人工智能是在1956年作为一门新兴学科的称号正式提出的，自此之后，它现已取得了惊人的成果，获得了敏捷的打开，它的打开前史，可归结为孕育、构成、打开这三个阶段。
这个阶段首要是指1956年曾经。自古以来，人们就一向企图用各种机器来替代人的部分脑力劳动，以进步人们降服天然的才能，其间对人工智能的发生、打开有严峻影响的首要研讨成果包含：
早在公元前384-公元前322年，巨大的哲学家亚里士多德(Aristotle)就在他的名著《东西论》中提出了方法逻辑的一些首要规则，他提出的三段论至今仍是演绎推理的根本依据。
英国哲学家培根(F. Bacon)曾体系地提出了归纳法，还提出了“常识便是力气”的警句。这关于研讨人类的思维过程，以及自20世纪70年代人工智能转向以常识为中心的研讨都发生了重要影响。
德国数学家和哲学家莱布尼茨(G. W. Leibniz)提出了全能符号和推理核算的思维，他以为能够树立一种通用的符号言语以及在此符号言语上进行推理的演算。这一思维不只为数理逻辑的发生和打开奠定了根底，并且是现代机器思维规划思维的萌发。
英国逻辑学家布尔(C. Boole)致力于使思维规则方法化和完结机械化，并创立了布尔代数。他在《思维规则》一书中初次用符号言语描绘了思维活动的根本推理规则。
英国数学家图灵(A. M. Turing)在1936年提出了一种抱负核算机的数学模型，即图灵机，为后来电子数字核算机的面世奠定了理论根底。
美国神经生理学家麦克洛奇(W. McCulloch)与匹兹(W. Pitts)在1943年建成了榜首个神经网络模型(M-P模型)，创始了微观人工智能的研讨范畴，为后来人工神经网络的研讨奠定了根底。
美国爱荷华州立大学的阿塔纳索夫(Atanasoff)教授和他的研讨生贝瑞(Berry)在1937年至1941年间开发的国际上榜首台电子核算机“阿塔纳索夫-贝瑞核算机(Atanasoff-Berry Computer，ABC)”为人工智能的研讨奠定了物质根底。需求阐明的是：国际上榜首台核算机不是许多书上所说的由美国的莫克利和埃柯特在1946年发明。这是美国前史上一桩闻名的公案。
由上面的打开过程能够看出，人工智能的发生和打开绝不是偶尔的，它是科学技术打开的必定产品。
这个阶段首要是指1956-1969年。1956年夏日，由其时达特茅斯大学的年青数学助教、现任斯坦福大学教授麦卡锡(J. MeCarthy)联合哈佛大学年青数学和神经学家、麻省理工学院教授明斯基(M. L. Minsky)，IBM公司信息研讨中心负责人洛切斯特(N. Rochester)，贝尔试验室信息部数学研讨员香农(C. E. Shannon)一同建议，约请普林斯顿大学的莫尔(T.Moore)和IBM公司的塞缪尔(A. L. Samuel)、麻省理工学院的塞尔夫里奇(O. Selfridge)和索罗莫夫(R. Solomonff)以及兰德(RAND)公司和卡内基梅隆大学的纽厄尔(A. Newell)、西蒙(H. A. Simon)等在美国达特茅斯大学召开了一次为时两个月的学术研讨会，评论关于机器智能的问题。会上经麦卡锡提议正式采用了“人工智能”这一术语。麦卡锡因而被称为人工智能之父。这是一次具有前史含义的重要会议，它标志着人工智能作为一门新兴学科正式诞生了。尔后，美国构成了多个人工智能研讨安排，如纽厄尔和西蒙的Carnegie-RAND协作组，明斯基和麦卡锡的MIT研讨组，塞缪尔的IBM工程研讨组等。
自这次会议之后的10多年间，人工智能的研讨在机器学习、定理证明、模式辨认、问题求解、专家体系及人工智能言语等方面都取得了许多有目共睹的成果，例如：
在机器学习方面，1957年Rosenblatt研发成功了感知机。这是一种将神经元用于辨认的体系，它的学习功用引起了广泛的爱好，推进了衔接机制的研讨，但人们很快发现了感知机的局限性。
