AI发展的历史，现在了解不算太晚( 二 ) 20世纪40年代

文章插图
▲Bernard Widrow和Marcian Hoff
在这个时期，人们对人工智能都抱着极大的热情， Minsky甚至在1967年表达过:在一代之内，创造人工智能的问题将在实质上得到解决。
1963年6月， MIT从新建立的ARPA(即后来的DARPA ，国防高等研究计划局）获得了220万美元经费，用于资助MAC工程，其中包括Minsky和McCarthy五年前建立的人工智能研究组。
此后， ARPA每年提供300万美元，直到20世纪70年代为止。 ARPA还对Newell和Simon在卡内基梅隆大学的工作组以及斯坦福大学人工智能项目(由John McCarthy于1963年创建)进行类似的资助。另一个重要的人工智能实验室于1965年由Donald Michie在爱丁堡大学建立。在接下来的许多年间，这四家研究机构一直是AI学术界的研究中心。
1969年， Minsky和S. papert出版《感知机》一书。在书中，他们仔细分析了以感知机为代表的单层神经网络的功能和局限性，并指出感知机无法处理非线性问题。这本书中对感知机的批评对神经网络的发展造成了极其严重的打击，为后来10年神经网络的研究中断埋下了伏笔。
1972年， Kohonen提出了SOM自组织映射网络。使用该网络，可以通过网络的自学习，实现对数据的聚类。
1972年也是Prolog语言工人的诞生年份。自1972年后， Prolog出现了各种不同的分支。在早期的人工智能研究领域， Prolog一直是一种主要方法和工具。
第一次低谷期:1974~1980年
由于人们最初对人工智能的难度进行了错误的判断。到20世纪70年代，人工智能开始遭遇各方批评，随之而来的还有研究经费的问题。由于此前人们对人工智能过分乐观，一旦当承诺无法兑现时，对人工智能的资助就大幅减少了，随着人工智能研究经费的取消，到1974年，几乎很难找到对人工智能项目的资助了。同时， Minsky对感知机的批评，对神经网络的发展几乎是毁灭式的，一度导致神经网络销声匿迹了近10年。
在这一时期，人工智能还饱受一些大学教授的批评。一些哲学家强烈反对人工智能研究者的主张，他们认为哥德尔不完备定理已经证明形式系统（例如计算机程序）不可能判断某些陈述的真理性，但是人类可以。 John Searle于1980年提出“中间房间"实验，试图证明程序并不“理解"它所使用的符号。他认为如果机器不理解符号，就不能认为机器在思考。
繁荣期:1980~1987年
20世纪80年代，一类名为“专家系统"的程序开始被全世界的公司所接受，知识处理成为人工智能领域的焦点。专家系统可以根据一组专业的知识，推演出某一特定领域问题的答案。比如一个名叫MYCIN的系统能够诊断血液传染病。专家系统的出现，使得人工智能真正地实用起来。
1981年，日本经济产业省拨款8.5亿美元支持第五代计算机项目，目标是创造能够与人对话、翻译、理解图像并能像人一样思考的机器。其他国家纷纷作出响应，英国和美国也先后对人工智能产业追加投资。这些行为都促成了人工智能的繁荣。
1982年， John Hopfield提出了一种新型的神经网络（现在被称为Hopfield网络) 。这是一种全连接的神经网络，具有自联想和记忆功能，并且易于用硬件实现。这使得沉寂了10年之久的神经网络重获新生。
文章插图
▲John Hopfield
1986年， Rumelhart和McCLelland提出了BP神经网络。这是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。
第二次低谷期:1987~1993年
20世纪80年代，专家系统的发展也接近瓶颈。由于专家系统只能处理特定领域问题，无法形成常识概念，也不可能构建真正的智能。此外，大型专家系统的维护成本颇高，难以升级，难以使用。于是，人们对人工智能再度失望，并引发了新一轮的财政危机。
1987年，人工智能硬件市场的需求突然下降，同时苹果和IBM的台式机性能也不断提升。到1987年时，已经超过了昂贵的Lisp机。于是，老系统失去了存在的价值，瞬间土崩瓦解。
再次崛起:1993年至今
得益于计算机的发展以及摩尔定律，目前，我们有着让前辈们难以想象的计算能力。即便是在人工智能原理尚未取得重大突破的情况下，仅仅依靠计算能力，人们已经在工程上取得了不少瞩目的成绩。
1997年， “深蓝"成为战胜国际象棋世界冠军卡斯帕罗夫的第一个计算机系统。