人工智能历史、概念、算法与技术 概括与综述（一）
经过前五章的阅读，让我脑海中从整体上建立了三个世界的基本底层架构，之后逐渐了解到数据的概念，包括定义、形式和度量等做进一步系统和深入的探讨，还讨论关于数据的几个基本科学法则并讨论这些法则在数据科学技术中的应用。而在之后的“信息纽带”“知识升华”以及“自然智能”的章节中，从各个方面对这些主题有了更深一步的认识，例如信息的结构、含义和效用，知识的概念、判断与平衡问题，再如自然智能的概念与模型问题，以及情绪智能的相关知识。在学习的过程中，我也收获了不少与每个主题相关的知识，例如数据的编码规律遵循香农信息论的基本定理，即压缩、纠错与加密；爱因斯坦和丹麦物理学家波尔围绕量子力学的解释所展开的关于物理世界本质的争论；基于生物科学的智能模型等等。基于上一章关于自然智能的学习与探讨，一个与之相关的主题便是“人工智能”。而本次“人工智能”的上半章，从人工智能的历史、概念、算法与技术四个方面进行阐述。同时本章讨论的课题如下：
（本章讨论的课题）
一、人工智能的历史在对于人工智能的研究之中，最开始起源于英国数学家阿兰·图灵，他对于人工智能机器的最初构想与推理。在一定程度上促进了人工智能的发展与进步，不仅如此，他所设计的“图灵实验”，被用来判断和衡量机器的智能水平，至今仍是判断人工智能的方法与标准。而在70年代之后，在一些如医疗、化学、地质等领域取得一定的成功的结果下，模拟人类专家知识和经验的专家系统变得流行起来。但是由于各项应用的发展较为缓慢，且在一些问题上遇到了瓶颈。导致人工智能的发展也随之滞缓了。在90年代之中，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IBM公司的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。这也在某种程度上为接下来的新一次人工智能浪潮做出了应有的铺垫。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，各种各样的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，从很大程度上打破了科学与应用之间的深厚壁垒，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已经逐渐在生活中的各个方面进行渗透，引起了人工智能领域的进步与拓展。
（人工智能的发展历史）
二、人工智能的概念对于人工智能的概念与定义的表达，百度上是这样定义的：“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。”这种定义较为精确地表达出了人工智能的应用之处，除此以外，人工智能还可以被定义为一种数学模型、计算程序和执行系统，包括软件和硬件，能够胜任和完成由人类或自然智能所具有的功能和任务。[1]
在此基础上，人工智能可以在专业应用领域和行为表现等层次上进行如下分类，分为“初级智能”、“普通智能”与“超级智能”。
无独有偶，按照另一种分类方法可以将人工智能进行分类，分为“特殊人工智能”、“一般人工智能”和“超级人工智能”。
通过人工智能的分类可以看出来，有部分的人工智能可以在表现上达到和超过人类。并且通过图灵测试可以了解到，它的核心思想是将被测试的人与机器看作是“黑盒子”，假定在相同的测试条件下，给两者同样的问题，以两者做出答案的正确率作为衡量其智能水平的标准。如果机器回答正确的次数超过人，则证明机器的智能超过了人的智能。对于这样的黑盒子，它能够完成一类人类所从事的工作和任务,那么是否意味着人工智能将永远不会与自然智能具有相同的内部工作机制呢?
