沃卡惠
在20世紀和21世紀的無數技術進步中，最具影響力的無疑是AI。從重塑我們查找信息方式的搜索引擎算法，到亞馬遜在消費領域的Alexa，AI已經成為推動整個科技行業走向未來的主要技術。
無論是一家新興的初創企業，還是像微軟這樣的行業巨頭，企業至少有一個部門在與AI或機器學習合作。根據某項研究表明，2021年全世界AI行業的估值為935億美元。
AI作為科技行業的一股力量在本世紀頭十年和2010年代爆發，但至少自1950年以來，AI就以某種形式或方式存在，并且可以說可以追溯到更遠的地方。
AI歷史的大致輪廓，譬如圖靈測試和國際象棋計算機，在大眾意識中根深蒂固，但豐富而密集的歷史卻存在于常識的表面之下。本文將從這段歷史中提取精華，向各位展示AI怎樣從神話般的想法到改變世界的現實道路。
從民間傳說到事實
雖說AI通常被認為是一個前沿的概念，但幾千年來，人類一直在想象AI，這些想象對當今該領域取得的進步產生了切實的影響。譬如青銅機器人塔洛斯，希臘克里特島的保護者，以及文藝復興時期的煉金術造人。《弗蘭肯斯坦的怪物》、《2001太空漫游》中的HAL9000，以及《終結者》系列中的天網等角色只是我們在現代小說中描繪AI的一些方式。
在AI歷史上影響最大的虛構概念之一是艾薩克·阿西莫夫的機器人三定律。當現實世界的研究人員和企業建立自己的機器人定律時，經常會引用這些定律。
事實上，當英國的工程和物理科學研究委員會、藝術和人文研究委員會為機器人的設計師、建造者和用戶發布其5項原則時，它明確引用了阿西莫夫作為參考點，盡管指出阿西莫夫定律在實踐中根本行不通。
計算機、游戲和圖靈測試
20世紀40年代，當阿西莫夫撰寫《三大定律》時，研究人員威廉·格雷·沃爾特正在開發一種初級的AI模擬版本。這些微型機器人被稱為烏龜或海龜，它們可以探測光線并對其做出反應，并與它們的塑料外殼接觸，它們可以在不使用計算機的情況下操作。
20世紀60年代后期，約翰霍普金斯大學制造了另一種無計算機自動機器人Beast，它可以通過聲納在大學的大廳里導航，并在電池電量不足時在特殊的墻壁插座上充電。
然則，我們今天所知道的AI會發現它的發展與計算機科學的發展有著千絲萬縷的聯系。圖靈在1950年發表的論文《計算機器與智能》中提出了著名的圖靈測試，至今仍有影響力。很多早期的AI程序都是為了玩游戲而開發的，譬如克里斯托弗·斯特雷奇為弗蘭蒂馬克I型計算機編寫的跳棋程序。
1956年，馬文·明斯基、約翰·麥卡錫、克勞德·香農和內森·羅徹斯特在達特茅斯研討會上創造了“AI”一詞。在會上，麥卡錫為這個新興領域創造了這個名字。
這個研討會也是艾倫·紐威爾和赫伯特·西蒙首次展示他們的邏輯理論家計算機程序的地方，這個程序是在計算機程序員克里夫·肖的幫助下開發的。“邏輯理論家”被設計成以人類數學家的方式來證明數學定理。
游戲和數學是早期AI的焦點，因為它們很容易應用“推理即搜索”原則。推理即搜索，也稱為均數分析(MEA)，是一種解決問題的方法，它遵循三個基本步驟：
這是AI原理的早期先驅，假如行動沒有解決問題，找到一組新的行動并重復，直到你解決了問題。
神經網絡和自然語言
考慮到冷戰時期的政府愿意在任何可能讓他們比對方更有優勢的事情上投入資金，AI研究在50年代和60年代經歷了來自DARPA等組織的大量資金。
這項研究推動了機器學習的一系列進步。比如，在使用多目標進化算法的同時，生成啟發式思維捷徑，從而阻止AI可能探索的、不太可能達到預期結果的問題解決路徑。
第一個人工神經網絡起初在1940年代提出，于1958年發明，這要歸功于美國海軍研究辦公室的資助。這一時期研究人員的一個主要重點是試圖讓AI理解人類語言。
1966年，Joseph Weizenbaum推出了第一個聊天機器人ELIZA，全世界的互聯網用戶都對此表示感謝。Roger Schank的概念依賴理論是AI研究中最具影響力的早期進展之一，該理論試圖將句子轉換為以一組簡單關鍵字的基本概念。
AI的第一個冬天
20世紀70年代，50年代和60年代對AI研究普遍存在的樂觀情緒開始消退。考慮到AI研究面臨的無數現實問題招致資金枯竭。其中最主要的是計算能力的限制。
