人工智能先驱人物篇之约翰·麦卡锡
今天的人工智能先驱人物篇的主角是约翰·麦卡锡（JohnMcCarthy），在1955年的达特矛斯会议上，麦卡锡与马文·明斯基共同提出的“人工智能”这个概念，标志着人工智能的正式诞生。
麦卡锡将人工智能定义为：“研制智能机器的一门科学与技术”。所以，研制智能机器始终是人工智能研究的核心问题。
科学与政治1927年9月4日，麦卡锡出生于美国波士顿一个共产党家庭。父母的工作性质决定全家需不断搬迁，从波士顿迁到纽约，然后又到了洛杉矶。
信仰爱尔兰天主教的父亲当过木匠、渔夫和工会组织者，同时也是一位发明家，拥有捻船缝机和桔汁冷冻机两项专利。
他的母亲是立陶宛犹太人，最初在联合通讯社当记者，后来在一家共产党报社工作。夫妻俩都曾参加过美国给出的，受父母的影响，麦卡锡从小就把自己对科学的兴趣与家庭的政治倾向结合起来。
麦卡锡认为自己的青少年时期平淡无奇，但事实证明并非如此。在上高三时，他得到了一份加州理工学院的课程目录，上面列出了该校一年级和二年级的微积分课本。
他买了这些书，完成了所有的练习题目。这使得他最终在1944年进入加州理工后得以免修头两年的数学课程。
1948年，他获得了加州理工学院数学学士学位，在1951年又获得了普林斯顿大学数学博士学位。
改变一生的会议约翰·麦卡锡的学术人生如何步入人工智能领域，还要从一次会议说起。
1948年9月，他参加了加州理工主办的希克森脑行为机制研讨会，大数学家、计算机设计大师冯·诺依曼在会上演讲了一篇关于自复制自动机的论文，这是一种可以对自身进行复制的机器。
尽管当时的与会人员并没有明确地将机器智能与人类智能联系起来，但冯·诺依曼的讲话却激发了麦卡锡的好奇心。
麦卡锡敏锐地将机器智能与人的智能联系起来，打算从事更深入的研究。第二年，在普林斯顿大学数学系做博士论文时，麦卡锡幸运地与冯·诺依曼一起工作。
在冯·诺依曼的鼓励和支持下，麦卡锡决定从在机器上模拟人的智能入手，主要研究方向定为计算机下棋。
此后，为了减少计算机需要考虑的棋步，麦卡锡发明了著名的α-β搜索法，这一关键问题的解决有效减少了计算量，至今仍是解决人工智能问题中一种常用的高效方法。
自动机模拟是随着时间从一个状态转入另一个状态的机器；而交互式自动机则是根据其自身状态以及它所观察到的其他自动机的状态从某个状态转入另一状态。
麦卡锡曾在冯·诺依曼理论的基础上，把有智能的东西看做是一个有限的自动机，与同样是自动机的环境项链。
冯·诺依曼听后十分赞同并敦促他把这篇论文写出来，但麦卡锡觉得自己的想法还不够成熟，于是便放弃了对利用自动机模拟人类智能的首次尝试。
不过，在十几年后，当他从事情景演算方面的工作时，有关状态和状态转换的思想再一次浮现在了脑中，制造一台像人类一样的机器的想法再一次被激起。
成就一生的会议1952年，普林斯顿大学的一个研究生向麦卡锡建议，可以找一些对机器智能感兴趣的人去收集一些该领域的文章。麦卡锡找到了贝尔实验室的克劳德·香农——“信息论”的创始人。
在人工智能方面的若干深入探讨之后，他们萌生召开一次研讨会的共识。在洛克菲勒基金会的一笔微薄的赞助下，他们邀请到当时哈佛大学的明斯基和IBM工程师罗彻斯特等几位学者，参加这次会议。
1956年，在达特茅斯学院举办的这次夏季人工智能研讨会是计算机史上的一座里程碑。这项涉及10人，耗时2个月的雄心勃勃的计划基于“我们能够精确且全面地描述人类智能中的学习以及其他特征并制造出机器以对其模拟”的构想并继续阔步前进。
2006年，会议五十年后，当事人重聚达特茅斯。左起：摩尔，麦卡锡，明斯基，赛弗里奇，所罗门诺夫
麦卡锡在提案中写道，他将研究语言和智能二者间的关系，希望通过程序计算机能“进行棋类游戏并完成其它任务”。
达特茅斯会议历时两个多月，首次提出“人工智能”这一术语，并确立了可行的目标和方法，这使得人工智能成为电脑科学一个独立的重要分支，获得了科学界的承认。
虽然大多数与会者在会后并未继续从事该领域的研究，但另外那少数人中却产生了一批在该领域影响深远的成就。这次会议给人工智能奠基人相互交流的机会，并为未来人工智能的发展起到了铺垫的作用。
