穿越时空，探寻人工智能发展史

编者按：人工智能是一门研究如何使用机器实现人类智能的学科。具体来说，人工智能旨在通过计算机或其它机器来实现对人类智能的模拟和实现，使机器具有感知、理解、判断、推理、学习、识别、生成、交互等类人智能的能力，从而完成一系列复杂的任务和功能。人工智能的主要应用领域包括智能制造、医疗健康、智能交通与物流、个性化教育、智能客服、以及智慧城市管理，通过深度学习、计算机视觉、自然语言处理等技术，推动产业升级，提升社会运行效率，改善人们的生活质量与体验。现在，让我们一起来探寻人工智能的发展历程吧！

图灵测试：严格的机器智能探测器

故事的开头，要追溯到1950年。那一年，一位叫图灵的科学家在哲学杂志《心智》上发表论文《计算机器和智能》，提出著名的“图灵测试”——如果一台机器能够通过电传设备与人类展开对话，与它进行对话的人又不能辨别出它是机器还是人，那么就可以认为这台机器具有智能。后来，图灵又谈到一个具体的想法：让机器来冒充人，如果超过30%的裁判认为，和自己说话的是人，而非机器，就算作成功。

“图灵测试”的目的是，判断机器是否能出现与人类无法区分的智能行为。虽然图灵并没有在论文中提出“人工智能”这个概念，但是“图灵测试”的理念为人工智能的诞生奠定了哲学基础，因为他提出了一个划时代的问题：“机器能思考吗？”这一提问，引出了一个更大层面的哲学讨论：什么是“智能”？

同学们，究竟“什么是智能”呢？这是一个非常重要的问题，因为它决定了人工智能的不同研究走向。大家先自行思考，我们一会儿再来谈。

达特茅斯会议：人工智能正式成为一门学科

让我们把目光再拉回到1956年的达特茅斯会议。这一年，在美国达特茅斯学院，学者们畅谈如何利用问世不久的计算机来实现人类智能的问题。在会议的筹备期，美国数学博士约翰·麦卡锡建议用“Artificial Intelligence”来标识这个新兴的学术领域，参会的学者都表示同意。自此，“人工智能”这个词开始出现在公众的视野中。

这个会议也标志着人工智能作为一门独立学科的开始，科学家们满怀热情地投入研究，希望机器能够模仿人类的逻辑推理、学习和解决问题的能力。此后，也掀起了人工智能的一次又一次浪潮。

刚才，我请同学们思考问题“什么是智能”，并且告诉大家这个问题很重要。为什么这样说呢？因为在人工智能的发展过程中，由于学者们对“智能”的不同理解，逐渐形成了三个具有影响力的不同学派，它们分别是“符号主义”“联结主义”和“行为主义”。

人工智能研究的三大学派

关于这三个学派的重要性，同学们可以这样理解：如果说人工智能的世界是一座宏伟的城堡，那么这三大学派就是构建这座城堡的三大基石。我们一起来回顾一下吧！

符号主义，也被称为“逻辑主义”，是最早形成的人工智能学派之一。他们相信智能的核心在于逻辑推理和知识的精准表达。他们认为智能活动的理论基础是物理符号系统，认知的基元是符号，认知过程是符号模式的操作处理过程。在这个学派中，智能机器被看作是一位严谨的学者，通过解析和操作符号，例如数学公式和语言词汇等来解决问题。

想象一下，当你走进一座古老的图书馆，满架的书籍记录着人类的智慧与逻辑。如同你在图书馆可以根据分类和索引找到书籍一样，符号主义的人工智能通过构建复杂的规则和知识库来模拟人类的思维过程，解答现实中遇到的问题。

联结主义，又称为“仿生学派”，他们认为智能并非来源于明确的逻辑规则或符号操作，而是源自大量神经元的并行、分布式的相互作用。因为人类大脑中的神经元通过电化学信号相互连接，形成了一个庞大的网络。所以，联结主义就主张人工智能的实现重点是要对生物神经系统尤其是大脑神经网络工作方式进行模拟。联结主义中最具有代表性的研究成果就是神经网络。

把我们的大脑想象成一个繁忙的都市，城市里面住着无数勤劳的小信使，它们就是神经元。这些小信使们通过神经纤维不停地交换信息，紧密地进行交流与合作。联结主义就像是研究这个城市如何运作，以及如何让机器拥有类似智能的一门学问。

刚开始的时候，这个想法遇到了很多挑战，因为要让智能机器像我们的大脑一样学习，需要解决如何调整数以亿计的“通话线路”问题。后来，研究人员开发出了一种叫“反向传播”的神奇算法，它就像城市规划师，指导小信使们如何更高效地重新布线，极大地推动了神经网络在解决复杂问题上的应用。

行为主义学派关注的是智能机器在环境中的行为表现，而不是它们内部的心理状态或逻辑结构。在行为主义看来，智能并不神秘，它藏在每一次尝试与调整中，藏在那些看似简单却无比有效的行动里。他们认为，智能不是靠思考或模拟大脑结构，而是通过直接与环境的互动进行学习和发展，智能不在于你知道多少，而在于你能用已知去应对多少未知。从中我们可以看出，行为主义强调的是一种“做中学”的智慧。也就是说，既然人类的学习是从每一次尝试开始的，所以智能机器的行为模式和策略也可以在与世界的互动中逐步形成。

想象一下，行为主义者设计的智能机器像是一只在林间自由探索的小动物，通过不断地尝试和试错，学会适应环境，找到食物，躲避危险。强化学习就是行为主义的代表性成果，它们通过让智能机器在不断的尝试中优化行为策略，达成目标，来解决复杂决策问题。

虽然在初始阶段，三大学派各自按照自己对“智能”的理解进行不同的探索，但在人工智能的发展中，符号主义、联结主义和行为主义都起到了重要的作用。今天，这些学派的思想常常被融合使用，我们人类创造出了既懂逻辑又能自我学习，既能适应环境又可以有不同功能的各种智能机器。

人工智能的未来，是建立在以上这些智慧的研究之上，但也需要我们不断持续探索、学习和发展。同学们，你们准备加入到这个探索的旅程中来吗？