人工智能70年：科幻和現實的交融（二）
更多精彩，敬請關注硅谷洞察官方網站（http://www.svinsight.com）
1970年代－機器人問診
1970年，世界第一個擬人機器人WABOT-1在日本早稻田大學誕生。
除此之外，這段時間AI領域基本上是埋頭科研，主要側重研究機器模擬記憶心理學和理解機制、知識和推理。因此，這個階段AI語義知識表示技術有長足進展，進而推動了專家系統的研發。
專家系統利用一流專家的知識來再現他們的思維過程；從1980年代早期開始在醫療診斷和其他一些領域廣泛應用。
1972年，針對細菌感染的醫療診斷系統MYCIN問世，準確率69%，專科醫生是80%。1978年，用於電腦銷售過程中為顧客自動配置零部件的專家系統XCON誕生。XCON是第一個投入商用的AI專家，也是當時最成功的一款。
1979年，斯坦福大學開始研發自動駕駛技術，但世界上第一次無人駕駛汽車完成首秀是在1986年；那是一輛奔馳麵包車，德國聯邦大學研製，車上有攝像機和感應裝置。它在無人的街道上行駛速度達55mph。
1980年代——《終結者》
數據和知識積累推動計算機學習算法發展，使機器能夠利用自己的經驗自動調整編程，AI的應用突飛猛進，如指紋、語音識別等。人工智能、計算機和人造生命開始和其他學科交融，生出混合系統。
1984年，美國普林斯頓大學教授、物理學家、分子生物學家和神經學家霍普菲爾德用模擬集成電路實現了自己兩年前提出的神經網絡模型，這個模型帶動了神經網絡學派的復興。深度學習大熱並取得突破。
同年，深度學習"三巨頭"辛頓（Geoffrey Hinton）、本吉奧（Yoshua Bengio）和楊立昆（Yann LeCun）發表反向傳播算法論文，開啟深度學習潮流。
那年，卡梅隆大片《終結者》上映，作家布魯克斯（Rodney Allen Brooks）發表《大象不下棋》，提出更高層次的AI系統設想：在與環境互動的基礎上打造人工智能。
人工智能三大源頭之一，哲學，又站到聚光燈下。1981年，美國哲學家、數學家與計算機科學家普特南（Hilary W. Putnam）發表《理性、真理與歷史》，提出著名的“缸中腦”假象試驗。
這本身是一個哲學命題，缸中靠營養液存活、通過電腦接收各種刺激而產生感知的大腦，實際上就是虛擬現實。這個假想為人工智能提供了啟示，也引發了對人工智能的哲學思考，也催生了許多科幻作品，比如《盜夢空間》、《源代碼》和《阿凡達》。
來自日本的擬人機器人Alter會學跳舞
AI的兩個冬季
1974-1980年，1987-1993年，AI遭遇兩次寒冬。
第一次是因為兩份學術報告發表，導致AI領域研究經費銳減。一份是1966年在美國自動語言處理顧問委員會（ALPAC）的《語言與機器：翻譯和語言學中的計算機》（Language and Machines: Computers in Translation and Linguistics），另一份是英國萊特希爾教授（Sir James Lighthill）1973年發表的《人工智能普查報告》。這兩份報告都表達了對先前的投資未能產生預期受益的失望，結論是不應該繼續往AI這個無底洞砸錢。
不過，一線的科研仍在繼續，但直接說AI的少了，諸如機器學習、信息數學、基於知識的系統和模式識別之類新詞開始湧現。
出現第二個冬季則是因為桌面電腦迅速普及，AI系統的金主，包括美國國防部，覺得投資AI性價比不高，興趣大減。但到20世紀末，AI領域再度春暖花開。標誌性事件是1997年IBM深藍大勝世界象棋冠軍卡斯帕洛夫。
歷史上這兩次“錢荒”，跟AI研究資金來源較單一，主要來自政府給學術機構的科研撥款。隨著AI產業化加深，越來越多研發資金來自企業。但AI領域內部的混亂、門派紛爭、各自為政的問題依然存在。
1990年代——聊天機器人
