整理 | apddd
出品 | AI科技大本營（ID:rgznai100）
語言的界限就是我與世界的界限。——維特根斯坦
編程語言之所以能持續吸引新用戶，大多並非源於語言自身特性，而是因其成為了某種流行系統的一部分。AI編程語言的歷史亦大抵如此。
史前時代
高級語言出現前，人們就已經在開發複雜的AI應用程序，比如IPL（Information Processing Language），僅比機器語言略高級（國際象棋程序NSS、Logic Theorist和General Problem Solver，都是使用IPL在IBM計算機上開發）。
IPL引入的大量特性如今仍在使用，比如列表、遞歸、高階函數、符號，甚至能將元素列表映射到一個迭代並處理該列表的函數的生成器。
儘管IPL大獲成功並廣泛部署在當時的計算機架構上，但它很快被一種更高級的語言所取代，在幾乎60年後仍在使用。
LISP叱吒六十年
彼時，許多AI問題都被視為搜索問題，1956年，John McCarthy創建了一種稱為alpha-beta剪枝的樹搜索剪枝模式。資源有限的早期計算機系統上，內存和計算能力受到嚴重限制，但這項技術，使開發人員能編寫邏輯複雜的程序。當時AI遊戲應用程序，普遍應用了alpha-beta剪枝算法。
LISP是從AI研發中孕育出來的——因為AI對應用程序有獨特需求，不斷有語言被創造出來。
這年8月的達特茅斯會議，雖沒有達成普遍的共識，但是卻為會議討論的主題起了一個名字：人工智能。因此，1956年也被稱為人工智能元年。
達特茅斯會議之後，McCarthy致力於為AI工作開發一種專注於IBM 704平臺的語言（IBM是當時對AI研究有大量資助）。1957年，在同一平臺上引入了FORTRAN，而IBM用一種稱為FORTRAN List Processing Language (FLPL) 的語言將FORTRAN擴展用於列表處理，成功用於IBM的平面幾何學項目，但作為FORTRAN的擴展，FLPL缺少一些關鍵特性，例如遞歸、條件表達式。
LISP的演化，經歷了三個階段：
1. 1956至1958年夏天，John McCarthy完成了對LISP的大部分構想（部分基於FLPL）。
作為編程語言，McCarthy在設計LISP時，遵循的主要原則包括：
- 使用符號表達式（symbolic expression），而非數值（number）計算——創新之處還在於，捨棄了人們熟悉的中綴表示法，而以前綴表示法代之，這樣可以簡化邏輯、代數運算，否則得額外加入一個翻譯程序——在編寫大型程序時，這種設計令LISP較同一時代的其他幾種符號語言（如SNOBOL）更具優勢。
McCarthy後來評價道：“這個明智的選擇，好比計算機採用二進制而非十進制，並且有過之無不及。”這是種違反直覺的表達方式，在當時能夠被接受，也是因為1950年代，在計算機上輸入和輸出與今天大不相同（穿孔卡片，而非更直觀的顯示器），那時的程序員們不大在意前綴還是中綴。
- 符號表達式及其他信息，都以“列表”（list）結構，儲存在內存中——這樣才能既像句子一樣表達信息，又適合作為程序代碼精確執行，進行邏輯演繹；
- 在外部媒介，以多重列表和S-expression表示信息；
- 函數由一小組選擇和構造操作組成；
- 構造函數用於組成更復雜的函數；
- 由條件表達式選擇函數執行的分枝，條件表達式的布爾值，可起到連接程序的作用；例如（M, N1, N2）——依據M的取值，執行N1或N2，其優點在於縮短了代碼，並提高了可讀性
- 函數中引入遞歸條件表達式；
- 使用Lambda表達式為函數命名——以使函數可匿名優雅地作為參數遞歸調用——McCarthy曾說：“Church的書其餘部分我都沒讀懂，因此只借用了這麼一個概念，而沒照搬他那套更通用的機制來定義函數。比如Church就不是用條件表達式——但對計算機來說，條件表達式反而順理成章。”
- LISP程序亦是LISP數據；
- eval既是函數，也是解釋器；
- 引入垃圾回收機制；
- 數學上簡潔也是語言的設計目標，因而要剋制語言核心功能。
這些原則多數由LISP原創。而且僅用quote、atom、eq、car、cdr、cons和cond七個操作符構造，令它既成為優雅的數學系統（對於可計算函數，以及遞歸，比圖靈機和當時的遞歸函數理論都要簡潔得多），又是實用的編程語言。從語言角度看，這是它經久不衰的原因之一（仍在廣泛使用，僅次於FORTRAN，第二古老的高級編程語言）。
在千禧年伊始，曾將LISP重新帶回大眾視野的YC創始人Paul Graham這樣評價：“McCarthy對編程的貢獻，有如歐幾里德對幾何的貢獻。……與其說LISP是他的設計，不如說是他的發現。”
2. 1958年秋，至1962年，語言被真正實現，並開始應用於AI
