在20世紀和21世紀的無數技術進步中，最具影響力的無疑是人工智慧。從重塑我們尋找資訊方式的搜尋引擎演算法，到亞馬遜在消費領域的Alexa，人工智慧已成為推動整個科技產業走向未來的主要技術。
無論是一家新興的新創企業，或是像微軟這樣的產業巨頭，企業至少有一個部門在與人工智慧或機器學習合作。根據某項研究表明，2021年全球人工智慧產業的估值為935億美元。
人工智慧作為科技業的一股力量在本世紀頭十年和2010年代爆發，但至少自1950年以來，人工智慧就以某種形式或方式存在，可以說可以追溯到更遠的地方。
人工智慧歷史的大致輪廓，比如圖靈測試和國際象棋計算機，在大眾意識中根深蒂固，但豐富而密集的歷史卻存在於常識的表面之下。本文將從這段歷史中提取精華，向各位展示人工智慧如何從神話般的想法到改變世界的現實道路。
雖然人工智慧通常被認為是一個前沿的概念，但幾千年來，人類一直在想像人工智慧，這些想像對當今該領域取得的進步產生了切實的影響。例如青銅機器人塔洛斯，希臘克里特島的保護者，以及文藝復興時期的煉金術造人。 《科學怪人》中的HAL9000，以及《魔鬼終結者》系列中的天網等角色只是我們在現代小說中描繪人工智慧的一些方式。
在人工智慧歷史上影響最大的虛構概念之一是艾薩克·阿西莫夫的機器人三定律。當現實世界的研究人員和企業創建自己的機器人定律時，經常會引用這些定律。
事實上，當英國的工程和物理科學研究委員會、藝術和人文研究委員會為機器人的設計師、建造者和用戶發布其5項原則時，它明確引用了阿西莫夫作為參考點，儘管指出阿西莫夫定律在實務上根本行不通。
20世紀40年代，當阿西莫夫撰寫《三大定律》時，研究人員威廉·格雷·沃爾特正在開發一種初級的人工智慧模擬版本。這些微型機器人被稱為烏龜或海龜，它們可以探測光線並對其做出反應，並與它們的塑膠外殼接觸，它們可以在不使用電腦的情況下操作。
20世紀60年代後期，約翰霍普金斯大學製造了另一種無電腦自動機器人Beast，它可以透過聲納在大學的大廳裡導航，並在電池電量不足時在特殊的牆壁插座上充電。
然而，我們今天所知的人工智慧會發現它的發展與電腦科學的發展有著千絲萬縷的聯繫。圖靈在1950年發表的論文《計算機器與智能》中提出了著名的圖靈測試，至今仍有影響力。許多早期的人工智慧程式都是為了玩遊戲而開發的，例如克里斯多福·斯特雷奇為弗蘭蒂馬克I型電腦編寫的跳棋程式。
1956年，馬文·明斯基、約翰·麥卡錫、克勞德·香農和內森·羅徹斯特在達特茅斯研討會上創造了「人工智慧」一詞。在會上，麥卡錫為這個新興領域創造了這個名字。
這個研討會也是艾倫·紐威爾和赫伯特·西蒙首次展示他們的邏輯理論家電腦程式的地方，這個程式是在電腦程式設計師克里夫·肖的幫助下開發的。 「邏輯理論家」被設計成以人類數學家的方式來證明數學定理。
遊戲和數學是早期人工智慧的焦點，因為它們很容易應用「推理即搜尋」原則。推理即搜索，也稱為均數分析(MEA)，是一種解決問題的方法，它遵循三個基本步驟：
這是人工智慧原理的早期先驅，如果行動沒有解決問題，找到一組新的行動並重複，直到你解決了問題。
由於冷戰時期的政府願意在任何可能讓他們比對方更有優勢的事情上投入資金，人工智慧研究在50年代和60年代經歷了來自DARPA等組織的大量資金。
這項研究推動了機器學習的一系列進步。例如，在使用多目標演化演算法的同時，產生啟發式思維捷徑，從而阻止人工智慧可能探索的、不太可能達到預期結果的問題解決路徑。
第一個人工神經網路最初在1940年代提出，於1958年發明，這要歸功於美國海軍研究辦公室的資助。這段時期研究人員的一個主要重點是試圖讓人工智慧理解人類語言。
1966年，Joseph Weizenbaum推出了第一個聊天機器人ELIZA，全世界的網路使用者都對此表示感謝。 Roger Schank的概念依賴理論是人工智慧研究中最具影響力的早期進展之一，該理論試圖將句子轉換為一組簡單關鍵字的基本概念。
20世紀70年代，50年代和60年代對人工智慧研究普遍存在的樂觀情緒開始消退。由於人工智慧研究面臨的無數現實問題導致資金枯竭。其中最主要的是計算能力的限制。
Bruce G.Buchanan在人工智慧雜誌的一篇文章中解釋道：“早期的程式必然受到內存和處理器的大小和速度，以及早期操作系統和語言的相對笨拙的限制。”隨著資金的消失和樂觀情緒的消退，這段時期被稱為人工智慧的冬天。
