科技漫谈：人工智能的发展浪潮和阶段介绍——在研究者们的努力下，弱人工智能的发展出现了三波发展浪潮。第一次发展浪潮：人工智能发展形成阶段（20世纪40年代-20世纪70年代中期）。

　　1943年McCulloch和Pitts提出神经元逻辑模型，意味着人工智能在人类历史上正式诞生。1956年，为解决人工神经网络“结构复杂”问题，以麦卡锡、马文明斯基等为代表的从事数学、心理学、计算机科学、信息论和神经学研究的年轻学者们集聚在达特茅斯大学。

　　召开了人类历史上第一次人工智能研讨会，并第一次使用了“人工智能”这一术语，这一年被视为人工智能的元年，同时也开启了各国政府、研究机构、军方对人工智能投资和研究的第一波热潮。此后，人工智能取得了显著的成果。

　　1960年，美国的麦卡锡（J.Mccarthy）发明了人工智能程序设计语言Lisp，用于对符号表达式进行加工和处理。1963年，纽厄尔（A.Newell）发布了问题求解程序，首次将问题的领域知识与求解方法分离开来，标志着人类走上了以计算机程序模拟人类思维的道路。1965年鲁宾逊（Robinson）提出了归结原理，实现了自动定理证明的重大突破。

　　1968年，奎利恩（J.R.Quillian）指出，记忆是基于概念之间的相互联系来实现的。20世纪70年代，人工智能的研究已在世界许多国家相继展开，研究成果大量涌现。1970年国际性的人工智能杂志《Artificial Intelligence》创刊，对推动人工智能的发展、促进研究者们的交流起到了重要作用。1972年法国科默寥尔（A.Clomerauer）提出并实现了逻辑程序设计语言PROLOG。肖特里费（E.H.Shortliffe）等人从1972年开始研制用于诊断和治疗感染性疾病的专家系统MYCIN。

　　然而，这一时期，受到基础科技发展水平以及可获取的数据量等因素的限制，在机器翻译、问题求解、机器学习等领域出现了一些问题，在语音识别、图像识别等简单的机器智能技术方面取得的进展都非常有限。甚至，英国学者莱特希尔（Lighthill）在1973年发布的研究报告《人工智能：一般性的考察》中指出，人工智能项目就是浪费钱，迄今该领域没有哪个部分做出的发现产生了像之前承诺的那样。基于此，英国政府大幅消减了人工智能项目的投入。到70年代中期，美国和其他国家也大幅下调了该领域的投入，人工智能的研究也因此进入停滞状态。

　　人工智能快速成长阶段（20世纪70年代中期-90年代中期）。

　　这一时期，人工智能研究者们对以前的研究经验及教训进行了认真的反思和总结，继续迎难而上，迎来了以知识为中心的人工智能蓬勃发展新时期。1977年，费根鲍姆（E.A.Feigenbaum）的“知识工程”概念引发了以知识工程和认知科学为核心的研究高潮。

　　在此基础上，专家系统和知识工程在全世界得到迅速发展华宇测速网站，部分人工智能产品已成为商品进入生产生活。20世纪80年代，人工神经元网络的相关研究取得了突破性进展。J.Hoplield于1982年构建了一种新的全互联的神经元网络模型，并在1985年，顺利解决了“旅行商（TSP）”问题。1986年Rumelhart构建了反向传播学习算法（BP），成为普遍应用的神经元网络学习算法。

　　在这一时期，人工智能尽管在专家系统、人工神经元网络模型等方面取得了巨大的进展，能够完成某些特定的具有实用性的任务，但面对复杂问题却显得束手无策，尤其是当数据量积累到一定程度后，有些结果就难以实现改进，极大地限制了人工智能的实际应用价值。因此，人工智能发展到20世纪90年代中期，相关研究再度陷入困境。

　　人工智能纵深发展阶段（20世纪90年代中期至今）。自20世纪90年代中期开始，机器学习和人工神经网络的研发工作加速推进，人工智能实现了巨大的突破。1997年，计算机深蓝完胜国际象棋大师卡斯帕罗夫，重新点燃了人们对人工智能的希望。2004年，日本率先研制出了人形机器人Asimo。

