入，香农本人贡献了一篇讲只有两个内部状态的通用图灵机的文章，文集录入的一篇冯.诺伊曼的论文后来开创了容错计算。文集的另一类作者几乎都是维纳的信徒，如阿什比(RossAshby)等，以控制论为基础。麦卡锡素不喜控制论和维纳，既不想把维纳当老大，也不愿和他见面争执，其中原因不详，或许和维纳与麦卡洛克吵翻了有关。麦卡洛克和皮茨两位为维纳《控制论》思想贡献多多的人物，在维纳的自传里压根没被提及。麦卡锡同时又觉得香农太理论，当时他想自立门户，只对用计算机实现智能感兴趣。于是他筹划再搞一次活动。
1955年夏天，麦卡锡到IBM打工(美国教授都是九个月工资，如果没有研究经费，夏天要自己觅食)，他的老板是罗切斯特(NathanielRochester)，罗切斯特是IBM第一代通用机701的主设计师并对神经网络素有兴趣。他们两人倒是挺对脾气，决定第二年夏天在达特茅斯搞一次活动，他俩遂说动了香农和当时在哈佛做初级研究员(JuniorFellow)的明斯基(哈佛的Fellow还是挺值钱的，历史上人数不多，蒯因、王浩、库恩在变成正式教授之前都做过。乔姆斯基几乎在同时也是哈佛的Fellow)一起给洛克菲勒基金会写了个项目建议书，希望得到资助。美国富豪还是有文化传统，至少知道要资助好东西，值得中国土豪的后代学习，别像他们的父辈即使打着“办大学”的名义还是要骗钱。
麦卡锡给这个第二年的活动起了个当时看来别出心裁的名字：“人工智能夏季研讨会”(SummerResearchProjectonArtificialIntelligence)。普遍的误解是“人工智能”这个词是麦卡锡想出来的，其实不是。麦老晚年回忆也承认这个词最早是从别人那里听来的，但记不清是谁。后来英国数学家菲利普.伍德华(Woodward)给《新科学家》杂志写信说他是AI一词的始作俑者，麦卡锡最早是听他说的，因为他1956年曾去MIT交流，见过麦卡锡。但麦卡锡的建议书1955年就开始用“人工智能”了，人老了回忆真不靠谱。当事人除了明斯基之外，都已仙逝，这事恐怕要成悬案了。
大家对“人工智能”这个词一开始并没取得完全共识。很多人认为啥事一加“人工”就变味了。纽厄尔和司马贺一直主张用“复杂信息处理”这个词，以至他们发明的语言就叫IPL(InformationProcessingLanguage)。他们从某种意义上说偏功能学派，也就是说找到智能的功能不一定非得依靠结构相同或相似。图灵机和递归函数等价，但结构完全不同，所以他们强调“信息处理”。他们俩一开始颇不喜“人工智能”几个字。1958年，在英国国家物理试验室(NPL)召开了“思维过程机器化”(MechanizationofThoughtProcess)会议，达特茅斯会议的麦卡锡、明斯基、塞弗里奇都参加了，此外还有致力神经网络研究的麦卡洛克，以及英国的控制论代表人物阿什比。两位编程语言的先驱也出席了：巴克斯(Backus)发表了一篇关于他新发明的语言FORTRAN的论文，但他后来一直是函数式语言的倡导者；美国海军女少将格蕾丝.哈泊(GraceHopper)的文章是讲第一个编译器的，这项工作导致了COBOL语言，中国也有女少将，也是码农。他俩论文的题目里都有AutomaticProgramming的说法，这在当时就是指高级语言编程，不能和后来人工智能中的自动编程搞混了。这次会上有人再提“人工思维”(ArtificialThinking)的说法。司马贺等人由此也逐渐接受了AI的说法，他晚年还写了本书“人工的科学”，倒是把Artificial这个词更加放大了。
AI历史的方法论
历史研究素有两种方法，基于事件的，基于课题(issue)的。人和事的八卦都属前种。纽厄尔在1981年为一本颇为有料的文集《信息研究》贡献的一篇文章“AI历史的智力课题”走了第二条路线。他的方法也挺有意思。他把AI历史当作斗争史，把历史分为两个阶级、两条路线的斗争，于是历史成了一串儿对立的议题，如模拟vs数字，串行vs并行，取代vs增强，语法vs语义，机械论vs目的论，生物学vs活力论，工程vs科学，符号vs连续，逻辑vs心理等，在每一议题下有进一步可分的子议题，如在逻辑vs心理下又有定理证明vs问题求解等。
