AI 简史系列：1956-1980
前言：
10月24日开始，集智AI学园陆续推送“人工智能简史”系列文章，本文是《人工智能之梦》的第二部分，讲述人工智能从孕育、诞生到坎坷成长的百年历程。原文收录于集智俱乐部第一本实体图书《科学的极致：漫谈人工智能》。
前情概要：人工智能之梦——梦的开始（1900-1956）为什么计算机和人工智能会在二十世纪中叶开始出现？在1900年的数学家大会上，希尔伯特提出两个和人工智能密切相关的问题。年轻人哥德尔在试图解答的过程中，发现了惊人的秘密。而图灵在探索另一个问题时，形成了图灵机的设想，奠定了计算机科学的基础……1956年盛夏，在美国新罕布什尔州的小镇上，十几位科学家相聚一堂，迎接一位新生儿——人工智能（Artificial Intelligence）。
人工智能之梦
——梦的延续（1956-1980）
在数学大师们铺平了理论道路，工程师们踏平了技术坎坷，计算机已呱呱落地的时候，人工智能终于横空出世了。而这一历史时刻的到来却是从一个不起眼的会议开始的。
达特茅斯会议
1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰•麦卡锡（John McCarthy）、马文•闵斯基（Marvin Minsky，人工智能与认知学专家）、克劳德•香农（Claude Shannon，信息论的创始人）、艾伦•纽厄尔（Allen Newell，计算机科学家）、赫伯特•西蒙（Herbert Simon，诺贝尔经济学奖得主）等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。
会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：人工智能。因此，1956年也就成为了人工智能元年。
黄金时期
达特茅斯会议之后，人工智能获得了井喷式的发展，好消息接踵而至。机器定理证明——用计算机程序代替人类进行自动推理来证明数学定理——是最先取得重大突破的领域之一。在达特茅斯会议上，纽厄尔和西蒙展示了他们的程序：“逻辑理论家”可以独立证明出《数学原理》第二章的38条定理；而到了1963年，该程序已能证明该章的全部52条定理。1958年，美籍华人王浩在IBM704计算机上以3~5分钟的时间证明了《数学原理》中有关命题演算部分的全部220条定理。而就在这一年，IBM公司还研制出了平面几何的定理证明程序。
1976年，凯尼斯•阿佩尔（Kenneth Appel）和沃夫冈•哈肯（Wolfgang Haken）等人利用人工和计算机混合的方式证明了一个著名的数学猜想：四色猜想（现在称为四色定理）。这个猜想表述起来非常简单易懂：对于任意的地图，我们最少仅用四种颜色就可以染色该地图，并使得任意两个相邻的国家不会重色；然而证明起来却异常烦琐。配合着计算机超强的穷举和计算能力，阿佩尔等人把这个猜想证明了。
另一方面，机器学习领域也获得了实质的突破，在1956年的达特茅斯会议上，阿瑟•萨缪尔（Arthur Samuel）研制了一个跳棋程序，该程序具有自学习功能，可以从比赛中不断总结经验提高棋艺。1959年，该跳棋程序打败了它的设计者萨缪尔本人，过了3年后，该程序已经可以击败美国一个州的跳棋冠军。
阿瑟·萨缪尔和他的跳棋程序（图片来源于网络）
1956年，奥利弗•萨尔夫瑞德（Oliver Selfridge）研制出第一个字符识别程序，开辟了模式识别这一新的领域。1957年，纽厄尔和西蒙等开始研究一种不依赖于具体领域的通用问题求解器，他们称之为GPS（General Problem Solver）。1963年，詹姆斯•斯拉格（James Slagle）发表了一个符号积分程序SAINT，输入一个函数的表达式，该程序就能自动输出这个函数的积分表达式。过了4年后，他们研制出了符号积分运算的升级版SIN，SIN的运算已经可以达到专家级水准。