在定理证明方面，美籍华人数理逻辑学家王浩于1958年在IBM-704机器上用3~5min证明晰《数学原理》中有关出题演算的悉数定理(220条)，并且还证明晰谓词演算中150条定理的85%，1965年鲁宾逊(J. A. Robinson)提出了归结原理，为定理的机器证明作出了打破性的奉献。
在模式辨认方面，1959年塞尔夫里奇推出了一个模式辨认程序，1965年罗伯特(Roberts)编制出了可分辩积木结构的程序。
在问题求解方面，1960年纽厄尔等人经过心思学试验总结出了人们求解问题的思维规则，编制了通用问题求解程序(General Problem Solver，GPS)，能够用来求解11种不同类型的问题。
在专家体系方面，美国斯坦福大学的费根鲍姆(E. A. Feigenbaum)领导的研讨小组自1965年开端专家体系DENDRAL的研讨，1968年完结并投入运用。该专家体系能依据质谱仪的试验，经过剖析推理决议化合物的分子结构，其剖析才能已挨近乃至超越有关化学专家的水平，在美、英等国得到了实践的运用。该专家体系的研发成功不只为人们供给了一个有用的专家体系，并且对常识表明、存储、获取、推理及运用等技术是一次十分有利的探究，为今后专家体系的制作树立了典范，对人工智能的打开发生了深入的影响，其含义远远超越了体系本身在有用上所发明的价值。
在人工智能言语方面，1960年麦卡锡研发出了人工智能言语(List Processing，LISP)，成为制作专家体系的重要东西。
1969年建立的国际人工智能联合会议(International Joint Conferences On Artificial Intelligence，IJCAI)是人工智能打开史上一个重要的里程碑，它标志着人工智能这门新兴学科现已得到了国际的必定和认可。1970年创刊的国际性人工智能杂志《Artificial Intelligence》对推进人工智能的打开，促进研讨者们的沟通起到了重要的效果。
这个阶段首要是指1970年今后。进入20世纪70年代，许多国家都打开了人工智能的研讨，呈现了许多的研讨成果。例如，1972年法国马赛大学的科麦瑞尔(A. Comerauer)提出并完结了逻辑程序规划言语PROLOG；斯坦福大学的肖特利夫(E. H. Shorliffe)等人从1972年开端研发用于确诊和医治感染性疾病的专家体系MYCIN。
可是，和其他新兴学科的打开相同，人工智能的打开路途也不是平整的。例如，机器翻译的研讨没有像人们开端幻想的那么简略。其时人们总以为只需一部双向词典及一些词法常识就能够完结两种言语文字间的互译。后来发现机器翻译远非这么简略。实践上，由机器翻译出来的文字有时会呈现十分荒诞的过错。例如，当把“眼不见，心不烦”的英语语句“Out of sight，out of mind”。翻译成俄语变成“又瞎又疯”；当把“爱莫能助”的英语语句“The spirit is willing but the flesh is weak”翻译成俄语，然后再翻译回来时竟变成了“The wine is good but the meat is spoiled”，即“酒是好的，但肉蜕变了”；当把“日月如梭”的英语语句“Time flies like an arrow”翻译成日语，然后再翻译回来的时分，竟变成了“苍蝇喜爱箭”。由于机器翻译呈现的这些问题，1960年美国政府参谋委员会的一份陈说裁决：“还不存在通用的科学文本机器翻译，也没有很近的完结远景。”因而，英国、美国其时中断了对大部分机器翻译项目的赞助。在其他方面，如问题求解、神经网络、机器学习等，也都遇到了困难，使人工智能的研讨一时陷入了窘境。
