人工智能的研究历史可以追溯到遥远的过去。在我国西周时代，巧匠偃师为周穆王制造歌舞机器人的传说。东汉时期，张衡发明的指南车可以认为是世界上最早的机器人雏形。公元前3世纪和公元前2世纪在古希腊也有关于机器卫士和玩偶的记载。1768—1774年间，瑞士钟表匠德罗思父子制造了三个机器玩偶，分别能够写字、绘画和演奏风琴，它们是由弹簧和凸轮驱动的。这说明在几千年前，古代人就有了人工智能的幻想。

1.孕育期

人工智能的孕育期一般指1956年以前，这一时期为人工智能的产生奠定了理论和计算工具的基础。

1）问题的提出

1900年，世纪之交的数学家大会在巴黎召开，数学家大卫·希尔伯特（David Hilbert，见图19）庄严地向全世界数学家们宣布了23个未解决的难题。这23道难题道道经典，而其中的第二问题和第十问题则与人工智能密切相关，并最终促成了计算机的发明。因此，有人认为是20世纪初期的数学家，用方程推动了整个世界。

被后人称为希尔伯特纲领的希尔伯特的第二问题是数学系统中应同时具备一致性和完备性。希尔伯特的第二问题的思想，即数学真理不存在矛盾，任何真理都可以描述为数学定理。他认为可以运用公理化的方法统一整个数学，并运用严格的数学推理证明数学自身的正确性。希尔伯特第十问题的表述是：“是否存在着判定任意一个丢番图方程有解的机械化运算过程。”后半句中的“机械化运算过程”就是算法。

图1-9　希尔伯特

图1-10　哥德尔　

捷克数学家库尔特·哥德尔（Kurt Godel，见图110）致力于攻克第二问题。他很快发现，希尔伯特第二问题的断言是错的，其根本问题是它的自指性。他通过后来被称为“哥德尔句子”的悖论句，证明了任何足够强大的数学公理系统都存在着瑕疵，一致性和完备性不能同时具备，这便是著名的哥德尔定理。1931年库尔特·哥德尔提出了被美国《时代周刊》评选为20世纪最有影响力的数学定理：哥德尔不完备性定理，推动了整个数学的发展。在哥德尔的原始论文中，所有的表述是严格的数学语言。哥德尔句子可以通俗地表述为：本数学命题不可以被证明，句子：“我在说谎”也是哥德尔句子。

图灵被希尔伯特的第十问题深深地吸引了。图灵设想出了一个机器——图灵机，它是计算机的理论原型，圆满地刻画出了机械化运算过程的含义，并最终为计算机的发明铺平了道路。

图灵机模型（见图1-11）形象地模拟了人类进行计算的过程，图灵机模型一经提出就得到了科学家们的认可。1950年，图灵发表了题为《计算机能思考吗？》的论文，论证了人工智能的可能性，并提出了著名的“图灵测试”，推动了人工智能的发展。1951年，他被选为英国皇家学会会员。

对于是否存在真正的人工智能或者说是否能够造出智力水平与人类相当甚至超过人类的智能机器，一直存在着争论。一类观点认为：如果把人工智能看作一个机械化运作的数学公理系统，那么根据哥德尔定理，必然存在着某种人类可以构造但机器无法求解的问题，因此人工智能不可能超过人类。另一类观点认为：人脑对信息的处理过程不是一个固定程序，随着机器学习、特别是深度学习取得的成功，使得程序能够以不同的方式、不断地改变自己，真正的人工智能是可能的。

图1-11　图灵机模型

2）计算机的产生

法国人帕斯卡（见图1-12）于17世纪制造出一种机械式加法机（见图1-13），它是世界上第一台机械式计算机。

图1-12　帕斯卡

图1-13　帕斯卡制造的加法机

德国数学家莱布尼兹（见图1-14）发明了乘法计算机（见图1-15），他受中国易经八卦的影响，最早提出二进制运算法则。

图1-14　莱布尼兹　

图1-15　莱布尼兹发明的乘法计算机

英国人查尔斯·巴贝奇（见图1-16）研制出差分机（见图1-17）和分析机（见图1-18），为现代计算机设计思想的发展奠定了基础。

图1-16　巴贝奇

图1-17　差分机

图1-18　分析机

德国科学家朱斯（见图1-19）于20世纪30年代开始研制著名的Z系列计算机（见图1-20）。

图1-19　朱斯　(www.daowen.com)

