人工智能的前世今生以及未来发展方向(智能发展,关键词优化)

前言：2016年，科技界的大事之一有阿尔法狗大战李世石，问鼎围棋，将人工智能的热点推向高潮，人工智能的概念在全球开始流行，第一次出现在普通大众的生活中，年10月，最新版本的“阿尔法狗零”，自学三天，就将上个版本的阿尔法狗打了个100:0，人工智能再次进入人们的视野。本文主要介绍人工智能的发展历史和发展现状以及人工智能的主要影响。

一、人工智能的诞生

人工智能，英文缩写 AI，它是一门研究和开发用于模拟和拓展人类智能的理论方法和技术手段的新兴科学技术。智能（intelligence）是人类所特有的区别于一般生物的主要特征。可以解释为人类感知、学习、理解和思维的能力，通常被解释为“人认识客观事物并运用只是解决实际问题的能力，往往通过观察、记忆、想象、思维、判断等表现出来”。人工智能正是一门研究、理解、模拟人类智能，并发现其规律的学科。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”，势必承载着人类科技的发展进步。

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人类智能，但能像人那样思考、更有可能超过人类智能。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

1956年的达特茅斯会议标志着人工智能的诞生：John McCarthy联合Minsky、Claude Shannon、Nathaniel Rochester在达特茅斯组织了两个月的Workshop。达特茅斯会议将不同的研究领域的研究者组织在了一起，提出了“人工智能”这个名词，人工智能也成为了一个独立的研究领域。参会者尽管只有十人，但是他们中的每一位在未来很长的一段时间都对人工智能领域产生了举足轻重的影响。

二、人工智能的发展

根据中国报告网发布《-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》显示，人工智能发展至今，还不到一个世纪，虽然世人早已发行其前景无限，但由于技术水平不足，已经经历了两次低谷，人工智能发展阶段如下：

1、第一次高潮（1956-1970年代）

达特茅斯会议之后，人工智能迎来了发展的黄金时期，出现了大量的研究成果。Herbert Simon、J.C.Shaw、Allen Newell 创建了通用解题器（General Problem Solver），是第一个将待解决的问题的知识和解决策略相分离的计算机程序；Nathanial Rochester 的几何问题证明器（Geometry Theorem Prover）可以解决一些让数学系学生都觉得棘手的问题；Daniel Bobrow 的程序 STUDENT 可以解决高中程度的代数题；McCarthy 主导的 LISP 语言成为了之后 30 年人工智能领域的首选；Minsky、Seymour Aubrey Papert 提出了微世界（Mircro world）的概念，大大简化了人工智能的场景，有效地促进了人工智能的研究。微世界程序的最高成就是 Terry Winograd 的 SHRDLU，它能用普通的英语句子与人交流，还能作出决策并执行操作。

第一次黄金时期离不开资金的支持。1963 年，ARPA（后来的 DARPA，美国国防部高级研究计划局）拨款 220 万美元给 MIT，并于之后每年提供 300 万美元（至 1970 年代结束）。更重要的是，ARPA 的经费并没有附带明确要求，这提供给了 MIT科学家梦寐以求的研究氛围。

第一次黄金时期让人们对人工智能领域充满了乐观情绪，甚至人工智能的领军人物 Minsky 都认为“在三至八年里我们将得到一台具有人类平均智能的机器”。

2、第一次低潮（1970-1980年代）

人们的乐观情绪在 1970 年代渐渐被浇灭。研究者发现，即使是最尖端的人工智能程序也只能解决他们尝试解决的问题中的最简单的一部分。人工智能还遭遇了以下一些问题：

只依靠简单的结构变化无法扩大化以达到目标（Simple syntactic manipulationcannot scale）。美国国家研究署尝试用自动化翻译加速翻译俄语论文。一开始他们认为通过简单的词语替换和句子结构的修改可以达到足够高的可读程度，但是后来他们发现，单词的意思与前后文紧紧关联，而多义词的解释则需要对背景知识的了解。毫无疑问，这次尝试失败了。