结果是否定的，因为按照目前的进程来看，人工智能的产生与发展始终无法摆脱人类自然智能的影响，它是人类通过一定的算法与硬件的算力相结合的产物，本质上并不是生物的，并非自发实现的。根据人类的研发意愿与研究方向，人工智能可以定向地完成一类人类所从事的工作和任务，从而达到协助人类的目的。但是，无法忽视的是，我们对于人类的自然智能的内部工作机制的研究还不是非常透彻，对于可以达到这种自然智能的算法的研究也尚未完成，因此我们无法直接将智能算法和机制借鉴和平移到到机器上来实现，于是我们仅仅可以达到通过开发某种特定的软件并与硬件相结合的方式，并以此达到对于某些人类和自然智能的外在行为、过程和效果的模仿和替代。这种层面的应用与开发是相对于表层的，并未真正地涉及到内部工作机制。但是随着科技的发展，针对于内部工作机制的探索也在进行中，例如“深度学习“机制等等，当然这只是基础的模仿与初步的探索，毕竟人类大脑这种复杂的高级智能系统，其软件和硬件的功能与结构是通过神经元之间复杂和动态的连接实现的，这很难依靠传统的计算机结构与功能实现，不过科技的发展还在继续，最终是否可以与自然智能具有相同的内部工作机制还是一个未知数。还需要科学家们的进一步研究。
三、人工智能的算法人工智能的核心便是算法，智能算法将是具有产生智能功能和完成智能任务的程序性知识。同时，算法也有一定的学习能力，它可以从数据样本中获取将所需要的知识，并进行一定程度上的分析与归纳，形成自己的知识。有人认为，人工智能的模型是一个基于计算机架构的信息模型,与大脑自然智能具有极大的不同。
这种观点无疑是片面的，因为人工智能的算法的不断发展，通过仿生的思想，例如生物进化算法，人工神经网络算法等等。
（人工智能的两种主要算法）
尤其是人工神经网络算法，它是是一种基于神经元连接的学习算法模型。与自然智能之间的联系紧密。因为对于大脑自然智能来讲，它的模型主要存在于大脑神经网络之中。人的大脑通过脊椎与身体其它器官相连接，形成一个巨大而复杂的数据/信息处理和行为控制系统，负责管理所有心智、神经和其它活动与任务。在宏观的层次，负责学习、预测、决定和控制等算法程序均以某种特定的连接方式存在于大脑复杂动态的连接网络之中。在微观层次，大脑神经元由输入端树突、细胞体和输出端轴突构成。神经元的输入端从其它神经元得到电和化学信号并叠加。当输入信号的强度超过一定阈值时，神经元便发出脉冲信号，此信号通过轴突传到相邻的神经元或其它的接收器。[2]基于这种结构模型，人工智能也模仿并研发出人工神经元的输入信号经过加权求和及偏置后再经过某种非线性变换，即激活函数输出的方法，以此来达到相同的结果。尽管这过程中存在种种挑战，在迭代学习的过程中计算成本函数对网络神经元参数的梯度本身便具有极大挑战。对于一个具有许多局部最优点的全局优化问题，是否能够在有效的时间内准确地找到全局最优解，仍然有许多实际问题需要解决。
由此可见，这并不是人工智能唯一或最优的模型，在人工智能的不断进步之中，人工智能的深度神经网络算法日新月异，各种模型也在不断优化的过程中，针对模型优化中不断出现的问题，科学家们也在用相应的算法，知识来解决。可见，在所谓的最优方面并不成立。其次，人工智能的模型也是多元化发展的，除了神经网络算法，还有生物进化算法等等。由此可见，唯一性也不成立。
四、人工智能的技术
放眼当今时代，随着数字经济的不断发展，世界数据化程度不断加深，人工智能已经人工智能技术将成为推动社会经济发展的重要基础支撑，将与互联网一样，通过各种技术、产品和工具，融入各行各业中，不断改造各个行业的发展水平，创造新的价值体系和产业体系，并在多个行业拥有深度应用的前景。人工智能研究的领域非常广泛，如专家系统、语音识别、自然语言处理、机器学习、知识获取等等方面。当前的人工智能的研究也在从原来的初级窄域人工智能向着超级宽域人工智能不断发展。在近期人工智能不可忽视的一个应用是在棋类博弈游戏中体现出来的深度学习的算法与智能的状态。