被提到最多的是人工智能vs控制论。在Googlengrams里试试Cybernetics和ArtificialIntelligence两个词在GoogleBooks里出现的词频，可以看出学科的起伏跌宕。前苏联，倒是一直用“控制论”指称AI，人工智能和铁幕是一个节奏。美国最早办的一批计算机相关的系科都创办于1960年代中期，那时有些系直接叫“计算机科学系”，而有些则叫“计算机与信息科学系”，带“信息”的都有些“控制论”的背景，如麻省大学计算机与信息系的创办人就有维纳的学生麦克.阿比卜。而密歇根大学则叫计算机与通讯科学系。这些系后来都改名叫计算机系了。而原来的图书馆系现在都纷纷改名叫信息科学系，如伯克利和华盛顿大学的图书馆学院都改名叫信息学院(SchoolofInformation)，连“科学”都省了。但现在计算机系又有加载信息的趋势，麻省大学和加州大学厄湾分校近年又改名叫信息与计算机科学学院了。大概和现在深度学习及神经网络又峰回路转有关吧。倒是中国的学科简单，一直都有计算机和自动化之分，老死不相往来罢了。
“人工智能”这个词真正被共同体广泛认可是在十年后的1965年，当伯克利的欧陆派哲学家德雷弗斯(HubertDreyfus)发表了《炼金术与人工智能》一文之后。这篇文章一开始只是针对纽厄尔和司马贺的工作，几年后这篇文章演变成了那本著名的(或者被AI圈子称为“臭名昭著”的)《计算机不能干什么》一书，则是把整个AI当作靶子。欧陆派哲学家被人诟病数学和科学不通，但德雷弗斯有个数学家的兄弟，和他同一年在哈佛得了应用数学博士，后来又同在伯克利教书，是动态规划的大家，还带过神经网络的博士。哥俩一个立场。有时一个共同体的形成并不是靠内部的团结，而是靠外部的反对。有意思的是《炼金术》一文是德雷弗斯在兰德公司工作时写就的。司马贺后来撰文猛批德雷弗斯，说他滥用兰德公司的标签。德雷弗斯后来抱怨他在MIT和哈佛食堂吃饭，所有AI的人都躲他远远的。学术争执哪儿都一样。
麦卡锡和明斯基的建议书里罗列了他们计划研究的七个领域：一、自动计算机，所谓“自动”指的是可编程；二、编程语言；三、神经网络；四、计算规模的理论(theoryofsizeofacalculation),这说的是计算复杂性，明斯基后来一直认为计算理论是人工智能的一部分，他早期对理论问题时不时会动动手，后来一手组建了MIT的计算理论队伍；五、自我改进，这个是说机器学习；六、抽象；七、随机性和创见性。
麦卡锡的原始预算是一万三千五百美元，但洛克菲勒基金会只批了七千五百美元。麦卡锡预计会有六位学界的人出席，会议应该支付每人两个月的薪水一千两百美元，由此可推算出麦卡锡、明斯基当时的年薪在八千美元左右。
除了那六君子外，另外还有四人也参加了达特茅斯会议。他们是来自IBM的撒缪尔(ArthurSamuel)和伯恩斯坦，他们一个研究跳棋，一个研究象棋。达特茅斯的教授摩尔(TrenchardMore)也参与了，他后来在工业界混的时间长，少为外人所知。达特茅斯会议中一位被后人忽视的先知是所罗门诺夫(Solomonoff)。