存储空间和计算能力的严重不足：例如，Ross Quillian 的自然语言处理程序只包括 20 个单词，因为这是存储的上限。

指数级别攀升的计算复杂性：1972 年 Richard Karp 的研究表明，许多问题只能在指数级别的时间内获解，即计算时间与输入的规模的幂成正比。

缺乏基本知识和推理能力：研究者发现，就算是对儿童而言的常识，对程序来说也是巨量信息。1970 年代没有人建立过这种规模的数据库，也没人知道怎么让程序进行学习。

Moravec 悖论：一些人类觉得复杂的问题，如几何证明，对机器而言十分简单。但人的很基本技能，如人脸识别，对机器而言却是一个巨大的挑战。这也是 1970年代机器人和视觉识别发展缓慢的原因。

随着人工智能发展遭遇瓶颈，资金纷纷抛弃人工智能领域。由于项目失败等原因，DARPA 也终止了对 MIT的拨款。到了 1970 年代中期，人工智能项目已经很难找到资金支持。

3、第二次高潮（1980-1990年代）

这次黄金时期的到来，专家系统（Expert system）功不可没。专家系统专注于某一个领域，因而设计简单，易于实现，而且避免了所谓的“常识问题”。商业领域第一个成功的专家系统是 Digital Equipment Corporation 的 R1，从 1982年至 1988 年，它帮助公司平均每年节约 4000 万美元。到了 1988 年，全球顶尖的公司都已经装备了专家系统：DEC 部署了 40 个专家系统，杜邦部署了 100个。随着专家系统的大规模应用，知识库系统和知识工程得到了普及。

另一个重大的助力是日本的第五代计算机项目（第五世代コンピュータ）。它是日本通商产业省（现经济产业省，けいざいさんぎょうしょう）在 1982 年推出的一个大型研发企划，目的是开发采用平行架构的拥有人工智能的革命性的电脑，开创下一个时代。整个计划预计 10 年完成，3 年用于先期研究，4 年用于子系统开发，最后 3 年组成一个可运行的原型，整个项目预算高达 570 亿日元。

受此计划的刺激，其他强国纷纷采取应对策略。1983年，英国开始了预算3.5亿英镑的Alvey工程，关注大规模集成电路、人工智能、软件工程、人机交互（包含自然语言处理）以及系统架构；在美国，DRAPA组织了战略计算促进会，年投资额在四年内增长了2倍；而在准将BobbyRay Inman的领导下，一群美国的计算机和半导体厂商组成MCC（Microelectronicsand Computer Technology Corporation，微电子与计算机技术集团）财团，在系统架构设计、芯片组装、硬件工程、分布式技术、智慧系统等方向发力。

在这个时期内，算法也得到了突破性的进展。1982 年，John Hopfield 证明Hopfield 网络可以学习并处理信息，David Rumelhart 则提出了反向传播算法。它们和 1986 年发表的分布式处理的论文一起，为 1990 年代神经网络的商业化打下了坚实的基础。

4、第二次低潮（1980-1990年代）

随着专家系统的不断发展，复杂度的快速提升，基于知识库和推理机的专家系统显示出了让人不安的一面：难以升级扩展，鲁棒性不够，直接导致高昂的维护成本。1980年代末期，由于人工智能的项目成果不明朗，DARPA大幅削减了对人工智能的资金支持。1991年，英国政府发布Alvey工程的最终报告，报告指明，Alvey工程达到了其设定的技术目标，但是并没有提升英国在信息技术市场的竞争力。报告将原因归集为“资本的短缺和管理运营的低效率”。Alvey工程主管Brain Oklay指出，信息技术工业应更注重培训、市场推广和研究成果的商业化。他抱怨道日本的低利率让高科技公司可以开发低毛利产品，而英国的高利率阻止了公司这么做。

尽管英国觉得日本的计划更为成功，但 1992 年 6 月，日本政府宣布向全世界公开第五代计算机项目所开发的软件，允许任何人免费使用，这标志着日本雄心勃勃的第五代计算机项目的失败。第五代计算机项目并没有带来人工智能的突破，甚至有人说，第五代计算机项目的最大收获其实是项目的副产物：其训练了成百上千的计算机领域的专家。该项目的失败有多重原因，一般认为，通用型微型机对专用型大型机的冲击及项目研发成果缺乏商业化场景是项目失败的重要原因。

