1、人工智能的历史和启示:人机对弈作为案例,赵 海,2,人工智能,人工智能（Artificial Intelligence或简称AI）有时也称作机器智能，是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通计算机实现的智能。该词同时也指研究这样的智能系统是否能够实现，以及如何实现的科学领域。 美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。
2、即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 涉及学科 * 哲学和认知科学 * 数学 * 心理学 * 计算机科学 * 控制论 * 决策论 * 不确定性原理,3,人工智能,研究范畴 自然语言处理(NLP; Natural Language Processing) 知识表示 (Knowledge Representation) 知识获取智能搜索 (Intelligent Search) 推理 规划 (Planning) 机器学习 (Machine
3、Learning) 模式识别增强式学习 (Reinforcement Learning) 数据挖掘 (Data Mining),逻辑程序设计 软计算 (Soft Computing) 非单调和不确定推理 人工生命 (Artificial Life) 遗传算法 人工神经网络 (Artificial Neural Network) 模糊控制 复杂系统 感知问题,4,人工智能,人工智慧Artificial intelligence人工智能(artificial intelligence, AI)的历史源远流长. 在古代的神话传说中, 技艺高超的工匠可以制作人造人, 并为其赋予智能或意识. 正如Pam
4、ela McCorduck所说, AI的起源是“古人成为造物神的愿望”.现代意义上的AI始于古典哲学家用机械符号处理的观点解释人类思考过程的尝试. 二十世纪四十年代基于抽象数学推理的可编程数字计算机的发明标志着这一工作的高潮. 计算机的出现及其背后的原理使一批科学家开始严肃地探讨构造一个电子大脑的可能性.,人工智能的三大流派,6,符号主义,西蒙和纽厄尔为代表的物理符号系统假说（physical symbol system hypothesis）由一组称为符号的实体组成系统，这些符号可作为组分出现在另一符号实体中。任何时候系统内部均有一组符号结构，以及作用在这些符号结构上生成其他符号结构的一组过
5、程。任一物理符号系统如果是有智能的，则必能执行对符号的输入、输出、存储、复制、条件转移和建立符号结构这样6种操作。反之，能执行这6种操作的任何系统，也就一定能够表现出智能。,7,符号主义,认知基元是符号，智能行为通过符号操作来实现，以美国科学家Robinson提出的归结原理为基础，以LISP和Prolog语言为代表着重问题求解中的启发式搜索和推理过程，在逻辑思维的模拟方面取得成功，如自动定理证明和专家系统。,8,符号主义,1977年吴文俊(1919- )院士给出了一类平面几何问题的机械化证明理论，在计算机上证明了一大批平面几何定理。1984年科学出版社出版了他的几何定理机器证明的基本原理一书，
6、被称为吴方法。,9,联结主义方法,J. J. Hopfield为代表的人工神经网络方法，思维的基元是神经元，把智能理解为相互联结的神经元竞争与协作的结果，其中以反向传播网络模型和Hopfield网络模型更为突出。着重结构模拟，研究神经元特征、神经元网络拓朴、学习规则、网络的非线性动力学性质和自适应的协同行为。,10,联结主义方法,1975年，John Holland提出遗传算法，模仿生物染色体中基因的选择(selection)、交叉(crossover)和变异(mutation)的自然进化过程，通过个体结构重组，形成一代代新群体（populations)，最终收敛于近似优化解。用于处理多变量、
7、非线性、不确定、甚至混沌的大搜索空间的有约束的优化问题；,11,行为主义方法,以R. A. Brooks为代表。反馈是控制论中的基石，没有反馈就没有智能。强调智能系统与环境的交互，从运行的环境中获取信息（感知），通过自己的动作对环境施加影响；控制论研究导致机器人和智能控制，机器人是“感知-行为”模式,是没有知识的智能，强调直觉和反馈的重要性；智能行为体现在系统与环境的交互之中，功能、结构和智能行为不可分割。,人工智能发展史,13,人工智能：历史概述,1956年, 在Dartmouth学院校园里举行的一次会议上正式确立了人工智能的研究领域. 会议的参加者在接下来的数十年间是AI研究的领军人物.