和其他来来往往的人不同，所罗门诺夫在达特茅斯严肃地待了整整一个暑假。他1951年在芝加哥大学跟随费米得了物理硕士就到了MIT。但在芝加哥对他影响最大的是哲学家卡尔纳普。有意思的是神经网络的奠基者之一皮茨也受惠于卡尔纳普。司马贺的回忆录里也讲到自己在芝加哥时听卡尔纳普的课开始启蒙逻辑，从而开始对智能相关的问题感兴趣。这么说来人工智能的两大派：逻辑和神经网络都发源于老卡。这个话题以后有机会再展开。卡尔纳普那时的兴趣是归纳推理，这成为所罗门诺夫毕生的研究方向。所罗门诺夫后来结识了明斯基和麦卡锡，在他们的影响下研究逻辑和图灵机。达特茅斯会议时，他受麦卡锡“反向图灵机”和乔姆斯基文法的启发，发明了“归纳推理机”。他的工作后来被万能的苏联数学家柯尔莫格罗夫(Kolmogorov)重新但又独立地发明了一遍，就是现在俗称“柯尔莫格罗夫复杂性”和“算法信息论”的东西。来自中国的计算理论学者李明现在是这领域的大牛，曾有专著。柯尔莫格罗夫1968年开始引用所罗门诺夫的文章，使得后者在苏联的名声比在西方更加响亮。所罗门诺夫的另一个观点“无限点”(InfinityPoint)后来被未来学家库兹维尔改名“奇点”窃为己有。目前AI中广泛用到的贝叶斯推理也可见到所罗门诺夫的开创性痕迹。他一生并没有大富大贵，大部分时间都是在自己的咨询公司Oxbridge(牛津+剑桥，汉语俗称“清北”)拿政府(空军、海军、ARPA和NIH——NIH资助了很多AI研究，以后有空再聊)的研究经费，那公司只有他自己一个雇员。伦敦大学皇家哈洛威学院(RoyalHolloway)后来在前苏联学者领导下搞柯尔莫格罗夫奖，他是第一届获奖人，并在那里兼职教授。他的学术自传1997年发表在计算理论杂志《计算机与系统科学》上。明斯基所谓AI孵化出计算理论的说法不是没有道理。
按照麦卡锡和明斯基的说法，这十个人参加了达特茅斯会议，但现在有证据表明会议也有其他的列会者，后来一直做神经网络硬件研究从而躲过AI几十年过山车的斯坦福大学电机系教授维德罗(BernardWidrow)后来回忆他也去了达特茅斯并且在那儿待了一周。
麦卡锡原来的计划是两个月闭门研讨，但并非所有人都对那个事那么上心。纽厄尔和司马贺只待了一周。纽厄尔后来回忆说达特茅斯会议对他和司马没什么影响。
尽管是“十仙过海”，但给所有人留下最深印象的是纽厄尔和司马贺的报告，他们公布了一款程序“逻辑理论家”(LogicTheorist)，这个程序可以证明怀特海和罗素《数学原理》中命题逻辑部分的一个很大子集。司马贺回忆录里说自己学术生涯最重要的两年就是1955和1956年。这篇文章后来成了AI历史最重要的文章之一。一段有意思的插曲：这篇文章最早是投给逻辑学最重要的刊物《符号逻辑杂志》的，但惨遭主编克里尼退稿，理由是：把一本过时的逻辑书里的定理用机器重证一遍没啥意思。纽厄尔和司马贺给罗素写信报告这一成果，罗老不咸不淡地回复说：“我相信演绎逻辑里的所有事，机器都能干哈。”
值得注意的是“逻辑理论家”对人工智能后来的一个分支“机器定理证明”的影响并不大。哲学家王浩1958年夏天在一台IBM-704机上，只用九分钟就证明了《数学原理》中一阶逻辑的全部定理。当然《数学原理》中罗列的一阶逻辑定理只是一阶逻辑的一个子集，目前，一阶逻辑的机器定理证明比起五十年代已有长足进展，但仍然没有高效的办法。毕竟，王浩证明的是一阶逻辑而“逻辑理论家”只能处理命题逻辑。数学家马丁.戴维斯和哲学家希拉里.普特南合作沿着王浩的思路进一步提出了戴维斯-普特南(DP)证明过程，后来进一步发展为DPLL。王浩对“逻辑理论家”一直持鄙视的态度，认为这是一个不专业的东西。王浩在1983年被授予定理证明里程碑大奖，被认为是定理证明的开山鼻祖。司马贺在他回忆录里则对此不满，认为王浩的工作抵消了“逻辑理论家”的原创性，他们的初衷并不是要有效地证明定理，而是研究人的行为。这是后话，我后续还会有《机器定理证明简史》。
麦卡锡多年后回忆说：他从纽厄尔和司马贺的IPL语言中学到了表处理，这成为他后来发明LISP的基础。明斯基后来接受采访时说他对纽厄尔和司马贺的“逻辑理论家”印象深刻，因为那是第一个可工作的AI程序。但事实上，明斯基当时为大会写的总结里对“逻辑理论家”只是轻描淡写。麦卡锡和明斯基明显是一伙的，会议是他们发动的，旨在创立一门新学科。但纽厄尔和司马贺却抢了他们的风头。美国上世纪五十年代的学术氛围也不免浮躁，这一帮人又都是年轻气盛、野心十足。