在此之后，人工智能的重点开始变为建立实用的能够自行解决问题的系统，并要求系统有自学能力。
Lisp语言与分时概念1958年，麦卡锡组建了世界上第一个人工智能实验室。同年，麦卡锡发明了Lisp语言，这是人工智能界第一个最广泛流行的语言，至今仍有着广泛应用。
Lisp是一种函数式的符号处理语言，其程序由一些函数子程序组成。在函数的构造上，它与数学上递归函数的构造方法十分类似，即从几个基本函数出发，通过一定的手段构成新的函数，不仅如此，Lisp还具有自编译能力。
其实，麦卡锡只是Lisp当做一个工具，他的目标是制造具有人类智能的机器，他并未预料到它会有如此长的寿命。
该领域的编程人员都十分喜欢Lisp的最初语法，因此，Lisp语言与后来于1973年实现的逻辑式语言PROLOG并称为人工智能的两大语言。
随着工作的深入，麦卡锡希望改进这种语言的表达能力。1959年，为了展示Lisp可以明确地表达任何计算函数，他加入了一个叫做“求值”的功能。
“求值”允许程序定义新的函数或者过程，然后将其作为程序的一部分来执行。而大多数语言在执行新函数之前都会强制程序终止运行，并且“重新编译”。
由于求值函数可以带动并执行任何函数，它扮演了一种“通用图灵机”的角色，是其他计算机的通用模拟器。
如今的很多程序都必须每时每刻地运行，人们对求值这种特性的需求越来越迫切，因此大多数实验性语言都包含了求值或类似的功能。
麦卡锡另一个卓越贡献是1960年左右第一次提出将计算机批处理方式改造成分时方式，这使得计算机能同时允许数十甚至上百用户使用，极大地推动接下来的人工智能研究。
由此，他被尊称为“计算机分时系统之父”，他的研究成果最终实现了世界上最早的分时系统——基于IBM7094的CTSS和其后的MULTICS。
结语如今，人工智能已经从实验室走进日常生活，成为一门严肃经验科学，引发了计算机使用方式的一场变革，其中约翰·麦卡锡功不可没，他深刻地改变了人们与电脑和互联网的互动方式，为人工智能奠定了坚实的基础。
人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
人工智能（第一章 绪论）
一、人工智能的定义人工智能的定义最早可以追溯到1956年夏天，由人工智能早期研究者JohnMcCarthy等人提出的；人工智能就是让机器的行为看起来像是人所表现的智能行为一样，但迄今为止尚难给出人工智能的确切定义。
下面是为不同学者从不用的角度，不同层面给出的人工智能的定义：
二、人工智能的发展历史1.孕育阶段人工智能的孕育阶段大致可以认为是1956年以前的时期。这段漫长的时期中，数理逻辑、自动控制理论、信息论、仿生学、电子计算机、心理学等科学技术的发展为后续人工智能的诞生奠定了思想、理论和物质基础。
2.形成阶段人工智能的形成阶段大约为1956-1969年。除了1956年在美国的达特茅斯学院召开的研讨会提出了“人工智能”的术语外，这一时期的成就还包括定理机器证明、问题求解、LISP语言以及模式识别等。
3.发展阶段从20世纪70年代开始，人工智能的研究进入高速发展时期，在这期间，世界各国都纷纷展开对人工智能领域的研究工作，主要是从知识工程、人工神经网络和智能主体3个方开。
三、人工智能的三大学派1.符号主义符号主义又称逻辑主义、心里学派或计算机学派，其基本原理基于两点:物理符号系统假设和有限合理性原理。物理符号系统假设是Newell和Simon在1976年提出，该假设认为:物理符号系统具有必要且足够的方法来实现普通的智能行为。Newell和Simon把人类的-切精神活动、智能问题归结为计算问题。
有限合理性原理是Simon提出的观点。他的观点强调:人类之所以能在大量不确定、不完全信息的复杂环境下解决难题，原因在于人类采用了启发式搜索的试探性方法来感得问题的有限合理解。
2.连结主义连接主义又被称为仿生学派或生理学派，是基于神经元及神经元之间的网络连接机制来模拟和实现人工智能。
人类智能的物质基础是神经系统，其基本单位是神经元。这也就是说，连接主义用人工神经网络来研究人工智能。