8、他们中有许多人预言, 经过一代人的努力, 与人类具有同等智能水平的机器将会出现. 同时, 上千万美元被投入到AI研究中, 以期实现这一目标.最终研究人员发现自己大大低估了这一工程的难度. 由于James Lighthill爵士的批评和国会方面的压力, 美国和英国政府于1973年停止向没有明确目标的人工智能研究项目拨款. 七年之后受到日本政府研究规划的刺激, 美国政府和企业再次在AI领域投入数十亿研究经费, 但这些投资者在八十年代末重新撤回了投资. AI研究领域诸如此类的高潮和低谷不断交替出现; 至今仍有人对AI的前景作出异常乐观的预测.尽管在政府官僚和风投资本家那里经历了大起 大落, AI领域
9、仍在取得进展. 某些在二十世纪七十年代被认为不可能解决的问题今天已经获得了圆满解决并已成功应用在商业产品上. 与第一代AI研究人员的乐观估计不同, 与人类具有同等智能水平的机器至今仍未出现. Alan Turing在1950年发表的一篇催生现代智能机器研究的著名论文中称, “我们只能看到眼前的一小段距离 但是, 我们可以看到仍有许多工作要做”.,14,先驱,McCorduck在其著作“会思考的机器(Machines Who Think)”(2004)中写道, “在西方文明史中随处可见关于人工智能的设想. 这是人们迫切希望实现的一个梦想.” 先民对人工智能的追求表现在诸多神话, 传说, 故事,
10、预言以及各种发条机器人之中.1.1 神话, 幻想和预言中的AI希腊神话中已经出现了机械人和人造人, 例如Hephaestus的金色机器人Pygmalion的Galatea. 中世纪出现了使用巫术或炼金术将意识赋予无生命物质的传说, 例如Jbir ibn Hayyn的Takwin, Paracelsus的侏儒Rabbi Judah Loew的Golem. 十九世纪的幻想小说中出现了人造人和会思考的机器之类题材, 例如Marry Shelley的“弗兰肯斯坦(Frankenstein)”, Karel apek的“R.U.R(Rossums Universal Robots, 卢梭的通用机器人)”
11、. Samuel Butler的“机器中的达尔文(Darwin among the Machines)”一文(1863)探讨了机器通过自然选择进化出智能的可能性. 至今人工智能仍然是科幻小说的重要元素.,15,自动机器人,许多文明中都有创造人形机器人的杰出工匠, 例如偃师(中国西周), Alexandria的Hero(希腊): 10-70，蒸汽机、风力鼓风机Al-Jazari(阿拉伯)：1136-1206，机器人乐队！Wolfgang von Kempelen(匈牙利).：1734-1804，the Turk, 下棋机已知最古老的“机器人”是古代埃及和希腊的圣像, 忠实的信徒认为工匠为这些神像
12、赋予了思想, 使它们具有智慧和激情. Hermes Trismegistus写道, “自从发现神的本原, 人类就能使之重现.”,16,自动机器人: 偃师,列子汤问： 周穆王西巡狩道，有献工人名偃师。偃师所造倡者，趣步俯仰，颔其颐则歌合律，捧其手则舞应节，千变万化，惟意所适。王以为实人也，与盛姬内御并观之。伎将终，倡者瞬其目，而招王之左右侍妾。王大怒，欲杀偃师。偃师大慑，立剖散倡者以示王，皆傅会革木胶漆白黑丹青之所为,17,形式推理,人工智能的基本假设是人类的思考过程可以机械化. 对于机械化推理(即所谓“形式推理(formal reasoning)”)的研究已有很长历史. 中国, 印度和希腊哲学
13、家均已在公元前的第一个千年里提出了形式推理的结构化方法. 他们的想法为后世的哲学家所继承和发展, 其中著名的有Aristotle(对三段论逻辑进行了形式分析), Euclid(其著作“几何原本”是形式推理的典范), al-Khwrizm(代数学的先驱, “algorithm”一词由他的名字演变而来)以及欧洲经院哲学家Ockham的William, Duns Scotus等.,18,形式推理,马略卡(今西班牙)哲学家Ramon Llull(1232-1315)开发了一些逻辑 “机”, 试图通过逻辑方法获取知识. Llull的机器能够将基本的, 无可否认的真理通过机械手段用简单的逻辑操作进行组合,
