人工智能简介

起源

人工智能的起源普遍认为是 1956 年的达特茅斯会议。 因为这次会议本身就是为了人工智能而召开的，而且参会的人后来也成了人工智能各个方向上的大牛。 参会的主要 6 个人：

1. 麦卡锡，会议的召集人，也是 LISP 的发明者
2. 克门尼，BASIC 发明人，做过爱因斯坦的数学助理，和麦卡锡一起研究出了 分时系统
3. 明斯基，提出神经网络
4. 香农，信息论创始人
5. 纽厄儿，图灵奖得主
6. 司马贺，图灵奖得主，诺贝尔奖得主，纽厄儿的学生，他们俩都是人工智能中的符号学派

人工智能的概念虽然是达特茅斯会议提出的，但是在此之前已经有关于人工智能的研究，只不过那时不叫人工智能， 而是称为"机器智能"或是"智能机器"，对此，最广为人知的就是图灵的论文和他的图灵测试。

发展

人工智能提出的很早，但发展的并不顺，不像其他学科都逐渐走向统一，从诞生之初，人工智能的研究方向就不断分裂。 目前主流的人工智能方向有：

符号学派

这是传统的人工智能方向，专注于如何制造智能机器特别是智能的计算机程序和工程，但不局限于模拟生物的智能行为。 这一学派和图灵的研究一脉相承。

符号学派利用知识和搜索来代替真实人脑的神经网络结构，擅长解决利用现有知识做比较复杂的推理，规划，逻辑运算和判断等问题。

连接学派

之所以成为连接学派，是因为这一学派认为高级的智能行为是从大量神经网络的连接中自发出现的。 神经网络就是这个学派提出的，但是神经网路发展也不顺利，后来借助统计学习理论，稍有起色，在某些方面形成了优势。

连接学派可以很好的解决机器学习的问题，并自动获取知识。擅长解决模式识别，聚类，联想等非结构化的问题。

行为学派

行为学派和前 2 个学派不一样，没有把重点关注在高级智能上，而是关注比人类低级的多的昆虫上。 这个学派产生了极其紧密的极其昆虫，也有能够适应各种环境的机器狗，当然，从动物身上不仅仅学到这些， 还有遗传算法，这是对进化方面的研究。

行为学派关注模拟身体的运作机制，而不是脑。擅长解决适应性，学习，快速行为反应等问题，也可以解决一定的识别，聚类，联想等问题。

其他

这 3 个学派大致是从软件，硬件，身体 3 个角度来模拟和理解智能的。 随着人工智能的发展，单独依靠某一个学派，发展都会遇到瓶颈，于是，很多人工智能研究者逐渐不再关注人工智能的理论， 而是从实际应用出发，能够解决实际问题的就是好方法，就这样，逐渐产生了很多新兴的学科：

1. 自动定理证明
2. 模式识别
3. 机器学习
4. 自然语言理解
5. 计算机视觉
6. 自动程序设计

总结

人工智能进入 21 世纪第二个十年，最引人注目的成就就是 深度学习 深度学习也是一种对大脑的模拟，它模仿了人类大脑的深层体系结构。 到了今天，充足的食物（大数据）和强劲的消化系统（GPU，云计算）成为了深度学习崛起的契机。

除此之外，还有一种 被称为 人类计算 的方式，也叫人工人工智能就是利用互联网上大量的人群来完成需要机器完成的工作。 这种方式比较有意思，实际的案例有：

1. 卡内基梅隆大学的 路易斯-冯-安 reCAPTCHE: 利用验证码来完成英文古文献的数字化
2. 同样是冯-安 设计的 Verbosity 游戏，目的是构建知识库
3. 此外还有 Matchin，Duolingo

现在，最火的人工智能方式是机器学习，但是人工智能远远不只是机器学习，我们在学习，讨论机器学习的同时， 也要站在更高的角度上看待人工智能，因为未来人工智能的统一在何方还是未知。