提起人工智能(Artificial Intelliegnce,AI)，很多人會首先想起斯皮爾伯格導演的曾獲2002年奧斯卡獎的科幻電影《人工智能》（AI），在電影里一對夫婦領養(yǎng)了一個機器人作為自己的孩子，這個機器人可以像人一樣思考，具有喜怒哀樂，在它的身上發(fā)生了許多的故事。這樣的科幻情景離現(xiàn)實又有多遠呢？我們不妨先從人工智能的起源談起。
長久以來，我們一直認為智能不只是人類所獨有的，可以像人類一樣進行推理和學習的機器是完全可能被制造出來的，然而事情卻不像想的那樣簡單。
模擬人工智能
在百科全書上，人工智能的定義是"研究可以智能工作的機器的科學和工程"。不過一個令人糾結(jié)的問題是：到底什么是智能？很多情況下，那些"不智能"的機器比我們聰明多了，比如普通的計算機程序可以將成千上萬個數(shù)字的乘積，可以記錄下銀行的大量款項，這已經(jīng)超出了普通人的能力。可是，他們只是能正確地完成大量計算而已，還稱不上真正的"智能"。只有某些人類特有的能力，像認出一張熟悉的臉，指揮繁忙時段的交通或者學會一件樂器，才稱得上真正的"智能"。
為什么制造一臺智能機器這么難？這是因為，一般情況下，在給電腦編寫程序之前，程序員知道他想讓電腦做的任務是什么。可是，在人工智能領域，程序員要求電腦做正確的事情，可同時又不是很清楚事情到底是什么。比如我們讓電腦去識別人臉，可是我們?nèi)祟愖约阂膊皇峭耆宄竽X是如何識別人臉的。
在現(xiàn)實世界中，我們不僅要面對還要處理種種不確定性事件。比如你在達到一個目標前，受到諸多困難，你需要排除萬難；你在駕車時，前方?jīng)_出一輛車，你需要轉(zhuǎn)動方向盤避免撞車；你在處理一項任務時，突然接到另一項重要任務，你需要隨機應變。一個智能的電腦程序不僅能夠按照既定計劃完成任務，還能確保在不確定事件發(fā)生的情況下完成任務。所以，真正的人工智能，必須能夠感知周圍環(huán)境的變化，并對此做出反應，適時改變和調(diào)整自己的行動，以期出色完成任務。
哲學起源
在世界上第一臺電腦問世之前的很多個世紀，人工智能的理念就已經(jīng)初具端倪。亞里士多德提出的從假設得出結(jié)論的"三段論"就是一種機械式的邏輯推理方法。按照他的理論，我們可以這樣論述：一些天鵝是白的；所有天鵝都是鳥；所以，一些鳥是白的。如果用符號表示，即為：一些S是W；所有的S都是B；所以，一些B是W。無論S、W、B代表什么，我們都可以得到正確結(jié)論。根據(jù)這樣的構(gòu)想，我們在沒有完全弄清楚人腦是如何想問題的情況下，或許就可以建立出一套智能化系統(tǒng)。
亞里士多德的構(gòu)想為探尋人工智能的本質(zhì)奠定了基礎。然而，直到20世紀中期，電腦才變得足夠復雜，能夠真正測試一下這些構(gòu)想。1948年，英國布里斯托爾大學的研究人員格雷·沃爾特制造出一系列具有感光和學習能力的會移動的機器烏龜。其中一個名為艾爾西（Elsie）的機器烏龜可以自動對環(huán)境做出反應，比如當電池電量快耗盡時，它就會自動降低對光線的敏感度。
1950年，英國數(shù)學家阿蘭·圖靈提出，如果電腦可以和一個人談話自如，我們應該"禮貌地"接受電腦可以思考的現(xiàn)實。不過，直到1956年，人工智能這個詞語才被正式提出來。在美國達特茅斯學院的一個暑期研討會上，這個領域的早期創(chuàng)始者們共同提出了他們的愿景：如果學習的各種方式或智能的各種特征都可以從理論上進行精確描述，那么，一臺機器就可以模擬人的智能。似乎按照這樣的目標快速發(fā)展，擁有真人一般智能的機器早晚會出現(xiàn)。
化整為零
20世紀60年代，研究人工智能的科學家們滿懷夢想，信心十足，認為他們將在幾十年內(nèi)實現(xiàn)他們的目標，就像航天領域里，從第一架噴氣式飛機到人類登上月球也只用了30年。為什么人工智能不可以擁有這樣火箭般的發(fā)展速度呢？