人工智能研讨的先驱者们仔细反思，总结前一段研讨的阅历和经验。1977年费根鲍姆在第五届国际人工智能联合会议上提出了“常识工程”的概念，对以常识为根底的智能体系的研讨与制作起到了重要的效果。大多数人接受了费根鲍姆关于以常识为中心打开人工智能研讨的观念。从此，人工智能的研讨又迎来了蓬勃打开的以常识为中心的新时期。
这个时期中，专家体系的研讨在多种范畴中取得了严峻打破，各种不同功用、不同类型的专家体系如漫山遍野般地树立起来，发生了巨大的经济效益及社会效益。例如，地矿勘探专家体系PROSPECTOR具有15种矿产常识，能依据岩石标本及地质勘探数据对矿产资源进行估量和猜测，能对矿床散布、储藏量、档次及挖掘价值进行揣度，拟定合理的挖掘计划。运用该体系成功地找到了超亿美元的钼矿。专家体系MYCIN能辨认51种病菌，正确地处理23种抗菌素，可帮忙医师确诊、医治细菌感染性血液病，为患者供给最佳处方。该体系成功地处理了数百个病例，并经过了严厉的测验，显现出了较高的医疗水平。美国DEC公司的专家体系XCON能依据用户要求确认核算机的装备。由专家做这项作业一般需求3小时，而该体系只需求0.5分钟，速度进步了360倍。DEC公司还树立了别的一些专家体系，由此发生的净收益每年超越4000万美元。信用卡认证辅佐决议计划专家体系American Express能够避免不该有的丢失，听说每年可节约2700万美元左右。
专家体系的成功，使人们越来越清楚地认识到常识是智能的根底，对人工智能的研讨有必要以常识为中心来进行。对常识的表明、运用及获取等的研讨取得了较大的开展，特别是对不确认性常识的表明与推理取得了打破，树立了片面Bayes理论、确认性理论、依据理论等，对人工智能中模式辨认、天然言语了解等范畴的打开供给了支撑，处理了许多理论及技术上的问题。
人工智能在博弈中的成功运用也引人注目。人们对博弈的研讨一向抱有极大的爱好，早在1956年人工智能刚刚作为一门学科面世时，塞缪尔就研发出了跳棋程序。这个程序能从棋谱中学习，也能从下棋实践中进步棋术。1959年它打败了塞缪尔自己，1962年又打败了一个州的冠军。1991年8月在悉尼举办的第12届国际人工智能联合会议上，IBM公司研发的“沉思”(Deep Thought)核算机体系就与澳大利亚象棋冠军约翰森(D. Johansen)举办了一场人机对抗赛，成果以1:1平局告终。1957年西蒙曾猜测10年内核算机能够打败人类的国际冠军。尽管在10年内没有完结，但40年后深蓝核算机打败国际象棋棋王卡斯帕罗夫(Kasparov)，只是比猜测迟了30年。
1996年2月10日至17日，为了留念国际上榜首台电子核算机诞生50周年，美国IBM公司出巨资约请国际象棋棋王卡斯帕罗夫与IBM公司的深蓝核算机体系进行了六局的“人机大战”。这场竞赛被人们称为“人脑与电脑的国际决战”。参赛的两边别离代表了人脑和电脑的国际最高水平。其时的深蓝是一台运算速度达每秒1亿次的超级核算机。榜首盘，深蓝就给卡斯帕罗夫一个下马威，赢了这位国际冠军，给国际棋坛以极大的轰动。但卡斯帕罗夫总结阅历，步步为营，在剩余的五盘中赢三盘，平两盘，终究以总比分4:2取胜。一年后，即1997年5月3日至11日，深蓝再次应战卡斯帕罗夫。这时，深蓝是一台具有32个处理器和强壮并行核算才能的RS/6000SP/2的超级核算机，运算速度达每秒2亿次。核算机里存储了百余年来国际顶尖棋手的棋局，5月3日棋王卡斯帕罗夫首战打败深蓝，5月4日深蓝扳回一盘，之后两边战平三局。两边的决胜局于5月11日拉开了帷幕，卡斯帕罗夫在这盘竞赛中只是走了19步便抛弃了反抗，竞赛用时只要1小时多一点。这样，深蓝终究以3.5：2.5的总比分赢得这场引人注目的“人机大战”的成功。深蓝的成功表明晰人工智能所到达的成果。尽管它的棋路还远非真实地对人类思维方法的模仿，但它现已向世人阐明，电脑能够以人类远远不能企及的速度和精确性，完结归于人类思维的许多使命。深蓝精深的残局战略使观战的国际象棋专家们大为惊奇。卡斯帕罗夫也表明：“这场竞赛中有许多新的发现，其间之一便是核算机有时也能够走出人性化的棋步。在必定程度上，我不能不赞扬这台机器，由于它对盘势要素有着深入的了解，我以为这是一项出色的科学成果。”由于这场成功，IBM的股票增值为180亿美元。
