人工智能通識(shí)教程 第2版 課件 第2章 定義人工智能

第2版人工智能通識(shí)教程第2章周蘇教授QQ：81505050定義人工智能導(dǎo)讀案例：自動(dòng)駕駛概述自動(dòng)駕駛就是車輛在無(wú)駕駛員操作的情況下自行實(shí)現(xiàn)駕駛，它是車輛的能力。比如掃地機(jī)器人在掃地的時(shí)候就是在自動(dòng)駕駛。自動(dòng)駕駛有多種發(fā)展路徑，單車智能、車路協(xié)同、聯(lián)網(wǎng)云控等。車路協(xié)同是依靠車-車，車-路動(dòng)態(tài)信息的實(shí)時(shí)交互實(shí)現(xiàn)自動(dòng)駕駛。聯(lián)網(wǎng)云控更注重通過(guò)云端的控制實(shí)現(xiàn)自動(dòng)駕駛。01人工智能概述02人工智能發(fā)展歷程目錄/CONTENTS03人工智能的研究將人類與其他動(dòng)物區(qū)分開(kāi)的特征之一就是省力工具的使用。人類發(fā)明車輪以減輕遠(yuǎn)距離攜帶重物的負(fù)擔(dān)，人類發(fā)明長(zhǎng)矛從此不再徒手與獵物搏斗。數(shù)千年來(lái)，人類一直致力于創(chuàng)造越來(lái)越精密復(fù)雜的機(jī)器來(lái)節(jié)省體力，然而，能夠幫助人們節(jié)省腦力的機(jī)器卻一直是一個(gè)遙遠(yuǎn)

的夢(mèng)想。時(shí)至今日，我們才具備了足夠的技術(shù)實(shí)力來(lái)探索更加通用的思考機(jī)器。第2章定義人工智能PART01人工智能概述人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器。自誕生以來(lái)，人工智能的理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類智慧的“容器”。2.1人工智能概述顯然，人工智能就是人造的智能，它是科學(xué)和工程的產(chǎn)物。我們也會(huì)進(jìn)一步考慮什么是人力所能及的，或者人自身的智能程度有沒(méi)有達(dá)到可以創(chuàng)造人工智能的地步，等等。不過(guò)，生物學(xué)不在這里的討論范圍之內(nèi)，因?yàn)榛蚬こ膛c人工智能的科學(xué)基礎(chǔ)全然不同。人們可以在器皿中培育腦細(xì)胞，但這只能算是天然大腦的一部分。所有人工智能的研究都圍繞著計(jì)算機(jī)展開(kāi)，其全部技術(shù)也都是在計(jì)算機(jī)中執(zhí)行的。2.1.1“人工”與“智能”“智能”，涉及到諸如意識(shí)、自我、思維（包括無(wú)意識(shí)的思維）等等問(wèn)題。事實(shí)上，人應(yīng)該了解的是人類本身的智能，但我們對(duì)自身智能的理解，對(duì)構(gòu)成人的智能的必要元素也了解有限，人們很難準(zhǔn)確定義出什么是“人工”制造的“智能”。因此，人工智能的研究往往涉及對(duì)人的智能本身的研究，其他關(guān)于動(dòng)物或人造系統(tǒng)的智能也普遍被認(rèn)為是與人工智能相關(guān)的研究課題。

圖2-4研究人的智能2.1.1“人工”與“智能”1906年，法國(guó)心理學(xué)家阿爾弗雷德·比奈這樣定義智能：“……判斷，又或稱為判斷力強(qiáng)，實(shí)踐感強(qiáng)，首創(chuàng)精神，適應(yīng)環(huán)境的能力。良好決策、充分理解、正確推論……但記憶與判斷不同且獨(dú)立于判斷。”《牛津英語(yǔ)詞典》對(duì)智能的定義為“獲取和應(yīng)用知識(shí)與技能的能力”，這顯然取決于記憶。也許人工智能領(lǐng)域已經(jīng)影響了我們對(duì)智力的一般性認(rèn)識(shí)，人們會(huì)根據(jù)對(duì)實(shí)際情況的指導(dǎo)作用來(lái)判斷知識(shí)的重要程度。人工智能的一個(gè)重要領(lǐng)域就是儲(chǔ)存知識(shí)以供計(jì)算機(jī)使用。2.1.1“人工”與“智能”棋局是程序員研究的早期問(wèn)題之一。他們認(rèn)為，就象棋而言，只有人類才能獲勝。1997年，IBM機(jī)器深藍(lán)擊敗了象棋大師加里·卡斯帕羅夫，但深藍(lán)并沒(méi)有顯示出任何人類特質(zhì)，僅僅只是對(duì)這一任務(wù)進(jìn)行快速有效的編程而已。圖2-5卡斯帕羅夫與深藍(lán)對(duì)弈當(dāng)中2.1.1“人工”與“智能”作為計(jì)算機(jī)科學(xué)的一個(gè)分支，人工智能是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，是一門自然科學(xué)、社會(huì)科學(xué)和技術(shù)科學(xué)交叉的邊緣學(xué)科，它涉及的學(xué)科內(nèi)容包括哲學(xué)和認(rèn)知科學(xué)、數(shù)學(xué)、神經(jīng)生理學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)、信息論、控制論、不定性論、仿生學(xué)、社會(huì)結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀等。2.1.2人工智能定義人工智能研究領(lǐng)域的一個(gè)較早流行的定義，是由約翰·麥卡錫在1956年的達(dá)特茅斯會(huì)議上提出的，即：人工智能就是要讓機(jī)器的行為看起來(lái)像是人類所表現(xiàn)出的智能行為一樣。另一個(gè)定義指出：人工智能是人造機(jī)器所表現(xiàn)出來(lái)的智能性?？傮w來(lái)講，對(duì)人工智能的定義大多可劃分為四類，即機(jī)器“像人一樣思考”“像人一樣行動(dòng)”“理性地思考”和“理性地行動(dòng)”。這里“行動(dòng)”應(yīng)廣義地理解為采取行動(dòng)，或制定行動(dòng)的決策，而不是肢體動(dòng)作。2.1.2人工智能定義尼爾遜教授對(duì)人工智能下了這樣一個(gè)定義：“人工智能是關(guān)于知識(shí)的學(xué)科――怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)?！倍鴾厮诡D教授認(rèn)為：“人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作?！边@些說(shuō)法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟/硬件來(lái)模擬人類某些智能行為的基本理論、方法和技術(shù)。2.1.2人工智能定義可以把人工智能定義為一種工具，用來(lái)幫助或者替代人類思維。它是一項(xiàng)計(jì)算機(jī)程序，可以獨(dú)立存在于數(shù)據(jù)中心、個(gè)人計(jì)算機(jī)，也可以通過(guò)諸如機(jī)器人之類的設(shè)備體現(xiàn)出來(lái)。它具備智能的外在特征，有能力在特定環(huán)境中有目的地獲取和應(yīng)用知識(shí)與技能。人工智能是對(duì)人的意識(shí)、思維的信息過(guò)程的模擬。人工智能不是人的智能，但能像人那樣思考，甚至也可能超過(guò)人的智能。2.1.2人工智能定義20世紀(jì)七十年代以來(lái)，人工智能被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能），也被認(rèn)為是21世紀(jì)三大尖端技術(shù)（基因工程、納米科學(xué)、人工智能）之一，這是因?yàn)榻鼛资陙?lái)人工智能獲得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，取得了豐碩成果。2.1.2人工智能定義對(duì)于人的思維模擬的研究可以從兩個(gè)方向進(jìn)行，一是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”的機(jī)器；二是功能模擬，從人腦的功能過(guò)程進(jìn)行模擬。現(xiàn)代電子計(jì)算機(jī)的產(chǎn)生便是對(duì)人腦思維功能的模擬，是對(duì)人腦思維的信息過(guò)程的模擬。2.1.3人工智能的實(shí)現(xiàn)途徑實(shí)現(xiàn)人工智能有三種途徑，即強(qiáng)人工智能、弱人工智能和實(shí)用型人工智能。強(qiáng)人工智能，又稱多元智能。研究人員希望人工智能最終能成為多元智能并且超越大部分人類的能力。