由于棋牌的规则明确，棋牌所需的技能与思考水平也一直被认为是人类智力活动的高级形式和能力体现。早在1948年香农就发表过关于计算机在国际象棋领域的策略分析，从理论上给这种应用方向上的指引。在IBM公司的深蓝击败了世界国际象棋冠军卡斯帕罗夫后，人工智能科学家们在棋牌领域的研究不断深入，人工智能团队又将目标放在状态空间与游戏树复杂度高于其他棋类游戏的围棋上面，在2016年3月英国智能公司DeepMind开发的基于人工智能的策略和算法“AlphaGo”成功以4比1的成绩战胜9段顶尖职业韩国棋手李世石，在此之后，AlphaGo与多位世界围棋冠军和顶级职业选手比赛，均以全胜告捷。有人认为人工智能战胜了世界围棋冠军是否意味着超出了人类的智能。但是事实并非如此。
首先，人工智能在很大程度上借鉴和依赖大量人类所积累的围棋程序性知识，并在此基础上通过强化学习做了进一步优化。可见，人工智能所蕴含的程序及知识本质上还是人类的智能结晶。除此以外，人工智能要达到真正的人脑智能,处理真实社会中占绝大多数的非完全信息,还存在两个巨大障碍:一是对自然语言的理解;二是对人类知识体系的理解。
（人工智能面临的障碍）
尤其是第二点,由于人工智能本身的发展便是建立在人们对于自我的认知与理解的基础之上的，因而人工智能的发展也不可避免地打上了人类思维的烙印，而人类思维的形态主要有感知思维、形象思维、抽象思维和灵感思维等等。目前几乎还没有把人文知识,系统地抽象出来的算法。即使有关于人工智能作诗让专家难以分辨的新闻，但本质上作出来的诗仅仅是韵脚和意向上的拼凑，并不具有实际的内涵。因此我们可以知道，对于人工智能，总体上仍是建立在物理交互层面的研究，是对于“神经”层面的研究，而非对于“精神”层面的理解与研究。[3]所以现今的人工智能，更是一种为人类服务的，具有特定功能的服务工具。因此人工智能战胜了世界围棋冠军并不意味着超出了人类的智能，相反它从侧面证明了对于人工智能的研究达到了早期预计的目标，接下来也将会进一步发展，辅助人类未来在某一领域的研究与工作。
参考文献：
[1][2]黄卫平. 数据智能科学技术导论[M].北京：清华大学出版社,1-274.
[3]程柏华,李章淼.浅谈对人工智能超越人类问题的反思[J].中国新通信,2018,20(16):222-223.
李开复AI五讲｜人工智能的五个定义：哪个最不可取
编者按：从惊呼“人工智能来了”到察觉“人工智能无处不在”，人类社会才走过寥寥数年。在提出建设国家人工智能高地的上海，许多率先试水的应用在各行各业写下了“AI+”的故事。此时此刻，我们更加要冷静地思考自身与人工智能的关系。我们真的知道什么是人工智能吗？我们真的准备好与人工智能共同发展了吗？我们该如何规划人工智能时代的未来生活？
本月底，2019世界人工智能大会将在黄浦江畔揭开序幕。澎湃新闻特邀李开复、王咏刚将著作《人工智能》精编为系列短文，试析与AI相关的若干关键问题。
请抛开人工智能就是人形机器人的固有偏见，然后，打开你的手机。我们先来看一看，已经变成每个人生活的一部分的智能手机里，到底藏着多少人工智能的神奇魔术。谷歌最资深的计算机科学家与软件架构师、谷歌大脑开发团队的带头人杰夫•迪恩（JeffDean）说：“很多时候（人工智能）都是藏在底下，因此人们并不知道有很多东西已经是机器学习的系统在驱动。”
到底什么是人工智能？为什么我们说智能搜索引擎、智能助理、机器翻译、机器写作、机器视觉、自动驾驶、机器人等技术属于人工智能，而诸如手机操作系统、浏览器、媒体播放器等通常不被归入人工智能的范畴？人工智能究竟有没有一个容易把握和界定的科学定义？
这里，简要列举几种历史上有影响的，或目前仍流行的人工智能的定义。对这些定义的分析、讨论是一件相当有趣的事，这有些类似于古代哲学家们围坐在一起探讨“人何以为人”，或者，类似于科幻迷们对阿西莫夫的“机器人三定律”展开辩论。其实，很多实用主义者反对形而上的讨论，他们会大声说：“啊，管它什么是人工智能呢？只要机器能帮助人解决问题不就行了？”
