摘要：
人工智能 (Artificial Intelligence，AI) 是计算机科学的一个分支领域，致力于让机器模拟人类思维，执行学习、推理等工作。人工智能的发展经历了以下五个阶段。下... 人工智能 (Artificial Intelligence，AI) 是计算机科学的一个分支领域，致力于让机器模拟人类思维，执行学习、推理等工作。人工智能的发展经历了以下五个阶段。
下面对人工智能发展的五个阶段，分别进行简要的介绍。
1942年，科幻作家阿西莫夫（Isaac Asimov）在小说《我, 机器人》中提出了机器人三定律：
第一：机器人不得伤害人，也不得见人受到伤害而袖手旁观； 第二：机器人应服从人的一切命令，但不得违反第一定律； 第三：机器人应保护自身的安全，但不得违反第一、第二定律。
但机器人三定律中隐含着两个逻辑悖论：机器人可以杀害正在行凶杀人的人吗？人类自我伤害时而不自知时，机器人该怎么做？
2004年，威尔•史密斯主演的同名电影《我，机器人》，对这两个悖论进行了深度的探索。在电影中，中央电脑Viki为了人类的整体利益，控制部分机器人“保护”人类，不允许他们出门，不允许他们做任何事情。最终人类与少数“正义”的机器人联手反抗Viki并取得成功。
艾伦•图灵（Alan Turing，1912~1954）是英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。二战中协助军方破解德军密码系统Enigma，帮助盟军取得胜利。
1950年，图灵写出了研究论文“计算机器与智能”，深入探讨了智能的本质，以及机器智能能否实现。论文的开篇第一句话是：我提议考虑这个问题，“机器能够思考吗？”。而结尾最后一句是：我们只能看到前面一小段距离，但可以看到有大量要做的事情。
在论文中，图灵提出了“模仿游戏”（即图灵测试）的概念，用来检测机器智能水平。 图灵测试有两个版本。
图灵测试，用图灵的话总结起来就是：”如果一台计算机可让人误认为它是人，则可称它具有智能 “。1966年设立了以图灵名字命名的图灵奖，这被称为计算机界的“诺贝尔奖”
1955年，达特茅斯学院的教师，约翰•麦卡锡（John McCarthy），首次提出了“人工智能”的概念，来概括神经网络、自然语言等“各类机器智能”技术。1956年，麦卡锡推动召开了达特茅斯会议，也叫“人工智能夏季研究项目”。
会议的主题是：让机器使用语言，形成抽象与概念，解决目前只有人类才能求解的问题，以及不断自我提升。会上讨论了七大议题：自动计算机；如何为计算机编程，使其能够使用语言；神经网络；计算规模理论；自我改进；抽象；随机性与创造性。最终会议形成了一个共识：人工智能（AI）对人类具有很大的价值。
达特茅斯会议上的主要参会者，后来都成为了人工智能史上鼎鼎有名的人物。其中就有四位获得过图灵奖，西蒙还是诺贝儿经济学奖的获得者。
1958年，纽厄尔和西蒙说到：十年之内，数字计算机将成为国际象棋世界冠军，数字计算机将发现并证明一个重要的数学定理。但直到39年后的1997年，IBM深蓝才战胜国际象棋世界冠军卡斯帕罗夫。18年后的1976年，计算机通过暴力计算证明了四色定理。
1965年，西蒙说到：二十年内，机器将能完成人能做到的一切工作。显然，这个预言直到目前为止，也远远没有实现。
但是，纽厄尔和西蒙的豪言壮语，得到了官方的认可。DARPA（美国国防部高等研究计划局）对纽厄尔和西蒙在卡内基梅隆大学（CMU）的工作组进行了资助。
1967年，明斯基说到：一代之内，创造“人工智能”的问题将获得实质上的解决。1970年，他又乐观地说到：在三到八年的时间里我们将得到一台具有人类平均智能的机器。
当然，这些豪言壮语，离真正的实现还有很长的路要走。但这种乐观的情绪，在1963年至70年代也吸引了DARPA每年投入300万美元资助MIT的AI研究，其中就包括明斯基的AI团队。
在人工智能的热潮中，涌现了从不同的学科背景出发的三大学派：
1957年，弗兰克•罗森布莱特（Frank Rosenblatt）提出感知器( Perceptron)概念，并建造了感知器的机电模型“Mark I”。感知器通过监督学习算法，迭代地解决线性的二分类问题，极大地拓展了机器可求解问题的种类。感知器的出现激起一股人工智能热潮。学术界和大众都给予厚望。
罗森布莱特对人工智能的未来也非常乐观：“感知、识别和辨认周边环境，无需人工训练或控制，我们即将见证这样的机器的诞生。”