3.行为主义行为主义又被称为进化主义或控制论学派，是基于控制论和“感知——动作”控制系统的人工智能学派。
其基本观点是:智能取决于感知和行为，取决于对外界复杂环境的适应。
四、人工智能的研究内容与应用领域1.问题求解人工智能的最早应用实践就是问题求解。该领域最有名的例子就是下棋程序。
问题求解是指通过搜索的方法寻找目标解的一个合适的操作序列，并同时满足问题的各种约束。问题求解的核心是搜索技术。
2.专家系统专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。
专家系统通常由知识库、推理机、综合数据库、人机交互界面、解释器和知识获取等部分构成。
专家系统在医疗诊断、故障诊断、资源勘探、贷款损失评估和教学等领域中得到了广泛应用。
3.机器学习学习能力无疑是人工智能研究上最突出和最重要的一个方面。机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径。正如香克(R.Shank)所说:“一台计算机若不会学习，就不能称为具有智能的。”此外，机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。
4.神经网络人工神经网络简称神经网络，其研究始于1943年McCulloch和Pitts提出的神经元数学模型(MP模型)人工神经网络是以对人脑和自然神经网络的生理研究成果为基础，抽象和模拟人脑的某些机理、机制实现某方面的功能。
Nielsen给出的人工神经网络定义为:人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态响应而进行信息处理。
5.模式识别模式识别-般指应用电子计算机及外部设备对给定.事物进行鉴别和分类，将其归入与之相同或相似的模式中。其一般过程包括对待识别事物采集样本、数字化样本信息、提取数字特征、学习和识别。其核心是特征提取和学习过程。针对不同的识别对象，可分为以下几种类型:语音识别；图形、图像识别；信号识别；染色体识别。
6.数据挖掘与知识发现数据挖掘和知识发现起源于20世纪90年代初期，在早期，它侧重于构建数据仓库，然后运用切片、下钻、上卷等操作从海量数据中发现有用信息。
如今的数据挖掘包括半结构和无结构的文本数据、音频、视频、图像等多媒体数据，通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，揭示隐含在数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。
7.计算机视觉计算机视觉是一门用计算机实现或模拟人类视觉功能的新兴学科。研究目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且还包括对这些信息的描述、存储、识别与理解。主要应用领域包括:
图形图像识别:指纹识别、染色体识别等。
航空航天:卫星图像处理、飞行器跟踪等。
医学:脏器的图像重建、医学图像分析等。
工业:监测和监控系统。
8.智能控制智能控制是一类无需或尽可能少的人的干预就能独立完成任务的自动控制。智能控制涉及的领域很多，主要有以下方面:智能机器人规划与控制；智能过程规划；智能过程控制；专家控制系统；语言控制；智能仪器等
9.计算智能计算智能主要借鉴仿生学的思想，应属于智能学习部分，目前没有统一定义，美国科学家贝兹德克认为不具有计算适应性、计算容错力、接近人的计算速度和近似人的误差率这几个特性，就不能称之为计算智能。涉及的主要领域:模糊计算；神经计算；进化计算；免疫计算等。
10.其他自然语言处理分布式人工智能；人工生命；
机器人学智能检索；大数据；深度学习等。
五、人工智能的发展趋势1.多学科交叉研究与信息科学、生物学、数学、心里学等学科的交叉研究。
2.智能应用和智能产业智能技术将进一步与主流信息技术融合，应用于人类社会的各个领域和人类生活的方方面面。智能产业将成为第四产业。
人工智能考试复习题（自己背的）
选择题：
