探索人工智能发展史：航行学园读书笔记

梦的开始（1900-1965）

人工智能的起源可以追溯到20世纪初一小部分数学家。

大卫·希尔伯特 David Hilbert(1862-1943)

1900年，在一次数学家大会上，希尔伯特提出了23个未解决的难题，其中的第二和第十问题对人工智能的发展产生了重要影响。希尔伯特第二问题涉及数学系统的一致性和完备性，而第十问题则涉及机械化运算过程，为计算机的诞生铺平了道路。

库尔特.哥德尔 Kurt Godel(1906-1978)

捷克数学家哥德尔最终否定了希尔伯特的第二问题，提出了哥德尔不完备性定理。这一定理揭示了人类和机器之间存在着求解问题的差异，从根本上影响了人工智能的未来发展。

艾伦.图灵 Alan Turing(1912-1954)

图灵针对希尔伯特第十问题的挑战提出了著名的图灵机概念，为计算机的理论奠定了基础。他还提出了图灵测试，用于评估机器是否具备智能。

约翰·冯诺依曼 John von Neumann(1903-1957)

冯诺依曼在研究哥德尔定理的过程中提出了“冯·诺依曼体系结构”，为早期计算机的设计奠定了基础。他将注意力从数学转向工程应用，并在1945年完成了EDVAC计算机的设计。

诺伯特·维纳 Norbert Wiener(1894-1964)

维纳提出了“控制论”，探讨了机器与人之间的统一性，为人工智能的发展奠定了重要基础。

梦的延续（1956-1980）

开端–达特茅斯会议

1956年8月，达特茅斯学院举办了一次会议，涉及人工智能的概念。虽然未达成一致，但确立了“人工智能”的概念，开启了人工智能元年。

黄金时期

达特茅斯会议后，人工智能迎来了蓬勃发展。提高棋艺。1956年，奥利弗·塞尔弗里奇开发了第一个字符识别程序，从而开启了模式识别领域的研究。

然而，到了1965年，机器定理证明领域遭遇瓶颈。计算机尝试推导连续函数之和仍为连续函数的定理却陷入困境。同样，塞缪尔的跳棋程序也碰到了瓶颈，无法超越州级冠军的水平。此外，机器翻译也面临困难，特别是对人类自然语言的理解方面表现不佳，导致了政府和大学项目经费的削减，人工智能似乎陷入了低谷。

爱德华·费根鲍姆提出了“知识就是力量”的理念，并引领人工智能领域开辟新的道路。他强调传统人工智能的困局在于过度强调通用解决方法，忽略了具体知识的重要性。在他的倡导下，专家系统应运而生，利用计算机化知识进行自动推理，模拟领域专家解决问题的能力。这一理念推动着日本的第五代计算机计划、英国的阿尔维计划、西欧的尤里卡计划、美国的星计划和中国的863计划的相继推出。

然而，专家系统和知识工程的发展也面临困境，即知识获取的瓶颈。随着人工智能领域的发展，逐渐形成了几大不同派别。在网络运行原理方面存在知识缺失，并且缺乏理论支持。2000年左右，Vladimir Vapnik和Alexey Chervonenkis提出了统计学习理论，弥补了这一缺失。该理论强调模型的复杂度应与问题复杂度相匹配，以避免出现过拟合现象。

此外，行为学派关注于低级生物的智能，如昆虫和蚁群，与连接学派和符号学派有着不同的研究视角。进化计算方面，约翰·霍兰提出了遗传算法，与神经网络不同，遗传算法不需要将学习分为训练和执行两个阶段。此外，人工生命学科的兴起由Christopher Langton提出，其关注点在于用计算手段模拟生命现象。

随着不同学派和学科的探索与发展，神经网络和人工智能领域得到了不断深化和完善。例如模拟鸟群的运动可采用Boid计算机编程、粒子群优化算法、蚁群算法和免疫算法等。这些方法的共同特点是让智能从规则中自下而上涌现，并能解决实际问题。然而，目前人工生命研究似乎更倾向于模拟低等生物，而对于高级智能的自然涌现尚未取得显著进展。

关于三大学派的关系，符号学派从功能角度理解智能，连接学派模拟智能系统的结构运作，而行为学派研究低级智能行为。各派的优缺点使它们擅长解决不同类型的问题。此外，在人工智能领域，曾经出现了分裂与统一的现象。尽管人工智能领域出现了越来越多的细分领域，一些科学家仍试图重新构建统一的模式，例如贝叶斯统计和通用人工智能的研究。在21世纪第二个十年，深度学习成为备受关注的人工智能研究领域。直是人工智能发展中的一个主要挑战，而深度学习技术似乎已经突破了这一难题。

深度学习模型之所以成功，部分原因在于其模仿了人类大脑的深层结构。有一些项目致力于利用硬件或软件模拟人脑的功能，如德国海德尔堡大学的FACETS计划和瑞士洛桑理工学院与IBM公司联合发起的蓝色大脑计划。然而，这些研究还存在着巨大的挑战，因为我们对大脑结构及其动态的了解仍然相当有限。

为了更深入地理解大脑运作机制，一些“大科学”项目相继启动，如美国的“脑计划”和欧盟的“人类大脑计划”。这些项目旨在构建真正能够模拟人脑的超级计算机，各国也相继推出了雄心勃勃的脑科学研究计划。

2007年，谷歌实习生路易斯·冯安开发了“ReCapture”程序，掀起了人类计算的研究热潮。通过人类计算，成功地利用人力解决了文本识别问题，开辟了新的人工智能研究方向，被形象地称为“人工”人工智能。

在人工智能领域，还有一些经典的模型和问题，如图灵机和四色定理等。这些领域的进展将不断推动人工智能领域的发展。