定义一：Al就是让人觉得不可思议的计算机程序
人工智能就是机器可以完成人们不认为机器能胜任的事——这个定义非常主观，但也非常有趣。一个计算机程序是不是人工智能，完全由这个程序的所作所为是不是能让人目瞪口呆来界定。
这种唯经验论的定义显然缺乏一致性，但这一定义往往反映的是一个时代里大多数的普通人对人工智能的认知方式：每当一个新的人工智能热点出现时，新闻媒体和大众总是用自己的经验来判定人工智能技术的价值高低，而不管这种技术在本质上究竟有没有“智能”。
计算机下棋的历史就非常清楚地揭示了这一定义的反讽之处。
早期，碍于运行速度和存储空间的限制，计算机只能用来解决相对简单的棋类博弈问题，例如西洋跳棋，但这毫不妨碍当时的人们将一台会下棋的计算机称作智能机器，因为那时，普通计算机在大多数人心目中不过是一台能用飞快的速度做算术题的机器罢了。
1962年，IBM的阿瑟•塞缪尔的程序战胜了一位盲人跳棋高手，一时间成了不小的新闻事件，绝大多数媒体和公众都认为类似的西洋跳棋程序是不折不扣的人工智能。
随着PC的普及，每台个人电脑都可以运行一个水平相当高的西洋跳棋程序，会下棋的计算机逐渐褪去了神秘的光环。
当国际象棋、中国象棋逐渐被计算机玩得滚瓜烂熟，公众找到了维护人类智慧尊严的最后阵地——围棋。直到2016年年初，除了一个叫樊麾的职业围棋选手和谷歌DeepMind的一支规模不大的研发团队外，几乎所有地球人都说：“下象棋有什么了不起？真有智能的话，来跟世界冠军下盘围棋试试？”
很不幸，人类的自以为是又一次被快速发展的人工智能算法无情嘲笑了。2016年3月9日，随着AlphaGo在五番棋中以四比一大胜围棋世界冠军李世石，有关人工智能的热情和恐慌情绪同时在全世界蔓延开来，也因此引发了一拨人工智能的宣传热潮。
今天，没有人怀疑AlphaGo的核心算法是人工智能。但想一想曾经的西洋跳棋和国际象棋，当时的人们不是一样对战胜了人类世界冠军的程序敬若神明吗？
定义二：Al就是与人类思考方式相似的计算机程序
这是人工智能发展早期非常流行的一种定义方式。从根本上讲，这是一种类似仿生学的直观思路。
但历史经验证明，仿生学的理路在科技发展中不一定可行。一个最好也最著名的例子就是飞机的发明。在几千年的时间里，人类一直梦想着按照鸟类扑打翅膀的方式飞上天空，但反讽的是，真正带着人类在长空朝翔，并打破了鸟类飞行速度、飞行高度纪录的，是飞行原理与鸟类差别极大的固定翼飞机。
人类思考方式？人究竟是怎样思考的？这本身就是一个复杂的技术和哲学问题。哲学家们试图通过反省与思辨，找到人类思维的逻辑法则，而科学家们则通过心理学和生物学实验，了解人类在思考时的身心变化规律。这两条道路都在人工智能的发展历史上起到过极为重要的作用。
世界上第一个专家系统程序Dendral是一个成功地用人类专家知识和逻辑推理规则解决一个特定领域问题的例子。这是一个由斯坦福大学的研究者用Lisp语言写成的，帮助有机化学家根据物质光谱推断未知有机分子结构的程序。
Dendral项目在20世纪60年代中期取得了令人瞩目的成功，带动了专家系统在人工智能各相关领域的广泛应用，从机器翻译到语音识别，从军事决策到资源勘探。一时间，专家系统似乎就是人工智能的代名词，其热度不亚于今天的深度学习。
但人们很快就发现了局限。一个解决特定的、狭小领域问题的专家系统很难被扩展到宽广一些的知识领域中，更别提扩展到基于世界知识的日常生活里了。
一个著名的例子是1957年苏联发射世界上第一颗人造卫星后，美国政府和军方急于使用机器翻译系统了解苏联的科技动态。但用语法规则和词汇对照表实现的俄语到英语的机器翻译系统笑话百出，曾把“心有余而力不足”（thespiritiswilingbutthefleshisweak）翻译为“伏特加不错而肉都烂掉了”（thevodkaisgoodbutthemeatisroten）。