依据前面的论说，咱们知道要了解人工智能就要研讨如安在一般的含义上界说常识，惋惜的是，精确认义常识也是个十分杂乱的作业。严厉来说，人们最早运用的常识界说是柏拉图在《泰阿泰德篇》中给出的，即“被证明的、真的和被信任的陈说”(Justified true belief，简称JTB条件)。
可是，这个连续了两千多年的界说在1963年被哲学家盖梯尔否定了。盖梯尔提出了一个闻名的悖论(简称“盖梯尔悖论”)。该悖论阐明柏拉图给出的常识定文存在严峻缺陷。尽管后来人们给出了许多常识的替代界说，但直到现在仍然没有结论。
但关于常识，至少有一点是清晰的，那便是常识的根本单位是概念。通晓把握任何一门常识，有必要从这门常识的根本概念开端学习。而常识本身也是一个概念。因而，怎么界说一个概念，关于人工智能具有十分重要的含义。给出一个界说看似简略，实践上是十分难的，由于经常会触及自指的性质(自指：词性的转化——由谓词性转化为体词性，语义则坚持不变)。一旦触及自指，就会呈现十分多的问题，许多的语义悖论都出于概念自指。
自指与转指这一对概念最早出自朱德熙先生的《自指与转指》(《方言》1983年榜首期，《朱德熙文集》第三卷)。陆俭明先生在《八十年代我国语法研讨》中(第98页)说：“自指和转指的差异在于，自指单纯是词性的转化－由谓词性转化为体词性，语义则坚持不变；转指则不只词性转化，语义也发生变化，尤指行为动作或性质本身转化为指与行为动作或性质相关的事物。”
①教学的来了(“教学的”是转指，转指教学的“人”)；教学的时分要仔细(“教学的”语义没变，是自指)。
②Unplug一词的原意为“不运用(电源)插座”，是自指；常用来转指为不运用电子乐器的歌唱。
常识本身也是一个概念。据此，人工智能的问题就变成了如下三个问题：一、怎么界说(或许表明)一个概念、怎么学习一个概念、怎么运用一个概念。因而对概念进行深人研讨就十分必要了。
那么，怎么界说一个概念呢？简略起见，这儿先评论最为简略的经典概念。经典概念的界说由三部分组成：榜首部分是概念的符号表明，即概念的称号，阐明这个概念叫什么，简称概念名；第二部分是概念的内在表明，由出题来表明，出题便是能判别真假的陈说句。第三部分是概念的外延表明，由经典调集来表明，用来阐明与概念对应的实践目标是哪些。
举一个常见经典概念的比方——素数(prime number)，其内在表明是一个出题，即只能够被1和本身整除的天然数。
概念有什么效果呢？或许说概念界说的各个组成部分有什么效果呢？经典概念界说的三部分各有效果，且相互不能相互替代。详细来说，概念有三个效果或功用，要把握一个概念，有必要清楚其三个功用。
榜首个功用是概念的指物功用，即指向客观国际的目标，表明客观国际的目标的可观测性。目标的可观测性是指目标关于人或许仪器的感觉感知特性，不依赖于人的片面感触。举一个《阿Q正传》里的比方：那赵家的狗，何故看我两眼呢？语句中“赵家的狗”应该是指实际国际傍边的一条真实的狗。但概念的指物功用有时不必定能够完结，有些概念其想象存在的目标在实际国际并不存在，例如“鬼”。
第二个功用是指心功用，即指向人心智国际里的目标，代表心智国际里的目标表明。鲁迅有一篇闻名的文章《论丧家的资本家的乏喽啰》，明显，这个“狗”不是实际国际的狗，只是他心智国际中的狗，即心里的狗(在客观国际，梁实秋先生明显不管怎么不是狗)。概念的指心功用必定存在。假如关于某一个人，一个概念的指心功用没有完结，则该词关于该人不可见，简略地说，该人不了解该概念。
