隨著人工智能(artificial intelligent，AI)技術(shù)的不斷發(fā)展，各種AI產(chǎn)品已經(jīng)逐步進(jìn)入了我們的生活。

19世紀(jì)，作為人工智能和計(jì)算機(jī)學(xué)科的鼻祖，數(shù)學(xué)家查爾斯·巴貝奇(Charles Babbage)與艾達(dá)·洛夫萊斯(Ada Lovelace)嘗試著用連桿、進(jìn)位齒輪和打孔卡片制造人類最早的可編程數(shù)學(xué)計(jì)算機(jī)，來模擬人類的數(shù)理邏輯運(yùn)算能力。

20世紀(jì)初期，隨著西班牙神經(jīng)科學(xué)家拉蒙-卡哈爾(Ramón y Cajal )使用高爾基染色法對(duì)大腦切片進(jìn)行顯微觀察，人類終于清晰地意識(shí)到，我們幾乎全部思維活動(dòng)的基礎(chǔ)，都是大腦中那些伸出細(xì)長(zhǎng)神經(jīng)纖維、彼此連接成一張巨大信息網(wǎng)絡(luò)的特殊神經(jīng)細(xì)胞——神經(jīng)元。

至此，盡管智能的具體運(yùn)作方式還依然是個(gè)深不見底的迷宮，但搭建這個(gè)迷宮的磚瓦本身，對(duì)于人類來說已經(jīng)不再神秘。

智能，是一種特殊的物質(zhì)構(gòu)造形式。

就像文字既可以用徽墨寫在宣紙上，也可以用鑿子刻在石碑上，智能，也未必需要拘泥于載體。隨著神經(jīng)科學(xué)的啟迪和數(shù)學(xué)上的進(jìn)步，20世紀(jì)的計(jì)算機(jī)科學(xué)先驅(qū)們意識(shí)到，巴貝奇和艾達(dá)試圖用機(jī)械去再現(xiàn)人類智能的思路，在原理上是完全可行的。因此，以艾倫·圖靈(Alan Turing)為代表的新一代學(xué)者開始思考，是否可以用二戰(zhàn)后新興的電子計(jì)算機(jī)作為載體，構(gòu)建出“人工智能”呢?

圖靈在1950年的論文《計(jì)算機(jī)器與智能(Computing Machinery and Intelligence)》中，做了一個(gè)巧妙的“實(shí)驗(yàn)”，用以說明如何檢驗(yàn)“人工智能”。

這個(gè)“實(shí)驗(yàn)”也就是后來所說的“圖靈測(cè)試(Turing test )”：一名人類測(cè)試者將通過鍵盤和顯示屏這樣不會(huì)直接暴露身份的方式，同時(shí)與一名人類和一臺(tái)計(jì)算機(jī)進(jìn)行“網(wǎng)聊”，當(dāng)人類測(cè)試者中有七成都無法正確判斷交談的兩個(gè)“人”孰真孰假時(shí)，就認(rèn)為這個(gè)計(jì)算機(jī)已經(jīng)達(dá)到了“人工智能”的標(biāo)準(zhǔn)。

雖然，圖靈測(cè)試只是一個(gè)啟發(fā)性的思想實(shí)驗(yàn)，而非可以具體執(zhí)行的判斷方法，但他卻通過這個(gè)假設(shè)，闡明了“智能”判斷的模糊性與主觀性。而他的判斷手段，則與當(dāng)時(shí)心理學(xué)界崛起的斯納金的“行為主義”不謀而合。簡(jiǎn)而言之，基于唯物主義的一元論思維，圖靈和斯金納都認(rèn)為，智能——甚至所有思維活動(dòng)，都只是一套信息處理系統(tǒng)對(duì)外部刺激做出反應(yīng)的運(yùn)算模式。因此，對(duì)于其他旁觀者來說，只要兩套系統(tǒng)在面對(duì)同樣的輸入時(shí)都能夠輸出一樣的反饋，就可以認(rèn)為他們是“同類”。

1956年，人工智能正式成為了一個(gè)科學(xué)上的概念，而后涌現(xiàn)了很多新的研究目標(biāo)與方向。比如說，就像人們?cè)谧呙詫m遇到死胡同時(shí)會(huì)原路返回尋找新的路線類似，工程師為了使得人工智能達(dá)成某種目標(biāo)，編寫出了一種可以進(jìn)行回溯的算法，即“搜索式推理”。