McCarthy最初的設想，是開發一個編譯器，但在當時的技術條件下，編譯器是個大工程，要先做些驗證工作，例如子程序鏈接、堆棧的處理、擦除之類的大致範本。於是McCarthy的第一步，是手工把函數翻譯成彙編語言，以及子程序，完成一個可以讀取、打印list結構的“LISP環境”。
代碼起初使用M-expressions語法（現代語言中，如果你用過Mathematica/Wolfram，就是這種語法），為的是與FORTRAN儘可能接近，而現代LISP使用S-expression：
M-expressions表示函數和參數 f[x;y]
S-expressions表示函數和參數 (f x y)
第一個LISP實現，是Steve Russell在IBM 704上實現的，他用更低階的機器語言編寫了通用求值器，這樣在解釋器裡，就可以運行LISP程序了——REPL（讀取-求值-輸出循環，越來越多現代編程語言開始包含這個功能）。
現代LISP方言裡，仍在使用的car（返回列表的第一項）和cdr（返回列表第一項之後的其他項）（讀音分別為：/kɑːr/和/ˈkʊdər/）兩個操作符，是IBM 704彙編語言的兩個宏。
提到Steve Russell，他還和同學編寫了視頻遊戲的始祖《Spacewar!》，另外，當年他還是湖畔中學編程小組兩位同學Bill Gates和Paul Allen的指導老師。
LISP 1.5是第一個被廣泛使用的版本，1962年，由McCarthy和他在MIT的同事完成。
3. 1962年之後，多種LISP標準出現，不同領域融入了不同想法
1968年，MIT的Terry Winograd（後來他去了斯坦福大學，還成了Google創始人之一Larry Page的PhD導師）用LISP開發了一個開創性的程序SHRDLU（ http://hci.stanford.edu/winograd/shrdlu/ ），能使用自然語言與用戶進行交互。
程序代表著一個積木世界，用戶可以與該世界進行交互：“拿起大個兒紅色積木”、“一塊積木能否支撐錐體？”。這個積木世界中的自然語言理解和規劃的演示，讓當時的人們對AI和LISP語言抱有極大希望。
作為編程語言，LISP 1.5有諸多限制，比如數值計算非常緩慢，用寄存器塊表示對象，以及GC都沒實現，而對AI研究來說，當時科研機構裡最流行的PDP-10處理能力和內存也都已經無法勝任，LISP 2和之後出現的硬件——Lisp Machine工作站修正了這些問題。
Lisp Machine商業價值巨大，眾多產品中，從MIT AI Lab分化的商業品牌Symbolics對後人的影響最深遠——不單因為symbolics.com是第一個.com域名，它的商業化過程，也是黑客文化的分水嶺，MIT黑客社區開放合作的文化幾乎因此終結，作為反抗Richard Stallman發起GNU。
冬眠與新生命
1974至1993年是AI開發和資助的一個不穩定時期。其中1980年，專家系統曾經短暫重燃了人們對AI的關注並帶來了資金。這段時間，LISP繼續被用在一系列應用中，通過各種方言得到傳播——主要靠著Common LISP、Scheme、Clojure和Racket生存了下來。
LISP背後的概念繼續通過這些語言和其他語言而擴展到了函數領域之外，例如LISP繼續為最老的計算機代數系統Macsyma（由MIT AI小組開發）提供支持，是Mathematica、Maple的鼻祖。
但這個時期孕育出了新的方法，比如連接機制方法再次興起，以及新的神經網絡方法提出，AI研究走入近代。
LISP方言激增（流行的有Maclisp、ZetaLisp、NIL等），導致了名為Common LISP出現，該語言主要改良自MacLisp，集當時的流行方言特性之大成。1994年，Common LISP被批准為美國國家標準協會X3.226-1994標準。
在這個時間段，其他語言開始相繼出現，它們不一定專注於AI，但推動了AI的發展。C語言是專為UNIX系統設計的的一種系統語言，但它很快發展為一種最流行的語言（具有各種變體，比如 C++），從系統到嵌入式設備開發都在使用它。
計算架構和AI理論都發生了變化，在AI應用上，LISP已經不是唯一選擇，C/C++、Prolog都頗受歡迎，例如深藍的核心用C編寫，Watson解析自然語言部分用的是Prolog（讀者們熟悉的AlphaGo主要以C++和Lua寫成）。
一種名為Prolog (Programming in Logic)的關鍵語言在法國開發出來。該語言實現了一個稱為霍恩子句的邏輯子集，它允許使用事實和規則來表示信息，而且允許對這些關係執行查詢。下面的簡單Prolog示例演示瞭如何定義一個事實（蘇格拉底是一個凡人）和一條規則（規定凡人終有一死）：
man( socrates ). // Fact: Socrates is a man.