5、第三次高潮（1990-至今）

1997 年 5 月 11 日，IBM 制造的专门超级计算机深蓝（Deep Blue），在经过多轮较量后，击败了国际象棋世界冠军 Garry Kasparov。尽管不乏 IBM 作弊的声音，但这个事件标志着人工智能的研究到达了一个新的高度，也给人工智能做了一次大规模的宣传。

2000 年代后，随着大数据的普及、深度学习算法的完善、硬件效能的提高，人工智能的应用领域变得更广，应用程度也变得更深，2016 年，人工智能市场规模超过 80 亿美元，人工智能领域的竞争也愈发白热化。更多内容请期待本系列的后续文章。

三、人工智能产业发展现状

目前，全球范围内总计1485家与人工智能技术有关公司的融资总额达到了89亿美元。与任一个行业相比，89亿美元的融资量都显得微不足道，但同比2016年年初的48亿美元的融资总额，人工智能产业已然大获丰收。伴随着我国BAT等科技巨头积极规划的战略布局的成功推出，国内人工智能产业发展同样十分迅速，及时了解行业现状尤为重要。

1、企业

当前，全球人工智能企业集中在少数国家，其中美国、中国、英国企业数分别为2905、709、366，总共占据全球企业的65．73%。

中国人工智能企业主要集中在北京、上海、广东等发达地区，发达地区的人工智能企业约占全国的85%左右。其中，北京市为人工智能企业集中创新地。

经济发达地区的信息化程度较高、互联网发展迅速、融资环境优良，适合各类高新产业的成长发展。上述数据也表明了人工智能企业在经济较为发达地区的发展要更为迅速。

2、融资

根据中国报告网发布《-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》显示，全球人工智能企业的融资情况与企业分布的情况大致相同，美国人工智能企业在2016年融资总量约为180亿美元，中国企业为25．7亿美元，英国企业为8．16亿美元。中国2015年人工智能行业获投金额约为100亿人民币，同比上升40%左右，略低于全球平均水平，其中机器人领域的投资比例则居于全领域首位。

3、成果

全球专利数据库的数据表明，美国人工智能行业申请的专利总数约为2．7万件，中国为1．6万件，日本位列全球第三、约为1．5万件。将美国和中国的公司总数和融资金额分别与专利成果相对比，中国人工智能企业创造专利成果的效率要远远高于美国。年2月美国《大西洋月刊》中的刊文指出:中国的大学及公司在研发和使用人工智能方面已开始超越美国同行。

根据中国报告网发布《-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》显示，中国人工智能企业专利数量按地区分布明显，集中在北京、上海、江苏、广东和浙江五个地区，占总体60%左右。其中，机器人方向的专利占总体的38%左右。

4、政策

近年来，世界各国和国际组织纷纷出台相关政策扶持人工智能产业。以美国、欧盟和中国为例，制定计划内容如下：

四、人工智能技术对人类社会的主要影响

（1）取代重复简单劳动力

人工智能技术的崛起将导致“失业潮”的发生已基本成为行业的共识。“世界经济论坛”2016 年年会，基于对全球企业战略高管和个人的调查发布的报告称：未来五年，机器人和人工智能等技术的崛起，将导致全球 15 个主要国家的就业岗位减少 710 万个，2/3 将属于办公和行政人员。莱斯大学计算机工程教授摩西·瓦迪近日同样表示，今后 30 年，电脑可以从事人类的所有工作，他预计，2045 年的人类失业率将超过 50%。

（2）新成员进入社会

一方面，人们迫切希望人工智能能代替人类在各种各样的劳动中，另一方面，他们担心人工智能的发展会带来新的社会问题。事实上，近年来，社会结构正在悄然的发生变化。社会结构正在由“人-机器”到“人-智能机器-机器”悄然的转变。因此，人们必须开始学习如何与智能机器和睦相处。

（3）人类容易滋生惰性思维方式