有些人認(rèn)為要達(dá)成以上目標(biāo)，可能需要擬人化的特性，如人工意識(shí)或人工大腦，這被認(rèn)為是人工智能的完整性：為了解決其中一個(gè)問(wèn)題，你必須解決全部的問(wèn)題。即使一個(gè)簡(jiǎn)單和特定的任務(wù)，如機(jī)器翻譯，要求機(jī)器按照作者的論點(diǎn)（推理），知道什么是被人談?wù)摚ㄖR(shí)），忠實(shí)地再現(xiàn)作者的意圖（情感計(jì)算）。因此，機(jī)器翻譯被認(rèn)為是具有人工智能完整性。2.1.3人工智能的實(shí)現(xiàn)途徑強(qiáng)人工智能的觀點(diǎn)認(rèn)為有可能制造出真正能推理和解決問(wèn)題的智能機(jī)器，并且這樣的機(jī)器將被認(rèn)為是有知覺(jué)的，有自我意識(shí)的。強(qiáng)人工智能可以有兩類：（1）類人的人工智能，即機(jī)器的思考和推理就像人的思維一樣；（2）非類人的人工智能，即機(jī)器產(chǎn)生了和人完全不一樣的知覺(jué)和意識(shí)，使用和人完全不一樣的推理方式。強(qiáng)人工智能即便可以實(shí)現(xiàn)也很難被證實(shí)。為了創(chuàng)建具備強(qiáng)人工智能的計(jì)算機(jī)程序，我們首先必須清楚了解人類思維的工作原理，而想要實(shí)現(xiàn)這樣的目標(biāo)，還有很長(zhǎng)的路要走。2.1.3人工智能的實(shí)現(xiàn)途徑弱人工智能，認(rèn)為不可能制造出能真正地推理和解決問(wèn)題的智能機(jī)器，這些機(jī)器只不過(guò)看起來(lái)像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。弱人工智能只要求機(jī)器能夠擁有智能行為，具體的實(shí)施細(xì)節(jié)并不重要。深藍(lán)就是在這樣的理念下產(chǎn)生的，它沒(méi)有試圖模仿國(guó)際象棋大師的思維，僅僅遵循既定的操作步驟。倘若人類和計(jì)算機(jī)遵照同樣的步驟，那么比賽時(shí)間將會(huì)大大延長(zhǎng)，因?yàn)橛?jì)算機(jī)每秒驗(yàn)算的可能走位就高達(dá)2億個(gè)，就算思維驚人的象棋大師也不太可能達(dá)到這樣的速度。2.1.3人工智能的實(shí)現(xiàn)途徑人類擁有高度發(fā)達(dá)的戰(zhàn)略意識(shí)，這種意識(shí)將需要考慮的走位限制在幾步或是幾十步以內(nèi)，而計(jì)算機(jī)的考慮數(shù)以百萬(wàn)計(jì)。就弱人工智能而言，這種差異無(wú)關(guān)緊要，能證明計(jì)算機(jī)比人類更會(huì)下象棋就足夠了。如今，主流的研究活動(dòng)都集中在弱人工智能上，并且一般認(rèn)為這一研究領(lǐng)域已經(jīng)取得可觀的成就，而強(qiáng)人工智能的研究則處于停滯不前的狀態(tài)。2.1.3人工智能的實(shí)現(xiàn)途徑第三種途徑稱為實(shí)用型人工智能。研究者們將目標(biāo)放低，不再試圖創(chuàng)造出像人類一般智慧的機(jī)器。眼下我們已經(jīng)知道如何創(chuàng)造出能模擬昆蟲行為的機(jī)器人。機(jī)械家蠅看起來(lái)似乎并沒(méi)有什么用，但即使是這樣的機(jī)器人，在完成某些特定任務(wù)時(shí)也是大有裨益的。比如，一群如狗大小，具備螞蟻智商的機(jī)器人在清理碎石和在災(zāi)區(qū)找尋幸存者時(shí)就能夠發(fā)揮很大的作用。

圖2-6華盛頓大學(xué)研制的靠激光束驅(qū)動(dòng)的RoboFly昆蟲機(jī)器人2.1.3人工智能的實(shí)現(xiàn)途徑隨著模型變得越來(lái)越精細(xì)，機(jī)器能夠模仿的生物越來(lái)越高等，最終，我們可能必須接受這樣的事實(shí)：機(jī)器似乎變得像人類一樣智慧了。也許實(shí)用型人工智能與強(qiáng)人工智能殊途同歸，但考慮到一切的復(fù)雜性，我們不會(huì)相信機(jī)器人會(huì)有自我意識(shí)。2.1.3人工智能的實(shí)現(xiàn)途徑雖然計(jì)算機(jī)為人工智能提供了必要的技術(shù)基礎(chǔ)，但人們直到上個(gè)世紀(jì)50年代早期才注意到人類智能與機(jī)器之間的聯(lián)系。人工智能60余年的發(fā)展歷史頗具周折，大致可劃分為以下6個(gè)階段。圖2-7人工智能發(fā)展歷史2.1.4人工智能發(fā)展的6個(gè)階段一是起步發(fā)展期：1956年—20世紀(jì)60年代初。人工智能概念在首次被提出后，相繼取得了一批令人矚目的研究成果，如機(jī)器定理證明、跳棋程序、LISP表處理語(yǔ)言等，掀起了人工智能發(fā)展的第一個(gè)高潮。二是反思發(fā)展期：20世紀(jì)60—70年代初。人工智能發(fā)展初期的突破性進(jìn)展大大提升了人們對(duì)人工智能的期望，人們開(kāi)始嘗試更具挑戰(zhàn)性的任務(wù)，并提出了一些不切實(shí)際的研發(fā)目標(biāo)。然而，接二連三的失敗和預(yù)期目標(biāo)的落空（例如無(wú)法用機(jī)器證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)、機(jī)器翻譯鬧出笑話等），使人工智能的發(fā)展走入了低谷。2.1.4人工智能發(fā)展的6個(gè)階段三是應(yīng)用發(fā)展期：20世紀(jì)70年代初—80年代中。20世紀(jì)70年代出現(xiàn)的專家系統(tǒng)模擬人類專家的知識(shí)和經(jīng)驗(yàn)解決特定領(lǐng)域的問(wèn)題，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運(yùn)用專門知識(shí)的重大突破。專家系統(tǒng)在醫(yī)療、化學(xué)、地質(zhì)等領(lǐng)域取得成功，推動(dòng)人工智能走入了應(yīng)用發(fā)展的新高潮。四是低迷發(fā)展期：20世紀(jì)80年代中—90年代中。隨著人工智能的應(yīng)用規(guī)模不斷擴(kuò)大，專家系統(tǒng)存在的應(yīng)用領(lǐng)域狹窄、缺乏常識(shí)性知識(shí)、知識(shí)獲取困難、推理方法單一、缺乏分布式功能、難以與現(xiàn)有數(shù)據(jù)庫(kù)兼容等問(wèn)題逐漸暴露出來(lái)。2.1.4人工智能發(fā)展的6個(gè)階段五是穩(wěn)步發(fā)展期：20世紀(jì)90年代中期到2010年。由于網(wǎng)絡(luò)技術(shù)特別是因特網(wǎng)技術(shù)的發(fā)展，信息與數(shù)據(jù)的匯聚不斷加速，加快了人工智能的創(chuàng)新研究，促使人工智能技術(shù)進(jìn)一步走向?qū)嵱没?997年IBM深藍(lán)超級(jí)計(jì)算機(jī)戰(zhàn)勝了國(guó)際象棋世界冠軍卡斯帕羅夫，2008年IBM提出“智慧地球”的概念，這些都是這一時(shí)期的標(biāo)志性事件。2.1.4人工智能發(fā)展的6個(gè)階段六是蓬勃發(fā)展期：2011年至今。隨著因特網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術(shù)的發(fā)展，泛在感知數(shù)據(jù)和圖形處理器（GPU）等計(jì)算平臺(tái)推動(dòng)以神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)為代表的人工智能技術(shù)飛速發(fā)展，大幅跨越科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”，圖像分類、語(yǔ)音識(shí)別、知識(shí)問(wèn)答、人機(jī)對(duì)弈、無(wú)人駕駛等具有廣闊應(yīng)用前景的人工智能技術(shù)突破了從“不能用、不好用”到“可以用”的技術(shù)瓶頸，人工智能發(fā)展進(jìn)入爆發(fā)式增長(zhǎng)的新高潮。2.1.4人工智能發(fā)展的6個(gè)階段“AlphaGo之父”哈薩比斯表示：“我提醒諸位，必須正確地使用人工智能。正確的兩個(gè)原則是：人工智能必須用來(lái)造福全人類，而不能用于非法用途；人工智能技術(shù)不能僅為少數(shù)公司和少數(shù)人所使用，必須共享?！?.1.4人工智能發(fā)展的6個(gè)階段PART02人工智能發(fā)展歷史人類對(duì)人工智能的幻想甚至可以追溯到古埃及。