14、 以求生成所有可能的知识. Llull的工作对Gottfried Leibniz产生了很大影响, 后者进一步发展了他的思想.在十七世纪中, Leibniz, Thomas Hobbes和Ren Descartes尝试将理性的思考系统化为代数学或几何学那样的体系. Hobbes在其著作“利维坦(Leviathan, 又译巨灵论)”中有一句名言: “推理就是计算(reason is nothing but reckoning).” Leibniz设想了一种用于推理的普适语言(他的“通用表意文字(characteristica universalis)”), 能将推理规约为计算, 从而使“哲学家之间
15、, 就像会计师之间一样, 不再需要争辩. 他们只需拿出铅笔放在石板上, 然后向对方说(如果想要的话,可以请一位朋友作为证人), 我们开始算吧.” 这些哲学家已经开始明确提出形式符号系统的假设, 而这一假设将成为AI研究的指导思想.,19,形式推理,在二十世纪, 数理逻辑研究上的突破使得人工智能好像呼之欲出. 这方面的基础著作包括Boole的“思维的定律(The Laws of Thought)”与Frege (Friedrich Ludwig Gottlob Frege,1848 1925)的“概念文字(Begriffsschrift)”. 基于Frege的系统, Russell(Bertra
16、nd Arthur William Russell, 1872-1970)和Whitehead在他们于1913年出版的巨著“数学原理(Principia Mathematica)”中对数学的基础给出了形式化描述。“理发师悖论”悖论一位理发师说：“我只幫所有不自己刮脸的人刮脸。”那么理发师是否给自己刮脸呢？如果他给的话，但按照他的话，他就不该给自己刮脸（因為他只幫 不自己刮脸的人刮脸）；如果他不给的话，但按照他的话，他就该给自己刮脸（因為是所有不自己刮脸的人，包含了理发师本人），于是矛盾出现了。罗素悖论我们通常希望：任给一个性质，满足该性质的所有类可以组成一个类。但这样的企图将导致悖论：设性质P
17、(x)表示“xx”，现假设由性质P确定了一个类A也就是说“A=x|x x”。那么现在的问题是：AA是否成立？首先，若AA，则A是A的元素，那么A具有性质P，由性质P知AA；其次，若AA，也就是说A具有性质 P，而A是由所有具有性质P的类组成的，所以AA。这一成就激励了David Hilbert, 后者向二十世纪二十和三十年代的数学家提出了一个基础性的难题: “能否将所有的数学推理形式化?”,20,形式推理,这个问题的最终回答由Gdel的不完全性证明, Turing机和Church (Alonzo Church, 1903-1995)的Lambda演算给出. 他们的答案令人震惊: 首先, 他们证
18、明了数理逻辑的局限性; 其次(这一点对AI更重要), 他们的工作隐含了任何形式的数学推理都能在这些限制之下机械化的可能性. Church-Turing论题暗示, 一台仅能处理0和1这样简单二元符号的机械设备能够模拟任意数学推理过程. 这里最关键的灵感是Turing机: 这一看似简单的理论构造抓住了抽象符号处理的本质. 这一创造激发科学家们探讨让机器思考的可能.,21,哥德尔不完备定理,哥德尔不完备定理是库尔特哥德尔（Kurt Gdel 19061978）于1931年证明并发表的两条定理。第一条定理：任何一个相容的数学形式化理论中，只要它强到足以蕴涵皮亚诺算术公理，就可以在其中构造在体系中既不能
19、证明也不能否证的命题。第二条定理：任何相容的形式体系不能用于证明它本身的相容性。,22,歌德尔不完全定理对认知科学哲学的影响,罗杰彭罗斯声称“可被机械地证明的”和“对人类来说看起来是真的”的这一区别表明人类智能不同于自然的无意识过程。这一观点未被普遍接受，因为正如Marvin Minsky 所指出的，人类智能有犯错误和理解不相容和谬误句子的能力。但Marvin Minsky透露说库尔特哥德尔私下告诉他，他相信人类有一种到达真理的直觉方法，但因为跟计算机式的方法不同，人类可以知道为真的事情并不受他的定理限制。不完备性的结论影响了数学哲学以及形式化主义（使用形式符号描述原理）中的一些观点。我们可以