mortal( X ) :- man( X ). // Rule: All men are mortal.
Prolog繼續被用在各種領域，而且擁有許多變體，這些變體合併了諸多特性，比如面向對象、編譯為原生機器碼的能力，以及流行語言（如 C）的接口。
Prolog在這段時間的關鍵應用之一是開發專家系統。這些系統支持將知識整理為事實，然後利用一些規則基於此信息進行推理。這些系統的問題在於，它們很脆弱，而且將知識保留在系統中既麻煩又容易出錯。
Prolog和LISP 不是唯一用於開發生產系統的語言。1985年，C語言集成生產系統 (CLIPS) 被開發出來，成為了構建專家系統使用最廣泛的系統。CLIPS在一個由規則和事實組成的知識系統上運行，但它是用C編寫的，而且提供了一個C擴展接口來提高性能。
專家系統的失敗是導致第二個AI寒冬來臨的一個因素。它們的前景和交付能力的缺乏導致AI研究資金顯著減少。但是，這個灰色時期孕育出了新的方法，比如連接機制方法再次興起，並讓我們進入了近代時期。
近代時期
AI的近代時期開始從實用的角度考慮該領域，而且非常成功地將AI方法應用到實際問題上，包括AI歷史發展初期的問題。儘管新語言被應用來解決AI問題，但AI的主力（LISP和Prolog）繼續得到應用並取得成功。在這個時代，連接機制和新的神經網絡方法也再次興起。
在這個時期，多樣化的編程語言開始出現，一些基於計算機科學中的新概念，另一些基於關鍵特徵（比如多泛型和容易學習）。Python屬於後一種類別的關鍵語言。它是一種通用解釋型語言，它包含來自許多語言的特性（比如面向對象特性和受LISP啟發的函數特性）。
Python在智能應用程序開發中的實用之處在於，在該語言外有許多模塊可用。這些模塊涵蓋了機器學習（scikit-learn、Numpy）、自然語言和文本處理 (NLTK)，以及包含廣泛的拓撲結構的許多神經網絡庫。
R語言（以及使用它的軟件環境）大抵遵循Python模型。這是一種用於統計編程和數據挖掘的開源環境，使用C語言開發。
因為大量現代機器學習實質上是統計性的，所以使用R有頗多便利，自2000年發佈穩定版本以來越來越受歡迎。R包括大量的涵蓋各種技術的庫，還包括使用新特性擴展該語言的能力。
隨著迴歸到連接機制架構，新應用應運而生，改變了圖像和視頻處理和識別的局面。深度學習被用於識別圖像或視頻中的物體，通過自然語言提供圖像或視頻的文本描述，甚至通過實時檢測道路和物體為自動駕駛車輛鋪平道路。其網絡可能非常龐大，以至於傳統計算架構無法高效處理。但通過引入圖形處理單元 (GPU)，現在可以應用這些網絡。
此時，需要使用新的語言將傳統CPU和GPU結合起來。Open Computing Language (OpenCL) 的開放標準語言允許在包含數千個處理單元的GPU上執行類似C或C++的程序，並允許通過CPU統籌安排GPU內的操作並行性。
結語
影響語言興衰的另一股暗流，是流水線般的現代軟件產業，它令一切工程朝著這樣的方向一去不返——工程師需要像零部件一樣，隨時可被替代，員工通過培訓即可上崗，再強大的編程語言亦無法抵抗這股潮流，然而所謂的“工業最佳實踐”，對開發字處理軟件，與構建精巧的思維繫統是一回事嗎？
（本文為 AI科技大本營整理文章，轉載請微信聯繫 1092722531。）