1990年代後期，人工智能與機器人和人機界面結合，產生了具有情感和情緒的智能代理，情緒／情感計算（即評估情緒的變化然後在機器上再現）得以迅速發展，尤其是對話代理（聊天機器人）。
1993年，維諾爾·溫奇發表《即將來臨的技術奇點》（The Coming Technological Singularity）一文，預言30年後人類將能夠創造具有超級智慧的機器，由此走上人類終結之路。這個時刻就是後來很多人說的“奇點”。數學家霍金和企業家馬斯克都是機器終結人類說法的信眾。
但對於這個奇點究竟是否存在目前仍有不同看法。
1997年，IBM的深藍超級電腦擊敗世界象棋冠軍卡斯帕洛夫，西蒙1958年的預言算是實現了，儘管晚了近40年。
21世紀——深度學習
進入21世紀，許多人工智能的能力已經超越人類，比如圍棋、德州撲克，比如證明數學定理，比如學習從海量數據中自動構建知識，識別語音、面孔、指紋，駕駛汽車，處理海量的文件、物流和製造業的自動化操作。
機器人可以識別和模擬人類情緒，可以充當陪伴和護理員了。AI的應用也因此遍地開花，很快進入人類生活的各個領域。
深度學習和強化學習成了時代強音。
一個普遍認同的說法是，2012年的ImageNet年度挑戰開啟了這一輪AI復興浪潮，把深度學習和大數據推到前臺，大量投資資金湧入。ImageNet是為視覺認知軟件研究而設計建立的大型視覺數據庫，由華裔AI科學家李飛飛2007年發起；她當時是普林斯頓大學教授。
ImageNet挑戰是每年一度的全行業比武，比誰家的電腦視覺算法最強。2012年奪冠的多倫多大學團隊的圖像識別軟件AlexNet錯誤率比第二名低10.8%。觀察人士總結祕密武器有3個：大數據、更強的電腦、更聰明的算法。
李飛飛現為美國斯坦福大學教授、斯坦福大學人工智能實驗室與視覺實驗室負責人、谷歌雲人工智能和機器學習首席科學家，斯坦福以人為本人工智能研究院共同院長。
另一個值得一提的名字是樊麾，生於中國，圍棋手，職業二段，現任法國圍棋隊總教練。他2015年10月與谷歌人工智能AlphaGO較量0:5敗於對方。他對BBC中文網表示，輸給機器的感覺終身難忘。
過去10年中，人工智能開始寫新聞、搶獨家，經過海量數據訓練學會了識別貓，IBM超級電腦沃森戰勝了智力競賽兩任冠軍，谷歌阿爾法狗戰勝了圍棋世界冠軍，波士頓動力的機器人Atlas學會了三級障礙跳。沃森和阿爾法狗的祕訣都是強化學習。
這個領域的鎮海寶典《深度學習》2015年發表，作者辛頓、本吉奧和楊立昆1980年代就合寫了同樣開行業先河的經典論文，闡述反向傳播算法，2019年獲圖靈獎。
擬人機器人索菲亞
不得不提的是索菲亞。2017年這個擬人機器人亮相時豔驚天下，與人交談語言生動、深刻，沙特搶先給"她"發公民證，後來被楊立昆揭露是個騙局。
因為，索菲亞雖然具備不少先進的技術，包括仿生材料做的皮膚和逼真的面部表情，與人互動時的共情反應，但她只會說事先輸入和設置的話，不具備人們以為她擁有的應用語言智能和思想意識。很快，索菲亞銷聲匿跡。
現代科學誕生前，世界上有迷信，有工匠。然後科學和技術融合，科技和迷信並存；科技和迷信之間有一片寬闊地帶，繁茂地生長著科幻，小說、影視和藝術。
深度學習似乎表明人類向複製自己的原始意願又邁進了一步；人工智能的發展將繼續跌宕起伏，而人與機器的關係、人工智能帶來的倫理挑戰日益成為AI領域的焦點話。
有人預言，幾百年後，世界上的智慧智能將由3部分組成：人類智能（AI）+人類可控的人工智能+人類不可控的機器智能。
這一切又都離不開人類文明曙光初現時一個古老的夢想。
想象和現實從來不可能一刀兩斷切割，科技和商業更是如影隨形，但區分人工智能（AI）和通用人工智能（AGI），或許有助於減緩第三次“AI寒冬”將至的擔憂和焦慮。
更多精彩，敬請關注硅谷洞察官方網站（http://www.svinsight.com）