事實上，兩者之間最大的不同之處在于，對于人工智能，我們找不到像F=ma和E=mc2那樣既簡潔又通用的公式。到了20世紀80年代，研究人員意識到，他們既沒有足夠硬件也沒有足夠知識，來模擬人可以做的所有事情，于是整個領域被分成很多部分。以往研究人員的共同目標是制造一臺擁有人類智慧的電腦，取而代之的是，研究人員側(cè)重研究這個宏大問題的某個方面，比如語音識別、計算機視覺、概率推理，甚至國際象棋這個小領域。
可喜的是，在每個分支領域，研究人員都取得重大突破。1997年，IBM的"更深的藍"電腦擊敗了國際象棋冠軍卡斯帕羅夫。"更深的藍"電腦能在1秒內(nèi)計算出2億種可能性，從而推算出之后棋盤的走勢，最終決定下一步怎么走棋。
"更深的藍"電腦在這場需要高智能的象棋比賽中取得驕人成績，然而，這位"專家"的技能有點單一，除了象棋比賽外，它什么都不會做，既不能和別人討論下棋策略，也不會玩其他游戲。盡管它贏了世界象棋大師，但是沒有人會把它錯當作真人，它只是一臺電腦。
人工智能的時間線
1950年，圖靈提出，經(jīng)過編程的電子計算機可以像真人一樣回答問題
1956年，在美國達特茅斯學院的一個暑期工作坊上，這個領域的早期創(chuàng)始者們正式提出了"人工智能"這個詞匯
1958年 Allen Newell和Herbert Simon預測在十年內(nèi)，電腦可以擊敗國際象棋世界冠軍，不過在現(xiàn)實中這整整花了四十年。
1961年，電腦解決了大學一年級程度的微積分題目
1965年，世界上第一個用于心理治療的聊天機器人ELIZA，嘗試著和人進行對話
1967年，STUDENT程序成功地解決了用文字描述的一道大學程度的代數(shù)題目
1973年，F(xiàn)reddy機器人通過視覺感知來定位和組裝了模型
1974年，隨著政府資助機構(gòu)減少了對于人工智能研究的撥款預算，人工智能寒冬到來
1975年，斯坦福大學的Meta-DENDRAL程序發(fā)現(xiàn)關于分子的新規(guī)律，成果被發(fā)表在了美國化學學會的期刊上
1980年，自動行駛的汽車在慕尼黑大學里以90公里/小時的速度行駛
1988年，人工智能的主要形式變?yōu)榛诓淮_定數(shù)據(jù)的概率推理，而不再是以往那樣側(cè)重于邏輯
1989年，美國航天局（NASA）利用自動聚類的電腦程序發(fā)現(xiàn)以往未知的幾類恒星
1997年，IBM"更深的藍"超級電腦擊敗了國際象棋冠軍卡斯帕羅夫
1998年，由Hasbro生產(chǎn)的第一個人工智能的寵物Furby開始在美國出售；美國航天局（NASA）第一次有了完全由電腦程序自動控制的飛行器
2000年，Nomad機器人探索南極洲的偏遠地區(qū)，采集氣象觀測樣本
2004年，一個電腦程序可以比一個專業(yè)級真人飛行員更快地學會操縱遙控直升機
2007年，美國艾爾伯特大學的人工智能程序完全破解了西洋跳棋游戲
2011年，蘋果的語音識別軟件Siri可以讓用戶和iPhone對話；iRobot公司出售出了第600萬個RooMBA 吸塵器機器人
2012年，Google翻譯做的翻譯總量已經(jīng)超過了所有人類翻譯者所做的總合
2012年，通過10億個連接，Google的人工智能神經(jīng)網(wǎng)絡可以去識別一些常見的物體，像人臉和貓
或許你沒有意識到，其實你每天都在和人工智能打交道。它們幫你接通電話，審核你的信用卡交易，管理你的基金。它們還能從你的數(shù)碼照片中識別你的臉，在你玩視頻游戲時識別你的姿勢，甚至幫助醫(yī)生分析你的化驗結(jié)果。
益智游戲冠軍
2011年，IBM向世界推出沃森（Watson），一個可以理解問題、并給出準確答案的超級計算機。沃森擁有3000個聯(lián)網(wǎng)在一起的處理器，其中儲存著幾百萬份文件，沃森可以利用這些海量的信息回答幾乎所有問題。
IBM讓沃森亮相美國一個電視問答娛樂節(jié)目《危險邊緣》（Jeopardy?。?。《危險邊緣》一向以提出"拐彎抹角"的問題而出名，有點像國內(nèi)的《開心辭典》和《幸運52》。這個游戲可比國際象棋復雜得多，沃森不僅需要綜合所有人類知識，還需要理解問題中的雙關語等文字游戲。