　　2006年，深度学习取得了重大突破，之后，图形处理器（GPU）、张量处理器（TPU）、现场可编程门阵列（FPGA）异构计算芯片以及云计算等计算机硬件设施不断取得突破性进展，为人工智能提供了足够的计算力，得以支持复杂算法的运行，2005年后，随着大数据持续积累，给人工智能的发展提供了规模空前的训练数据。

　　2016年，Alpha Go完胜世界围棋大师李世石，将人工智能发展的高潮推到了一个新的高度。世界主要经济大国加快布局人工智能，加大对人工智能产业的投入，出台各项鼓励人工智能发展的政策，为人工智能在全球范围内取得新的突破打下了坚实的基础。

　　2017年，Alpha Go Zero通过深度学习实现了自我更新升级，不断自我超越，完胜Alpha Go。IBM研发的人工智能Watson，通过机器学习分析和解读海量医疗数据和文献并提出治疗方案，其分析结果与医生的治疗建议具有高度的一致性。微软公司的机器人小冰，自学了自1920年以来的519位诗人的现代诗，并在网络上发表，且并未被发现是机器所作。此外，人工智能在交通、教育、金融等领域也展示出巨大的应用前景。

　　强人工智能阶段随着人工智能技术不断取得突破，在不远的将来，人类社会将逐渐迈入强人工智能阶段。强人工智能，即通用人工智能（Artificial General Intelligence，AGI），是指能够自我感知和理解外部世界，不断地自我学习新知识和实现自我升级的机器智能。

　　在强人工智能阶段，智能机器、算法或系统将具备与人类一样的学习和理解知识的能力，能够像人一样具有思维并对复杂理念进行分析，进行思考、计划、自我学习以及通过过去的经验进行总结学习等，人工智能也就表现为在各个方面都能与人类媲美的机器智能。因此，人类劳动力能够完成的大部分工作任务，强人工智能都能够自主完成，也就是说，强人工智能不仅能够替代人类的体力劳动，还能替代脑力劳动，将给人类社会带来较为严重的劳动替代问题。

　　当然，对经济社会影响越深远的技术，研发和重组所需的时间就越长。而强人工智能的强智能特性决定了其对经济社会的影响比传统技术创新和弱人工智能都要深远，因此，需要较长时间的积累。正如马克思所言，量的积累到一定程度才能实现质的飞跃，人工智能的发展也遵循这一规律，关于强人工智能何时到来，在学术界和业界争论不一，至今尚未有定论。第三阶段：人工智能的技术愿景——超级人工智能阶段超级人工智能是指基于海量的数据整合和高度的学习与自我学习，使智能机器具备的远超人类智慧的人工智能，可以把这一阶段的人工智能理解为几乎在任何领域都比人类聪明，这也意味着生物形态的智慧将不再是世界上唯一的智慧形态。

　　机器智能能够实现递归式自我能力提升，进而实现人工智能指数级爆发和“智能爆炸”，并极大地推动科技进步，纳米技术和基因工程在人工智能的辅助下将迅速得到突破。生产生活所需的物质产品将主要由智能系统进行生产，人类在享受人工智能带来的生产效率提升和生活质量改善的同时，也将面临着一个“更少工作的未来”。

　　与此同时，整个社会将呈现严重的两极分化，一极是数量众多的“无用阶层”，另一极是数量较少的精英阶层。

　　然而，要实现超级人工智能则必须跨过一个临界点（“奇点”），即机器智能超越人类智能的界限，一旦实现跨越，人类将重新思考自己和机器之间的关系。

　　纵观人类社会技术进步的演进过程可以发现，技术研发、重组以及应用需要较长时间的积累，技术系统越复杂，涉及的子系统越多越复杂，潜在的重组越深远，取得技术突破则越困难。人工智能作为新一轮技术进步最显著的技术创新，其涉及的子系统比任意一种传统技术创新都要广泛，同时也意味着其取得突破困难重重。纵观人工智能诞生至今的演进历程，技术演进的过程中争论、困难与挑战无时不在。

　　经历近80年的发展演进，人工智能技术创新取得了巨大的突破，智能机器和算法随着机器学习能力以及算法和速度的提升，具备若干智慧属性的功能，甚至在某些特定领域这些功能远超人类，尤其是在数据存储、调用、分析处理等方面表现出了强大能力，在特定危险情境下也表现出了极强的生存能力。

　　举报/反馈