電子計(jì)算機(jī)的誕生使信息存儲(chǔ)和處理的各個(gè)方面都發(fā)生了革命，計(jì)算機(jī)理論的發(fā)展產(chǎn)生了計(jì)算機(jī)科學(xué)并最終促使了人工智能的出現(xiàn)。計(jì)算機(jī)這個(gè)用電子方式處理數(shù)據(jù)的發(fā)明，為人工智能的可能實(shí)現(xiàn)提供了一種媒介。2.2人工智能發(fā)展歷史圖靈獎(jiǎng)是由美國(guó)計(jì)算機(jī)協(xié)會(huì)（ACM）于1966年設(shè)立的計(jì)算機(jī)獎(jiǎng)項(xiàng)，名稱取自艾倫·麥席森·圖靈，旨在獎(jiǎng)勵(lì)對(duì)計(jì)算機(jī)事業(yè)作出重要貢獻(xiàn)的個(gè)人。圖靈獎(jiǎng)是計(jì)算機(jī)領(lǐng)域的國(guó)際最高獎(jiǎng)項(xiàng)，被譽(yù)為“計(jì)算機(jī)界的諾貝爾獎(jiǎng)”。圖靈獎(jiǎng)對(duì)獲獎(jiǎng)條件要求極高，評(píng)獎(jiǎng)程序極嚴(yán)，一般每年僅授予一名計(jì)算機(jī)科學(xué)家。2.2.1人工智能研究獲得的圖靈獎(jiǎng)總結(jié)人工智能歷史里程碑的快速方法之一是列舉與此領(lǐng)域相關(guān)的圖靈獎(jiǎng)得主。獲得圖靈獎(jiǎng)的人工智能大神是：馬文·明斯基（1969年圖靈獎(jiǎng)得主）和約翰·麥卡錫（1971年圖靈獎(jiǎng)得主），定義了基于表示和推理的領(lǐng)域基礎(chǔ)；艾倫·紐厄爾和赫伯特·西蒙（1975年圖靈獎(jiǎng)得主），提出了關(guān)于問(wèn)題求解和人類認(rèn)知的符號(hào)模型；愛(ài)德華·費(fèi)根鮑姆和勞伊·雷迪（1994年圖靈獎(jiǎng)得主），開(kāi)發(fā)了通過(guò)對(duì)人類知識(shí)編碼來(lái)解決真實(shí)世界問(wèn)題的專家系統(tǒng)；2.2.1人工智能研究獲得的圖靈獎(jiǎng)萊斯利·瓦倫特（2010年圖靈獎(jiǎng)得主），對(duì)眾多計(jì)算理論（包括PAC學(xué)習(xí)、枚舉復(fù)雜性、代數(shù)計(jì)算和并行與分布式計(jì)算）做出了變革性的貢獻(xiàn)；朱迪亞·珀?duì)枺?011年圖靈獎(jiǎng)得主）提出了通過(guò)原則性的方式處理不確定性的概率因果推理技術(shù)；約書亞·本吉奧、杰弗里·辛頓和楊立昆（2018年圖靈獎(jiǎng)得主），他們將“深度學(xué)習(xí)”（多層神經(jīng)網(wǎng)絡(luò)）作為現(xiàn)代計(jì)算的關(guān)鍵部分。2.2.1人工智能研究獲得的圖靈獎(jiǎng)回顧圖靈獎(jiǎng)50余年的歷史可以發(fā)現(xiàn)，人工智能一直是圖靈獎(jiǎng)不斷鼓勵(lì)、不斷發(fā)現(xiàn)的重要話題。圖靈的思考是計(jì)算機(jī)的起點(diǎn)，直到80年后炙手可熱的人工智能仍能從他的思考里找到啟迪。2.2.1人工智能研究獲得的圖靈獎(jiǎng)人們普遍認(rèn)為由沃倫·麥卡洛克和沃爾特·皮茨完成的一項(xiàng)工作是人工智能的第一項(xiàng)研究工作。1943年，他們受到尼古拉斯·拉舍夫斯基對(duì)數(shù)學(xué)建模工作的啟發(fā)，選擇了3方面的資源來(lái)構(gòu)建模型：基礎(chǔ)生理學(xué)知識(shí)和大腦神經(jīng)元的功能，羅素和懷特海對(duì)命題邏輯的形式化分析，以及圖靈的計(jì)算理論。他們提出一種人工神經(jīng)元模型，證明本是純理論的圖靈機(jī)可以由人工神經(jīng)元構(gòu)成。2.2.2從人工神經(jīng)元開(kāi)始（1943-1956）制造每個(gè)人工神經(jīng)元需要大量真空管，然而，只需要少數(shù)真空管就可以建成邏輯門，即一種由一個(gè)或多個(gè)輸入端與一個(gè)輸出端構(gòu)成的電子電路，按輸入與輸出間的特定邏輯關(guān)系運(yùn)行。其中，每個(gè)神經(jīng)元的特征是“開(kāi)”或“關(guān)”，并且會(huì)因足夠數(shù)量的相鄰神經(jīng)元受到刺激而切換為“開(kāi)”。神經(jīng)元的狀態(tài)被認(rèn)為是“事實(shí)上等同于提出其充分激活的命題”。例如，他們證明任何可計(jì)算的函數(shù)都可以通過(guò)一些神經(jīng)元互相連接的網(wǎng)絡(luò)來(lái)計(jì)算，以及所有的邏輯聯(lián)結(jié)詞（AND、OR、NOT等）都可以通過(guò)簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)來(lái)實(shí)現(xiàn)。2.2.2從人工神經(jīng)元開(kāi)始（1943-1956）麥卡洛克和皮茨還表明適當(dāng)定義的網(wǎng)絡(luò)可以學(xué)習(xí)。唐納德·赫布示范了用于修改神經(jīng)元之間連接強(qiáng)度的簡(jiǎn)單更新規(guī)則，這些規(guī)則被稱為赫布型學(xué)習(xí)，至今仍是一種有影響力的模式。哈佛大學(xué)的兩名本科生馬文·明斯基和迪安·埃德蒙茲在1950年建造了第一臺(tái)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)SNARC，它使用了3000個(gè)真空管和B-24轟炸機(jī)上一個(gè)多余的自動(dòng)駕駛裝置來(lái)模擬由40個(gè)神經(jīng)元組成的網(wǎng)絡(luò)。后來(lái)，明斯基在普林斯頓大學(xué)研究神經(jīng)網(wǎng)絡(luò)中的通用計(jì)算。他的博士學(xué)位委員會(huì)對(duì)這類工作是否應(yīng)該被視為數(shù)學(xué)持懷疑態(tài)度，但據(jù)說(shuō)馮·諾伊曼對(duì)此評(píng)價(jià)說(shuō)：“如果現(xiàn)在還不能被視為數(shù)學(xué)，總有一天會(huì)的。”2.2.2從人工神經(jīng)元開(kāi)始（1943-1956）還有許多早期工作可以被描述為人工智能，包括1952年由曼徹斯特大學(xué)的克里斯托弗·斯特雷奇和IBM公司的亞瑟·塞繆爾分別獨(dú)立開(kāi)發(fā)的西洋跳棋程序。然而，還是圖靈的觀點(diǎn)最有影響力。早在1947年，他就在倫敦?cái)?shù)學(xué)協(xié)會(huì)就這一主題發(fā)表了演講，并在其1950年的文章《計(jì)算機(jī)器和智能》中指出了定義智能的困難所在。他提出：能像人類一般進(jìn)行交談和思考的計(jì)算機(jī)是有希望制造出來(lái)的，至少在非正式會(huì)話中難以區(qū)分。能否與人類無(wú)差別交談這一評(píng)價(jià)標(biāo)準(zhǔn)就是著名的圖靈測(cè)試。2.2.2從人工神經(jīng)元開(kāi)始（1943-1956）圖靈還認(rèn)為，通過(guò)開(kāi)發(fā)學(xué)習(xí)算法然后教會(huì)機(jī)器，而不是手工編寫智能程序，將更容易創(chuàng)造出人類水平的人工智能。不過(guò)，他在隨后的演講中警告說(shuō)，實(shí)現(xiàn)這一目標(biāo)對(duì)人類來(lái)說(shuō)可能不是最好的事情。取得這些成果不久之后，計(jì)算機(jī)就開(kāi)始被應(yīng)用于第一批人工智能實(shí)驗(yàn)，當(dāng)時(shí)所用的計(jì)算機(jī)體積小且速度慢。曼徹斯特馬克一號(hào)以小規(guī)模實(shí)驗(yàn)機(jī)為原型，存儲(chǔ)器僅有640字節(jié)，時(shí)鐘速度555赫茲（相比之下，現(xiàn)代臺(tái)式計(jì)算機(jī)的存儲(chǔ)器可達(dá)40億字節(jié)，時(shí)鐘速度30億赫茲），這就意味著必須謹(jǐn)慎挑選將利用它們來(lái)解決的研究問(wèn)題。在第一個(gè)十年里，人工智能項(xiàng)目涉及的都是基本應(yīng)用，這也成為后續(xù)探索研究的奠基石。2.2.2從人工神經(jīng)元開(kāi)始（1943-1956）邏輯理論機(jī)發(fā)布于1956年，以五個(gè)公理為出發(fā)點(diǎn)推導(dǎo)定理，以此來(lái)證明數(shù)學(xué)定理。