而工程師為了能用人類語(yǔ)言與計(jì)算機(jī)進(jìn)行“交流”，又構(gòu)建出了“語(yǔ)義網(wǎng)”。由此第一個(gè)會(huì)說英語(yǔ)的聊天機(jī)器人ELIZA誕生了，不過ELIZA僅僅只能按照固定套路進(jìn)行作答。

而在20世紀(jì)60年代后期，有學(xué)者指出人工智能應(yīng)該簡(jiǎn)化自己的模型，讓人工智能更好的學(xué)習(xí)一些基本原則。在這一思潮的影響下，人工智能開始了新一輪的發(fā)展，麻省理工學(xué)院開發(fā)了一種早期的自然語(yǔ)言理解計(jì)算機(jī)程序，名為SHRDLU。工程師對(duì)SHRDLU的程序積木世界進(jìn)行了極大的簡(jiǎn)化，里面所有物體和位置的集合可以用大約50個(gè)單詞進(jìn)行描述。模型極簡(jiǎn)化的成果，就是其內(nèi)部語(yǔ)言組合數(shù)量少，程序基本能夠完全理解用戶的指令意義。在外部表現(xiàn)上，就是用戶可以與裝載了SHRDLU程序的電腦進(jìn)行簡(jiǎn)單的對(duì)話，并可以用語(yǔ)言指令查詢、移動(dòng)程序中的虛擬積木。SHRDLU一度被認(rèn)為是人工智能的成功范例，但當(dāng)工程師試圖將這個(gè)系統(tǒng)用來處理現(xiàn)實(shí)生活中的一些問題時(shí)，卻慘遭滑鐵盧。

而這之后，人工智能的發(fā)展也與圖靈的想象有所不同。

現(xiàn)實(shí)中的人工智能發(fā)展，并未在模仿人類的“通用人工智能(也稱強(qiáng)人工智能)”上集中太多資源。相反，人工智能研究自正式誕生起，就專注于讓計(jì)算機(jī)通過“機(jī)器學(xué)習(xí)”來自我優(yōu)化算法，最后形成可以高效率解決特定問題的“專家系統(tǒng)”。由于這些人工智能只會(huì)在限定好的狹窄領(lǐng)域中發(fā)揮作用，不具備、也不追求全面復(fù)雜的認(rèn)知能力，因此也被稱為“弱人工智能”。

但是無論如何，這些可以高效率解決特定問題的人工智能，在解放勞動(dòng)力，推動(dòng)現(xiàn)代工廠、組織智能化管理上都起到了關(guān)鍵作用。而隨著大數(shù)據(jù)、云計(jì)算以及其他先進(jìn)技術(shù)的發(fā)展，人工智能正在朝著更加多遠(yuǎn)，更加開放的方向發(fā)展。隨著系統(tǒng)收集的數(shù)據(jù)量增加，AI算法的完善，以及相關(guān)芯片處理能力的提升，人工智能的應(yīng)用也將逐漸從特定的碎片場(chǎng)景轉(zhuǎn)變?yōu)楦由疃取⒏佣嘣膽?yīng)用場(chǎng)景。

從小的方面來看，人工智能其實(shí)已經(jīng)漸漸滲透進(jìn)了我們生活的方方面面。比如喊一聲就能回應(yīng)你的智能語(yǔ)音系統(tǒng)，例如siri，小愛同學(xué);再比如在超市付款時(shí)使用的人臉識(shí)別;抑或穿梭在餐廳抑或酒店的智能送餐機(jī)器人，這些其實(shí)都是人工智能的應(yīng)用實(shí)例。而從大的方面來看，人工智能在制造、交通、能源及互聯(lián)網(wǎng)行業(yè)的應(yīng)用正在逐步加深，推動(dòng)了數(shù)字經(jīng)濟(jì)生態(tài)鏈的構(gòu)建與發(fā)展。

雖然腦科學(xué)與人工智能之間仍然存在巨大的鴻溝，通用人工智能仍然像個(gè)科幻夢(mèng)，但就像蕭伯納所說的那樣“科學(xué)始終是不公道的，如果它不提出十個(gè)問題，也永遠(yuǎn)無法解決一個(gè)問題。”科學(xué)總是在曲折中前進(jìn)，而我們只要保持在不斷探索中，雖無法預(yù)測(cè)是否能達(dá)到既定的目的地，但途中終歸會(huì)有收獲。