20、将第一定理解释为“我们永远不能发现一个万能的公理系统能够证明一切数学真理，而不能证明任何谬误”以下对第二定理的另一种说： 如果一个（强度足以证明基本算术公理的）公理系统可以用来证明它自身的相容性，那么它是不相容的。,23,计算机科学,用于计算的机器古已有之; 历史上许多数学家(包括上面提到过的Gottfried Leibniz)对其作出了改进. 十九世纪初, Charles Babbage设计了一台可编程计算机(“分析机”), 但未能建造出来. Ada Lovelace预言, 这台机器“将创作出无限复杂, 无限宽广的精妙的科学乐章”. (她常被认为是第一个程序员, 因为她留下的一些笔记完整地描
21、述了使用这一机器计算Bernoulli数的方法.)第一批现代计算机是二战期间建造的大型译码机(包括Z3, ENIAC和Colossus等). 这些机器的理论基础是Alan Turing和John Von Neumann提出和发展的学说.,24,人工智能的诞生,人工智能的诞生: 1943 1956在二十世纪四十和五十年代, 来自不同领域(数学, 心理学, 工程学, 经济学和政治学)的一批科学家开始探讨制造人工大脑的可能性. 1956年, 人工智能被确立为一门学科.,25,控制论与早期神经网络,最初的人工智能研究是三十年代末到五十年代初的一系列科学进展交汇的产物. 神经学研究发现大脑是由神经元组成
22、的电子网络, 其激励电平只存在“有”和“无”两种状态, 不存在中间状态. Norbert Weiner的控制论描述了电子网络的控制和稳定性. Claude Shannon提出的信息论则描述了数字信号(即高低电平代表的二进制信号). Alan Turing的计算理论证明数字信号足以描述任何形式的计算. 这些密切相关的想法暗示了构建电子大脑的可能性.这一阶段的工作包括一些机器人的研发, 例如W. Grey Walter的“乌龟(turtles)”, 还有“约翰霍普金斯兽”(Johns Hopkins Beast). 这些机器并未使用计算机, 数字电路和符号推理; 控制它们的是纯粹的模拟电路.,26
23、,控制论与早期神经网络,Walter Pitts(1923-1969)和Warren McCulloch(1898-1969)分析了理想化的人工神经元网络, 并且指出了它们进行简单逻辑运算的机制. 他们是最早描述所谓“神经网络”的学者. Marvin Minsky是他们的学生, 当时是一名24岁的研究生. 1951年他与Dean Edmonds一道建造了第一台神经网络机, 称为SNARC. 在接下来的五十年中, Minsky是AI领域最重要的领导者和创新者之一.Warren McCulloch and Walter Pitts, A Logical Calculus of Ideas Imma
24、nent in Nervous Activity, 1943, Bulletin of Mathematical Biophysics 5:115-133. Jerome Lettvin, Humberto Maturana, Warren McCulloch, and Walter Pitts, What the Frogs Eye Tells the Frogs Brain, 1959, Proceedings of the Institute of Radic Engineers 47: 1940-1959,27,游戏AI,1951年, Christopher Strachey(1916
25、1975)使用Manchester大学的Ferranti Mark 1机器写出了一个西洋棋(checkers)程序; Dietrich Prinz则写出了一个国际象棋程序. Arthur Samuel(19011990)在五十年代中期和六十年代初开发的西洋棋程序的棋力已经可以挑战具有相当水平的业余爱好者. 游戏AI一直被认为是评价AI进展的一种标准.,28,Turing测试,1950年, Alan Turing发表了一篇划时代的论文, 文中预言了创造出具有真正智能的机器的可能性. 由于注意到“智能”这一概念难以确切定义, 他提出了著名的Turing测试: 如果一台机器能够与人类展开对话(通过电