会议之后
达特茅斯会后不久，1956年9月IRE(后来改名IEEE)在MIT召开信息论年会上，麦卡锡被邀请做一个对一个月前达特茅斯会议的总结报告，这引起了纽厄尔尤其是司马贺的不满，他们认为麦卡锡只能聊，没干货，而达特茅斯会议唯一的干货是纽厄尔和司马贺的程序“逻辑理论家”(LogicTheorist)。打了一圈架，最后纽厄尔和司马贺做了妥协：麦卡锡先做总结报告，但最后还是由纽厄尔和司马贺讲他们的“逻辑理论家”并发表一篇题为LogicTheoryMachine的文章。明斯基认为是他的协调起了作用，但纽厄尔晚年则只对香农的邀请有印象，而司马贺的回忆录则说是大会的主席罗森布利特和司马贺散了很长一圈步才了断。明斯基机敏异常，讲话时带幽默，但在对这段历史的重构中，却给人印象有点太“***滑”(cynical)，原因也不难猜出。研究历史有时必须得全方位，空间或时间上的接近不见得就真实。太接近时，当事人还都活着，还在一个圈子里混，不方便互相揭短。但在接近生命末期，或者功成名就或者人之将死或者对头已死无所顾忌，敞开了说，有时虽有夸张，但一不留神就会流露真话，纽厄尔属于后者。明斯基“***滑”可能和他身体好有关系，偌大岁数也没不惑，觉得还有好长路要走。
科学达人弗里曼.戴森在他的《一面多彩的镜子》一书中借鉴过以赛亚.伯林“刺猬与狐狸”的比喻：刺猬是那些构建理论体系的人，而狐狸则是那些解决问题的人。在他眼里：爱因斯坦、哥德尔是刺猬；而费米、冯.诺伊曼属狐狸。科学史有时刺猬得势，有时狐狸当道。是不是可以说纽厄尔和司马贺更像刺猬，而麦卡锡和明斯基更像狐狸呢？具体到AI的源头和达特茅斯会议，麦卡锡认为他和明斯基是发起人，纽厄尔和司马贺是“外人”，是搅局者。明斯基的解释是纽厄尔和司马贺一开始的出发点是心理学，这与麦卡锡和他本人的背景不符。但在随后的十年里，他本人更多地走向心理学，而纽厄尔和司马贺更靠近AI，也没什么矛盾。麦卡锡除了和明斯基关系紧密外，和其他AI群体的交流并不多，在所谓其他群体中，最有影响当属卡内基梅隆了。麦卡锡晚年回忆说那时群体之间的沟通主要是通过研究生，研究生就像大佬们的大使。后来斯坦福、CMU、MIT的学生确实互为教授，门户之见随着时间的推移逐渐被抹平了。
总之，1956年IRE信息论年会是个值得纪念的会议，除了纽厄尔和司马贺发表的那篇文章之外，心理学家乔治.米勒(GeorgeMiller)发表了《人类记忆和对信息的储存》(HumanMemoryandtheStorageofInformation)，这是那篇著名的文章《魔力数字七》(TheMagicNumberSeven)的另一个版本，不知算不算一稿多发。同在此会上，伟大的乔姆斯基则发表了《语言描述的三种模型》(ThreeModelsfortheDeionofLanguage)，该文证明了有限状态句法不能表达某类语言，这是乔姆斯基分层的起源，文中引用了还没出版的不朽名著《句法结构》。乔姆斯基当时刚刚到MIT现代语言学系(该系后来演变为语言学与哲学系)出任助理教授并在MIT电子实验室做机器翻译的研究。尽管乔老爷后来是反政府斗士，但有点反讽的是他的早期研究经费都来自美国空军和海军。
从参与者的角度看，大家会认为这次IRE的信息论年会比达特茅斯会议更重要，影响也更深远。乔治.米勒回忆说他当时直觉认识到实验心理学、理论语言学、认知过程的计算机模拟，都是一个大家伙里面的组成部分。这个所谓的大家伙就是现在的人工智能加认知科学吧。
明斯基回忆自己在达特茅斯会议期间，在纸上画了一个几何定理证明器的设计，并手动模拟证明了等腰三角形的一个定理。会后的1956年9月，IBM招了新毕业的物理博士格兰特(HerbGelernter)实现明斯基的几何定理证明器。麦卡锡此时受到纽厄尔和司马的影响，建议在Fortran里实现表处理语言，作为实现语言。这个项目在1959年实现后，IBM削减了AI的投入，把这项目砍掉了，理由是IBM不想给人以机器可以替代人的印象。IBM再次资助AI是二十几年后的1983年了，现在好像IBM百年老店只能靠AI系统Watson翻身了。