這類問(wèn)題就如同迷宮，你假定自己朝著出口的方向走就是最好的路線，但實(shí)際上往往并不能成功，這也正是邏輯理論機(jī)難以解決復(fù)雜問(wèn)題的原因所在。它選擇看起來(lái)最接近目標(biāo)的方程式，丟棄了那些看起來(lái)偏題了的方程式。然而，被丟棄的可能正是最需要的。2.2.2從人工神經(jīng)元開(kāi)始（1943-1956）同樣在1956年，夏天，達(dá)特茅斯學(xué)院的約翰·麥卡錫說(shuō)服哈佛大學(xué)的馬文·明斯基、貝爾電話實(shí)驗(yàn)室的克勞德·香農(nóng)和IBM公司的納撒尼爾·羅切斯特幫助他召集對(duì)自動(dòng)機(jī)理論、神經(jīng)網(wǎng)絡(luò)和智能研究感興趣的10位有遠(yuǎn)見(jiàn)卓識(shí)的年輕科學(xué)家在達(dá)特茅斯進(jìn)行了為期兩個(gè)月的研討會(huì)，共同研究和探討用機(jī)器模擬智能的一系列有關(guān)問(wèn)題，創(chuàng)建了達(dá)特茅斯夏季人工智能研究計(jì)劃。這場(chǎng)研討會(huì)聚集了人工智能領(lǐng)域的頂尖專家學(xué)者，對(duì)后世產(chǎn)生了深遠(yuǎn)影響，首次提出了“人工智能（AI）”這一術(shù)語(yǔ)，標(biāo)志著“人工智能”這門新興學(xué)科的正式誕生。2.2.2從人工神經(jīng)元開(kāi)始（1943-1956）20世紀(jì)50年代的知識(shí)界根據(jù)“由能力缺陷得出的論據(jù)”提出“機(jī)器永遠(yuǎn)做不到X”這一主張。關(guān)于X，圖靈列舉了以下例子：善良、機(jī)智、美麗、友好、上進(jìn)、幽默、明辨是非、犯錯(cuò)、墜入愛(ài)河、享受奶油草莓、讓人愛(ài)上它、從經(jīng)驗(yàn)中學(xué)習(xí)、恰當(dāng)?shù)厥褂谜Z(yǔ)言、成為自己思想的主體、有和人類一樣的行為多樣性、從事新生事物。2.2.3早期期望無(wú)限（1952-1969）回顧圖靈列舉的X，我們發(fā)現(xiàn)其中一些事相當(dāng)簡(jiǎn)單，如我們都很熟悉“犯錯(cuò)”的計(jì)算機(jī)。具有元推理能力的計(jì)算機(jī)能檢查自身計(jì)算，從而成為自身推理的主體。一項(xiàng)有著百年歷史的技術(shù)已證明它有“讓人愛(ài)上它”的能力——它就是泰迪熊。計(jì)算機(jī)象棋專家戴維·利維預(yù)計(jì)，到2050年，人們對(duì)愛(ài)上類人機(jī)器人一事將習(xí)以為常。至于機(jī)器人墜入愛(ài)河，這是虛構(gòu)類文學(xué)作品中的常見(jiàn)主題，但這方面的學(xué)術(shù)推測(cè)有限。2.2.3早期期望無(wú)限（1952-1969）計(jì)算機(jī)已經(jīng)完成了許多非常新穎的工作，在天文學(xué)、數(shù)學(xué)、化學(xué)、礦物學(xué)、生物學(xué)和計(jì)算機(jī)科學(xué)等領(lǐng)域都取得了重大發(fā)現(xiàn)，并通過(guò)風(fēng)格轉(zhuǎn)換創(chuàng)造了新的藝術(shù)形式。總的來(lái)說(shuō)，程序在某些任務(wù)上的表現(xiàn)超過(guò)了人類，而在其他任務(wù)上則落后于人類。有一件事是很明顯的，那就是它們不能真正成為人類。人工智能的研究人員自然而然地一個(gè)接一個(gè)地演示X以回應(yīng)。他們特別關(guān)注那些被認(rèn)為能夠顯示人類智能的任務(wù)，包括游戲、謎題、數(shù)學(xué)和智商測(cè)試。2.2.3早期期望無(wú)限（1952-1969）紐厄爾和西蒙繼“邏輯理論家”成功之后又推出了“通用問(wèn)題求解器”。與“邏輯理論家”不同，“通用問(wèn)題求解器”從一開(kāi)始就被設(shè)計(jì)為模仿人類求解問(wèn)題的協(xié)議。結(jié)果表明，在它可以處理的有限類型的難題中，該程序考慮的子目標(biāo)和可能采取的行為的順序與人類處理相同問(wèn)題的順序類似。因此，“通用問(wèn)題求解器”可能是第一個(gè)體現(xiàn)“人類思維”方式的程序。2.2.3早期期望無(wú)限（1952-1969）作為認(rèn)知模型，“通用問(wèn)題求解器”和后續(xù)程序的成功使得紐厄爾和西蒙提出了著名的物理符號(hào)系統(tǒng)假說(shuō)，該假說(shuō)認(rèn)為“物理符號(hào)系統(tǒng)具有進(jìn)行一般智能動(dòng)作的必要和充分方法”。意思是，任何顯示出智能的系統(tǒng)（人類或機(jī)器）必須通過(guò)操作由符號(hào)組成的數(shù)據(jù)結(jié)構(gòu)來(lái)運(yùn)行。之后我們會(huì)看到這個(gè)假說(shuō)已經(jīng)受到了多方面的挑戰(zhàn)。在IBM，納撒尼爾，羅切斯特和他的同事開(kāi)發(fā)了首批人工智能程序。赫伯特·蓋倫特構(gòu)造了幾何定理證明程序，它能夠證明許多數(shù)學(xué)學(xué)生認(rèn)為相當(dāng)棘手的定理，這項(xiàng)工作是現(xiàn)代數(shù)學(xué)定理證明程序的先驅(qū)。2.2.3早期期望無(wú)限（1952-1969）從長(zhǎng)遠(yuǎn)看，這一時(shí)期所有探索性工作中最有影響力的可能是亞瑟·薩繆爾對(duì)西洋跳棋的研究，他的程序可以以業(yè)余高手的水平參與對(duì)抗。因此，他駁斥了計(jì)算機(jī)只能執(zhí)行被告知的事情的觀點(diǎn)：他的程序很快學(xué)會(huì)了玩游戲，甚至比其創(chuàng)造者玩得更好，該程序于1956年在電視上演示，給人留下了深刻的印象。和圖靈一樣，薩繆爾也很難找到使用計(jì)算機(jī)的機(jī)會(huì)，他只能晚上工作，使用仍在IBM制造工廠測(cè)試場(chǎng)地上還未出廠的計(jì)算機(jī)。薩繆爾的程序是許多后繼系統(tǒng)的前身，如TD-Gammon和AlphaGo（阿爾法狗）。TD-Gammon是世界上最好的西洋雙陸棋棋手之一，而AlphaGo因擊敗人類世界圍棋冠軍而震驚世界。2.2.3早期期望無(wú)限（1952-1969）1958年，約翰·麥卡錫為人工智能做出了兩項(xiàng)重要貢獻(xiàn)。他在麻省理工學(xué)院人工智能實(shí)驗(yàn)室定義了高級(jí)語(yǔ)言Lisp，成為在此后30年中最重要的人工智能編程語(yǔ)言。在一篇題為“具有常識(shí)的程序”的論文中，麥卡錫為基于知識(shí)和推理的人工智能系統(tǒng)提出了概念性議案。這篇論文描述了“建議接受者”，這是一個(gè)假想程序，其中包含世界的一般知識(shí)，并可以利用它得出行動(dòng)規(guī)劃。這個(gè)概念可以用簡(jiǎn)單的邏輯公理來(lái)說(shuō)明，這些邏輯公理足以生成一個(gè)開(kāi)車去機(jī)場(chǎng)的規(guī)劃。該程序還被設(shè)計(jì)為能在正常運(yùn)行過(guò)程中接受新的公理，從而實(shí)現(xiàn)無(wú)須重新編程就能夠在新領(lǐng)域中運(yùn)行。2.2.3早期期望無(wú)限（1952-1969）因此，“建議接受者”體現(xiàn)了知識(shí)表示和推理的核心原則：對(duì)世界及其運(yùn)作進(jìn)行形式化、明確的表示，并且通過(guò)演繹來(lái)操作這種表示是很有用的。這篇論文影響了人工智能的發(fā)展歷程。2.2.3早期期望無(wú)限（1952-1969）1958年馬文·明斯基轉(zhuǎn)到麻省理工學(xué)院，然而他與麥卡錫的最初合作并沒(méi)有持續(xù)。麥卡錫強(qiáng)調(diào)形式邏輯中的表示和推理，而明斯基則對(duì)程序工作并最終形成反邏輯的觀點(diǎn)更感興趣。1963年，麥卡錫在斯坦福大學(xué)建立了人工智能實(shí)驗(yàn)室。1965年亞伯拉罕·魯濱遜歸結(jié)原理（一階邏輯的完備定理證明算法）的發(fā)現(xiàn)推進(jìn)了麥卡錫使用邏輯來(lái)構(gòu)建最終“建議接受者”的計(jì)劃。麥卡錫在斯坦福大學(xué)的工作中強(qiáng)調(diào)了邏輯推理的通用方法。邏輯的應(yīng)用包括柯德?tīng)枴じ窳值膯?wèn)答和規(guī)劃系統(tǒng)以及斯坦福研究所（SRI）的Shakey機(jī)器人項(xiàng)目，后者是第一個(gè)展示邏輯推理和物理活動(dòng)完全集成的項(xiàng)目。2.2.3早期期望無(wú)限（1952-1969）在麻省理工學(xué)院，明斯基指導(dǎo)一批學(xué)生選擇了一些似乎需要智能才能求解的有限問(wèn)題。