从葫芦进化到葫芦娃，人工智障这一路都经历了什么？

【本文转载自狂丸科学，ID：kuangwanplay】

每次提到人工智能研究的进展，我们脑补最多的往往都是未来是否会被其反攻，像终结者中的天网、机械公敌等等经典桥段。

不过你可能不知道的是，人类被AI统治，已经百年老梗了。

这里的百年并不是夸张的修饰，其实在文艺作品中，人类早就想到了这一概念。例如在1920年捷克作家Karel apek的《罗素姆万能机器人》中，不仅引入了机器人这个词，剧情设计也很超前。

一些近乎于克隆人概念的机器人最初是为人类服务的，但最终他们开始背叛并导致人类灭绝。

所以算算时间，机器人拥有智慧然后主宰人类这个思路确实已经是100年前的脑洞了。

就像狂丸前几天写过的一篇人工智能换脸的话题中所说，AI已经在我们生活中越来越普及，但我们很多时候其实并不了解它们，例如它的发展，现在的它们为什么和电影里差那么多，我们又什么时候才能拥有影视作品中的那些高级智能机器？

接下来的一段时间，狂丸会开一个新栏目，和你一起学习，了解人工智能。而今天，就让我们从它的历史开始讲起。

人工智能是怎么来的？

人工智能在近年崛起之迅速可能会让你以为这是一个新兴产业，然而恰恰相反，其实它并不新鲜。人类已经对其探索超过了半个世纪，同时过程跌宕起伏，而这也绝对是一个超越时代的想法。

首先我们要明白，所谓的人工智能并不等于就是影视作品中的机器人，机器人只不过是人工智能的外壳，为这项技术提供某种动力。

AI是一种计算机领域广泛技术的合称，该类技术的终极目标，是让计算机拥有自然智能，也可以简单的理解为，让计算机拥有人类一样的智慧。

而到了20世纪50年代，一批科学家、数学家们已经在心中萌生了创造人工智能的构想，阿兰·图灵就是其中之一。这位年轻的英国学霸认为，人类可以利用现有的信息和理性来解决问题和做决定，那机器也有可能做相似的事。

（影视作品中的形象）

图灵还提出过一个影响计算机领域的有趣想法，也就是「图灵测试」。

内容是将人和电脑关在一个房间，并分别通过键盘和外界交流，如果有超过30%的回答使测试者无法判断房间内是人还是机器，那么机器就算通过了测试，也就是被认为具有人类智能的属性。

不过在历史中，人工智能这个概念正式被提出，是在1956年的达特茅斯会议，约翰·麦卡锡教授召集了一堆世界顶级学霸，对人工智能进行了开放式讨论，可以说这次会议催化了人工智能未来20年的研究。

（达特茅斯学院）

你可能好奇，1956年？差不多是60年前了，即使是现在的人工智能有些还被调侃为人工智障，那时的他们受于时代限制，纵使这群人天资聪颖，又能在科技的迷雾中看到什么？

第一个黄金时期

相反，当时的研究进展非常乐观。你可能还记得举世瞩目的「围棋界人机大战」，其实在人工智能的历史上，游戏常常被用来作为衡量人工智能进步的标准，而早在1951年，人类与人工智能在棋艺方面的较量就上演过，而且还是人输了。

当时比的是跳棋，「机器学习」一词的创造者，Arthur Samuel所研制的跳棋程序早在1961年就能击败美国周冠军。

那时候人类也发明了聊天机器人，它叫做ELIZA，由麻省理工学院的Joseph Weizenbaum在1966年创造，也就是说，这已经是50年前的事了。

（图片素材来源自Emma Goldman）

从1957年到1974年，人工智能堪称蓬勃发展，包括可以让计算机解决计算问题、演算定理、解决翻译问题等等，诸多的成就让人们对它的期望越来越高。

例如「人工智能的众多爸爸」之一马文·明斯基，曾在1970年称「三到八年后，我们将拥有一台具有普通人智力的机器」。

人工智能先驱、诺贝尔经济学奖得主Herbert A. Simon也曾预言「20年内，机器可以胜任何人类能做的工作」。

说起来，如果你关注过近年来一些科学家的「预言」，会不会感觉历史竟然惊人的相似？

进入低谷，差点凉了

不过当年的那批在AI领域开天辟地的科学家还没高兴多久，整个行业就差点凉了。

到了1974年左右，科学家们突破人工智能最初的迷雾后发现，眼前的景色并不是未来，而是一座大山。其中最大的问题是计算能力不足，以至于无法展示更多智能，也因此人工智能没法应用到更为实质性的工作上去，而这一状态持续了将近10年之久。