26、传设备)而不能被辨别出其机器身份, 那么称这台机器具有智能. 这一简化使得Turing能够令人信服地说明“思考的机器”是可能的. 论文中还回答了对这一假说的各种常见质疑. Turing测试是人工智能哲学方面第一个严肃的提案.Computing machinery and intelligence (Mind, October 1950),29,符号推理与“逻辑理论家”程序,五十年代中期, 随着数字计算机的兴起, 一些科学家直觉地感到可以进行数字操作的机器也应当可以进行符号操作, 而符号操作可能是人类思维的本质. 这是创造智能机器的一条新路.1955 年, Allen Newell和(后来荣获N
27、obel奖的)Herbert Simon在J. C. Shaw的协助下开发了“逻辑理论家(Logic Theorist)”. 这个程序能够证明Russell和Whitehead所著“数学原理”前52个定理中的38个, 其中某些证明比原著更加新颖和精巧. Simon认为他们已经“解决了神秘的心/身问题, 解释了物质构成的系统如何获得心灵的性质.” (这一断言的哲学立场后来被John Searle称为“强人工智能”, 即机器可以像人一样具有思想.),30,AI的诞生,1956年Dartmouth会议的组织者是Marvin Minsky, John McCarthy (1927.09.04- 201
28、1.10.24)和另两位资深科学家Claude Shannon以及Nathan Rochester, 后者来自IBM. 会议提出的断言之一是“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述, 使得机器可以对其进行模拟.” 与会者包括Ray Solomonoff, Oliver Selfridge, Trenchard More, Arthur Samuel, Allen Newell和Herbert Simon, 他们中的每一位都将在AI研究的第一个十年中作出重要贡献. 会上Newell和Simon讨论了“逻辑理论家”（the Logic Theorist）, 而McCarthy
29、则说服与会者接受“人工智能”一词作为本领域的名称. 1956年Dartmouth会议上AI的名称和任务得以确定, 同时出现了最初的成就和最早的一批研究者, 因此这一事件被广泛承认为AI诞生的标志.,31,Dartmouth会议的AI宣言,The proposal introduction statesWe propose that a 2 month, 10 man study of artificial intelligence be carried out during the summer of 1956 at Dartmouth College in Hanover, New Hamp
30、shire. The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. An attempt will be made to find how to make machines use language, form abstractions
31、and concepts, solve kinds of problems now reserved for humans, and improve themselves. We think that a significant advance can be made in one or more of these problems if a carefully selected group of scientists work on it together for a summer.(McCarthy et al. 1955)McCarthy, John; Minsky, Marvin; R
32、ochester, Nathan; Shannon, Claude (1955), A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence,32,AI的黄金年代: 1956 1974,Dartmouth会议之后的数年是大发现的时代. 对许多人而言, 这一阶段开发出的程序堪称神奇: 计算机可以解决代数应用题, 证明几何定理, 学习和使用英语. 当时大多数人几乎无法相信机器能够如此“智能”. 研究者们在私下的交流和公开发表的论文中表达出相当乐观的情绪, 认为具有完全智能的机器将在二十年内出现.