其中，詹姆斯·斯萊格爾的SAINT程序能夠求解大學(xué)一年級(jí)課程中典型封閉形式的微積分問(wèn)題。托馬斯·埃文斯的ANALOGY程序能夠解決智商測(cè)試中常見(jiàn)的幾何類比問(wèn)題。丹尼爾·博布羅的STUDENT項(xiàng)目能夠求解代數(shù)故事問(wèn)題。2.2.3早期期望無(wú)限（1952-1969）建立在麥卡洛克和皮茨提出的神經(jīng)網(wǎng)絡(luò)上的早期工作也蓬勃發(fā)展。什穆埃爾·溫諾格拉德和杰克·考恩的研究展示了大量元素如何共同代表一個(gè)獨(dú)立的概念，同時(shí)提升穩(wěn)健性和并行性。赫布的學(xué)習(xí)方法分別得到了伯尼·維德羅和弗蘭克·羅森布拉特的改進(jìn)，他們的網(wǎng)絡(luò)分別被稱為線性自適應(yīng)神經(jīng)網(wǎng)絡(luò)和感知機(jī)。感知機(jī)收斂定理指出，學(xué)習(xí)算法可以調(diào)整感知機(jī)的連接強(qiáng)度來(lái)擬合任何輸入數(shù)據(jù)（前提是存在這樣的擬合）。2.2.3早期期望無(wú)限（1952-1969）從一開(kāi)始，人工智能研究人員對(duì)未來(lái)成功的預(yù)測(cè)毫不避諱。下面這句1957年赫伯特·西蒙的名言經(jīng)常被引用：我的目的不是使大家感到驚訝或震驚，我可以總結(jié)出的最簡(jiǎn)單的說(shuō)法是，現(xiàn)在世界上存在著能夠思考、學(xué)習(xí)和創(chuàng)造的機(jī)器。此外，它們的這些能力將迅速提高，在可見(jiàn)的未來(lái)內(nèi)，它們能夠處理的問(wèn)題范圍將與人類思維的應(yīng)用范圍一樣廣泛。2.2.4一些現(xiàn)實(shí)（1966-1973）雖然“可見(jiàn)的未來(lái)”這個(gè)詞是模糊的，但西蒙也做出了更具體的預(yù)測(cè)：10年內(nèi)，計(jì)算機(jī)將成為國(guó)際象棋冠軍以及機(jī)器將能證明重要的數(shù)學(xué)定理。這些預(yù)測(cè)的實(shí)現(xiàn)（或近似實(shí)現(xiàn)）實(shí)際上用了40年時(shí)間，遠(yuǎn)遠(yuǎn)超過(guò)10年。當(dāng)初西蒙的過(guò)度自信源于早期人工智能系統(tǒng)在簡(jiǎn)單示例任務(wù)上的出色表現(xiàn)。但是，在幾乎所有情況下，這些早期系統(tǒng)在更困難的問(wèn)題上都失敗了。2.2.4一些現(xiàn)實(shí)（1966-1973）失敗有兩個(gè)主要原因：第一個(gè)主要原因是許多早期人工智能系統(tǒng)主要基于人類如何執(zhí)行任務(wù)的“知情內(nèi)省型”，而不是基于對(duì)任務(wù)、解的含義以及算法需要做什么才能可靠地產(chǎn)生解的仔細(xì)分析。2.2.4一些現(xiàn)實(shí)（1966-1973）第二個(gè)主要原因是對(duì)人工智能要求解問(wèn)題的復(fù)雜性缺乏認(rèn)識(shí)。大多數(shù)早期的問(wèn)題求解系統(tǒng)都會(huì)嘗試組合不同的步驟，直到找到解為止。在計(jì)算復(fù)雜性理論發(fā)展完備之前，人們普遍認(rèn)為“擴(kuò)展”到更大的問(wèn)題僅僅是需要更快的硬件和更大的內(nèi)存。但是當(dāng)研究人員無(wú)法證明涉及幾十個(gè)事實(shí)的定理時(shí)，伴隨著歸結(jié)定理證明發(fā)展而來(lái)的樂(lè)觀情緒很快就受到了打擊。一般而言，程序可以找到解的事實(shí)并不意味著該程序具備任何在實(shí)踐中找到解所需的機(jī)制。2.2.4一些現(xiàn)實(shí)（1966-1973）未能處理“組合爆炸”是萊特希爾報(bào)告中對(duì)人工智能的主要批評(píng)之一，基于這份報(bào)告，英國(guó)政府決定除兩所大學(xué)外的所有大學(xué)中停止支持人工智能研究。此外，產(chǎn)生智能行為的基礎(chǔ)結(jié)構(gòu)存在一些根本限制也是導(dǎo)致失敗的原因。例如，明斯基和派珀特的著作“感知器證明”，盡管感知機(jī)（一種簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)形式）被證明可以學(xué)習(xí)它們能夠表示的任何事物，但它們能表示的事物很少。例如無(wú)法訓(xùn)練雙輸入感知機(jī)來(lái)判斷它的兩個(gè)輸入是否相同。盡管他們的研究結(jié)果并不適用于更復(fù)雜的多層網(wǎng)絡(luò)，但用于神經(jīng)網(wǎng)絡(luò)研究的經(jīng)費(fèi)很快就減少到幾乎為零。2.2.4一些現(xiàn)實(shí)（1966-1973）有諷刺意味的是，在20世紀(jì)80年代和21世紀(jì)10年代再次引起神經(jīng)網(wǎng)絡(luò)研究巨大復(fù)興的新反向傳播學(xué)習(xí)算法，早在20世紀(jì)60年代初已經(jīng)在其他情景下得到了發(fā)展。2.2.4一些現(xiàn)實(shí)（1966-1973）專家系統(tǒng)因其在計(jì)算機(jī)科學(xué)和現(xiàn)實(shí)世界中的貢獻(xiàn)而曾經(jīng)被視為是人工智能中最古老、最成功、最知名和最受歡迎的領(lǐng)域。專家系統(tǒng)可以被看作是一類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)，它是早期人工智能的一個(gè)重要分支，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運(yùn)用專門知識(shí)的重大突破。專家系統(tǒng)一般采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)，根據(jù)系統(tǒng)中的知識(shí)與經(jīng)驗(yàn)，進(jìn)行推理和判斷，來(lái)模擬通常由人類領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問(wèn)題決策過(guò)程。2.2.5專家系統(tǒng)（1969-1986）在人工智能研究的早期提出的問(wèn)題求解是一種通用搜索機(jī)制，試圖將基本的推理步驟串在一起找到完整的解。這種方法被稱為弱方法，雖然很普適但不能擴(kuò)展到大型或困難的問(wèn)題實(shí)例上。弱方法的替代方案是使用更強(qiáng)大的領(lǐng)域知識(shí)，這些知識(shí)允許更大規(guī)模的推理步驟，并且可以更輕松地處理特定領(lǐng)域中發(fā)生的典型案例。2.2.5專家系統(tǒng)（1969-1986）斯坦福大學(xué)開(kāi)發(fā)的DENDRAL程序是這種方法的早期例子。愛(ài)德華·費(fèi)根鮑姆、布魯斯·布坎南（從哲學(xué)家改行的計(jì)算機(jī)科學(xué)家）和喬舒亞·萊德伯格（諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)得主，遺傳學(xué)家）聯(lián)手解決了從質(zhì)譜儀提供的信息推斷分子結(jié)構(gòu)的問(wèn)題。該程序的輸入包括分子的基本分子式（如C6H13NO2）和質(zhì)譜，其中質(zhì)譜給出了分子被電子束轟擊時(shí)產(chǎn)生的各種碎片的質(zhì)量。DENDRAL的意義在于它是第一個(gè)成功的知識(shí)密集型系統(tǒng)：它的專業(yè)知識(shí)來(lái)源得到分析化學(xué)家的幫助，應(yīng)用了大量的專用規(guī)則，1971年，費(fèi)根鮑姆和斯坦福大學(xué)的其他研究人員開(kāi)啟了啟發(fā)式編程項(xiàng)目，以此來(lái)研究專家系統(tǒng)的新方法可以在多大程度上應(yīng)用到其他領(lǐng)域。2.2.5專家系統(tǒng)（1969-1986）接下來(lái)的一個(gè)主要工作是用于診斷血液感染的Mycin系統(tǒng)。Mycin有大約450條規(guī)則，它能夠表現(xiàn)得和一些專家一樣好，甚至比初級(jí)醫(yī)生要好得多。Mycin與DENDRAL有兩個(gè)主要區(qū)別。首先，不像DENDRAL規(guī)則，不存在可以推導(dǎo)出Mycin規(guī)則的一般理論模型，Mycin規(guī)則不得不從大量的專家訪談中獲得。