第一章達(dá)特茅斯會(huì)議：人工智能的源起

一說起人工智能的起源情臭，公認(rèn)是1956年的達(dá)特茅斯會(huì)議。殊不知還有個(gè)前戲，1955年运提，美國(guó)西部計(jì)算機(jī)聯(lián)合大會(huì)（Western Joint Computer Conference）在洛杉磯召開，會(huì)中還套了個(gè)小會(huì)：學(xué)習(xí)機(jī)討論會(huì)（Session on Learning Machine）闻葵。討論會(huì)的參加者中有兩個(gè)人參加了第二年的達(dá)特茅斯會(huì)議民泵，他們是塞弗里奇（Oliver Selfridge）和紐厄爾（Allen Newell）。

會(huì)議6位重要參與者：麥卡錫槽畔、明斯基栈妆、賽弗里奇（《控制論》作者維納的學(xué)生）、香農(nóng)（《信息論》作者）厢钧、紐厄爾（與麥卡錫同齡鳞尔，其導(dǎo)師是馮諾依曼的合作伙伴）、司馬賀（紐厄爾老師）

麥卡錫給這個(gè)第二年的活動(dòng)起了個(gè)當(dāng)時(shí)看來別出心裁的名字：人工智能夏季研討會(huì)（Summer Research Project on Artificial Intelligence）早直。普遍的誤解是“人工智能”這個(gè)詞是麥卡錫想出來的寥假，其實(shí)不是。麥老晚年回憶也承認(rèn)這個(gè)詞最早是從別人那里聽來的霞扬，但記不清是誰(shuí)了糕韧。

“人工智能”這個(gè)詞真正被共同體廣泛認(rèn)可是在十年后的 1965 年，在加州大學(xué)伯克利分校的歐陸派哲學(xué)家德雷弗斯（Hubert Dreyfus）發(fā)表了“煉金術(shù)與人工智能”一文之后祥得。

司馬賀1957年曾預(yù)言十年內(nèi)計(jì)算機(jī)下棋會(huì)擊敗人兔沃。1968年麥卡錫和象棋大師列維（David Levy）打賭說十年內(nèi)下棋程序會(huì)戰(zhàn)勝列維，最后賠了列維兩千塊级及。樂觀的預(yù)言總會(huì)給對(duì)手留下把柄：德雷弗斯后來每年都拿此事嘲諷AI乒疏，說計(jì)算機(jī)下下跳棋還行，下象棋連十歲的孩子都干不過饮焦。這便宜話一直說到1997年怕吴，IBM 的下棋程序“深藍(lán)”擊敗了卡斯帕羅夫窍侧。

第二章自動(dòng)定理證明興衰紀(jì)

數(shù)學(xué)哲學(xué)有三大派：邏輯主義、形式主義以及直覺主義转绷。

自動(dòng)定理證明起源于邏輯伟件，初衷就是把邏輯演算自動(dòng)化。

1957年夏季议经，在塔爾斯基的號(hào)召下斧账，一個(gè)邏輯學(xué)家的大聚會(huì)在康奈爾大學(xué)舉行，會(huì)上數(shù)學(xué)家亞伯拉罕·羅賓遜（Abraham Robinson煞肾，數(shù)學(xué)和邏輯領(lǐng)域有好幾個(gè)羅賓遜咧织，且互有關(guān)聯(lián)）指出，埃爾布朗（Herbrand）定理可以把一階邏輯的問題轉(zhuǎn)化為命題邏輯籍救。這激發(fā)了大家尋求統(tǒng)一高效的定理證明的實(shí)現(xiàn)方法习绢。

芝加哥大學(xué)的實(shí)驗(yàn)物理學(xué)家費(fèi)米在曼哈頓計(jì)劃的早期負(fù)責(zé)核反應(yīng)堆。戰(zhàn)后蝙昙，美國(guó)以費(fèi)米實(shí)驗(yàn)室為基礎(chǔ)建立了第一個(gè)美國(guó)國(guó)家實(shí)驗(yàn)室阿貢（Argonne）闪萄，隸屬于美國(guó)能源部。阿貢國(guó)家實(shí)驗(yàn)室的一個(gè)分部是應(yīng)用數(shù)學(xué)和科學(xué)計(jì)算奇颠，阿貢定理證明小組就在這個(gè)分部败去。阿貢小組對(duì)機(jī)器定理證明的貢獻(xiàn)是決定性的和全方位的。羅賓遜就是在阿貢工作時(shí)提出了歸結(jié)原理大刊。阿貢為歸結(jié)原理的實(shí)現(xiàn)提供了一整套生態(tài)環(huán)境为迈。

