人工智能编年史

印象笔记上边读边记，未整理。

从1956年创立以来就不断走向分裂，形成众多子领域。

1900年
希尔伯特23个未解数学难题之二：数学真理不存在矛盾（一致性）&任意真理都可被描述成数学（完备性）
希尔伯特23个未解数学难题之十：是否存在任意一个丢番图方程有解的机械化运算过程

1931年
哥德尔通过对第二问题的研究，提出一致性与完备性的不可兼得，即哥德尔不完备性定理。通俗表示：本数学命题不可以被证明（自指悖论，说谎者悖论）
预示必然存在人类可以构造，但机器无法求解的问题，人工智能不可能超过人类。
当然，它的前提是：人与机器不同。

1940年
图灵通过对第十个问题的研究，设想出图灵机。并提出人工智能的要点不在于机器的打造，而是人类对人工智能的界定，提出图灵测试。(智能不是一个可以客观定义的属性，而是一个依赖人类观察者的属性）
然而，图灵测试将智能等同于符号运算，忽视了符号智能表现的机器内涵，绕过了智能本质问题，也无法体现对复杂形式的判断、创造性解决问题等人类智能。
图灵机与图灵论题：任何能行可计算的函数都是图灵机可计算的。

1945年
冯诺依曼发展了图灵机，提出冯诺依曼体系。

1948年
维纳提出控制论，讨论了机器与人的统一性－都是通过反馈完成某种目的，揭示了机器模拟人的可能性。


1956年
达特茅斯会议，人工智能的提出。

至1965年前
机器定理证明（四色问题）、机器学习（跳棋）获得突破。

1965年
定理证明遇挫、棋类程序陷入瓶颈，自然语言理解和翻译领域一败涂地。

1970年
费根鲍姆认为传统人工智能过于强调方法，忽略了知识的作用，提出专家系统。
知识获取的瓶颈让人工智能分化成不同学派。

1980年以后

符号学派（传统派）：模拟软件，自上而下
思想与观点直接来自图灵，从功能的角度理解智能。焦点在人类智能的高级行为，但将智能看做黑箱，只关心输入和输出，而不关心黑箱的构造。利用知识和搜索代替真实人脑（如深蓝利用海量棋谱与剪枝）。
麦卡锡，提出物理符号系统假说：任何能将物理的某些模式或符号进行操作转化成另外一些模式或符号的系统，就可能产生智能的行为。
人机大战，如深蓝战胜卡斯帕罗夫、沃森赢得《危险》游戏。


链接学派（模拟大脑结构）：模拟硬件，自下而上
模拟大量神经元相互链接模拟大脑的智力——认为高级智能行为是从大量神经网络的链接中自发出来的。但链接学派确实很难解决机器定理证明等高层次的智能问题。
1969年，闵斯基提出感知机不像所宣称的能学习任何问题，甚至无法判断二级制数是否只包含0和1（XOR问题）
1974年，辛顿提出多层感知机，以解决闵斯基的问题。采用了反向传播算法（BP算法）可以有效解决多层网络训练问题，之后迎来各种算法的大发展。然而，人们不清楚神经网络为什么在某些领域大获成功，在某些领域却一败涂地。
2000年，万普尼克和泽范兰杰斯提出统计学习理论：模型需要与待解决的问题相匹配，过（过拟合）与不及均需要避免。（奥卡姆剃刀）
但总之，链接学派并没有真正搞清楚神经网络是如何运作的。

行为学派（模拟简单生物体与环境互动）：模拟身体，自下而上
相比人类，他们更关注昆虫的行为来理解智能。相比符号学派与链接学派，他们关注的智能更低级。期待人工智能出现“涌现”（简单规则衍生出复杂表现）。
机器昆虫，它们体现的智能并不源自自上而下的复杂涉及，而是自下而上与环境的互动。
进化计算。约翰霍兰，遗传算法可以实现做中学，而不用划分为训练与学习两阶段。
人工生命。模拟群体行为。

至2000年
研究领域继续分化

2004年
通用人工智能开始复兴

2010年
深度学习：网络深度提高+大数据

然而，我们其实还并不了解我们自己的大脑。


ps:人类计算：将机器无法识别的文字掺入验证码中，由千千万万的网友进行人类识别....