麦卡锡1958年离开达特茅斯去了MIT，他帮助创立了MIT的MAC项目。他和明斯基一起领导了MAC项目中的AI实验室，1962年他再次跳槽到斯坦福。之后明斯基又和帕伯特(Papert)合作。计算机操作系统里“分时”的概念是由麦卡锡在MAC项目中首创的。他回忆说当时机器太少，但等着上机的学生很多。于是就发明了分时系统。按说分时系统的贡献要比麦卡锡后来的AI贡献彰显得多，但麦卡锡得图灵奖可不是靠“分时”，这就像爱因斯坦得诺奖没靠相对论一样。从这个意义上AI有点像哲学：由此衍生出很多问题，而对这些问题的解决产生出许多子学科；一旦这些子学科独立，就不再待见AI了。现在计算机科学已成为成熟的学科，每个计算机系大都有三拨人：理论、系统和AI。二十年前的美国计算机圈子曾有一种说法：理论和系统的人互相看不起，但又同时看不起AI的人。AI这几年火了，但曾几何时，AI人是被压迫者。哲学曾经孕育了科学，但一旦问题被确定，就分离成为单独的科学，最新的例子是逻辑学，现在的逻辑学家都在数学系和计算机系，哲学系被彻底空洞化。哲学家丹尼尔.丹尼特曾说：AI就是哲学。MAC项目孕育了计算机科学中很多原创的概念。以至于明斯基后来认为UNIX系统是反动落后的东西，因为他们丢掉了很多Multics中的精华。
1968年，参议院多数党领袖曼斯菲尔德对“先进研究项目局”(ARPA)的资助方向不满，他认为国防部的钱不能被用于军事目的之外，非军事目的的项目应该由美国国家科学基金会NSF负责。于是，ARPA遂改名DARPA，更强调“国防”。七十年代初期在海尔梅尔(GeorgeHeilmeirer)任内，DARPA大砍AI预算。协调政府和AI实验室的工作变得头绪繁多，明斯基决定从AI实验室退位，让他刚毕业的学生温斯顿(PatrickWinston)接手。
尽管明斯基说他不喜事务性工作，但他的采访和回忆中，触及的话题总是和联邦政府的资助有关。温斯顿后来回忆时说，管理一个成功的实验室要管理好三个圈的交集：出资人(主要是政府)、科学上有创建、有国计民生的价值。他试图说服几任ARPA的头别把AI当作一个几年一次的项目，而是长期而独立的一门学科。另外他对比了早期ARPA和NSF的不同，NSF给钱少，而且都是同行评议制，结果是越有成就的(established)拿的钱越多，但很少会有根本性的原创性贡献，ARPA早期都是头们说了算，好处是如果管事的头们品味好，肯定会支持好东西。这点也值得中国科技人的借鉴：大型项目决策者的品味可以超越“透明计算”吗？
再说回海尔梅尔，他以AI不能帮助造武器打仗为理由。削减了对AI的大规模经费，但同时却重金资助了隐形飞机和空间武器技术，使美国在相关领域一直保持领先。ARPA资助的这类项目要是通过同行评议是很难实施的。ARPA几乎在同时也支持了ARPAnet，后来演变成互联网。有意思的是，海尔梅尔从ARPA离任后去了德州仪器(TI)做CTO，在TI却大力提倡AI。ARPA对AI的资助在克柔克(SteveCrocker)手里才逐步回复。大家知道克柔克是互联网的先驱之一。再后来的ARPA信息技术办公室(IPTO)的负责人中还有图灵奖获得者萨瑟兰(Sutherland)，也对AI继续投入。精英制风格的ARPA，更适合做大型开创性项目，成功取决于少数决策者；而以民主制为基础的NSF，历来就是小规模资助基础研究。
预测未来：会有奇点吗？
