在沒有任何先知先覺的前提下，讓我們看看什么是人工智能（AI），它的歷史、過去和現(xiàn)在在集體想象中是如何存在的？此外，我們將看到人工智能如何在一個單一的定義中匯集了彼此完全不同的方法，它的功能層次是什么？而且，目前在各個應用領域中使用的人工智能的主要技術是什么，這也是它的特點。

人工智能一直遠不止是一門技術，它是一門融合了多門科學貢獻的學科，其與人類智能的類比所產生的魅力令人無法抗拒。一方面，一個人本能地被其潛力以積極的方式拖累，但不利的一面是人工智能可以取代人類這一事實引起的恐懼，特別是在就業(yè)方面，這使得目前人類從事的那些任務變得過時了。

這種能夠同時投射光和影的未來愿景必須在人工智能完全朝著投機方向發(fā)展之前得到規(guī)范，這與我們社會的福祉和發(fā)展幾乎不相吻合，而最終總是加劇這些不平衡。在我們這個時代更常見的是，想想Covid-19 大流行的后果。

人工智能代表了一些有用的、必要的、已經廣泛使用的、同時仍有待發(fā)現(xiàn)和應用的東西，以及案例的所有優(yōu)點和缺點，這些都源于我們決定實施其技術的方式。?？紤]人工智能的時機不能再推遲了。有必要關注它的發(fā)展，認識到它在創(chuàng)新中日益增長的作用已經在幫助改變我們永遠的交流、工作和生活的方式。

什么是人工智能？

“AI”一詞最早出現(xiàn)在1955 年，最引人注目的是當年8 月31 日，當時美國約翰·麥卡錫和其他一些著名的計算機先驅向洛克菲勒基金會提交了一份撥款申請，用于“在達茅斯進行一項夏季研究的擬議項目人工智能”。

在當時，13,500 美元無疑是一個可觀的數(shù)額。并且，這只是一項持續(xù)研究的第一步。直到今天，人們花費了數(shù)十億美元，人工智能在許多方面仍然被認為是一種新興技術，永遠注定要追求這種計算能力能夠運行幾十年前在許多情況下編寫的一系列算法。

正如可以預料的那樣，有無數(shù)的定義和分類試圖解釋什么是人工智能，部分原因是它非常受歡迎，部分原因是多學科方法，在綜合的背景下，傾向于使人工智能的觀點占上風視圖或它發(fā)現(xiàn)最大興趣的方面。因此，任何對全知定義的嘗試都將被視為失敗的事業(yè)。

為了采用一個完整且最近發(fā)布的定義，我們從歐盟委員會開展的工作中獲得啟示，該委員會于2018 年任命了一個獨立研究小組，該小組確定了定義人工智能的一些基本點：

?這些由人類以軟件（也可能是硬件）形式設計的系統(tǒng)在物理或數(shù)字維度上起作用，并且在給定復雜目標的情況下，通過獲取結構化數(shù)據(jù)來感知其環(huán)境，屬于人工智能或不是，解釋它們并推理知識或處理從中獲得的信息，決定為實現(xiàn)給定目標而采取的最佳行動

?人工智能系統(tǒng)可以使用邏輯規(guī)則或學習數(shù)值模型，還可以通過分析其先前行為對環(huán)境的影響來調整其行為。

?作為一門科學學科，人工智能包含多種方法和技術，例如機器學習（其中深度學習和強化學習是具體示例）、機械推理（包括規(guī)劃、編程、知識表示和推理、研究和優(yōu)化）和機器人技術（包括控制、感知、傳感器和執(zhí)行器，以及將所有其他技術集成到網絡物理系統(tǒng)中）

雖然嚴謹，但不可否認的是，像剛剛描述的這樣的科學衍生文本起初可能在形式上有點扭曲，但在實質上，它將人工智能表達為一組極其多樣化的技術系統(tǒng)，能夠獨立行動以滿足具體目標。