人工智能的含义最早由一位科学家于1950年提出,并且同时提出一个机器智能的测试模型,请问这个科学家是：（图灵）神经网络研究属于下列（连接主义）学派。产生式系统的推理不包括（简单推理）。下列不在人工智能系统知识包含的4个要素中（关系）。要想让机器具有智能，必须让机器具有知识。因此在人工智能中有一个研究领域，主要眼球计算机如何自动获取知识和技能，实现自我完善，这门研究分支学额叫（机器学习）。一些聋哑人为了能方便与人交流，利用打手势来表示自己的想法，这是智能的（行为能力）方面。下述（形象描写表示法）不是人工智能中常用的知识格式话表示方法。专家系统是以（知识）为基础，以推理为核心的系统。可信度方法中，若证据A的可信度CF（F）=0，这意味：（对证据A一无所知）。利用已有知识、经验，根据问题的实际情况，不断寻找可利用知识，从而构造（一条代价最小的推理路线），使问题得以解决的过程称为搜索。如果把知识按照作用来分类，下述（可以通过文字、语言、图形、声音等形式编码记录和传播的知识，即显性知识）不在分类的范围内。下述（复杂性和明确性）不是知识的特征。人类智能的特性表现在哪4个方面（能感知客观世界的信息、能对通过思维对获得的知识进行加工处理、能通过学习积累知识增长才干和适应环境变化、能对外界的刺激作出反应传递信息。）人工智能的目的是让机器能够（模拟、延伸和扩展人的智能），以实现某些脑力劳动的机械化。下列关于人工智能的叙述不正确的是（以为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要）。人工智能研究的一项基本内容是机器感知。以下列（使机器具有能够获取新知识、学习新技巧的能力）不属于机器感知的领域。被誉为国际“人工智能之父”的是：（图灵（Turing））。下列哪个不是人工智能的研究领域（编译原理）。为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究这找到一个重要的信息处理机制是（人工神经网络）。下述（形象描写表示法）不是人工智能中常用的知识格式化表示方法。关于“与/或”图表示发的叙述中，正确的是（“与/或”图就是用“与”节点和“或”节点组合起来的树形图，用来描述某类问题的求解过程）。神经网络研究属于下列（连接主义）学派已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集；这些子问题的解可以直接得到，从而解决了初始问题。这是知识表示法叫（问题归约法）。A^(AvB)称为（吸收率）。~（A^B）~Av~B称为（摩根率）如果问题存在最优解，则下面几种搜索算法中，（启发式搜索）可以认为是“智能程度相对比较高”的算法。产生式系统的推理不包括（简单推理）。下列哪部分不是专家系统的组成部分（用户）。要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（机器学习）。命题是可以判断真假的（陈述句）。人工智应用研究的两个最重要最广泛领域为（专家系统、机器学习）。下列搜索方法中不属于盲目搜索的是（有序搜索）。语义网络的组成部分为（节点和链）自然语言理解是人工智能的重要应用领域，下面列举中的（欣赏音乐）不是它要实现的目标。AI的英文缩写是（ArtificalIntelligence）。反演归结（消解）证明定理时，若当前归结式是（空子句）时，则定理得证。从已知事实出发，通过规则库求得结论的产生式系统的推理方式是（正向推理）。语义网络表示知识时，有向弧AKO链，ISA链是用来表达节点知识的（继承性）（A—>B）^A—>B是（假言推理）。仅个体变元被量化的谓词称为（一阶谓词）1997年5月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（深蓝）。或图通常称为（状态图）不属于人工智能的学派是（机会主义）。
填空题：
