现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay

19世纪，作为人工智能和打算机学科的鼻祖，数学家查尔斯·巴贝奇（Charles Babbage）与艾达·洛夫莱斯（Ada Lovelace）考试测验着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学打算机，来仿照人类的数理逻辑运算能力。

20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（Ramón y Cajal ）利用高尔基染色法对大脑切片进行显微不雅观察，人类终于清晰地意识到，我们险些全部思维活动的根本，都是大脑中那些伸出苗条神经纤维、彼此连接成一张巨大信息网络的分外神经细胞——神经元。

至此，只管智能的详细运作办法还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对付人类来说已经不再神秘。

智能，是一种分外的物质布局形式。

就像笔墨既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。
随着神经科学的启迪和数学上的进步，20世纪的打算机科学先驱们意识到，巴贝奇和艾达试图用机器去再现人类智能的思路，在事理上是完备可行的。
因此，以艾伦·图灵（Alan Turing）为代表的新一代学者开始思考，是否可以用二战后新兴的电子打算机作为载体，构建出“人工智能”呢？

图灵在1950年的论文《打算机器与智能（Computing Machinery and Intelligence）》中，做了一个奥妙的“实验”，用以解释如何考验“人工智能”。

英国数学家，打算机学家图灵

这个“实验”也便是后来所说的“图灵测试（Turing test ）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的办法，同时与一名人类和一台打算机进行“网聊”，当人类测试者中有七成都无法精确判断交谈的两个“人”孰真孰假时，就认为这个打算机已经达到了“人工智能”的标准。

虽然，图灵测试只是一个启示性的思想实验，而非可以详细实行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主不雅观性。
而他的判断手段，则与当时生理学界崛起的斯纳金的“行为主义”不谋而合。
简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——乃至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。
因此，对付其他察看犹豫者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。

1956年，人工智能正式成为了一个科学上的观点，而后呈现了很多新的研究目标与方向。
比如说，就像人们在走迷宫碰着去世胡同时会原路返回探求新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。

而工程师为了能用人类措辞与打算机进行“互换”，又构建出了“语义网”。
由此第一个会说英语的谈天机器人ELIZA出身了，不过ELIZA仅仅只能按照固定套路进行作答。

而在20世纪60年代后期，有学者指出人工智能该当简化自己的模型，让人工智能更好的学习一些基本原则。
在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开拓了一种早期的自然措辞理解打算机程序，名为SHRDLU。
工程师对SHRDLU的程序积木天下进行了极大的简化，里面所有物体和位置的凑集可以用大约50个单词进行描述。
模型极简化的成果，便是其内部措辞组合数量少，程序基本能够完备理解用户的指令意义。
在外部表现上，便是用户可以与装载了SHRDLU程序的电脑进行大略的对话，并可以用措辞指令查询、移动程序中的虚拟积木。
SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个别系用来处理现实生活中的一些问题时，却惨遭滑铁卢。

而这之后，人工智能的发展也与图灵的想象有所不同。

现实中的人工智能发展，并未在模拟人类的“通用人工智能（也称强人工智能）”上集中太多资源。
相反，人工智能研究自正式出身起，就专注于让打算机通过“机器学习”来自我优化算法，末了形成可以高效率办理特定问题的“专家系统”。
由于这些人工智能只会在限定好的狭窄领域中发挥浸染，不具备、也不追求全面繁芜的认知能力，因此也被称为“弱人工智能”。

但是无论如何，这些可以高效率办理特定问题的人工智能，在解放劳动力，推动当代工厂、组织智能化管理上都起到了关键浸染。
而随着大数据、云打算以及其他前辈技能的发展，人工智能正在朝着更加多远，更加开放的方向发展。
随着系统网络的数据量增加，AI算法的完善，以及干系芯片处理能力的提升，人工智能的运用也将逐渐从特定的碎片场景转变为更加深度、更加多元的运用处景。

人工智能让芯片的处理能力得以提升｜Pixabay

从小的方面来看，人工智能实在已经逐渐渗透进了我们生活的方方面面。
比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时利用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些实在都是人工智能的运用实例。
而从大的方面来看，人工智能在制造、交通、能源及互联网行业的运用正在逐步加深，推动了数字经济生态链的构建与发展。

虽然脑科学与人工智能之间仍旧存在巨大的鸿沟，通用人工智能仍旧像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永久无法办理一个问题。
”科学总是在弯曲中提高，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收成。

参考文献

[1] 王永庆. 人工智能事理与方法[M]. 西安交通大学出版社, 1998.

[2] Russell, Stuart J . Artificial Intelligence: A Modern Approach[J]. 公民邮电出版社, 2002.

[3] Gabbay D M , Hogger C J , Robinson J A , et al. Handbook of logic in artificial intelligence and logic programming. Vol. 1: Logical foundations. , 1995.

[4] 胡宝洁,赵忠文,曾峦,张永继. 图灵机和图灵测试[J]. 电脑知识与技能：学术版, 2006(8):2.

[5] 赵楠, 缐珊珊. 人工智能运用现状及关键技能研究[J]. 中国电子科学研究院学报, 2017, 12(6):3.

[6] Genesereth M R , Nilsson N J . Logical Foundation of Artificial Intelligence[J]. brain broad research in artificial intelligence & neuroscience, 1987

作者：张雨晨

编辑：韩越扬

来源： 光明网