图1-20　Z 3计算机

香农（见图1-21）是信息论的创始人，他于1938年首次阐明了布尔代数在开关电路上的作用。信息论的出现，对现代通信技术和电子计算机的设计产生了巨大的影响。如果没有信息论，现代的电子计算机是不可能研制成功的。

1946年2月15日，世界上第一台通用电子数字计算机“埃尼阿克”（ENIAC）研制成功（见图1-22）。“埃尼阿克”的研制成功，是计算机发展史上的一座纪念碑，是人类在发展计算技术历程中的一个新的起点。

图1-21　香农

图1-22　世界上第一台电子计算机“埃尼阿克”

以上这一切都为人工智能学科的诞生做出了理论和实验工具上的巨大贡献。1956年夏，由年轻的数学助教约翰·麦卡锡（John McCarthy）和他的三位朋友马文·明斯基（Marvin Minsky）、纳撒尼尔·罗切斯特（Nathaniel Rochester）和克劳德·香农（Claude Shannon）共同发起，邀请艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Simon）等科学家在美国的Dartmouth大学组织了一个夏季学术讨论班，历时2个月。参加会议的都是在数学、神经生理学、心理学和计算机科学等领域中从事教学和研究工作的学者，在会上第一次正式使用了人工智能这一术语，从而开创了人工智能这个研究学科。

2.AI的基础技术的研究和形成时期

AI的基础技术的研究和形成时期是指1956—1970年期间。1956年纽厄尔和西蒙等首先合作研制成功“逻辑理论机”（The Logic Theory Machine）。该系统是第一个处理符号而不是处理数字的计算机程序，是机器证明数学定理的最早尝试。

1956年，另一项重大的开创性工作是塞缪尔研制成功“跳棋程序”。该程序具有自改善、自适应、积累经验和学习等能力，这是模拟人类学习和智能的一次突破。该程序于1959年击败了它的设计者，1963年又击败了美国的一个州的跳棋冠军。

1960年，纽厄尔和西蒙又研制成功“通用问题求解程序（General Problem Solving，GPS）系统”，用来解决不定积分、三角函数、代数方程等十几种性质不同的问题。

1960年，麦卡锡提出并研制成功“表处理语言LISP”，它不仅能处理数据，而且可以更方便地处理符号，适用于符号微积分计算、数学定理证明、数理逻辑中的命题演算、博弈、图像识别以及人工智能研究的其他领域，从而武装了一代人工智能科学家，是人工智能程序设计语言的里程碑，至今仍然是研究人工智能的良好工具。

1965年，被誉为“专家系统和知识工程之父”的费根鲍姆（Feigenbaum）和他的团队开始研究专家系统，并于1968年研究成功第一个专家系统DENDRAL，用于质谱仪分析有机化合物的分子结构，为人工智能的应用研究做出了开创性贡献。

1969年召开了第一届国际人工智能联合会议（International Joint Conference on AI，IJCAI），1970年《人工智能国际杂志》（International Journal of AI）创刊，标志着人工智能作为一门独立学科登上了国际学术舞台，并对促进人工智能的研究和发展起到了积极作用。

3.AI发展和实用阶段

AI发展和实用阶段是指1971—1980年期间。在这一阶段，多个专家系统被开发并投入使用，有化学、数学、医疗、地质等方面的专家系统。

1975年美国斯坦福大学开发了MYCIN系统，用于诊断细菌感染和推荐抗生素使用方案。MYCIN是一种使用了人工智能的早期模拟决策系统，由研究人员耗时5～6年开发而成，是后来专家系统研究的基础。