其次，規(guī)則必須反映與醫(yī)學(xué)知識(shí)相關(guān)的不確定性。Mycin引入了一種稱為確定性因子的不確定性計(jì)算，在當(dāng)時(shí)與醫(yī)生評(píng)估證據(jù)對(duì)診斷影響的方式非常吻合。2.2.5專家系統(tǒng)（1969-1986）第一個(gè)成功的商用專家系統(tǒng)R1在數(shù)字設(shè)備公司（DEC）投入使用，該程序幫助公司配置新計(jì)算機(jī)系統(tǒng)的訂單。在當(dāng)時(shí)它每年為公司節(jié)省約4000萬(wàn)美元。同時(shí)期，DEC公司部署了40個(gè)人工智能專家系統(tǒng)，而且還有更多的專家系統(tǒng)在開(kāi)發(fā)中；杜邦公司有100個(gè)專家系統(tǒng)在使用，500個(gè)在開(kāi)發(fā)。當(dāng)時(shí)幾乎每家美國(guó)大公司都有自己的人工智能團(tuán)隊(duì)，不是在使用專家系統(tǒng)，就是在研究專家系統(tǒng)。2.2.5專家系統(tǒng)（1969-1986）領(lǐng)域知識(shí)的重要性在自然語(yǔ)言理解領(lǐng)域也很突出。盡管特里·溫諾格拉德的Shudlu系統(tǒng)取得了成功，但它的方法并沒(méi)有擴(kuò)展到更一般的任務(wù)。麻省理工學(xué)院的尤金·查爾尼克和耶魯大學(xué)的羅杰·尚克等幾位研究人員一致認(rèn)為，強(qiáng)大的語(yǔ)言理解需要關(guān)于世界的一般知識(shí)以及使用這些知識(shí)的一般方法。尚克和他的學(xué)生們建立了一系列的程序，用于理解自然語(yǔ)言，重點(diǎn)在于用語(yǔ)言理解所需的知識(shí)來(lái)表示和推理問(wèn)題。2.2.5專家系統(tǒng)（1969-1986）在真實(shí)世界中的廣泛應(yīng)用引發(fā)了表示和推理工具的廣泛發(fā)展。有些是基于邏輯的，例如，Prolog語(yǔ)言在歐洲和日本流行，而Planner家族在美國(guó)流行。其他人則遵循明斯基的框架思想，采用了一種更結(jié)構(gòu)化的方法，將有關(guān)特定對(duì)象和事件類型的事實(shí)組合起來(lái)，并將這些類型組織成類似于生物分類法的大型分類層次結(jié)構(gòu)。2.2.5專家系統(tǒng)（1969-1986）1981年，日本政府宣布了“第五代計(jì)算機(jī)”計(jì)劃，這是一個(gè)旨在建造運(yùn)行Prolog的大規(guī)模并行智能計(jì)算機(jī)的十年計(jì)劃，預(yù)算超過(guò)13億美元。作為回應(yīng)，美國(guó)成立了微電子與計(jì)算機(jī)技術(shù)公司（MCC），這是一個(gè)旨在確保國(guó)家競(jìng)爭(zhēng)力的聯(lián)盟。在這兩個(gè)項(xiàng)目中，人工智能都是廣泛努力的一部分，包括芯片設(shè)計(jì)和人機(jī)界面研究。在英國(guó)，阿爾維報(bào)告恢復(fù)了被萊特希爾報(bào)告取消的資助資金。然而，這些項(xiàng)目都沒(méi)有在人工智能能力或經(jīng)濟(jì)影響方面下實(shí)現(xiàn)其宏偉目標(biāo)。2.2.5專家系統(tǒng)（1969-1986）此后不久，經(jīng)歷了一段“人工智能冬天”的時(shí)期，許多公司因未能兌現(xiàn)夸張的承諾而停滯。事實(shí)證明，為復(fù)雜領(lǐng)域構(gòu)建和維護(hù)專家系統(tǒng)是困難的，一部分原因是系統(tǒng)使用的推理方法在面臨不確定性時(shí)會(huì)崩潰，另一部分原因是系統(tǒng)無(wú)法從經(jīng)驗(yàn)中學(xué)習(xí)。2.2.5專家系統(tǒng)（1969-1986）在20世紀(jì)80年代中期，至少有4個(gè)不同的團(tuán)隊(duì)重新發(fā)明了最早在20世紀(jì)60年代初期發(fā)展起來(lái)的反向傳播學(xué)習(xí)算法。該算法被應(yīng)用于計(jì)算機(jī)科學(xué)和心理學(xué)中的許多學(xué)習(xí)問(wèn)題，并行分布式處理合集中的結(jié)果的廣泛傳播引起了極大的轟動(dòng)。2.2.6神經(jīng)網(wǎng)絡(luò)的回歸（1986-現(xiàn)在）這些所謂的聯(lián)結(jié)主義模型被一些人視為紐厄爾和西蒙的符號(hào)模型以及麥卡錫和其他人的邏輯主義方法的直接競(jìng)爭(zhēng)對(duì)手，人類在某種程度上操縱符號(hào)。事實(shí)上，早期人們?cè)谡Z(yǔ)言中命名的許多概念，經(jīng)過(guò)仔細(xì)檢查后，都未能獲得人工智能研究人員希望以公理形式描述邏輯定義的充要條件。聯(lián)結(jié)主義模型以一種流暢和不精確的方式形成內(nèi)部概念，更適配真實(shí)世界的混亂。它們還具備從樣本中學(xué)習(xí)的能力，它們可以將它們的預(yù)測(cè)輸出值與問(wèn)題的真實(shí)值進(jìn)行比較，并修改參數(shù)以減少差異，使它們?cè)谖磥?lái)的樣本中更有可能表現(xiàn)良好。2.2.6神經(jīng)網(wǎng)絡(luò)的回歸（1986-現(xiàn)在）專家系統(tǒng)的脆弱性導(dǎo)致了一種新的、更科學(xué)的方法，結(jié)合了概率而不是布爾邏輯，基于機(jī)器學(xué)習(xí)而不是手工編碼，重視實(shí)驗(yàn)結(jié)果而不是哲學(xué)主張。一些人將這種變化描述為整潔派（認(rèn)為人工智能理論應(yīng)該以數(shù)學(xué)的嚴(yán)謹(jǐn)性為基礎(chǔ)的人）戰(zhàn)勝了邋遢派（那些寧愿嘗試大量的想法，編寫一些程序，然后評(píng)估哪些似乎可行的人）。這兩種方法都很重要。向整潔派的轉(zhuǎn)變意味著該領(lǐng)域已經(jīng)達(dá)到了穩(wěn)定和成熟的水平。對(duì)深度學(xué)習(xí)的重視可能代表著邋遢派的復(fù)興。更普遍的是，基于現(xiàn)有理論而不是提出全新的理論，基于嚴(yán)格的定理或可靠的實(shí)驗(yàn)方法而不是基于直覺(jué)的主張，以及展示與真實(shí)世界應(yīng)用的相關(guān)性而不是虛擬的示例。2.2.7概率推理和機(jī)器學(xué)習(xí)（1987-現(xiàn)在）共享的基準(zhǔn)問(wèn)題集成為展示進(jìn)度的標(biāo)準(zhǔn)，其中包括了加利福尼亞大學(xué)歐文分校的機(jī)器學(xué)習(xí)數(shù)據(jù)集庫(kù)、用于規(guī)劃算法的國(guó)際規(guī)劃競(jìng)賽、用于語(yǔ)音識(shí)別的LibriSpeech語(yǔ)料庫(kù)、用于手寫數(shù)字識(shí)別的MNIST數(shù)據(jù)集、用于圖像物體識(shí)別的ImageNet和COCO、用于自然語(yǔ)言問(wèn)答的SQuAD、機(jī)器翻譯的WMT競(jìng)賽以及布爾可滿足性求解器國(guó)際SAT競(jìng)賽。2.2.7概率推理和機(jī)器學(xué)習(xí)（1987-現(xiàn)在）人工智能的創(chuàng)立在一定程度上是對(duì)控制理論和統(tǒng)計(jì)等現(xiàn)有領(lǐng)域局限性的反抗，但在這一時(shí)期，它吸納了這些領(lǐng)域的積極成果。正如戴維·麥卡萊斯特所說(shuō)：在人工智能早期，符號(hào)計(jì)算的新形式（例如框架和語(yǔ)義網(wǎng)絡(luò)）使大部分經(jīng)典理論過(guò)時(shí)，導(dǎo)致人工智能在很大程度上與計(jì)算機(jī)科學(xué)的其他領(lǐng)域分離。人們認(rèn)識(shí)到，機(jī)器學(xué)習(xí)不應(yīng)該獨(dú)立于信息論，不確定推理不應(yīng)該獨(dú)立于隨機(jī)建模，搜索不應(yīng)該獨(dú)立于經(jīng)典優(yōu)化和控制，自動(dòng)推理不應(yīng)該獨(dú)立于形式化方法和靜態(tài)分析。2.2.7概率推理和機(jī)器學(xué)習(xí)（1987-現(xiàn)在）語(yǔ)音識(shí)別領(lǐng)域的實(shí)踐說(shuō)明了這種模式。20世紀(jì)70年代，研究人員嘗試了各種不同的架構(gòu)和方法，許多是相當(dāng)暫時(shí)和脆弱的，并且只能處理幾個(gè)精心挑選的例子。在20世紀(jì)80年代，使用隱馬爾可夫模型的方法開(kāi)始主導(dǎo)這一領(lǐng)域。