33、ARPA (Advanced Research Projects Agency, 高等研究计划局)等政府机构向这一新兴领域投入了大笔资金.,33,黄金时代的研究工作,从五十年代后期到六十年代涌现了大批成功的AI程序和新的研究方向. 下面列举其中最具影响的几个.搜索式推理 自然语言 微世界,34,搜索式推理,许多AI程序使用相同的基本算法. 为实现一个目标(例如赢得游戏或证明定理), 它们一步步地前进, 就像在迷宫中寻找出路一般; 如果遇到了死胡同则进行回溯. 这就是“搜索式推理”.这一思想遇到的主要困难是, 在很多问题中, “迷宫”里可能的线路总数是一个天文数字(所谓“指数爆炸”). 研究者使
34、用启发式算法去掉那些不太可能导出正确答案的支路, 从而缩小搜索范围.Newell和Simon试图通过其“通用解题器(General Problem Solver)”程序, 将这一算法推广到一般情形. 另一些基于搜索算法证明几何与代数问题的程序也给人们留下了深刻印象, 例如Herbert Gelernter的几何定理证明机(1958)和Minsky的学生James Slagle开发的SAINT(1961).还有一些程序通过搜索目标和子目标作出决策, 如Stanford为控制机器人Shakey而开发的STRIPS系统.,35,自然语言,AI研究的一个重要目标是使计算机能够通过自然语言(例如英语)进
35、行交流. 早期的一个成功范例是Daniel Bobrow的程序STUDENT, 它能够解决高中程度的代数应用题.如果用节点表示语义概念(例如“房子”, “门”), 用节点间的连线表示语义关系(例如“有 一个”), 就可以构造出“语义网(semantic net)”. 第一个使用语义网的AI程序由Ross Quillian开发; 而最为成功(也是最有争议)的一个则是Roger Schank的“概念依存(Conceptual Dependency)”.Joseph Weizenbaum(1923-2008)的ELIZA是第一个聊天机器人, 可能也是最有趣的会说英语的程序. 与ELIZA“聊天”的用
36、户有时会误以为自己是在和人类, 而不是和一个程序, 交谈. 但是实际上ELIZA根本不知道自己在说什么. 它只是按固定套路作答, 或者用符合语法的方式将问题复述一遍.,36,ELIZA: A Dialogue User: ELIZA: Men are all alike. In what way? Theyre always bugging us about something or other. Can you think of a specific example? Well, my boyfriend made me come here. Your boyfriend made you
37、come here. He says Im depressed much of the time. I am sorry to hear you are depressed. Its true, I am unhappy. Do you think coming here will help you not to be unhappy? I need some help; that much seems certain. What would you mean to you if you got some help? Perhaps I could learn to get along wit
38、h my mother. Tell me more about your family. My mother takes care of me. Who else in your family takes care of you? My father. Your father. You are like my father in some days. What resemblance do you see?,自然语言,37,微世界,六十年代后期, MIT AI实验室的Marvin Minsky和Seymour Papert建议AI研究者们专注于被称为“微世界”的简单场景. 他们指出在成熟的学科
39、中往往使用简化模型帮助基本原则的理解, 例如物理学中的光滑平面和完美刚体. 许多这类研究的场景是“积木世界”, 其中包括一个平面, 上面摆放着一些不同形状, 尺寸和颜色的积木.在 这一指导思想下, Gerald Sussman(研究组长), Adolfo Guzman, David Waltz(“约束传播(constraint propagation)”的提出者), 特别是Patrick Winston等人在机器视觉领域作出了创造性贡献. 同时, Minsky和Papert制作了一个会搭积木的机器臂, 从而将“积木世界”变为现实. 微世界程序的最高成就是Terry Winograd(1946-