遇到瓶颈
所有这一切来得太快了，胜利冲昏了人工智能科学家们的头脑，他们开始盲目乐观起来。例如，1958年，纽厄尔和西蒙就自信满满地说，不出10年，计算机将会成为世界象棋冠军，证明重要的数学定理，谱出优美的音乐。照这样的速度发展下去，2000年人工智能就真的可以超过人类了。
然而，历史似乎故意要作弄轻狂无知的人工智能科学家们。1965年，机器定理证明领域遇到了瓶颈，计算机推了数十万步也无法证明两个连续函数之和仍是连续函数。萨缪尔的跳棋程序也没那么神气了，它停留在了州冠军的层次，无法进一步战胜世界冠军。
最糟糕的事情发生在机器翻译领域，对于人类自然语言的理解是人工智能中的硬骨头。计算机在自然语言理解与翻译过程中表现得极其差劲，一个最典型的例子就是下面这个著名的英语句子：
The spirit is willing but the flesh is weak. （心有余而力不足。）
当时，人们让机器翻译程序把这句话翻译成俄语，然后再翻译回英语以检验效果，得到的句子竟然是：
The wine is good but the meet is spoiled.（酒是好的，肉变质了。）
这简直是驴唇不对马嘴嘛。怪不得有人挖苦道，美国政府花了2000万美元为机器翻译挖掘了一座坟墓。有关自然语言理解的更多内容，请参见本书第10章。
总而言之，越来越多的不利证据迫使政府和大学削减了人工智能的项目经费，这使得人工智能进入了寒冷的冬天。来自各方的事实证明，人工智能的发展不可能像人们早期设想的那样一帆风顺，人们必须静下心来冷静思考。
知识就是力量
经历了短暂的挫折之后，AI研究者们开始痛定思痛。爱德华•费根鲍姆（Edward A. Feigenbaum）就是新生力量的佼佼者，他举着“知识就是力量”的大旗，很快开辟了新的道路。
费根鲍姆分析到，传统的人工智能之所以会陷入僵局，就是因为他们过于强调通用求解方法的作用，而忽略了具体的知识。仔细思考我们人类的求解过程就会发现，知识无时无刻不在起着重要作用。因此，人工智能必须引入知识。
于是，在费根鲍姆的带领下，一个新的领域专家系统诞生了。所谓的专家系统就是利用计算机化的知识进行自动推理，从而模仿领域专家解决问题。第一个成功的专家系统DENDRAL于1968年问世，它可以根据质谱仪的数据推知物质的分子结构。在这个系统的影响下，各式各样的专家系统很快陆续涌现，形成了一种软件产业的全新分支：知识产业。1977年，在第五届国际人工智能大会上，费根鲍姆用知识工程概括了这个全新的领域。
在知识工程的刺激下，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计划陆续推出，虽然这些大的科研计划并不都是针对人工智能的，但是AI都作为这些计划的重要组成部分。
然而，好景不长，在专家系统、知识工程获得大量的实践经验之后，弊端开始逐渐显现了出来，这就是知识获取。面对这个全新的棘手问题，新的“费根鲍姆”没有再次出现，人工智能这个学科却发生了重大转变：它逐渐分化成了几大不同的学派。
未完待续......
从20世纪80年代开始，符号学派、连接学派、行为学派，形成了三足鼎立的局面。目前火热的深度学习技术，作为连接学派的代表，暂时占据上风。
下期“AI 简史”，我们将介绍那个群龙问鼎的时代。
张江：《人工智能之梦》系列
人工智能之梦——梦的延续（1956-1980）
人工智能之梦——群龙问鼎（1980-2010）
人工智能之梦——梦醒何方（2010至今）
原书：《科学的极致：漫谈人工智能》豆瓣评分8.3
https://book.douban.com/subject/26546914/
搜索微信公众号：swarmAI
集智AI学园QQ群：426390994
学园网站：campus.swarma.org