隱馬爾可夫模型有兩個(gè)相關(guān)的方面。首先，它們基于嚴(yán)格的數(shù)學(xué)理論。這使得語(yǔ)音研究人員能夠在其他領(lǐng)域數(shù)十年數(shù)學(xué)成果的基礎(chǔ)上進(jìn)行開(kāi)發(fā)。其次，它們是在大量真實(shí)語(yǔ)音數(shù)據(jù)的語(yǔ)料庫(kù)上訓(xùn)練而產(chǎn)生的，確保了健壯性。因此，語(yǔ)音技術(shù)和手寫體字符識(shí)別的相關(guān)領(lǐng)域向廣泛的工業(yè)和消費(fèi)級(jí)應(yīng)用過(guò)渡。人們并沒(méi)有使用隱馬爾可夫模型識(shí)別語(yǔ)音，只是為理解和求解問(wèn)題提供了一個(gè)數(shù)學(xué)框架。2.2.7概率推理和機(jī)器學(xué)習(xí)（1987-現(xiàn)在）1988年是人工智能與統(tǒng)計(jì)學(xué)、運(yùn)籌學(xué)、決策論和控制理論等其他領(lǐng)域相聯(lián)系的重要一年。朱迪亞·珀?duì)柕摹爸悄芟到y(tǒng)中的概率推理”使概率和決策論在人工智能中得到了新的認(rèn)可。珀?duì)枌?duì)貝葉斯網(wǎng)絡(luò)的發(fā)展產(chǎn)生了一種用于表示不確定的知識(shí)的嚴(yán)格而有效的形式體系，以及用于概率推理的實(shí)用算法。當(dāng)年的第二個(gè)主要貢獻(xiàn)是理查德·薩頓的工作，他將強(qiáng)化學(xué)習(xí)與運(yùn)籌學(xué)領(lǐng)域開(kāi)發(fā)的馬爾可夫決策過(guò)程聯(lián)系起來(lái)。隨后，大量工作將人工智能規(guī)劃研究與馬爾可夫決策過(guò)程聯(lián)系起來(lái)，強(qiáng)化學(xué)習(xí)領(lǐng)域在機(jī)器人和過(guò)程控制方面找到了應(yīng)用，并獲得了深厚的理論基礎(chǔ)。2.2.7概率推理和機(jī)器學(xué)習(xí)（1987-現(xiàn)在）人工智能對(duì)數(shù)據(jù)、統(tǒng)計(jì)建模、優(yōu)化和機(jī)器學(xué)習(xí)的新認(rèn)識(shí)帶來(lái)的結(jié)果是，計(jì)算機(jī)視覺(jué)、機(jī)器人技術(shù)、語(yǔ)音識(shí)別、多智能體系統(tǒng)和自然語(yǔ)言處理等子領(lǐng)域逐漸統(tǒng)一，在應(yīng)用方面和關(guān)于人工智能核心問(wèn)題更好的理論理解方面都產(chǎn)生了顯著的效用。2.2.7概率推理和機(jī)器學(xué)習(xí)（1987-現(xiàn)在）計(jì)算能力的顯著進(jìn)步和互聯(lián)網(wǎng)的建立促進(jìn)了巨大數(shù)據(jù)集的創(chuàng)建，這些大數(shù)據(jù)集包括數(shù)萬(wàn)億字的文本、數(shù)十億的圖像、數(shù)十億小時(shí)的語(yǔ)音和視頻，以及海量的基因組數(shù)據(jù)、車輛跟蹤數(shù)據(jù)、點(diǎn)擊流數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)等，這導(dǎo)致了專為利用非常大的數(shù)據(jù)集而設(shè)計(jì)的學(xué)習(xí)算法的開(kāi)發(fā)。通常，這類數(shù)據(jù)集中的絕大多數(shù)例子都沒(méi)有標(biāo)簽。然而，如果有足夠大的數(shù)據(jù)集，合適的學(xué)習(xí)算法在識(shí)別句意的任務(wù)上可以達(dá)到超過(guò)96％的準(zhǔn)確率。此外，研究認(rèn)為，將數(shù)據(jù)集的規(guī)模增加兩到三個(gè)數(shù)量級(jí)所獲得的性能提升會(huì)超過(guò)調(diào)整算法帶來(lái)的性能提升。2.2.8大數(shù)據(jù)（2001-現(xiàn)在）類似的現(xiàn)象也發(fā)生在計(jì)算機(jī)視覺(jué)任務(wù)中，例如修補(bǔ)照片中的破洞。海斯和埃弗羅斯開(kāi)發(fā)了一種巧妙的方法，從類似的圖像中混合像素。他們發(fā)現(xiàn)，該技術(shù)在僅包含數(shù)千幅圖像的數(shù)據(jù)庫(kù)中效果不佳，但在擁有數(shù)百萬(wàn)幅圖像的數(shù)據(jù)庫(kù)中，該技術(shù)超過(guò)了質(zhì)量閾值。不久之后，ImageNet數(shù)據(jù)庫(kù)中可用的數(shù)干萬(wàn)幅圖像引發(fā)了計(jì)算機(jī)視覺(jué)領(lǐng)域的一場(chǎng)革命。大數(shù)據(jù)的可用性和向機(jī)器學(xué)習(xí)的轉(zhuǎn)變幫助人工智能恢復(fù)了商業(yè)吸引力。大數(shù)據(jù)是2011年IBM的Watson系統(tǒng)在《危險(xiǎn)邊緣》問(wèn)答游戲中戰(zhàn)勝人類冠軍的關(guān)鍵因素，這一事件深深影響了公眾對(duì)人工智能的看法。2.2.8大數(shù)據(jù)（2001-現(xiàn)在）深度學(xué)習(xí)是指使用多層簡(jiǎn)單的、可調(diào)整的計(jì)算單元的機(jī)器學(xué)習(xí)。早在20世紀(jì)70年代，研究人員就對(duì)這類網(wǎng)絡(luò)進(jìn)行了實(shí)驗(yàn)，并在20世紀(jì)90年代以卷積神經(jīng)網(wǎng)絡(luò)的形式在手寫數(shù)字識(shí)別方面取得了一定的成功。

圖2-9卷積神經(jīng)網(wǎng)絡(luò)示意2.2.9深度學(xué)習(xí)（2011-現(xiàn)在）然而，直到2011年，深度學(xué)習(xí)方法才真正開(kāi)始流行起來(lái)，首先是在語(yǔ)音識(shí)別領(lǐng)域，然后是在視覺(jué)物體識(shí)別領(lǐng)域。在2012年的ImageNet競(jìng)賽中，需要將圖像分類為1000個(gè)類別之一（犰狳、書架、開(kāi)瓶器等）。多倫多大學(xué)杰弗里·辛頓團(tuán)隊(duì)開(kāi)發(fā)的深度學(xué)習(xí)系統(tǒng)比以前基于手工特征的系統(tǒng)有了顯著改進(jìn)。從那時(shí)起，深度學(xué)習(xí)系統(tǒng)在某些視覺(jué)任務(wù)上的表現(xiàn)超過(guò)了人類，但在其他一些任務(wù)上還顯落后。在語(yǔ)音識(shí)別、機(jī)器翻譯、醫(yī)療診斷和博弈方面也有類似的進(jìn)展。2.2.9深度學(xué)習(xí)（2011-現(xiàn)在）AlphaGo之所以能夠戰(zhàn)勝人類頂尖的圍棋棋手，是因?yàn)樗褂昧松疃染W(wǎng)絡(luò)來(lái)表示評(píng)價(jià)函數(shù)。這些非凡的成功使公眾對(duì)人工智能的興趣重新高漲。似乎每周都有新的人工智能應(yīng)用接近或超過(guò)人類表現(xiàn)的消息，通常伴隨著加速成功或人工智能新寒冬的猜測(cè)。2.2.9深度學(xué)習(xí)（2011-現(xiàn)在）深度學(xué)習(xí)在很大程度上依賴于強(qiáng)大的硬件，一個(gè)標(biāo)準(zhǔn)的計(jì)算機(jī)CPU每秒可以進(jìn)行109或1010次運(yùn)算。運(yùn)行在特定硬件（例如GPU、TPU或FPGA）上的深度學(xué)習(xí)算法，每秒可能進(jìn)行1014—1017次運(yùn)算，主要是高度并行化的矩陣和向量運(yùn)算。當(dāng)然，深度學(xué)習(xí)還依賴于大量訓(xùn)練數(shù)據(jù)的可用性，以及一些算法技巧。2.2.9深度學(xué)習(xí)（2011-現(xiàn)在）PART03人工智能的研究繁重的科學(xué)和工程計(jì)算本來(lái)是要人腦來(lái)承擔(dān)的，如今計(jì)算機(jī)不但能完成這種計(jì)算，而且能夠比人腦做得更快、更準(zhǔn)確，因此，人們已不再把這種計(jì)算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”?？梢?jiàn)，復(fù)雜工作的定義是隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的，人工智能的具體目標(biāo)也隨著時(shí)代的變化而發(fā)展。它一方面不斷獲得新進(jìn)展，另一方面又轉(zhuǎn)向更有意義、更加困難的新目標(biāo)。