40、 )的SHRDLU, 它能用普通的英语句子与人交流, 还能作出决策并执行操作.,38,SHRDLU,Here is an extract from a famous demonstration of SHRDLU (with messages converted from their original upper case for ease of reading):Person: Pick up a big red block.Computer: OK.Person: Grasp the pyramid.Computer: I dont understand which pyramid you
41、 mean.Person (changing their mind): Find a block which is taller than the one you are holding and put it into the box.Computer: By it, I assume you mean the block which is taller than the one I am holding.Computer: OK.Person: What does the box contain?Computer: The blue pyramid and the blue block.Pe
42、rson: What is the pyramid supported by?Computer: The box.Person: How many blocks are not in the box?Computer: Four of them.Person: Is at least one of them narrower than the one which I told you to pick up?Computer: Yes, the red cube.etc.,39,乐观思潮,第一代AI研究者们曾作出了如下预言:1958年, H. A. Simon, Allen Newell: “十
43、年之内, 数字计算机将成为国际象棋世界冠军.” “十年之内, 数字计算机将发现并证明一个重要的数学定理.”1965年, H. A. Simon: “二十年内, 机器将能完成人能做到的一切工作.”1967年, Marvin Minsky: “一代之内 创造人工智能的问题将获得实质上的解决.”1970年, Marvin Minsky (在生命杂志(Life Magazin)上): “在三到八年的时间里我们将得到一台具有人类平均智能的机器.”,40,经费,1963年六月, MIT从新建立的ARPA(即后来的DARPA, 国防高等研究计划局)获得了二百二十万美元经费, 用于资助MAC工程, 其中包括M
44、insky和McCarthy五年前建立的AI研究组. 此后ARPA每年提供三百万美元, 直到七十年代为止.ARPA还对Newell和Simon在CMU的工作组以及Stanford AI项目(由John McCarthy于1963年创建)进行类似的资助. 另一个重要的AI实验室于1965年由Donald Michie在Edinbugh大学建立. 在接下来的许多年间, 这四个研究机构一直是AI学术界的研究(和经费)中心.经费几乎是无条件地提供的: 时任ARPA主任的J. C. R. Licklider相信他的组织应该“资助人, 而不是项目”, 并且允许研究者去做任何感兴趣的方向. 这导致了MIT无
45、约无束的研究氛围及其hacker文化的形成. 但是好景不长.,41,第一次AI低谷: 1974 1980,到了七十年代, AI开始遭遇批评, 随之而来的还有资金上的困难. AI研究者们对其课题的难度未能作出正确判断: 此前的过于乐观使人们期望过高, 当承诺无法兑现时, 对AI的资助就缩减或取消了. 同时, 由于Marvin Minsky对感知器的激烈批评, 联结主义(即神经网络)销声匿迹了十年. 七十年代后期, 尽管遭遇了公众的误解, AI在逻辑编程, 常识推理等一些领域还是有所进展.,42,问题,七十年代初, AI遭遇了瓶颈. 即使是最杰出的AI程序也只能解决它们尝试解决的问题中最简单的一部
46、分, 也就是说所有的AI程序都只是“玩具”. AI研究者们遭遇了无法克服的基础性障碍. 尽管某些局限后来被成功突破, 但许多至今仍无法满意地解决.计算机的运算能力. 当时的计算机有限的内存和处理速度不足以解决任何实际的AI问题. 例如, Ross Quillian在自然语言方面的研究结果只能用一个含二十个单词的词汇表进行演示, 因为内存只能容纳这么多. 1976年Hans Moravec指出, 计算机离智能的要求还差上百万倍. 他做了个类比: 人工智能需要强大的计算能力, 就像飞机需要大功率动力一样, 低于一个门限时是无法实现的; 但是随着能力的提升, 问题逐渐会变得简单.计算复杂性和指数爆炸. 1972年Richard Karp根据Stephen Cook于1971年提出的定理证明, 许多问题只可能在指数时间内获解(即, 计算时间与输入规模的幂成正比). 除了那些最简单的情况, 这些问题的解决需要近乎无限长的时间. 这就意味着AI中的许多玩具程序恐怕永远也不会发展为实用的系统.,