终究一个功用是指名功用，即指向认知国际或许符号国际表明目标的符号称号，这些符号称号组成各种言语。最闻名的比方是乔姆斯基的“colorless green ideas sleep furiously”，这句话翻译过来是“无色的绿色思维在狂怒地歇息”。这句话没有什么意思，可是彻底符合语法，纯粹是在语义符号国际里，即只是指向符号国际罢了。当然也有别的，“鸳鸯两字怎生书”指的便是“鸳鸯”这两个字组成的姓名。一般景象下，概念的指名功用依赖于不同的言语体系或许符号体系，由人类所发明，归于认知国际。同一个概念在不同的符号体系里，概念名不必定相同，如汉语称“雨”，英语称“rain”。
依据波普尔的三个国际理论，认知国际、物理国际与心思国际尽管相关，但各不相同。因而，一个概念的三个功用尽管相互相关，也各不相同。更重要的是，人类文明打开至今，这三个功用不断打开，相互都越来越杂乱，但概念的三个功用并没有改动。
在实际日子中，假如你要了解一个概念，就需求知道这个概念的三个功用：要知道概念的姓名，也要知道概念所指的目标(或许是物理国际)。更要在自己的心智国际里具有该概念的形象(或许图画)。假如只要一个，那是不可的。
知道了概念的三个功用之后，就能够了解人工智能的三个学派以及各学派之间的联络。
人工智能也是一个概念，而要使一个概念成为实际，天然要完结概念的三个功用。人工智能的三个学派重视于怎么才能让机器具有人工智能，并依据概念的不同功用给出了不同的研讨道路。专心于完结AI指名功用的人工智能学派成为符号主义，专心于完结AI指心功用的人工智能学派称为衔接主义，专心于完结AI指物功用的人工智能学派成为行为主义。
符号主义的代表人物是Simon与Newell，他们提出了物理符号体系假定，即只需在符号核算上完结了相应的功用，那么在实际国际就完结了对应的功用，这是智能的充沛必要条件。因而，符号主义以为，只需在机器上是正确的，实际国际便是正确的。说得更浅显一点，指名对了，指物天然正确。
在哲学上，关于物理符号体系假定也有一个闻名的思维试验——本章1.1.3节中说到的图灵测验。图灵测验要处理的问题便是怎么判别一台机器是否具有智能。
图灵测验将智能的体现彻底限定在指名功用里。但马少平教授的故事现已阐明，只在指名功用里完结了概念的功用，并不能阐明必定完结了概念的指物功用。实践上，依据指名与指物的不同，哲学家约翰·塞尔勒专门规划了一个思维试验用来批评图灵测验，这便是闻名的中文屋试验。
中文屋试验清晰阐明，即便符号主义成功了，这满是符号的核算跟实际国际也不必定搭界，即彻底完结指名功用也不见得具有智能。这是哲学上对符号主义的一个正式批评，清晰指出了依照符号主义完结的人工智能不等同于人的智能。
尽管如此，符号主义在人工智能研讨中仍然扮演了重要人物，其前期作业的首要成果体现在机器证明和常识表明上。在机器证明方面，前期Simon与Newell做出了重要的奉献，王浩、吴文俊等华人也得出了很重要的成果。机器证明今后，符号主义最重要的成果是专家体系和常识工程，最闻名的学者便是Feigenbaum。假如以为沿着这条路就能够完结悉数智能，明显存在问题。日本第五代智能机便是沿着常识工程这条路走的，其后来的失败在现在看来是彻底合乎逻辑的。
完结符号主义面对的观实挑成首要有三个。榜首个是概念的组合爆破问题。每个人把握的根本概念大约有5万个，其构成的组合概念却是无量的。由于常识难以尽头，推理过程能够无量。第二个是出题的组合悖论问题。两个都是合理的出题，合起来就变成了无法判别真假的语句了，比方闻名的柯里悖论(Curry’s Paradox)(1942)。第三个也是最难的问题，即经典概念在实践日子傍边是很难得到的，常识也难以提取。上述三个问题成了符号主义打开的瓶颈。
