图 6人工智能演变
人工智能的先驱亚瑟·塞缪尔（Arthur Samuel）于1952年开发了一个玩跳棋的计算机程序，它被公认为是第一个独立学习的计算机程序，也是第一个机器学习程序。后来出现了专家系统和决策支持系统，如MYCIN、CADUCEUS和INTERNIST-I，这是我们之前讨论过的。
20世纪早期的许多人工智能活动都使用过程编程逻辑作为主要的编程技术，需要人类繁重的工作和基础设施支持。这股浪潮的标志性可能是IBM的深蓝电脑[[1]]击败了国际象棋界人类最伟大的冠军之一加里·卡斯帕罗夫（Gary Kasparov）。当时，我们认为这是人工智能赶上人类智能的标志。IBM的深蓝需要很多繁重的工作；这是一台专门设计的计算机，许多人认为它在硬件和软件上都展示出强大的能力。值得一提的是，深蓝的一位程序员在被问及对人工智能投入了多少精力时，回答是“没有投入”。他形容深蓝是一个超级计算机系统，是人类用“类似穷举的方法”，把这一步棋的每一种落子的下法全部算清楚，然后找出最优解。
人工智能冬季是对人工智能研究和开发阶段的一个隐喻性描述，该阶段的兴趣和资金水平大幅下降。20世纪初对人工智能的炒作和夸大适得其反，因为手头的技术未能达到预期。
算法人工智能并没有超越人类。科幻
电影中描绘的人工智能不是真实的。
1966年，政府停止资助NLP研究，因为机器翻译比使用人工翻译更昂贵。政府取消了人工智能研究，人工智能研究人员发现很难找到工作。这是人工智能的黑暗时期，一个冬天。交付失败、项目失控以及政府和行业的成本沉没导致了第一个人工智能冬天。AI是一个梦想，它成为一个共识，即AI起不了什么作用。这种认知一直持续到分析变成普通词。机器学习技术和预测分析诞生了，第二次人工智能转型正在进行中。
2011年，IBM Watson计算机系统参加了Jeopardy！，IBM再次展示了人工智能的标志性成果，对阵传奇冠军布拉德·鲁特和肯·詹宁斯并获胜！这个2011年的IBM Watson系统花了几年时间才建成，在硬件实现中再次使用了蛮力，而在工程方面使用了大量的数学、机器学习和NLP。图形处理器单元（GPU）和21世纪人工智能的深度学习特性都没有任何吸引力。对于普通观众来说，参加Jeopardy！的IBM Watson是对话式AI，但事实并非如此，因为IBM Watson并未聆听和处理音频。相反，传输的是ASCII文件。
公平地说，IBM Watson及其赢得Jeopardy!的系统，其在自然语言理解方面的创新工作推动了该领域的发展。
我们今天可以用人工智能做的事情当然与我们在1950年代、1960年代、1970年代、1980年代、1990年代和2000年代初期可以做的事情不同。尽管我们使用了许多相同的算法和许多相同的计算机科学，但人工智能领域发生了大量创新。深度学习、新算法、GPU和大数据是关键区别。工业界和学术界出现了新思维的爆炸式增长，而今天人工智能又重新热起来，这主要是因为深度学习。
神经网络、深度学习算法的演示，以及人类视觉、声音和语言理解感知的实现，掀起了学术界和科技公司人工智能研发的巨大浪潮。互联网提供了大量的数据，GPU提供了计算能力，第三次人工智能的转变由此到来。
2015年10月，最初的AlphaGo成为第一个无障碍击败人类职业围棋选手的计算机系统。2017年，一位继任者AlphaGo大师在三场比赛中击败了世界排名第一的选手。AlphaGo使用深度学习，是人工智能的另一个标志性展示。2017年，DeepMind推出了AlphaZero，这是一个人工智能系统，它从零开始自学如何玩和掌握国际象棋和围棋，并随后击败世界冠军。值得注意的是，这个系统是在没有向it提供领域知识的情况下建立的，而仅仅是游戏规则。看到一款具有独特、动态和创造性游戏风格的电脑游戏也很吸引人。AlphaZero展示了人工智能的力量。
许多公司很有可能（甚至能预料）看到他们的人工智能计划和实现失败。深度学习和人工智能的局限性为研究人员、博客作者和许多专家所熟知，例如，深度学习本身无法解释它是如何得出答案的。深度学习没有因果关系，与人类不同的是，它不能让人类进行推理，或许多人所说的常识。深度学习需要成千上万的图像来学习和识别特定的物体，比如确定猫的类型或者从照片中识别你的母亲。人类只需要几个例子，几秒钟就能做到。人类知道鼻子在嘴下面的脸的图像是不正确的。任何接近人类推理的东西目前都不适用于人工智能；这将是第四次过渡。
图 7 人工智能从弱到强
人工智能已经取得了惊人的进步，但要实现人类水平的智能，我们还有一段路要走。研究继续推进人工智能。人工智能是有抱负的，它努力在人工智能的连续体上尽可能地向右移动，并且尽可能快，如图 7所示。
与Ex Machina或2001：A Space Odyssey等电影相比，人工智能超越了人类智能（反映了强大的人工智能），我们还没有到达那里——我们今天拥有弱人工智能，或者一些人称之为狭义人工智能。它的范围很窄，因为例如，我们训练机器学习模型来检测肺炎，但相同的模型无法检测X射线中的肿瘤性癌症。也就是说，经过训练可以做一件事的系统将很快中断相关但略有不同的任务。今天，当我们主要针对人工智能明确定义的问题时，需要人们来确保人工智能是正确的。人类必须训练AI模型并管理AI开发从出生到死亡的整个生命周期。
人工智能的新创新将使我们沿着连续体进一步向右移动，也许因果关系将在我们的视线之内。例如，我们将开始了解，长途飞行前服用的阿司匹林是否确实起到了血液稀释剂的作用，从而降低了受试者在旅行期间因不动而形成血栓的风险。这与目前建议航空公司乘客服用阿司匹林作为预防措施的做法形成对比。
深度学习很可能会通过新的研究和创新进行改造。硬件会有所改善。将会有另一个如图 6所示的AI过渡，它将加速AI沿着图 7所示的连续体进一步向右移动。今天，人工智能和人类必须携手合作解决问题。在医疗保健方面AI可能会出错，我们需要具有直觉和经验的临床医生帮助增强AI。
[]深蓝是美国IBM公司生产的一台超级国际象棋电脑，重1270公斤，有32个大脑（微处理器），每秒钟可以计算2亿步。“深蓝”输入了一百多年来优秀棋手的对局两百多万局。 ↑
