这是 2024 年 7 月一次面向大众的科普分享的讲稿。整理发布时仅订正了若干史实与表述，未改动当时的视角与结论。
大家好，今天我们来聊一聊人工智能的发展历史。从概念的提出到今天，它经历了许多重要的阶段和变革。
首先，人工智能这个概念最早可以追溯到 20 世纪 50 年代。1956 年，达特茅斯会议被认为是人工智能研究的正式起点。这个会议由约翰·麦卡锡、马文·明斯基、克劳德·香农和纳撒尼尔·罗切斯特组织，他们提出了”人工智能”这个术语，并设想机器能够执行通常需要人类智能的任务。
在 20 世纪 60 年代，人工智能研究取得了一些初步成果。这个时期的研究主要集中在问题求解和符号处理上，延续了 50 年代末诞生的早期 AI 程序的路线——如 1956 年的 Logic Theorist 和 1957 年的 General Problem Solver。这些程序展示了计算机解决数学问题和逻辑推理的潜力。
接下来是 20 世纪 70 年代，专家系统的出现标志着人工智能的一个重要进展。专家系统是模拟人类专家决策过程的计算机程序，DENDRAL 和 MYCIN 是其中的代表。DENDRAL 用于化学分析，MYCIN 则用于医疗诊断。尽管这些系统在特定领域表现出色，但它们的通用性和灵活性有限。
进入 20 世纪 80 年代，人工智能经历了一个重要的变革，机器学习开始崭露头角。这个时期的研究者们意识到，仅靠符号处理和专家系统的规则是不够的，机器需要能够从数据中学习。神经网络的重新兴起成为这一时期的一个重要标志。神经网络的思想其实可以追溯到更早——1943 年的 McCulloch-Pitts 模型，以及 1958 年 Rosenblatt 提出的感知机（Perceptron）——但直到 80 年代，随着计算能力的提升，以及反向传播（backpropagation）等学习算法在 1986 年前后被重新推广，神经网络才再次受到广泛关注。
20 世纪 90 年代，随着计算机硬件的飞速发展，人工智能进入了一个新的阶段。互联网的普及和数据量的爆炸性增长，为机器学习和数据驱动的 AI 模型提供了丰富的资源。这一时期，统计学习方法和支持向量机等新技术取得了显著进展。
进入 21 世纪，特别是 2010 年以后，深度学习的崛起彻底改变了人工智能的面貌。深度学习是神经网络的一个分支，通过多层网络结构实现对数据的自动特征提取和模式识别。2012 年，Geoffrey Hinton 的团队在 ImageNet 竞赛中凭借深度卷积神经网络取得了突破性的成果，这一事件被视为深度学习时代的开端。
2022 年 11 月 30 日，ChatGPT 的发布，是人工智能历史上一个极其重要的里程碑。某种意义上，那座在传说中因语言不通而半途崩塌的”巴别塔”，在这一天以另一种方式重新立起——人类第一次拥有了能够自由驾驭语言的机器。ChatGPT 的出现，不仅展示了大型语言模型（LLM）的强大能力，更引发了对人工智能未来的无限遐想。LLM 是一场智能革命，将会对人类社会带来巨大而深远的影响，未来几十年甚至上百年都会被这场革命深刻地影响到。
另外，关于通用人工智能（AGI），一个耐人寻味的地方在于：驱动这些系统的核心思想，往往比人们想象的要简洁——今天大模型背后的 Transformer 架构，用不多的几个基本构件就撑起了惊人的能力。这不禁让人想起《西部世界》中的一句台词——“你以为人类的代码很复杂，其实简单到令人惊讶”。这让我们对未来 AI 技术的发展充满期待，也让我们重新审视智能的本质。
总的来说，人工智能的发展历史是一段充满创新和变革的历程。从初步的理论构想到如今的广泛应用，AI 技术不断突破自我，改变着我们的世界。谢谢大家的聆听。