衔接主义以为大脑是全部智能的根底，首要重视于大脑神经元及其衔接机制，企图发现大脑的结构及其处理信息的机制、提醒人类智能的实质机理，进而在机器上完结相应的模仿。前面现已指出常识是智能的根底，而概念是常识的根本单元，因而衔接主义实践上首要重视于概念的心智表明以及如安在核算机上完结其心智表明，这对应着概念的指心功用。2016年宣布在Nature上的一篇学术论文提醒了大脑语义地图的存在性，文章指出概念都能够在每个脑区找到对应的表明区，确确实实概念的心智表明是存在的。因而，衔接主义也有其坚实的物理根底。
衔接主义学派的前期代表人物有麦克洛克、皮茨、霍普菲尔德等。依照这条路，衔接主义以为能够完结彻底的人工智能。对此，哲学家普特南规划了闻名的“缸中之脑试验”，能够看作是对衔接主义的一个哲学批评。
缸中之脑试验描绘如下：一个人(能够假定是你自己)被凶恶科学家进行了手术，脑被切下来并放在存有营养液的缸中。脑的神经末梢被衔接在核算机上，一同核算机依照程序向脑传递信息。关于这个人来说，人、物体、天空都存在，神经感觉等都能够输入，这个大脑还能够被输入、截取回忆，比方截取掉大脑手术的回忆，然后输入他或许阅历的各种环境、日常日子，乃至能够被输入代码，“感觉”到自己正在阅览这一段风趣而荒诞的文字。
缸中之脑试验阐明即便衔接主义完结了，指心没有问题，但指物仍然存在严峻问题。因而，衔接主义完结的人工智能也不等同于人的智能。
尽管如此，衔接主义仍是现在最为群众所知的一条AI完结道路。在围棋上，采用了深度学习技术的AlphaGo战胜了李世石，之后又战胜了柯洁。在机器翻译上，深度学习技术现已超越了人的翻译水平。在语音辨认和图画辨认上，深度学习也现已到达了有用水准。客观地说，深度学习的研讨成果现已取得了工业级的开展。
可是，这并不意味着衔接主义就能够完结人的智能。更重要的是，即便要完结彻底的衔接主义，也面对极大的应战。到现在为止，人们并不清楚人脑表明概念的机制，也不清楚人脑中概念的详细表明方法表明方法和组合方法等。现在的神经网络与深度学习实践上与人脑的真实机制间隔尚远。
行为主义假定智能取决于感知和举动，不需求常识、表明和推理，只需求将智能行为体现出来就好，即只需能完结指物功用就能够以为具有智能了。这一学派的前期代表作是Brooks的六足匍匐机器人。
对此，哲学家普特南也规划了一个思维试验，能够看作是对行为主义的哲学批评，这便是“完美伪装者和斯巴达人”。完美伪装者能够依据外在的需求进行完美的扮演，需求哭的时分能够哭得让人撕心裂肺，需求笑的时分能够笑得让人兴致勃勃，可是其心里或许一直镇定如常。斯巴达人则相反，不管其心里是激动万分仍是心冷似铁，其外在总是一副泰山崩于前而色不变的表情。完美伪装者和斯巴达人的外在体现都与心里没有联络，这样的智能怎么从外在行为进行测验？因而，行为主义道路完结的人工智能也不等同于人的智能。
关于行为主义道路，其面对的最大完结困难能够用莫拉维克悖论来阐明。所谓莫拉维克悖论，是指对核算机来说困难的问题是简略的、简略的问题是困难的，最难以仿制的反而是人类技术中那些无意识的技术。现在，模仿人类的举动技术面对很大应战。比方，在网上看到波士顿动力公司人形机器人能够做高难度的后空翻动作，大狗机器人能够在任何地势负重前行，其举动才能好像十分强。可是这些机器人都有一个大的缺陷一能耗过高、噪音过大。大狗机器人原是美国军方订货的产品，但由于大狗机器人开动时的声响在十里之外都能听到，大大进步了其成为一个活靶子的或许性，使其在战场上几乎没有有用价值，美国军方终究抛弃了收购。
(人工智能常识系列由樊重俊教授人工智能团队编写，转发本文请标明作者与出处。欢迎重视，带你一同长常识！)