自動(dòng)定理證明依靠的工具是計(jì)算機(jī)，正是計(jì)算模糊了理性和經(jīng)驗(yàn)的邊界缺菌『可以登高一步說：計(jì)算是知識(shí)演化的基礎(chǔ)，計(jì)算也是知識(shí)民主化的工具伴郁。

有些領(lǐng)域耿战，一開始就把百分之八十的容易問題都解決了，而后就一直很難焊傅，進(jìn)展很慢剂陡，少有突破。人工智能就是這樣狐胎，定理證明尤其如此鸭栖。

自動(dòng)定理證明的衰落

維特根斯坦曾有言：“邏輯似乎處于一切科學(xué)的底部——因?yàn)檫壿嫷难芯刻剿饕磺惺挛锏谋举|(zhì)∥粘玻”但數(shù)學(xué)家不覺得他們非得趴在邏輯學(xué)家的背上晕鹊。自動(dòng)定理證明的狀況與此相關(guān)，數(shù)學(xué)家沒覺得這玩意兒有用，人工智能的兩派人馬都不待見溅话。再過幾年晓锻，可能就沒什么人能教“自動(dòng)定理證明”的課了。

數(shù)學(xué)是人類智力的最高端飞几。不明就里的哲學(xué)家對(duì)數(shù)學(xué)說三道四是令人最不能忍受的砚哆。

第三章從專家系統(tǒng)到知識(shí)圖譜

費(fèi)根鮑姆1964年在斯坦福大學(xué)高等行為科學(xué)研究中心的一次會(huì)上見到了李德伯格，對(duì)科學(xué)哲學(xué)的共同愛好促成了他們漫長(zhǎng)而富有成效的合作屑墨。那時(shí)李德伯格的研究方向是太空生命探測(cè)躁锁，更具體地說就是用質(zhì)譜儀分析火星上采集來的數(shù)據(jù)，看火星上有無可能存在生命绪钥。費(fèi)根鮑姆的興趣則是機(jī)器歸納法焕刮，用現(xiàn)在的話說就是機(jī)器學(xué)習(xí)瓶颠。他們倆，一個(gè)有數(shù)據(jù)舅逸，一個(gè)搞工具儒拂，一拍即合寸潦。

第一個(gè)專家系統(tǒng)DENDRAL——

DENDRAL輸入的是質(zhì)譜儀的數(shù)據(jù)，輸出是給定物質(zhì)的化學(xué)結(jié)構(gòu)社痛。費(fèi)根鮑姆和他的學(xué)生捕捉翟若適和他的學(xué)生的化學(xué)分析知識(shí)见转，把知識(shí)提煉成規(guī)則。這個(gè)專家系統(tǒng)有時(shí)做得比翟若適的學(xué)生還準(zhǔn)蒜哀。

專家系統(tǒng)MYCIN斩箫，一個(gè)針對(duì)細(xì)菌感染的診斷系統(tǒng)。MYCIN的處方準(zhǔn)確率是 69%撵儿，當(dāng)時(shí)尦丝停科醫(yī)生的準(zhǔn)確率是 80%，但 MYCIN 的成績(jī)已經(jīng)優(yōu)于非本專業(yè)的醫(yī)生淀歇。

紐厄爾易核，作為外人，卻認(rèn)為MYCIN才是專家系統(tǒng)的鼻祖浪默，因?yàn)镸YCIN首創(chuàng)了后來作為專家系統(tǒng)要素的產(chǎn)生式規(guī)則：不精確推理牡直。DENDRAL的初衷則是從專家采集來的數(shù)據(jù)做機(jī)器歸納，或者說機(jī)器學(xué)習(xí)纳决。

最早的知識(shí)圖譜——

在日本五代機(jī)項(xiàng)目帶來的狂潮中碰逸，美國(guó)政府決定聯(lián)合多家高技術(shù)企業(yè)在得克薩斯大學(xué)奧斯汀分校所在地建立微電子與計(jì)算機(jī)技術(shù)公司（MCC，Micro electronics and Computer Technology Corporation）以抗衡日本阔加。當(dāng)雷納特來到MCC時(shí)饵史，他已經(jīng)有了一個(gè)新的想法：把人類的常識(shí)編碼，建成知識(shí)庫(kù)。這個(gè)新項(xiàng)目叫Cyc约急，這三個(gè)字母取自英文單詞“百科全書”（encyclopedia）零远。這其實(shí)就是最早的知識(shí)圖譜。雷納特堅(jiān)定地支持他老師費(fèi)根鮑姆的知識(shí)原則（Knowledge Principle）：一個(gè)系統(tǒng)之所以能展示高級(jí)的智能理解和行為厌蔽，主要是因?yàn)樵谒鶑氖碌念I(lǐng)域所表現(xiàn)出來的特定知識(shí)：概念牵辣、事實(shí)、表示奴饮、方法纬向、比喻以及啟發(fā)。雷納特甚至說：“智能就是一千萬(wàn)條規(guī)則戴卜∮馓酰”