司马贺1957年曾预言十年内计算机下棋会击败人。1968年麦卡锡和象棋大师列维(DavidLevy)打赌说十年内下棋程序会战胜列维，最后赔了列维两千块。乐观的预言总会给对手留下把柄：德雷弗斯后来每年都拿此事嘲讽AI，说计算机下下跳棋还行，下象棋连十岁的孩子都干不过。这便宜话一直说到1997年，IBM的下棋程序“深蓝”击败了卡斯帕罗夫。这真是“四十年太久，只争朝夕”啊。在1995年卡斯帕罗夫还在批评计算机下棋缺乏悟性(insights)，但1996年时他已经开始意识到“深蓝”貌似有悟性了。而两年间“深蓝”的计算能力只不过提高了一倍而已。有没有悟性其实就是人的能力的极限。量变到质变的临界点就是人的解释能力，人解释不了的东西就有悟性，解释了的东西就没有悟性。司马贺和日本计算机科学家宗像俊则(Munakata)合写了篇解气的文章《人工智能的教训》(AILessons)登在《ACM通讯》上。现在两台普通计算机对弈，人类高手都看不懂了，所有棋手现在都用机器做教练。
当然，德雷弗斯们还可以将“计算机仍然不能干什么”加上若干个“仍然”接着批评。明斯基1968年在库布里克的电影《2001太空漫游》的新闻发布会上曾大放厥词说三十年内机器智能可以和人有一拼，1989年又预言二十年可以解决自然语言处理。现在我们恐怕还不能说机器翻译器令人满意吧。过分乐观的另一个原因，照明斯基自己的说法是，一门年轻的学科，一开始都需要一点“过度销售”(excessivesalesmanship)。但是过头了不免被人当作狗皮膏药或炼金术。
2006年，达特茅斯会议五十年，十位当时的与会者有五位仙逝，活着的五位：摩尔、麦卡锡、明斯基、塞弗里奇和所罗门诺夫在达特茅斯团聚，忆往昔展未来。参会人之一霍维茨(Horvitz)现在是微软实验室的头目，他和他老婆拿出一笔钱在斯坦福捐助了一个“AI100”的活动：在下面一百年里各路豪杰聚会，每五年出个AI进展报告。第一期原定于2015年底出版，我们拭目以待。
乔姆斯基晚年边做学问边做斗士。2015年3月他和物理学家克劳斯对话时被问及“机器可以思维吗？”，他套用计算机科学家戴客斯特拉(Dijkstra)的说法反问：“潜艇会游泳吗？”如果机器人（300024）可以有意识(consciousness)的性质，机器人可以被认为有意识吗？他进一步说“意识”是相对简单的，而“前意识”(preconsciousness)是困难的问题。他把AI分成工程的和科学的。工程的，如自动驾驶车等，能做出对人类有用的东西；科学的一面，乔老爷明显不认可。他引用图灵的话：这问题toomeaninglesstodeservediscussion(没有讨论的意义)。当一帮奇点理论的粉丝带着正面的期望采访乔姆斯基时，他却对人工智能这个被他深刻影响过的学科没太当回事，他认为气候和毁灭性武器是比奇点更紧迫的问题。这算有意回避吧。
明斯基在2012年接受他的学生、预言家、奇点理论炮制者库兹维尔的采访时说，他相信奇点的到来，可能就在我们的有生之年。两位“斯基”在MIT一百五十年纪念会上分在一个小组讨论里，却只打了下太极，并没有针锋相对。他们尽管年长，但身体都挺好，如果他们能在2016年达特茅斯会议六十年时面对面掐一架，肯定会很精彩，反正住得也不远。
暮年再聚首
2006年，当年的10个主要人物，只有5个人参加了, 参加者从左到右依次为：摩尔、麦卡锡、明斯基、赛弗里奇、所罗门诺夫。
2016年，达特茅斯会议，60周年。基本的人物，都物是人非，深度学习重新成为技术的热点。从应用计算，到了智能计算的回归。
附录：1956年AI会议的7个主要议题
关于人工智能的发展，如果谈到起源，大部分的人都会聊到DartmouthWorkshop，发起人主要有四位，J.McCarthy、MLMinsky、N.Rochester、CEShannon。此会议的全名为DartmouthSummerResearchProjectonArtificialIntelligence(达特茅斯夏季人工智能研究计画)，会议名称中加入Summer整个让人很青春，实在是很想坐个时光机去体验体验。