現(xiàn)在讓我們退后一步，試圖了解對人工智能的所有興趣從何而來，從它的誕生和它的感知傳播開始，甚至在技術之前。

作為一門科學學科，“人工智能”包括不同的方法和技術，例如“機器學習”——或機器學習——深度學習和強化學習是具體的例子。

作為一門科學學科，“人工智能”包括不同的方法和技術，例如“機器學習” ——或機器學習——深度學習和強化學習是具體的例子。

它是如何誕生的：人工智能的歷史

人工智能與人類智能和機器人技術的頻繁關聯(lián)，創(chuàng)造了一種遠遠超出其技術表現(xiàn)和具體應用的現(xiàn)象，影響著各個層面的集體想象。

早在作為實用技術出現(xiàn)之前，從1950 年代開始，人工智能實際上是敘事和文學辯論的主角，媒體不斷出現(xiàn)。除此之外，她作為女主角在數(shù)百萬觀眾面前的無數(shù)電影經歷證明了這一點。

人工智能本身就是一種無形的東西，需要通過物理表現(xiàn)來表示。這可以解釋人工智能與機器之間的頻繁關聯(lián)，特別是人形機器人或由神秘而迷人的合成意識驅動的自動機。

人與機器之間的關系在我們的歷史中是不變的。公元前三世紀，希臘科學家和作家拜占庭的菲洛發(fā)明了菲隆的自動仆人，這是一個人形機器人，通過當時極其復雜的機制，將酒倒入杯中。

它通過管子和彈簧工作，完全不知道電子和計算是什么，但它已經服務于實際用途。哲學緊隨其后，開始質疑人造生命的可能性。

在17 世紀，托馬斯霍布斯的《利維坦》設想了人類生命與機器的人工生命之間的類比，將器官與能夠使自動機運動的設備進行了比較。在18 世紀，朱利安-奧夫雷-德-拉梅特里的文章家庭機器人將人定義為一種機制，只是比其他機制更復雜，其靈魂由身體本身決定，也是一種復雜性可以解釋的機制隨著科學研究的進步。

正是這種將人類智能同化為人工智能的愿景，具有在機器中復制人腦機制的可能性，例如，受到控制論和科幻小說圖像的啟發(fā)。這場辯論至今仍伴隨著一系列啟發(fā)性的靈感。

在藝術和文化方面，人工智能與科幻小說類型之間的關系一直非常密切，無論是在文學作品中，還是在經常改編菲利普K 迪克或艾薩克阿西莫夫等作家的劇本的電影中，他們都啟發(fā)了標志性的我，機器人，由他職業(yè)生涯中最好的威爾史密斯之一扮演。

受人工智能啟發(fā)的電影現(xiàn)在數(shù)以百計，具有里程碑意義，例如《大都會》（1927 年）、2001 年?！短章巍罚?968 年）、《創(chuàng)》（1982 年）、《銀翼殺手》（1982 年）、《終結者》（1984 年）、《黑客帝國》（1999 年）、 AI 人工智能 (2001)、少數(shù)派報告 (2002)、Her (2013) 和令人驚訝的 Ex Machina (2015)。

從技術的角度來看，人工智能的最初愿望可以在 19 世紀找到，當時英國數(shù)學家阿達-拉芙蕾絲開始研究查爾斯-巴貝奇的可編程機器。沒有什么可以與我們現(xiàn)在所理解的計算機相媲美，而是旨在處理寫在穿孔卡片上的算法的機械設備，讀取為可執(zhí)行指令。

巴貝奇本人透露了“[……]在機器程序的工作中，旨在計算伯努利數(shù)，洛夫萊斯還設法識別出我犯的一個非常嚴重的錯誤”。僅僅一百年后，也就是1953 年，當阿達-拉芙蕾絲關于巴貝奇分析引擎的筆記發(fā)表時，這一陳述的含義才得到證實和更加清晰，其中描述了計算伯努利數(shù)的算法，它仍然被認為是歷史上第一個計算機程序。

Alan Turing（阿蘭-圖靈）被認為是計算機科學和人工智能之父，也是 1950 年發(fā)表在 Mind 上的同名測試的作者，該測試基于人類與計算機之間的對話。

因為這個算法，Lovelace，也被稱為拜倫勛爵的女兒，被公認為計算機史上第一位程序員。而且它不是流派規(guī)范，以前沒有人寫過類似的東西。

同樣引人入勝的是“模仿游戲”的故事，能夠激發(fā)同名電影，獲得八項奧斯卡獎提名，本尼迪克特康伯巴奇解釋了數(shù)學家艾倫圖靈，致力于解密納粹用來生成他們的惡魔機器之謎秘密消息。為了完成這一驚人的壯舉，圖靈使用了一些機器，這些機器是他本人早在1936 年就設計的，在演變成我們現(xiàn)在所認為的計算機之前，這些機器會以他的名字命名。