谷歌和知識(shí)圖譜

在維基百科的同時(shí)，還有個(gè)Freebase投剥。維基百科的受眾是人师脂，而Freebase則強(qiáng)調(diào)機(jī)器可讀。2016年維基百科達(dá)到 1000 萬(wàn)篇文章江锨，其中英文版達(dá)到 500 萬(wàn)篇文章吃警，而 Freebase 有 4000 萬(wàn)個(gè)實(shí)體表示。Freebase 的背后是一家名叫 Metaweb 的創(chuàng)業(yè)公司啄育，創(chuàng)始人之一是希利斯（Danny Hillis）酌心。2010 年Metaweb 被谷歌收購(gòu)，谷歌給它起了個(gè)響亮的名字“知識(shí)圖譜”挑豌。2016 年谷歌對(duì) Freebase 停止更新安券，把所有數(shù)據(jù)捐給維基數(shù)據(jù)（Wikidata）。

第四章計(jì)算機(jī)的教訓(xùn)

1978年氓英，當(dāng)時(shí)的計(jì)算機(jī)工業(yè)按照電路工藝劃分計(jì)算機(jī)的發(fā)展：第一代計(jì)算機(jī)是電子管侯勉，第二代是晶體管，第三代是集成電路债蓝，第四代是超大規(guī)模集成電路（VLSI）壳鹤。

三年后的1981年，以元岡達(dá)為首的委員會(huì)認(rèn)真提交了一份長(zhǎng)達(dá)89頁(yè)的報(bào)告饰迹，他們認(rèn)為第五代計(jì)算機(jī)不應(yīng)再以硬件工藝為劃分芳誓，更應(yīng)看重體系結(jié)構(gòu)和軟件。

英國(guó)人沃倫（David Warren）1982年在 AI Magazine 上發(fā)表的論文分析了渕一博為什么選擇了Prolog：在五代機(jī)的所有應(yīng)用中啊鸭，Prolog能覆蓋的面最廣锹淌。五代機(jī)的終極目標(biāo)是知識(shí)信息處理，在當(dāng)時(shí)的語(yǔ)境下特指專家系統(tǒng)和自然語(yǔ)言理解赠制。那時(shí)的自然語(yǔ)言理解還是規(guī)則為王的時(shí)代赂摆。Prolog很明顯比 LISP更適合這些應(yīng)用挟憔。而且在小規(guī)模數(shù)據(jù)的基準(zhǔn)測(cè)試中，Prolog 作為數(shù)據(jù)庫(kù)查詢語(yǔ)言甚至不輸關(guān)系代數(shù)烟号。當(dāng)然绊谭，Prolog不是美國(guó)人發(fā)明的，這也是一個(gè)重要因素汪拥，這讓日本人更有機(jī)會(huì)掌控并占據(jù)領(lǐng)先地位达传。

計(jì)算機(jī)科學(xué)的進(jìn)步主要是由兩件事驅(qū)動(dòng)的：機(jī)器太慢；寫程序太慢迫筑。在任何時(shí)間點(diǎn)宪赶，在半導(dǎo)體技術(shù)的約束下，提高機(jī)器速度的唯一辦法是并行處理脯燃。Prolog 是高級(jí)語(yǔ)言搂妻，表達(dá)效率肯定要比過程語(yǔ)言更高。于是辕棚，如何并發(fā)地執(zhí)行Prolog在五代機(jī)項(xiàng)目一開始就是重要的研究課題欲主。

美國(guó)與日本的第五代機(jī)競(jìng)爭(zhēng)

日本的五代機(jī)項(xiàng)目為美國(guó)敲響了警鐘。1982年美國(guó)政府決定成立MCC（Microelectronics and Computer Consortium）坟募，作為對(duì)日本五代機(jī)項(xiàng)目的回應(yīng)岛蚤。

五代機(jī)的衰落

五代機(jī)的衰落在1988年就已露出端倪。1981年的第一次五代機(jī)會(huì)議的會(huì)議錄只有 280 多頁(yè)懈糯，其中還包括 89 頁(yè)的元岡達(dá)報(bào)告。而 1988 年的五代機(jī)會(huì)議錄有 1300 頁(yè)三大卷单雾。但從會(huì)議錄中可以看出赚哗，五代機(jī)已經(jīng)成了大雜燴，失去了聚焦點(diǎn)硅堆，給人感覺五代機(jī)不會(huì)在任何相關(guān)領(lǐng)域取得突破性進(jìn)展屿储，而同時(shí)八桿子打不著的領(lǐng)域也拼命向五代機(jī)靠攏。就像當(dāng)下人工智能領(lǐng)域的創(chuàng)業(yè)渐逃，一些和人工智能毫無瓜葛的社會(huì)閑雜人員一夜間都成了AI 專家够掠，拿到 VC 的錢之后再想干啥。

