人工智能简史
1.1 人工智能的三次浪潮
gantt
title 人工智能发展历史
dateFormat YYYY
section 1950s–1960s
图灵测试提出 :1950, 1y
萨缪尔开发跳棋程序，首次提出“机器学习”概念 :1952, 1y
达特茅斯会议 :1956, 1y
感知器发明 :1957, 1y
第一次人工智能冬季开始 :1966, 1y
section 1980年代–1990年代初
第二波开始 :1980, 10y
第二波逐渐衰退 :1990, 3y
section 2006年–至今
第三波开始 :2006, 10y
AlphaGo称霸围棋 :2016, 1y
第三波继续推进 :2017, 10y
-
第一次浪潮
- 时间与起点：始于1950年代。1950年，阿兰·图灵在《计算机器与智能》中提出机器思维的概念及图灵测试；1952年，阿瑟·萨缪尔开发了跳棋程序并首次提出“机器学习”。
- 达特茅斯会议：1956年，约翰·麦卡锡等人在达特茅斯会议上正式提出“人工智能”一词，从而开启了AI研究的高速发展阶段。
- 主要方法：这一时期主要依靠符号主义——利用逻辑推理、符号操作和知识表示来模拟人类智能（如感知机等早期算法）。
- 结果与局限：虽然早期理论和部分算法取得了一定突破，但因计算资源和数据限制，仅能解决“玩具问题”，很快导致了第一次寒冬。
-
** 第二次浪潮**
- 转变方向：进入20世纪80年代后，经过数十年的探索，研究者逐渐放弃了初代符号学派思路，开始改用统计学的思路来研究人工智能。
- 代表性成果：这一时期专家系统风靡一时，利用专业领域知识构建知识库并进行推理，使得AI开始在实际应用中展现一定“实用性”。
- 问题与低谷：由于专家系统仅适用于特定场景，且在处理大规模、复杂问题时存在局限，导致资金支持下降，相关研究很快陷入低谷。
-
第三次浪潮
-
技术突破：自1993年以后，随着新数学工具、理论和摩尔定律的推动，计算能力大幅提升，深度学习作为机器学习的重要分支迅速发展。
-
里程碑事件：
- 2006年，杰弗里·辛顿发表《一种深度置信网络的快速学习算法》，标志着深度学习的崛起。
- 2016年，谷歌DeepMind的AlphaGo在围棋比赛中击败职业棋手，使得“人工智能”进入大众视野，并实现了从科研工具向实用工具的转变。
-
未来挑战：尽管第三次浪潮推动了AI商业化和广泛应用，但也有人认为深度学习“技术红利”可能维持5～10年，之后可能遇到瓶颈；因此，寻找“技术奇点”实现通用甚至超级智能仍然迫在眉睫。
-
1.2 学派维度：横向思想对比
| 学派 | 核心理念 | 代表人物 | 技术发展 | 关键技术 | 当代影响 |
|---|---|---|---|---|---|
| 符号主义 | 智能源于符号的逻辑推理与规则系统，主张人类认知可抽象为符号操作（物理符号系统假设） | 艾伦·纽厄尔 赫伯特·西蒙 | - LISP语言（函数式编程语言） - 专家系统（MYCIN、DENDRAL） | - 符号逻辑推理 - 规则库与知识表示 | - 知识图谱的理论基础 - 搜索引擎与智能推荐的语义理解支撑 |
| 连接主义 | 通过神经网络模拟人脑结构，强调分布式计算与学习机制实现智能 | 弗兰克·罗森布拉特 | - 感知机（单层神经网络） - 深度学习（CNN、Transformer） | - 反向传播算法 - 自动微分（PyTorch/TensorFlow） | - 图像识别与自然语言处理突破 - 深度学习框架推动工业级AI应用 |
| 行为主义 | 智能源于感知与行动的直接交互，反对预设复杂内部模型 | 罗德尼·布鲁克斯 | - 六足机器人（MIT） - 包容架构（Subsumption Architecture） | - 去中心化控制 - 强化学习环境交互设计 | - 强化学习（AlphaGo、机器人控制） - 智能体自主学习与动态环境适应能力提升 |
1.3 技术树维度：关键突破关联
timeline
1943 : 麦卡洛克-皮茨神经元模型
1958 : 罗森布拉特感知机
1969 : 反向传播算法突破
2012 : AlexNet ImageNet夺冠
2016 : PyTorch动态计算图