人工智能的热潮，也传导到了文艺界。《2001：太空漫游》于1968年上映，是由斯坦利·库布里克执导的科幻电影，也是人工智能主题电影的开创之作。马文·明斯基作为技术顾问。电影讲述了人类为了寻找“黑石”根源而进行木星登陆的故事。
电影中的人工智能叫HAL 9000。Hal 9000掌控“发现者号”，是具有高度智能和情感的机器人。在HAL 9000背叛了Dave，拒绝执行他的指令后，Dave强行一个个拔掉Hal的记忆卡。Hal逐步失去智能并宕机。
有意思的是，为什么Dave是以拔记忆卡的方式来关停HAL 9000？这和马文·明斯基的符号主义思想背景恐怕有着深刻的关联。根据符号主义的主张，知识是信息的一种形式，是构成智能的基础，知识表示、知识推理、知识运用是人工智能的核心，而知识是存储在“记忆卡”上面的。
1969年，马文·明斯基和西蒙·派珀特（Seymour Papert）写了一本书《感知器》，对罗森布莱特的感知器提出了质疑。书中指出：单层感知器本质上是一个线性分类器，无法求解非线性分类问题，甚至连简单的异或（XOR）问题都无法求解。
单层感知器的这一局限，使得连接主义备受质疑，再加上AI的实际应用止步不前，AI迎来第一次寒冬。符号主义和专家系统开始得到重视，并流行起来。
明斯基对感知器的批评导致神经网络研究停滞了十年。当然，这也一定程度上要归咎于AI研究者们低估了AI课题的研究难度，做出各种不切实际的承诺，而且当时的模型和硬件计算能力的限制，也使得这些承诺完全无法按预期实现。
研究和应用上的停滞，直接导致了各国对人工智能方向研究经费的削减。1973年英国科学研究委员会消减对AI研究的资助。1973~1974 年，美国DARPA 大幅削减对AI研究的资助，到1974年，已经很难再找到对AI项目的资助了。
AI的第一次寒冬，让研究者们的研究热点，转向了专家系统。专家系统，是模仿人类专家决策能力的计算机系统。依据一组从专门知识中推演出的逻辑规则，来回答特定领域中的问题。专家系统包含若干子系统：知识库，推理引擎，用户界面。
知识库系统和知识工程成为80年代AI研究的主要方向，出现了许多有名的专家系统。
专家系统具有明显的一些优势：
专家系统的这一系列优势，吸引了新一轮的政府资助。1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目，目标是造出能与人对话，翻译语言，解释图像，并像人一样推理的机器，英国开始了耗资三亿五千万英镑的Alvey工程。DARPA成立战略计算促进会，1988年向AI的投资是1984年的三倍。
在专家系统快速发展的过程中，其劣势也逐渐显露出来。专家系统的劣势有：
专家系统的这些劣势，使得商业化面临重重困境，从而直接引发了AI的第二次寒冬。
彼时，“人工智能”一词俨然成为研究者的禁忌。研究人员害怕看起来像一个乞求经费的空想家。开始用“信息学”、“机器学习” 等新词来替代”人工智能“一词。
在人工智能的第二次寒冬期，神经网络的研究出现了一系列的突破性进展，深度学习开始萌芽。主要有以下几个代表性成果：
少数AI研究者在AI寒冬期以众人皆醉我独醒的态度，十年如一日地坚持坐冷板凳，开展神经网络方向的研究。其中代表人物是深度学习三巨头。他们在2018年因在深度学习方面的卓越贡献，一同被授予了图灵奖。
随着互联网的快速发展，人类进入了大数据时代。这一方面为人工智能的发展提供了广阔的应用空间，同时也提供了海量的数据。这些数据包括：
新的软硬件平台的出现，催生了算力革命。其中代表性的突破有：
大数据量处理推动算力的革命，推动了GPU集群、大数据集群乃至专用的AI芯片的大踏步发展。算力提升拓宽了算法的探索空间，强化学习、AUTOML等算力密集型的算法不断取得突破。
神经网络变体也不断涌现，卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM)等等的复杂模型，对训练数据质量和数量的需求越来越迫切。
而互联网的不断发展提供了大量数据源与高效标注工具与平台，由此产生了许多高质量公开数据集。
算法、数据和算力，相辅相成，推动着人工智能的发展进入了快车道。
算法、数据、算力三要素齐备后，AI开始迅猛发展。
人工智能是一个很宽泛的概念，包含很多分支领域，各个领域的关系如下。现在不论学术还是工业界，研究和应用的重心主要在机器学习领域，特别是在深度学习和强化学习方面，仍然日新月异地不断取得突破。
本文的同步视频：人工智能: 01AI简史