五代機(jī)沒有能證明它能干傳統(tǒng)機(jī)不能干的活茄菊，在典型的應(yīng)用中疯潭，五代機(jī)也沒比傳統(tǒng)機(jī)快多少。

第五章神經(jīng)網(wǎng)絡(luò)簡(jiǎn)史

自圖靈提出“機(jī)器與智能”起面殖，就一直有兩派觀點(diǎn)：一派認(rèn)為實(shí)現(xiàn)人工智能必須用邏輯和符號(hào)系統(tǒng)竖哩，這一派看問題是自頂向下的；還有一派認(rèn)為通過仿造大腦可以達(dá)到人工智能脊僚，這一派是自底向上的相叁，他們認(rèn)為如果能造一臺(tái)機(jī)器，模擬大腦中的神經(jīng)網(wǎng)絡(luò)，這臺(tái)機(jī)器就有智能了增淹。

模擬神經(jīng)網(wǎng)絡(luò)的原創(chuàng)文章發(fā)表于1943年椿访，兩位作者都是傳奇人物：麥卡洛克（Warren McCulloch）和皮茨（Walter Pitts）。

神經(jīng)網(wǎng)絡(luò)研究的后一個(gè)大突破是在1957年虑润∈昀耄康奈爾大學(xué)的實(shí)驗(yàn)心理學(xué)家羅森布拉特（Frank Rosenblatt）在一臺(tái) IBM-704 計(jì)算機(jī)上模擬實(shí)現(xiàn)了一種他發(fā)明的叫作“感知機(jī)”（Perceptron）的神經(jīng)網(wǎng)絡(luò)模型。這個(gè)模型可以完成一些簡(jiǎn)單的視覺處理任務(wù)端辱。這在當(dāng)時(shí)引起了轟動(dòng)梁剔。

明斯基和佩珀特證明了單層神經(jīng)網(wǎng)絡(luò)不能解決XOR（異或）問題。異或是一個(gè)基本邏輯問題舞蔽，如果連這個(gè)問題都解決不了荣病，那神經(jīng)網(wǎng)絡(luò)的計(jì)算能力實(shí)在有限。其實(shí)羅森布拉特也已猜到“感知機(jī)”可能存在限制渗柿，特別是在“符號(hào)處理”方面个盆，并以他神經(jīng)心理學(xué)家的經(jīng)驗(yàn)指出，某些大腦受到傷害的人也不能處理符號(hào)朵栖。但“感知機(jī)”的缺陷被明斯基以一種敵意的方式呈現(xiàn)出來颊亮，當(dāng)時(shí)對(duì)羅森布拉特是個(gè)致命打擊。原來的政府資助機(jī)構(gòu)也逐漸停止對(duì)神經(jīng)網(wǎng)絡(luò)研究的支持陨溅。

神經(jīng)網(wǎng)絡(luò)在20世紀(jì)80年代的復(fù)興歸功于物理學(xué)家霍普菲爾德（John Hopfield）终惑。1982 年，那時(shí)在加州理工學(xué)院擔(dān)任生物物理教授的霍普菲爾德门扇，提出了一種新的神經(jīng)網(wǎng)絡(luò)雹有，可以解決一大類模式識(shí)別問題，還可以給出一類組合優(yōu)化問題的近似解臼寄。這種神經(jīng)網(wǎng)絡(luò)模型后來被稱為霍普菲爾德網(wǎng)絡(luò)霸奕。

1993年，美國(guó)電氣電子工程師學(xué)會(huì) IEEE開始出版《神經(jīng)網(wǎng)絡(luò)會(huì)刊》吉拳，為該領(lǐng)域的高質(zhì)量文章提供出版渠道质帅。美國(guó)國(guó)防部、海軍和能源部等也加大資助力度留攒。神經(jīng)網(wǎng)絡(luò)一下子成了顯學(xué)煤惩。

神經(jīng)網(wǎng)絡(luò)在20世紀(jì)80年代的光芒被后來的互聯(lián)網(wǎng)掩蓋了。但這幾年稼跳，恰恰又是互聯(lián)網(wǎng)產(chǎn)生的海量數(shù)據(jù)給了神經(jīng)網(wǎng)絡(luò)更大的機(jī)會(huì)盟庞。而人工智能領(lǐng)域最火的詞兒就是“深度學(xué)習(xí)”。神經(jīng)網(wǎng)絡(luò)由一層一層的神經(jīng)元構(gòu)成汤善。層數(shù)越多什猖，就越深票彪，所謂深度學(xué)習(xí)就是用很多層神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)達(dá)到機(jī)器學(xué)習(xí)的功能。