人工智能三大学派是（符号主义）、（连接主义）、（行为主义）设P是谓词公式，对于P的任何论域，存在P为真的情况，则称P为（永真式）。广度优先是所有算法中，OPEN表的数据结构实际是一个（二叉树），深度优先搜索算法中，OPEN表的数据结构实际是一个（单链表）。产生式系统由三部分组成（综合数据库）（知识库）和推理机，其中推理可分为（正向推理）和（逆向推理）开发专家系统所要解决的基本问题由三个，那就是知识的获取、知识的表示和知识的运用，知识表示的方法只要由（谓词表示法）（框架）（产生式）和语义网络等。在语义网络表示知识时，所使用的推理方法由（AKO）和（ISA）在谓词公式中，紧接于量词之后被量词作用的谓词公式称为该量词的（辖域），而在一个量词的辖域中与该量词的指导变元相同的变元称为（约束变元），其他变元称为（自由变元）在诸如走迷宫、下棋、八数码游戏等游戏中，常用到的一种人工智能的核心技术称为（图搜索）某产生式系统中的一条规则：A(x)-->B(x),则前件是（A(x)），后件是（B(x)）。产生式系统的推理可以分为（正向推理）和（反向推理）两种基本方式。人工之智能是计算机科学中涉及研究、设计和应用（智能机器）的一个分支，它的近期目标在于研究用机器来（模仿和执行人脑）的某些智力功能。启发式搜索是一种利用（启发式信息）的搜索。在与或图中，没有后裔的非终叶节点为不可解节点，那么含有或后继节点且后裔中至少由一个为可解的非终叶节点是（可解节点），含有与后继节点且后裔中至少由一个为不可解的非终叶节点是（不可解节点）不确定性类型按性质分（随机性）（模糊性）（不完全性）（不一致性）在删除策略归结的过程中删除以下子句：含有（纯文字）的子句;含有（永真式）的子句;子句集中被别的子句（类含）的子句。对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系：CF（~A）=（-CF（A））、CF（A1∧A2）=（min(CF(A1),CF(A2))）、CF（A1∨A2）=(max(CF(A1),CF(A2)))图是指由（节点）和（有向边）组成的网络。按连接同一节点的各边的逻辑关系又可分为（或图）和（与或图）。产生式系统的推理过程中，从可触发规则中悬着一个规则来执行，被执行的规则称为（被触发规则）。P（B|A）表示在规则（A—>B）中，证据A为真的作用下结论B为真的（概率）人工智能的远期目标是（制造智能机器），近期目标是（实现机器智能）。
简答题
填写下面的三值逻辑表。其中T,F,U分别表示真，假，不能判定答：
3.T
F
U
2.T T T
T F U
T U U
1.T F U
F F F
U F U
什么是产生式？产生式规则的语义是什么？
答：产生式规则基本形式：P->Q或者IFPTHENQ；
P是产生式的签题，用于指出该产生式是否可用的条件；
Q是一组结论或操作，用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作；
产生式规则的语义：如果前提P被满足，则可以推出结论Q或执行Q所规定的操作；
谓词公式G通过8个步骤所得的子句集合S，称为G的子句集。请写出这些步骤。
答：1.消去连接词->,；
2.减少否定符号辖域；
3.变元标准化；
4.消去存在量词；
5.消去全称量词；
6.化为前束范式；
7.适当改名；
8.消去合取词^；
证明G是否是F的逻辑结论；
答：1.P(x) 从F变换
2.Q(a)VQ(x) 从F变换
3.¬P(y)V¬Q(y) 结论否定
4.¬Q（x） 1,3归结
5.2，4归结置换{x/y}
什么是人工智能？人工智能与计算机程序的区别？
答：人工智能是指在机器上实现的智能，实现模拟扩展人类智慧的机器。与计算机程序的不同点是，程序是死板的直接解决问题，而人工智能会学习总结解决问题的方法
当前人工智能有哪些学派？他们对人工智能在理论上有何不同观点？答：当前的学派有，符号主义，连接主义以及行为主义；
符号主义是，基础是符号，符号操作，人脑和计算机都是物理符号，智能的基础是知识，核心是知识表示和知识推理；
连接主义基本是神经元，思维过程是连接神经元活动的过程，认为人脑不同于计算机；
行为主义认为智能依赖于感知和行动；机器不能真实地反映现实世界中的客观事物。
广度优先搜索与深度优先搜索各有什么特点？答：广度优先是一种先扩展节点的策略，是一种完整的搜索策略，即只要问题有解，就能找到解。