另一方面，从心理学和生物学出发，科学家们试图弄清楚人的大脑到底是怎么工作的，并希望按照大脑的工作原理构建计算机程序，实现“真正”的人工智能。这条道路上同样布满荆棘。最跌宕起伏的例子，非神经网络莫属。
20世纪90年代开始，随着计算机运算能力的飞速发展，神经网络在人工智能领域重新变成研究热点。但直到2010年前后，支持深度神经网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。神经网络这一仿生学概念在人工智能的新一轮复兴中，真正扮演了至关重要的核心角色。
定义三：AI就是与人类行为相似的计算机程序
和仿生学派强调对人脑的研究与模仿不同，实用主义者从不觉得人工智能的实现必须遵循什么规则或理论框架。“黑猫白猫，逮住耗子的就是好猫。”在人工智能的语境下，这句话可以被改成：“简单程序，复杂程序，聪明管用的就是好程序。”
实用主义者推崇备至的一个例子是麻省理工学院于1964年到1966年开发的“智能”聊天程序ELIZA。这个程序看上去就像一个有无穷耐心的心理医生，可以和无聊的人或需要谈话治疗的精神病人你一句我一句永不停歇地脚下去。当年，ELIZA的聊天记录让许多人不敢相信自己的的眼睛。
可事实上，ELIZA所做的，不过是在用户输入的句子里，找到一些预先定义好的关键词，然后根据关键词从预定的回答中选择一句，或者简单将用户的输入做了人称替换后，再次输出，就像心理医生重复病人的话那样。ELIZA心里只有词表和映射规则，它才不懂用户说的话是什么意思呢。
这种实用主义的思想在今天仍有很强的现实意义。比如今天的深度学习模型在处理机器翻译、语音识别、主题抽取等自然语言相关的问题时，基本上都是将输入的文句看成由音素、音节、字或词组成的信号序列，然后将这些信号一股脑塞进深度神经网络里进行训练。
深度神经网络内部，每层神经元的输出信号可能相当复杂，复杂到编程者并不一定清楚这些中间信号在自然语言中的真实含义，但没有关系，只要整个模型的最终输出满足要求，这样的深度学习算法就可以工作得很好。
定义四：AI就是会学习的计算机程序
没有哪个完美主义者会喜欢这个定义。这一定义几乎将人工智能与机器学习等同了起来。但这的确是最近这拨人工智能热潮里，人工智能在许多人眼中的真实模样。谁让深度学习一枝独秀，几乎垄断了人工智能领域里所有流行的技术方向呢？
这一定义似乎也符合人类认知的特点一—没有哪个人是不需要学习，从小就懂得所有事情的。因此，今天最典型的人工智能系统通过学习大量数据训练经验模型的方法，其实可以被看成是模拟了人类学习和成长的全过程。
如果说人工智能未来可以突破到强人工智能甚至超人工智能的层次，那从逻辑上说，在所有人工智能技术中，机器学习最有可能扮演核心推动者的角色。
当然，机器目前的主流学习方法和人类的学习还存在很大的差别。举个最简单的例子：目前的计算机视觉系统在看过数百万张或更多自行车的照片后，很容易辨别出什么是自行车，什么不是自行车，这种需要大量训练照片的学习方式看上去还比较笨拙。反观人类，给一个三四岁的小孩子看一辆自行车之后，再见到哪怕外观完全不同的自行车，小孩子也十有八九能做出那是一辆自行车的判断。也就是说，人类的学习过程往往不需要大规模的训练数据。
最近，尽管研究者提出了迁移学习等新的解决方案，但从总体上说，计算机的学习水平还远远达不到人类的境界。
如果人工智能是一种会学习的机器，那未来需要着重提高的，就是让机器在学习时的抽象或归纳能力向人类看齐。
定义五：Al就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序
维基百科的人工智能词条采用的是斯图亚特•罗素（StuartRussell）与彼得•诺维格（PeterNorvig）在《人工智能：一种现代的方法》一书中的定义，他们认为：
人工智能是有关“智能主体（Intelligentagent）的研究与设计”的学问，而“智能主体是指一个可以观察周遭环境并做出行动以达致目标的系统”。