1976年，凯尼斯·阿佩尔（Kenneth Appel）和沃夫冈·哈肯（Wolfgang Haken）等人利用人工和计算机混合的方式证明了一个著名的数学猜想：四色猜想（现在称为四色定理）。即对于任意的地图，最少仅用四种颜色就可以使该地图着色，并使得任意两个相邻国家的颜色不会重复；然而证明起来却异常烦琐。配合着计算机超强的穷举和计算能力，阿佩尔等人证明了这个猜想。

1977年，第五届国际人工智能联合会会议上，费根鲍姆（Feigenbaum）教授在一篇题为《人工智能的艺术：知识工程课题及实例研究》的特约文章中系统地阐述了专家系统的思想，并提出了“知识工程”的概念。

4.知识工程与机器学习发展阶段

知识工程与机器学习发展阶段指1981—1990年代初这段时期。知识工程的提出，专家系统的初步成功，确定了知识在人工智能中的重要地位。知识工程不仅仅对专家系统发展影响很大，而且对信息处理的所有领域都将有很大的影响。知识工程的方法很快渗透到人工智能的各个领域，促进了人工智能从实验室研究走向实际应用。

学习是系统在不断重复的工作中对本身的增强或者改进，使得系统在下一次执行同样任务或类似任务时，比现在做得更好或效率更高。

从20世纪80年代后期开始，机器学习的研究发展到了一个新阶段。在这个阶段，联结学习取得很大成功；符号学习已有很多算法不断成熟，新方法不断出现，应用扩大，成绩斐然；有些神经网络模型能在计算机硬件上实现，使神经网络有了很大发展。

5.智能综合集成阶段

智能综合集成阶段指20世纪90年代至今，这个阶段主要研究模拟智能。

第五代电子计算机称为智能电子计算机。它是一种有知识、会学习、能推理的计算机，具有理解自然语言、声音、文字和图像的能力，并且具有说话的能力，使人机能够用自然语言直接对话。它可以利用已有的和不断学习到的知识，进行思维、联想、推理，并得出结论，能解决复杂问题，具有汇集、记忆、检索有关知识的能力。智能计算机突破了传统的冯·诺伊曼式机器的概念，舍弃了二进制结构，把许多处理机并联起来，并行处理信息，速度大大提高。它的智能化人机接口使人们不必编写程序，人们只需发出命令或提出要求，计算机就会完成推理和判断，并且给出解释。1988年，第五代计算机国际会议召开。1991年，美国加州理工学院推出了一种大容量并行处理系统，528台处理器并行工作，其运算速度可达到每秒320亿次浮点运算。图1-23为IBM公司制造的一种并行计算机试验床，可模拟各种并行计算机的结构。

图1-23　IBM公司制造的一种并行计算机试验床

第六代电子计算机将被认为是模仿人的大脑判断能力和适应能力，并具有可并行处理多种数据功能的神经网络计算机（见图1-24、图1-25）。与以逻辑处理为主的第五代计算机不同，它本身可以判断对象的性质与状态，并能采取相应的行动，而且它可同时并行处理实时变化的大量数据，并引出结论。以往的信息处理系统只能处理条理清晰、经络分明的数据，而人的大脑却具有能处理支离破碎、含糊不清的信息的灵活性，第六代电子计算机将具有类似人脑的智慧和灵活性。

图1-24　神经网络计算机

图1-25　对大规模神经集成电路进行检测

20世纪90年代后期，互联网技术的发展为人工智能的研究带来了新的机遇，人们从单个智能主题研究转向基于网络环境的分布式人工智能研究。1996年深蓝战胜了国际象棋世界冠军卡斯帕罗夫成为人工智能发展的标志性事件。

21世纪初至今，深度学习带来人工智能的春天，随着深度学习技术的成熟，人工智能正在逐步从尖端技术慢慢变得普及。大众对人工智能最深刻的认识就是2016年AlphaGo和李世石的对弈。2017年5月27日，阿尔法狗（AlphaGo）与柯洁的世纪大战，再次以人类的惨败告终。人工智能的存在，能够让AlphaGo的围棋水平在学习中不断上升。