辛頓是深度學(xué)習(xí)的先驅(qū)不狮，他和學(xué)生在2006年發(fā)表的兩篇文章開辟了這個(gè)新領(lǐng)域降铸，其中登在《科學(xué)》上的那篇提出了降維和逐層預(yù)訓(xùn)練的方法，使得深度網(wǎng)絡(luò)的實(shí)用化成為可能摇零。

2012年推掸，時(shí)任斯坦福大學(xué)人工智能實(shí)驗(yàn)室主任的吳恩達(dá)和谷歌合作建造了一個(gè)當(dāng)時(shí)最大的神經(jīng)網(wǎng)絡(luò)，這是谷歌神秘的X實(shí)驗(yàn)室的一個(gè)計(jì)劃驻仅。網(wǎng)絡(luò)上一度瘋傳的谷歌貓臉識(shí)別就是用的這個(gè)參數(shù)多達(dá)十七億的神經(jīng)網(wǎng)絡(luò)谅畅。后來，吳恩達(dá)在斯坦福大學(xué)又搞了個(gè)更大的神經(jīng)網(wǎng)絡(luò)噪服，參數(shù)高達(dá)一百一十二億毡泻。

第六章計(jì)算機(jī)下棋簡(jiǎn)史：機(jī)定勝人，人定勝天

跳棋——

下棋一直就是人類智能的挑戰(zhàn)粘优，自然也成了人工智能的標(biāo)志之一仇味。二戰(zhàn)沒結(jié)束時(shí)，圖靈就研究計(jì)算機(jī)下棋雹顺，他1947年編了第一個(gè)下棋程序丹墨，可惜那時(shí)計(jì)算機(jī)的時(shí)間（簡(jiǎn)稱“機(jī)時(shí)”）很寶貴，輪不到他上機(jī)嬉愧。

1951年贩挣，圖靈的朋友斯特拉切（Christopher Strachey）在曼徹斯特?Mark-1上寫了第一款跳棋程序。圖靈在1952年曾與之對(duì)弈一局英染，輕松取勝揽惹。1956年 IBM 的塞繆爾（Arthur Samuel，人工智能里程碑達(dá)特茅斯會(huì)議的參加者之一）寫了第二個(gè)跳棋程序四康，這款程序的特點(diǎn)是自學(xué)習(xí)，這也是最早的機(jī)器學(xué)習(xí)程序之一狭握，后來不斷改進(jìn)闪金，曾經(jīng)贏過盲人跳棋大師。

舍佛團(tuán)隊(duì)繼續(xù)精研跳棋理論和實(shí)踐论颅，直到2007年哎垦，他們證明對(duì)于跳棋，只要對(duì)弈雙方不犯錯(cuò)恃疯，最終都是和棋漏设，而Chinook已經(jīng)可以不犯錯(cuò)。他們的結(jié)果發(fā)表在2007年 9 月的《科學(xué)》雜志上今妄，自此跳棋這一頁(yè)就算翻過去了郑口。舍佛的興趣遂轉(zhuǎn)向德州撲克和圍棋鸳碧。

計(jì)算機(jī)下棋——

第一個(gè)可以走完全局的下棋程序是IBM的工程師伯恩斯坦（Alex Bernstein）1958 年在一臺(tái) IBM 704 上做的。

1966年犬性，美蘇的對(duì)抗也擴(kuò)展到計(jì)算機(jī)下棋瞻离。蘇聯(lián)科學(xué)院的理論與實(shí)驗(yàn)物理研究所（ITEP）也在本所研制的一臺(tái) M20 計(jì)算機(jī)上開發(fā)了一款下棋程序，他們要和斯坦福大學(xué)的Kotok-McCarthy程序一決高下乒裆。從 1966 年 11 月 22 日開始套利，直到 1967 年 3 月 10 日止，他們通過電報(bào)的方式走了四局鹤耍。最后蘇聯(lián) 3:1 戰(zhàn)勝美國(guó)肉迫。

20世紀(jì) 80年代，機(jī)器之間的比賽此起彼伏稿黄，但機(jī)器和人之間仍然有著不可逾越的鴻溝喊衫。1980 年，天才弗雷德金（Edward Fredkin）專為計(jì)算機(jī)下棋建立了弗雷德金獎(jiǎng)金抛猖，獎(jiǎng)有三等格侯，頭等獎(jiǎng)是 10 萬(wàn)美元，獎(jiǎng)給第一款能贏現(xiàn)任世界冠軍的下棋機(jī)器财著。