Bruce G.Buchanan在AI雜志的一篇文章中解釋道：“早期的程序必然受到內存和處理器的大小和速度，以及早期操作系統和語言的相對笨拙的限制。”伴隨資金的消失和樂觀情緒的消退，這段時期被稱為AI的冬天。
這一時期，AI研究人員遭遇了挫折，并出現了跨學科分歧。Marvin Minsky和Frank Rosenblatt在1969年出版的《感知器》徹底阻礙了神經網絡領域的發展，直到20世紀80年代，該領域的研究才有所進展。
然后，就出現了所謂兩大分類，一類傾向于使用邏輯和符號推理來訓練和教育他們的AI。他們希望AI能夠解決數學定理之類的邏輯問題。
John McCarthy在1959年的建議中引入了在AI中使用邏輯的想法。另外，由Alan Colmerauer和Phillipe Roussel于1972年開發的Prolog編程語言被專門設計為一種邏輯編程語言，至今仍在AI中使用。
與此同時，另一類的人試圖讓AI解決需要AI像人一樣思考的問題。在1975年的一篇論文中，Marvin Minsky概述了研究人員常用的一種方法，稱為“框架”。
框架是人類和AI理解世界的一種方式。當遇到一個新的人或事件時，我們可以運用類似的人或事件的記憶給個大致的想法，譬如當在一家新餐館點菜時，但可能不知道菜單或服務你的人，于是可以根據過去在其他餐廳的經驗大致了解怎樣下訂單。
從學術界到工業界
上世紀80年代標志著人們對AI熱情的回歸。比如日本的第五代計劃試圖建立在Prolog上運行的智能計算機，就像運行在代碼上的普通計算機一樣，這進一步激起了美國企業的興趣。美國公司不愿落后，紛紛投入資金進行AI研究。
綜上所述，人們對AI興趣的增加和對工業研究的轉移，招致AI行業的價值在1988年飆升至20億美元。考慮到通貨膨脹，2022年這一數字將接近50億美元。
AI的第二個冬天
然則，在20世紀90年代，人們的興趣開始減退，就像70年代一樣。比如經過10年的發展，第五代計劃未能實現其很多目標，伴隨企業發現購買批量生產的通用芯片和將AI應用編程到軟件中更便宜、更容易，專用的AI硬件市場，如LISP機器，崩盤并招致整體市場萎縮。
另外，在本世紀初證明了AI可行性的專家系統開始出現致命缺陷。伴隨系統的持續使用，它會不斷添加更多的規則來操作，并需要愈來愈大的知識庫來處理。最終，維護和更新系統知識庫所需的人力數量會不斷增長，直到在財政上無法維持。這些因素和其他因素的結合招致了第二個AI冬天。
進入新千年和AI的現代世界
20世紀90年代末和21世紀初，有跡象表明AI的春天即將到來。AI的一些最古老的目標最終實現了，譬如1997年深藍戰勝當時的國際象棋世界冠軍Gary Kasparov，這是AI具有里程碑意義的時刻。
更復雜的數學工具，以及與電子工程等領域的合作，使AI轉變為一門更注重邏輯的科學學科。
與此同時，AI在很多新的行業領域得到了應用，譬如谷歌的搜索引擎算法、數據挖掘和語音識別等等。新的超級計算機和程序將發現自己在與人類頂級對手競爭，甚至獲勝，譬如IBM的Watson贏得了Jeopardy。
近年來最具影響力的AI之一是Facebook的算法，它可以確定你在什么時候看到了什么帖子，試圖為該平臺的用戶策劃一種在線體驗。類似功能的算法可以在Youtube和Netflix等網站上找到，它們會根據之前的歷史預測觀眾接下來想看的內容。
有時，這些創新甚至不被認為是AI。正如Nick Brostrom在2006年接受CNN采訪時所說：“很多前沿AI已經滲透到普遍應用中，通常不被稱為AI，因為一旦某種東西變得足夠有用、足夠普遍，它就不再被貼上AI的標簽。”
不將有用的AI稱為AI的趨勢并沒有持續到2010年代。現在，初創企業和科技巨頭都爭相宣稱他們的最新產品是由AI或機器學習推動的。在某些情況下，這種愿望是如此強大，以至于有些人會宣稱他們的產品是由AI驅動的，即使AI的功能存在問題。
無論是通過前面提到的社交媒體算法，還是亞馬遜Alexa這樣的虛擬助手，AI已經進入了很多人的家庭。經歷了寒冬和破滅的泡沫，AI領域一直在堅持，并成為現代生活中非常重要的一部分，并可能在未來幾年呈指數級增長。