圖靈被許多人認為是計算機科學和人工智能之父，同時也是1950 年在Mind 上發(fā)表的基于人與計算機之間對話的同名測試的作者。當人無法成功地確定他的對話者是人還是計算機時，根據(jù)圖靈的說法，我們就在一臺具有智能行為的機器面前。

由于非常不幸的私人生活，拉夫萊斯和圖靈聯(lián)合起來，使兩人都在年輕時就死亡，他們是計算機路徑的主要發(fā)起者之一，在 20 世紀下半葉，人工智能將成為我們今天還是明白的。。

我們今天仍然理解的人工智能的進化路徑在 1943 年奠定了基礎，當時麥庫洛赫和 皮特斯認為神經元的功能能夠再現(xiàn)我們甚至在計算機中發(fā)現(xiàn)的一階邏輯（AND 和 OR）的基本元素，甚至建立人工神經元模型的理論。

1949 年，當唐納德·赫布發(fā)現(xiàn)神經元如何通過相互放電進行交流時，人們注意到了計算機和人腦之間的相似之處，學習和記憶由此產生。人和機器從未如此接近。

1958 年，我們見證了AI 歷史上的另一個里程碑，當時弗蘭克-羅森布拉特提出了感知器，實際上是神經網絡的第一個示例，其輸出是通過輸入的加權生成的。

很快，包括馬文·明斯基在內的其他研究人員的批評和進化建議的主題，感知器最重要的優(yōu)點是激發(fā)和激發(fā)對真正神經網絡的研究，以及產生強大的媒體回聲，能夠吸引全球對人工智能的興趣。

當時的報紙驚呼起來，暗示著感知者有朝一日能說、看、寫，到現(xiàn)在還很正常，甚至可以復制并完全意識到自己的行為。它運行得有點過頭了，但對人工智能產生的期望是開始將必要的資金轉移到它的賬戶的基礎，以發(fā)展到下一個發(fā)展階段。

1958 年對于編程語言來說也是人工智能的神奇之年，這對于開發(fā)應用程序至關重要。前面提到的John McCarthy 編寫了Lisp，這是一種采用邏輯方法的AI 編程標準。次年輪到機器學習，由Arthur Samuel在與跳棋游戲的自動學習有關的出版物中提出。第一次有人談論為算法提供數(shù)據(jù)，因此它可以學習并自動執(zhí)行精確的操作。

自50 年代以來，出現(xiàn)了交替命運的階段，定義了人工智能的夏季和冬季，因為隨著重大發(fā)現(xiàn)的出現(xiàn)，計算限制導致了減速和幻想破滅，這項技術還沒有準備好體現(xiàn)人類數(shù)學的天才。算法。

特別是，發(fā)生這種情況是因為人們的期望通常集中在能夠模仿和復制人類智能的人工智能的發(fā)展上。我們將看到這個目標對資源的要求仍然非常高，而且遠非最終的解決方案，在回憶起1969 年Shakey是如何建造的之前，我們將看到第一個能夠獨立移動的機器人，這要歸功于Lisp 程序，盡管它可以執(zhí)行微不足道的操作IT綜合體，國內運營。

那是浪漫的70 年代的黎明，當時Robert Kowalski、Marten Van Emdem 和Alain Colmerauer（實施它）創(chuàng)建了Prolog（法語PROgrammation en LOGique 的縮寫）一種新的AI編程語言，采用邏輯方法，能夠提供計算機研究得到了相當大的推動，讓人產生一種幻覺，即一個能夠模仿人類推理的人工智能系統(tǒng)即將到來，一個新的時代終于來臨了。

盡管今天仍在使用許多算法的承諾和編寫，但事情與預期不同，導致幻想破滅，導致漫長的冬天，至少持續(xù)到2000 年代初，當時計算系統(tǒng)的發(fā)展開始使這些直覺成為可能五十年前注定要保持這樣的狀態(tài)。其余的是最近的歷史。