象棋：深藍(lán)——

IBM的外號(hào)叫 Big Blue联四，于是新的項(xiàng)目 1996 年被命名為“深藍(lán)”（Deep Blue）。1996 年 ACM 年會(huì)的閉幕節(jié)目是“深藍(lán)”對(duì)決卡斯帕羅夫撑教，六局棋朝墩。“深藍(lán)”旗開得勝伟姐，第一局就贏了老卡收苏，最后還是老卡 4:2 贏得決賽。但此時(shí)老卡對(duì)“深藍(lán)”刮目相看愤兵，他說機(jī)器對(duì)手不光有洞見鹿霸，而且有幾步簡(jiǎn)直像“上帝下的”。

1997年 5月 11 日秆乳，老卡認(rèn)輸懦鼠，“深藍(lán)”成了第一位戰(zhàn)勝當(dāng)時(shí)世界冠軍的機(jī)器。在“深藍(lán)”贏了卡斯帕羅夫之后屹堰，職業(yè)棋手并沒有因此而改行肛冶，他們反而更多地依賴計(jì)算機(jī)來訓(xùn)練。

圍棋：AlphaGo——

谷歌的AlphaGo首次引用了強(qiáng)化學(xué)習(xí)（Reinforcement Learning）扯键，使得機(jī)器和自己對(duì)弈學(xué)習(xí)睦袖。

第七章自然語(yǔ)言處理

喬治敦實(shí)驗(yàn)要早于達(dá)特茅斯會(huì)議，這也從另一個(gè)角度證明了達(dá)特茅斯會(huì)議更多是“人工智能”這個(gè)詞兒流行的源頭荣刑，而不是這門學(xué)科的起點(diǎn)馅笙。

1966年 11月伦乔，ALPAC 發(fā)布了《語(yǔ)言與機(jī)器》報(bào)告，稱機(jī)器翻譯比人翻譯要慢延蟹，更不準(zhǔn)確评矩，而且成本更高（估算比人要貴兩倍）。結(jié)論是機(jī)器翻譯在可預(yù)見的未來沒法實(shí)用阱飘，應(yīng)該立即停止對(duì)機(jī)器翻譯的資助斥杜，轉(zhuǎn)而支持一些更基礎(chǔ)的、輔助性的研究沥匈，如電子字典等蔗喂。這個(gè)報(bào)告第一次提出了“計(jì)算語(yǔ)言學(xué)”的概念。

喬姆斯基之于語(yǔ)言學(xué)和認(rèn)知科學(xué)高帖，就像圖靈之于計(jì)算機(jī)科學(xué)缰儿。喬姆斯基認(rèn)為，所有的語(yǔ)言（人工或自然）都有與此類似的句法結(jié)構(gòu)散址，并進(jìn)一步指出語(yǔ)言的結(jié)構(gòu)是內(nèi)在的乖阵，而不是通過經(jīng)驗(yàn)習(xí)得的（acquired）。

對(duì)話機(jī)器人的起源——ELIZA预麸、PARRY

魏森鮑姆（Joseph Weizenbaum）：1960年瞪浸，他得了數(shù)學(xué)碩士學(xué)位后就進(jìn)了工業(yè)界，在通用電氣的工作經(jīng)歷把他引到了剛剛誕生的計(jì)算機(jī)行業(yè)吏祸。他最顯赫的成就就是對(duì)話程序ELIZA《云眩現(xiàn)在對(duì)話程序有一個(gè)更流行且形象的詞兒“聊天機(jī)器人”（chatbot或 chatterbot），但根兒都在 ELIZA贡翘。

科爾比感興趣的問題正好和魏森鮑姆相反：怎么樣構(gòu)造一個(gè)能聊天的病人蹈矮，一方面可以培訓(xùn)心理醫(yī)生，另一方面理解病人的征兆鸣驱。他的成果在1972 年變成了計(jì)算機(jī)程序PARRY泛鸟。

隨著ELIZA在媒體上的成功，魏森鮑姆和科爾比漸行漸遠(yuǎn)踊东。ELIZA的廣泛影響力最終把魏森鮑姆變成技術(shù)的異教徒谈况。當(dāng)大家在爭(zhēng)論機(jī)器能不能最終超越人類時(shí)，他指出這不是“能不能”的問題递胧，而是“該不該”的問題。他意識(shí)到了技術(shù)的可怕赡茸，此后的研究方向轉(zhuǎn)變成計(jì)算機(jī)技術(shù)所帶來的社會(huì)責(zé)任和道德問題缎脾。