2.3人工智能的研究用來(lái)研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺(tái)的機(jī)器就是計(jì)算機(jī)，人工智能的發(fā)展是和計(jì)算機(jī)科學(xué)技術(shù)以及其他很多科學(xué)的發(fā)展聯(lián)系在一起的。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、知識(shí)獲取、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)、知識(shí)處理系統(tǒng)、自然語(yǔ)言學(xué)習(xí)與處理、遺傳算法、計(jì)算機(jī)視覺(jué)、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)、數(shù)據(jù)挖掘、復(fù)雜系統(tǒng)、規(guī)劃、組合調(diào)度、感知、模式識(shí)別、邏輯程序設(shè)計(jì)、軟計(jì)算、不精確和不確定的管理、人類思維方式、人工生命等方面。一般認(rèn)為，人工智能最關(guān)鍵的難題還是機(jī)器自主創(chuàng)造性思維能力的塑造與提升。2.3人工智能的研究（1）深度學(xué)習(xí)。這是無(wú)監(jiān)督學(xué)習(xí)的一種，是機(jī)器學(xué)習(xí)研究中的一個(gè)領(lǐng)域，是基于現(xiàn)有的數(shù)據(jù)進(jìn)行學(xué)習(xí)操作，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像，聲音和文本?，F(xiàn)實(shí)生活中常常會(huì)有這樣的問(wèn)題：缺乏足夠的先驗(yàn)知識(shí)，因此難以人工標(biāo)注類別或進(jìn)行人工類別標(biāo)注的成本太高。很自然地，我們希望計(jì)算機(jī)可以完成這些工作，或至少提供一些幫助。根據(jù)類別未知（沒(méi)有被標(biāo)記）的訓(xùn)練樣本解決模式識(shí)別中的各種問(wèn)題，這就是無(wú)監(jiān)督學(xué)習(xí)。2.3人工智能的研究（2）自然語(yǔ)言處理。這是用自然語(yǔ)言同計(jì)算機(jī)進(jìn)行通訊的一種技術(shù)。作為人工智能的分支學(xué)科，研究用電子計(jì)算機(jī)模擬人的語(yǔ)言交際過(guò)程，使計(jì)算機(jī)能理解和運(yùn)用人類社會(huì)的自然語(yǔ)言如漢語(yǔ)、英語(yǔ)等，實(shí)現(xiàn)人機(jī)之間的自然語(yǔ)言通信，以代替人的部分腦力勞動(dòng)，包括查詢資料、解答問(wèn)題、摘錄文獻(xiàn)、匯編資料以及一切有關(guān)自然語(yǔ)言信息的加工處理。2.3人工智能的研究（3）大語(yǔ)言模型（LargeLanguageModel，LLM）。這是一種人工智能模型，旨在理解和生成人類語(yǔ)言。它們?cè)诖罅康奈谋緮?shù)據(jù)（即語(yǔ)料庫(kù)，它集中了人類所有相關(guān)語(yǔ)言文明的精華，是一個(gè)非常非常龐大的一個(gè)數(shù)據(jù)庫(kù)）上進(jìn)行訓(xùn)練。它可以執(zhí)行廣泛的任務(wù)，包括文本總結(jié)、翻譯、情感分析等等。LLM的特點(diǎn)是規(guī)模龐大，包含數(shù)十億的參數(shù)，幫助它們學(xué)習(xí)語(yǔ)言數(shù)據(jù)中的復(fù)雜模式。這些模型通?；谏疃葘W(xué)習(xí)架構(gòu)，如轉(zhuǎn)化器，這有助于它們?cè)诟鞣N自然語(yǔ)言處理任務(wù)上取得令人印象深刻的表現(xiàn)。2.3人工智能的研究（4）語(yǔ)音識(shí)別：2017年，微軟表示其會(huì)話語(yǔ)音識(shí)別系統(tǒng)的單詞錯(cuò)誤率已降至5.1％，與人類在轉(zhuǎn)錄電話對(duì)話中的表現(xiàn)相當(dāng)。現(xiàn)在全世界大約三分之一的計(jì)算機(jī)交互是通過(guò)語(yǔ)音而不是鍵盤完成的，另外Skype提供了10種語(yǔ)言的實(shí)時(shí)語(yǔ)音翻譯。Alexa、Siri、Cortana和谷歌都提供了可以回答用戶問(wèn)題和執(zhí)行任務(wù)的助手。例如，谷歌Duplex服務(wù)使用語(yǔ)音識(shí)別和語(yǔ)音合成為用戶預(yù)訂餐廳，它能夠代表用戶進(jìn)行流暢的對(duì)話。2.3人工智能的研究（5）機(jī)器翻譯：在線機(jī)器翻譯系統(tǒng)現(xiàn)在可以閱讀超過(guò)100種語(yǔ)言的文檔，涵蓋99％的人類使用的母語(yǔ)，每天為數(shù)億用戶翻譯數(shù)千億詞語(yǔ)。雖然翻譯結(jié)果還不完美，但通常足以理解。對(duì)于具有大量訓(xùn)練數(shù)據(jù)的密切相關(guān)的語(yǔ)言（如法語(yǔ)和英語(yǔ)），在特定領(lǐng)域內(nèi)的翻譯效果已經(jīng)接近于人類的水平。2.3人工智能的研究（6）計(jì)算機(jī)視覺(jué)。是指用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺(jué)，并進(jìn)一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。計(jì)算機(jī)視覺(jué)研究人員不再滿足于在具有挑戰(zhàn)性的ImageNet物體識(shí)別任務(wù)上超越人類的準(zhǔn)確性，他們開(kāi)始研究更困難的圖像描述問(wèn)題。圖2-10計(jì)算機(jī)視覺(jué)應(yīng)用2.3人工智能的研究計(jì)算機(jī)視覺(jué)用各種成像系統(tǒng)代替視覺(jué)器官作為輸入敏感手段，由計(jì)算機(jī)來(lái)代替大腦完成處理和解釋。計(jì)算機(jī)視覺(jué)的最終研究目標(biāo)就是使計(jì)算機(jī)能像人那樣通過(guò)視覺(jué)觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。計(jì)算機(jī)視覺(jué)的應(yīng)用包括控制過(guò)程、導(dǎo)航、自動(dòng)檢測(cè)等方面。2.3人工智能的研究（7）智能機(jī)器人。如今我們的身邊逐漸出現(xiàn)很多智能機(jī)器人，他們具備形形色色的內(nèi)、外部信息傳感器，如視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)、嗅覺(jué)。除具有感受器外，它還有效應(yīng)器，作為作用于周圍環(huán)境的手段。這些機(jī)器人都離不開(kāi)人工智能的技術(shù)支持。科學(xué)家們認(rèn)為，智能機(jī)器人的研發(fā)方向是，給機(jī)器人裝上“大腦芯片”，從而使其智能性更強(qiáng)，在認(rèn)知學(xué)習(xí)、自動(dòng)組織、對(duì)模糊信息的綜合處理等方面將會(huì)前進(jìn)一大步。2.3人工智能的研究雷伯特等人制作的四足機(jī)器人“大狗”，顛覆了我們對(duì)機(jī)器人如何行動(dòng)的概念——不再是好萊塢電影中機(jī)器人緩慢、僵硬、左右搖擺的步態(tài)，而是類似于動(dòng)物，并且能夠在被推倒或在結(jié)冰的水坑上滑倒時(shí)恢復(fù)站立。類人機(jī)器人Atlas不僅能在崎嶇不平的路況中行走，還可以跳到箱子上，做后空翻后可以穩(wěn)定落地。

圖2-11大狗機(jī)器人2.3人工智能的研究（8）數(shù)據(jù)挖掘。它一般是指通過(guò)算法搜索隱藏于從大量數(shù)據(jù)中的信息的過(guò)程。它通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過(guò)統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)（依靠過(guò)去的經(jīng)驗(yàn)法則）和模式識(shí)別等諸多方法來(lái)實(shí)現(xiàn)上述目標(biāo)。它的分析方法包括：分類、估計(jì)、預(yù)測(cè)、相關(guān)性分組或關(guān)聯(lián)規(guī)則、聚類和復(fù)雜數(shù)據(jù)類型挖掘。2.3人工智能的研究（9）自動(dòng)駕駛：自動(dòng)駕駛的歷史可以追溯到20世紀(jì)20年代的無(wú)線電