在这期间，就像所有学科都会扩散发展一样，人工智能也出现了分支。例如连接学派，你可以理解为，以前的人工智能只注重于它的智能表现，而这个学派则想研究一下智能的脑子到底应该是什么样，他们认为可以通过模拟人脑的神经网络来实现人工智能。

还有行为学派，他们认为可以从简单生物和环境互动的模式中寻找答案。如果简单的举例，现在波士顿机器人其实就很符合该学派的理念，相当于给人工智能造身体。

重整旗鼓，第二次兴起

但打破行业冬天僵局的是「专家系统」，它的出现让人工智能得以重回大众视野。

对于如何让机器人拥有智能这个问题。科学家想到了一个关键点，先让它像人一样去学习。而专家系统就是这样一个学习方式，科学家为机器人灌输大量知识，让它可以模仿特定领域的专家进行回答或者解决问题，科学家们缩小了智能领域，但这似乎很有效果。

一些人工智能也开始展示出更为出色的表现，尤其是在战胜人类方面。1988年IBM的深思国际象棋人工智能可以用每秒70万步的速度进行思考，而到了1996年5月，升级版深蓝最终战胜了人类国际象棋冠军卡斯帕罗夫，完成了历史里程碑。

而在这个成绩背后，是它存储了百年来专家级别的开局和残局下法，并且一秒内能计算2亿步棋...

差点又凉了

不过在20世纪80年代后期，虽然人工智能有所成就，但又差点凉凉了，人工智能再一次跌入了寒冬期。

狂丸粗糙理解的主要原因之一是，当时的专家系统并不能完全靠自学，而是需要人教，这就导致知识灌输费时费力，维护成本变高。这种状态下，一些官方机构对该领域的研究资源进行了大幅削减。

起起落落，终于迈入现代AI

不过在步入21世纪后，现代AI终于迎来了长远发展的曙光，人们开始引用了一个叫做「DeepLearning」的大型神经网络模型。

所谓的DeepLearning，是神经网络技术的一种，其最具变革性的特点是，它具有抽象概括的能力，例如你告诉它一个事物，它自己能就能够识别到事物独特的特性。

例如给它看很多猫，她自己能够像人一样根据耳朵、眼睛、或者姿态识别出这是一只猫。

（图片素材来源自HubSpot）

2011年，谷歌的研究人员从网络中抽取了1000万张静态图，并把这些图交给了「谷歌大脑」，三天后，在没有人类的帮助下，它成功的自己从图片中发现了「猫」。

（图片素材来源自HubSpot）

这里还有一个好玩的事，你觉得下图是乌鸦还是猫？

（图片素材来源自网络）

答案是猫，这张图曾经在网络上迷惑过无数网友。不过随着AI技术的发展，谷歌的Cloud Vision给出了一个准确的检测结果，确认为猫的概率已经高达88%。

但正如狂丸上文提到的，连接学派不是早就在80年代就提出了神经网路学习么？当时怎么不见效果？

这是因为数据量有了明显的不同。这些年互联网提供了大量数据，事实上世界上90%的数据都是近几年中产生的，这种数据量成为了计算机的学习资源，其次电脑的处理速度也在飞速提升，早已不是当年可比。

而到了如今，人工智能一词已经包含了多种技术与应用领域，我们可以看到它的飞速更新以及多种有趣的应用。

像是科学家们半个世纪以来都没有放下对游戏的执着，AlphaGo击败了人了最强围棋选手柯洁，近年还玩起了对战Dota2、星际争霸2，甚至有网友还让AI玩起了GTA5、超级马里奥：

人工智能也越来越像「人」。去年语音助手Google Assistant完全颠覆了人们对于AI的认知，它可以流畅自然的模拟人类说话，并完成理发、饭店的预约，而对接的人类根本没有察觉异样。狂丸感觉这基本可以认为它已经通过了当年的图灵测试。

而麻省理工学院媒体实验室为了研究错误数据对AI的影响，干脆训练出了一款精神病AI：诺曼，一度让人感觉细思恐极。

所以结合历史来看，现在的我们调戏Siri如同呼吸空气一般自然，但实际上科学家们为了让它能够听懂你说什么，拨开一重又一重的迷雾，踏过一座又一座的高山，差点几度凉凉，今天的成就实在来之不易。

（现今的智能机器人和100年前人类脑洞）

所以你可能会觉得，现在的人工智能已经这么「强」了，是不是电影中的世界真的指日可待？

然而事实是，在大多数科学家眼中看来，这些人工智能，有一个算一个，都属于「弱」人工智能，距离科幻中的「强」人工智能可以说是不同级别的存在，他们之间的关系，大概就像蜘蛛和蜘蛛侠、葫芦和葫芦娃——而现在我们日常生活中使用的人工智能，大概率还是叫做人工智障更合适。