機(jī)器人手臂——

當(dāng)時(shí)真正建立一個(gè)機(jī)器人手臂，還有一定難度占卧，于是維諾格拉德利用顯示器展示了一個(gè)虛擬的積木世界遗菠。SHRDLU 為這個(gè)積木世界建立了模型联喘，例如每個(gè)積木塊的性質(zhì)，長(zhǎng)寬高辙纬、顏色豁遭、形狀等，以及什么積木塊可以搭在什么積木塊的上面贺拣。人可以通過簡(jiǎn)單的自然語(yǔ)言蓖谢，命令一個(gè)機(jī)器手對(duì)這個(gè)積木世界進(jìn)行虛擬操作。例如拿起一個(gè)特定的積木塊把它摞在另一個(gè)積木塊上譬涡。當(dāng)機(jī)器吃不準(zhǔn)人的命令時(shí)闪幽，可以向人發(fā)問。

SHRDLU要遠(yuǎn)比 ELIZA復(fù)雜涡匀，學(xué)術(shù)意義也更加深刻盯腌。SHRDLU 把當(dāng)時(shí)很多 AI 技術(shù)整合到一起，除了自然語(yǔ)言理解外陨瘩，還有規(guī)劃（Planning）和知識(shí)表示腕够。

神經(jīng)機(jī)器翻譯——

2016年，谷歌發(fā)布神經(jīng)機(jī)器翻譯（Google Neural Machine Translation舌劳，簡(jiǎn)稱 GNMT）系統(tǒng)帚湘，再次大幅提高機(jī)器翻譯的水平。和谷歌更早期的基于短語(yǔ)的機(jī)器翻譯（Phrase-Based Machine Translation蒿囤，簡(jiǎn)稱 PBMT）不同客们，神經(jīng)翻譯的基本單位是句子。谷歌使用了循環(huán)神經(jīng)網(wǎng)絡(luò)RNN?做序列到序列（Sequence to Sequence）的學(xué)習(xí)材诽，硬件設(shè)備是谷歌自己的 TensorFlow 平臺(tái)底挫。

2017年，F(xiàn)acebook進(jìn)一步提高了翻譯效率脸侥。他們用自己擅長(zhǎng)的卷積神經(jīng)網(wǎng)絡(luò)CNN建邓，進(jìn)行序列到序列的學(xué)習(xí)。Facebook號(hào)稱睁枕，英文-德文和英文-法文翻譯的基準(zhǔn)測(cè)試表明官边，他們的結(jié)果在準(zhǔn)確度上不輸谷歌，而在計(jì)算速度上則可以比谷歌的RNN有一個(gè)數(shù)量級(jí)的提升外遇。

語(yǔ)義的問題大致可分兩類注簿，一類體現(xiàn)在人和世界的互動(dòng)。還有一類體現(xiàn)在人和人的交流跳仿。魏森鮑姆的ELIZA就屬這類诡渴。

問答系統(tǒng)的組成——

大體上說，問答系統(tǒng)有三個(gè)必備的組成部分菲语，第一部分是問題理解妄辩，第二部分是知識(shí)查詢惑灵，第三部分是答案生成。這三個(gè)部分相輔相成眼耀，第一部分和第三部分是自然語(yǔ)言處理的工作英支。

語(yǔ)音輸入——

在谷歌和Facebook在機(jī)器翻譯取得長(zhǎng)足進(jìn)展之前，語(yǔ)音輸入率先獲得突破哮伟，2011年微軟鄧力團(tuán)隊(duì)在語(yǔ)音識(shí)別上的成功是深度學(xué)習(xí)的標(biāo)志性事件之一干花。蘋果、谷歌和微軟都推出實(shí)用產(chǎn)品澈吨。中國(guó)企業(yè)科大訊飛的語(yǔ)音輸入的應(yīng)用技術(shù)也漸趨成熟把敢。

喬姆斯基對(duì)人工智能的批評(píng)的核心在于“可解釋性”。AlphaGo 不能解釋自己下棋的路數(shù)谅辣，算不算會(huì)下棋呢修赞？也可以反過來說，只有解釋了桑阶，人類才能從中得到洞見柏副，學(xué)習(xí)知識(shí)。

第八章向自然學(xué)習(xí)：從遺傳算法到強(qiáng)化學(xué)習(xí)

遺傳編程——

霍蘭德的學(xué)生寇扎（John Koza）在1987年給出了一個(gè)思路蚣录，并把它命名為“遺傳編程”（Genetic Programming）割择。

強(qiáng)化學(xué)習(xí)——

強(qiáng)化學(xué)習(xí)的理論基礎(chǔ)之一是馬爾科夫決策過程。強(qiáng)化學(xué)習(xí)就是Agent根據(jù)經(jīng)驗(yàn)改變策略以期達(dá)到長(zhǎng)期最大獎(jiǎng)賞的過程萎河。