基本上，这个定义将前面几个实用主义的定义都涵盖了进去，既强调人工智能可以根据环境感知做出主动反应，又强调人工智能所做出的反应必须达致目标，同时，不再强调人工智能对人类思维方式或人类总结的思维法则的模仿。
以上，我们列举了五种常见的人工智能的定义。其中，第二种定义（与人类思考方式相似）特别不可取。人们对大脑工作机理的认识尚浅，而计算机走的是几乎完全不同的技术道路。
第一种定义（让人觉得不可思议）揭示的是大众看待人工智能的视角直观易懂，但主观性太强，不利于科学讨论。
第三种定义（与人类行为相似）是计算机科学界的主流观点，也是一种从实用主义出发，简洁、明了的定义，但缺乏周密的逻辑。
第四种定义（会学习）反映的是机器学习特别是深度学习流行后，人工智能世界的技术趋势，虽失之狭隘，但最有时代精神。第五种定义（维基百科使用的综合定义）是学术界的教科书式定义，全面均衡，偏重实证。
发展人工智能的战略意义可以概括为三个方面
5月16日，两场以人工智能为主题的国际盛会，在天津、北京两地几乎同时开幕。前者为第三届世界智能大会，后者是国际人工智能与教育大会。尤其值得关注的是，中国***习近平向两场国际盛会均致信祝贺，并勉励与会人士“推动新一代人工智能健康发展，更好造福世界各国人民”，“携手推动构建人类命运共同体”。
习近平高度重视人工智能。在2016年9月召开的G20杭州峰会上，他指出，以互联网为核心的新一轮科技和产业革命蓄势待发，人工智能、虚拟现实等新技术日新月异，虚拟经济与实体经济的结合，将给人们的生产方式和生活方式带来革命性变化。2018年10月31日，中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。习近平在主持学习时发表讲话强调：人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。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。
对于新时代的中国来说，发展人工智能的战略意义可以概括为三个方面。
一是以“智”提“质”，推动实现高质量发展。人工智能造就了宏大的技术生态群。它在智能驾驶、智能语音、智能机器人等领域不断取得突破，这些突破正在构建智能经济形态。这是中国实现高质量发展的磅礴动力。
二是以“智”图“治”，推动治理能力现代化。机器学习、算法推理、大数据、物联网等技术应用于社会治理，可优化社会生产与社会组织关系，增强治理的协同性、生态性，提高社会治理的智能化、法治化和现代化水平。
三是以“智”谋“祉”，推动提高民生福祉。人工智能的价值要在应用中体现。中国在推进“智能＋生产”的同时，注重发力“智能＋生活”，注重人工智能技术应用开发的民生导向，围绕教育、医疗卫生，体育、住房、助残养老等开发智能产品和服务，让人工智能提升民生福祉。
习近平勉励中国科技工作者，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，确保中国在人工智能这个重要领域的理论研究走在前面、关键核心技术占领制高点。当前，中国人工智能发展水平距离上述目标虽仍有很长的路要走，但已经奠定了坚实基础。清华大学发布的相关领域研究报告显示，在人工智能领域，中国在科技产出与人才投入、产业发展和市场应用、发展战略和政策环境等方面表现亮眼，特别是论文总量和高被引论文数量、专利数量排名世界第一，企业数量全球第二。
这些成就的取得与中国的比较优势有关。比如，用户众多、应用场景丰富多元，给人工智能企业及其产品提供了充足的可用数据和锻炼机会。再比如，中国企业在人工智能的框架、算法等方面，在人脸识别、语音识别等领域均取得突破，由此构成了相对完整的人工智能产业链和产业生态，为进一步发展创造了条件。
未来已来，崭新的智能时代已初见端倪。
我们已走过万水千山，但仍需向着智能时代不断跋山涉水。