深度优先是一种不完全的策略，即对于某些有解的问题，深度优先搜索可能找不到最优解，也可能根本找不到解。
什么是不确定性推理？有哪几类不确定性推理方法？答：是指从具有不确定性的证据,运用知识库中的不确定性知识,最终推出具有一定程度的不确定性,但却是合理的或近乎合理的结论的思维过程。两大类：模型方法,控制方法。
什么是机器学习？机器学习的研究目标是什么？答：机器学习是基于人类的学习的，是研究如何让计算机来模拟人类学习的一门学科。
研究目标：认知模型的研究，探索各种学习方法，根据任务建立相应的学习系统。
什么是数据挖掘？数据挖掘的主要内容是什么？答：数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取有用的信息和知识的过程。
内容：是根据其他属性的值预测特定属性的值。。
数据聚类和分类有何不同？答：分类技术是一种有指导的学习，聚类是一种无指导学习
分类的样本是有标记的，聚类样本没有标记
简述大数据的四个特征分别代表的含义。答：1.数据规模大，数据量是大数据的基本特征；
2.数据种类多：现在企业所采集的和分析的数据还包括网站日志数据；
3.处理速度快：数据的产生和更新的频率也是衡量大数据的一个特征；
4.数据价值密度低：数据不断增长，可用的很少；
什么是知识？它有哪些特性？有哪几种分类方法？答：积累起来的认识和经验；
分类：性质，适用范围，作用，确定性，等级，结构
15.什么是知识表示？有哪几种常用的知识表示方法？
答：知识的表示是对知识的描述，用约定的符号把知识编码成一组能被计算机接受并便于系统使用的数据结构。表示方法：有一阶谓词、产生试、语义网络，框架，过程，脚本，本体；
计算题
设有如下语句，请用相应的谓词公式分别把他们表示出来(1) 有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花 。
答：定义谓词： P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 则用知识用谓词表示为: ((∃x)(P(x)→L(x,梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花))
(2)有人每天下午都去打篮球。
答：定义谓词： P(x)：x是人 Q(x):x为打篮球W(y):y是下午 则用知识用谓词表示为: （∃x）(∀y)(W(y)→Q(x)∧P(x))
(3)新型计算机速度又快，存储容量又大。
答：C(x)：x是新型计算机；F(x)：x速度；B(x)：x容量大 ；将知识用谓词表示为： (∀x) (C(x)→F(x)∧B(x))
(4)不是每个计算机系的学生都喜欢在计算机上编程序。
答：S(x)：x是计算机系学生
L(x, P)：x喜欢编程序
U(x,C)：x使用计算机
则¬ (∀x) (S(x)→L(x, P)∧U(x,C))
(5)凡是喜欢编程序的人都喜欢计算机。
答：定义谓词P(x)：x是人 L(x, y)：x喜欢y 则(∀x) (P(x)∧L(x,pragramming)→L(x, computer))
试实现一个“大学教师”的框架，大学教师类属于教师，包括以下属性：学历（学士、硕士、博士）、专业（计算机、电子、自动化、……）、职称（助教、讲师、副教授、教授）答：框架名： 类属： 学历：(学士、硕士、博士) 专业：（计算机、电子、自动化、…)职称：（助教、讲师、副教授、教授)
论述题
用语义网络表示下列信息：(1)胡途是思源公司的经理，他35岁，住在飞天胡同68号；
(2)清华大学与北京大学进行蓝球比赛，最后以89：102的比分结束。
答：
将命题：“某个学生读过三国演义”分别用谓词公式和语义网络表示
答：谓词公式=∃x(student(x)∧read(x,三国演义))
语义网络：
用语义网络表示下面的知识：(1)我是一个人(2)我有一台计算机(3)我的计算机是PC/PIV1.8G(4)PC机是计算机(5)PC/PIV1.8G是PC机(6)PC/PIV1.8G包括硬盘、显示器、CPU、内存。
答：