強(qiáng)化學(xué)習(xí)的另一個(gè)理論基礎(chǔ)是動(dòng)態(tài)規(guī)劃荔泳。

在計(jì)算能力的約束下，強(qiáng)化學(xué)習(xí)的環(huán)境不宜太復(fù)雜虐杯。萌芽期的強(qiáng)化學(xué)習(xí)的例子都是游戲玛歌，如貝爾曼的“老虎機(jī)”和塞繆爾（Samuel）的跳棋。游戲的環(huán)境相對(duì)容易定義擎椰，在棋類比賽中支子，環(huán)境就是對(duì)手和規(guī)則。強(qiáng)化學(xué)習(xí)被用來下圍棋不是偶然的达舒。

第九章哲學(xué)家和人工智能

休伯特·德雷弗斯：1964年夏季他再次到蘭德公司工作值朋，寫出了那篇廣為流傳的“煉金術(shù)與人工智能”。這篇文章一開始只是攻擊紐厄爾和司馬賀的觀點(diǎn)巩搏，后來內(nèi)容逐漸被擴(kuò)充昨登，攻擊的范圍也擴(kuò)大，終于成為一本書贯底，書名是《計(jì)算機(jī)不能干什么》篙骡，變成了對(duì)人工智能的全面批評(píng)。

德雷弗斯能夠如此長(zhǎng)久地混跡人工智能的江湖，有兩個(gè)原因：其一糯俗，人工智能內(nèi)部一直就是兩大派不和，而且派中有派睦擂，很少有過學(xué)科的發(fā)展像人工智能這樣起伏跌宕得湘，蒼蠅不叮無縫的蛋；其二顿仇，相當(dāng)一批人工智能工作者有哲學(xué)情懷淘正。

“中文屋”實(shí)驗(yàn)——

所謂“中文屋”思想實(shí)驗(yàn)是這樣的：假設(shè)有個(gè)只懂英文不懂中文的人（塞爾的第一人稱“我”）被鎖在一個(gè)房間里，屋里只給“我”留了一本手冊(cè)或一個(gè)計(jì)算機(jī)程序臼闻，這個(gè)手冊(cè)或程序教“我”在收到中文信息時(shí)如何用中文應(yīng)對(duì)鸿吆。屋外的人用中文問問題，屋里的“我”依靠程序用中文回答問題述呐，溝通方式是遞紙條惩淳。塞爾的問題是：假設(shè)屋外的人不能區(qū)分屋里的人是不是母語(yǔ)為中文，那么屋里的“我”是不是就算懂中文乓搬？塞爾自己認(rèn)為“我”不懂中文思犁。很明顯，這個(gè)場(chǎng)景源自圖靈測(cè)試进肯，只不過圖靈測(cè)試的環(huán)境是英文激蹲，而中文屋里既有中文又有英文。

彭羅斯曾經(jīng)這樣談到機(jī)器的情感和道德：如果你買一臺(tái)計(jì)算機(jī)江掩，它是有情感的学辱，那么我們就有道德問題，因?yàn)橛?jì)算機(jī)的意愿可能被違反环形，并可能會(huì)被當(dāng)作奴隸策泣。我們首先必須說道德是一個(gè)社會(huì)問題，也就是說當(dāng)一個(gè)社會(huì)只有一個(gè)個(gè)體（無論是人還是計(jì)算機(jī)）時(shí)斟赚，是不存在道德問題的着降。

第十章人是機(jī)器嗎？——人工智能的計(jì)算理論基礎(chǔ)

如果我們把“智能”當(dāng)作人類特有的性質(zhì)拗军，那么“人是機(jī)器嗎”這個(gè)問題就等價(jià)于“機(jī)器有智能嗎”任洞。

怎樣才算是高效率算法呢？一般的看法是发侵，運(yùn)行時(shí)間和空間隨著問題規(guī)模擴(kuò)大而變得很大的就不是高效的算法交掏。

在可計(jì)算性上超越圖靈機(jī)的裝置叫“超計(jì)算”。

BSS模型的主要用途是為數(shù)值計(jì)算中的算法分析提供理論基礎(chǔ)刃鳄。

最早提出通用量子計(jì)算模型的是以色列出生的英國(guó)人多依奇盅弛，他1985年在《皇家學(xué)會(huì)會(huì)刊》發(fā)表文章首創(chuàng)通用量子圖靈機(jī)模型，為量子計(jì)算提供了理論基礎(chǔ)。他進(jìn)一步提出丘奇-圖靈-多依奇原理（ChurchTuring-Deutsch Principle）：任何物理過程都可以被通用計(jì)算裝置（量子計(jì)算機(jī)）所模擬挪鹏。

第十一章智能的進(jìn)化

強(qiáng)人工智能是說機(jī)器會(huì)全面達(dá)到人的智能见秽，強(qiáng)人工智能有時(shí)也會(huì)和“通用人工智能”（Artificial General Intelligence）同義；而弱人工智能是說機(jī)器會(huì)在某些方面達(dá)到人的智能——AlphaGo就是弱人工智能的代表讨盒。