這段時期，人工智慧研究人員遭遇了挫折，並出現了跨學科分歧。 Marvin Minsky和Frank Rosenblatt在1969年出版的《感知器》徹底阻礙了神經網路領域的發展，直到1980年代，該領域的研究才有所進展。
然後，就出現了所謂兩大分類，一類傾向於使用邏輯和符號推理來訓練和教育他們的人工智慧。他們希望人工智慧能夠解決數學定理之類的邏輯問題。
John McCarthy在1959年的建議中引入了在人工智慧中使用邏輯的想法。此外，由Alan Colmerauer和Phillipe Roussel於1972年開發的Prolog程式語言被專門設計為一種邏輯程式語言，至今仍在人工智慧中使用。
同時，另一類的人試圖讓人工智慧解決需要人工智慧像人一樣思考的問題。在1975年的一篇論文中，Marvin Minsky概述了研究人員常用的一種方法，稱為「框架」。
框架是人類和人工智慧理解世界的一種方式。當遇到一個新的人或事件時，我們可以利用類似的人或事件的記憶給個大致的想法，比如當在一家新餐館點菜時，但可能不知道菜單或服務你的人，於是可以根據過去在其他餐廳的經驗大致了解如何下訂單。
上世紀80年代標誌著人們對人工智慧熱情的回歸。例如日本的第五代計畫試圖創建在Prolog上運行的智慧型計算機，就像運行在程式碼上的普通計算機一樣，這進一步激起了美國企業的興趣。美國公司不願落後，紛紛投入資金進行人工智慧研究。
綜上所述，人們對人工智慧興趣的增加和對工業研究的轉移，導致人工智慧產業的價值在1988年飆升至20億美元。考慮到通貨膨脹，2022年這一數字將接近50億美元。
然而，在20世紀90年代，人們的興趣開始減退，就像70年代一樣。例如經過10年的發展，第五代計劃未能實現其許多目標，隨著企業發現購買批量生產的通用晶片和將人工智慧應用編程到軟體中更便宜、更容易，專用的AI硬體市場，如LISP機器，崩盤並導致整體市場萎縮。
此外，本世紀初證明了人工智慧可行性的專家系統開始出現致命缺陷。隨著系統的持續使用，它會不斷添加更多的規則來操作，並需要越來越大的知識庫來處理。最終，維護和更新系統知識庫所需的人力數量會不斷增長，直到在財務上無法維持。這些因素和其他因素的結合導致了第二個AI冬天。
20世紀90年代末和21世紀初，有跡象顯示人工智慧的春天即將到來。人工智慧的一些最古老的目標最終實現了，例如1997年深藍戰勝當時的國際象棋世界冠軍Gary Kasparov，這是人工智慧具有里程碑意義的時刻。
更複雜的數學工具，以及與電子工程等領域的合作，使人工智慧轉變為一門更注重邏輯的科學學科。
與此同時，人工智慧在許多新的行業領域得到了應用，例如Google的搜尋引擎演算法、資料探勘和語音辨識等等。新的超級電腦和程式將發現自己在與人類頂級對手競爭，甚至獲勝，例如IBM的Watson贏得了Jeopardy。
近年來最具影響力的人工智慧之一是Facebook的演算法，它可以確定你在什麼時候看到了什麼帖子，試圖為該平台的用戶策劃一種線上體驗。類似功能的演算法可以在Youtube和Netflix等網站上找到，它們會根據先前的歷史預測觀眾接下來想看的內容。
有時，這些創新甚至不被認為是人工智慧。正如Nick Brostrom在2006年接受CNN採訪時所說：「許多前沿人工智慧已經滲透到普遍應用中，通常不被稱為人工智慧，因為一旦某種東西變得足夠有用、足夠普遍，它就不再被貼上人工智慧的標籤。」
不將有用的人工智慧稱為AI的趨勢並沒有持續到2010年代。現在，新創公司和科技巨頭都爭相宣稱他們的最新產品是由人工智慧或機器學習所推動的。在某些情況下，這種願望是如此強大，以至於有些人會宣稱他們的產品是由人工智慧驅動的，即使人工智慧的功能有問題。
無論是透過前面提到的社群媒體演算法，或是亞馬遜Alexa這樣的虛擬助手，人工智慧已經進入了許多人的家庭。經歷了寒冬和破滅的泡沫，人工智慧領域一直在堅持，並成為現代生活中非常重要的一部分，並可能在未來幾年呈指數級增長。
以上是你知道人工智慧發展史嗎？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
