人工智能发展简史第一章：起步期-20世纪50年代及以前
引言
人工智能到底是什么？通常来说，人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
但是事实上，给一门学科界定范围是很难的，尤其对于一门正在快速发展的学科更是难上加难。即使是数学这样成熟的学科，有时我们也很难梳理一个明确的边界。而像人工智能这样不断扩展边界的学科，更是很难做出一个相对准确的判断。对于人工智能的应用已经扩展到各个领域，机械、电子、经济甚至哲学，都有所涉及。它的实用性极强，是一种极具代表性的多元跨专业学科。
第一章：起步期-20世纪50年代及以前
人工智能的起源可以追溯到以及阿兰·图灵（Alan Turing）1936年发表的《论可计算数及其在判定问题中的应用》。后来随着克劳德·香农（Claude Shannon）在 1950 年提出计算机博弈。以及艾伦·麦席森·图灵（Alan Mathison Turing）在 1954 年提出“图灵测试”，让机器产生智能这一想法开始进入人们的视野。
1956年达特茅斯学院召开了一个研讨会，John McCarthy, Marvin Minsky, Nathaniel Rochester, 以及Claude Shannon等人正式提出“人工智能”这一概念。算法方面，1957年，Rosenblatt Frank提出感知机算法Perceptron，这不仅开启了机器学习的浪潮，也成为后来神经网络的基础（当然追溯的话，神经网络研究得追溯到1943年神经生理学家麦卡洛克（W. S. McCulloch）和皮茨（W. Pitts）的神经元模型）。
1.1 计算机象棋博弈（Programming a computer for playing chess）
克劳德·艾尔伍德·香农（Claude Elwood Shannon，1916年4月30日—2001年2月24日）是美国数学家、信息论的创始人。
香农是世界上首批提出“计算机能够和人类进行国际象棋对弈”的科学家之一。1950年，他为《科学美国人》撰写过一篇文章，阐述了“实现人机博弈的方法”；他设计的国际象棋程序，发表在同年《哲学杂志》上（计算机下棋程序 Programming a Computer for Playing Chess）。
香农把棋盘定义为二维数组，每个棋子都有一个对应的子程序计算棋子所有可能的走法，最后有个评估函数（evaluation function）。传统的棋局都把下棋过程分为三个阶段，开局、中局和残局，不同阶段需要不同的技术手段。而此论文也引用了冯·诺依曼的《博弈论》和维纳的《控制论》。
这篇论文开启了计算机下棋的理论研究，其主要思路在多年后的“深蓝”及AlphaGo中仍能看到。1956年，在洛斯阿拉莫斯的MANIAC计算机上，他又展示了国际象棋的下棋程序。
1.2 图灵测试（Turing Test）
艾伦·麦席森·图灵（英语：Alan Mathison Turing，1912年6月23日—1954年6月7日），英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。
1954年，图灵测试（The Turing test）由图灵发明，指测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。图灵测试一词来源于计算机科学和密码学的先驱艾伦·麦席森·图灵写于1950年的一篇论文《计算机器与智能》，其中30%是图灵对2000年时的机器思考能力的一个预测，目前我们已远远落后于这个预测。
他实际提出了一种测试机器是不是具备人类智能的方法。即假设有一台电脑，其运算速度非常快、记忆容量和逻辑单元的数目也超过了人脑，而且还为这台电脑编写了许多智能化的程序，并提供了合适种类的大量数据，那么，是否就能说这台机器具有思维能力？
图灵肯定机器可以思维的，他还对智能问题从行为主义的角度给出了定义，由此提出一假想：即一个人在不接触对方的情况下，通过一种特殊的方式，和对方进行一系列的问答，如果在相当长时间内，他无法根据这些问题判断对方是人还是计算机，那么，就可以认为这个计算机具有同人相当的智力，即这台计算机是能思维的。这就是著名的“图灵测试”（Turing Testing）。当时全世界只有几台电脑，其他几乎所有计算机根本无法通过这一测试。
要分辨一个想法是“自创”的思想还是精心设计的“模仿”是非常难的，任何自创思想的证据都可以被否决。图灵试图解决长久以来关于如何定义思考的哲学争论，他提出一个虽然主观但可操作的标准：如果一台电脑表现（act）、反应（react）和互相作用（interact）都和有意识的个体一样，那么它就应该被认为是有意识的。
为消除人类心中的偏见，图灵设计了一种“模仿游戏”即图灵测试：远处的人类测试者在一段规定的时间内，根据两个实体对他提出的各种问题的反应来判断是人类还是电脑。通过一系列这样的测试，从电脑被误判断为人的几率就可以测出电脑智能的成功程度。
图灵预言，在20世纪末，一定会有电脑通过“图灵测试”。2014年6月7日在英国皇家学会举行的“2014图灵测试”大会上，举办方英国雷丁大学发布新闻稿，宣称俄罗斯人弗拉基米尔·维西罗夫（Vladimir Veselov）创立的人工智能软件尤金·古斯特曼（Eugene Goostman）通过了图灵测试。虽然“尤金”软件还远不能“思考”，但也是人工智能乃至于计算机史上的一个标志性事件。
1.3达特茅斯学院人工智能夏季研讨会（Dartmouth Summer Research Conference on Artificial Intelligence）
1956年夏季，年轻的明斯基与数学家和计算机专家麦卡锡（John MeCarthy，1927—2011）等10人在达特茅斯学院（Dartmouth College办了一个长达2个月的人工智能夏季研讨会，认真热烈地讨论用机器模拟人类智能的问题。会上正式使用了人工智能（artificial intelligence，即 AI）这一术语。
这是人类历史上第一次人工智能研讨，标志着人工智能学科的诞生，具有十分重要的历史意义，为国际人工智能的发展做出重要的开创性贡献。会议持续了一个月，基本上以大范围的集思广益为主。这催生了后来人所共知的人工智能革命。1956年也因此成为了人工智能元年。会议的主要议题包括自动计算机、如何为计算机编程使其能够使用语言、神经网络、计算规模理论、自我改造、抽象、随机性与创造性等。
1.4感知机（Perceptrons）
1957年,弗兰克·罗森布拉特（Frank Rosenblatt）在一台IBM-704计算机上模拟实现了一种他发明的叫做“感知机”（Perceptron）的神经网络模型。罗森布拉特1962年出了本书：《神经动力学原理：感知机和大脑机制的理论》（Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms），基于MCP神经元提出了第一个感知器学习算法，同时它还提出了一个自学习算法，此算法可以通过对输入信号和输出信号的学习，自动获取到权重系数，通过输入信号与权重系数的乘积来判断神经元是否被激活（产生输出信号）。
感知机需要几个二进制输入， X1，X2，…Xn X1，X2，…Xn ，并产生一个二进制输出：
上图所示的 Perceptron Perceptron 有三个输入，但是实际的输入可能远多于三个或是少与三个。Rosenblatt Rosenblatt 提出了一个简单的规则来计算输出，他首先引入了 weights weights（权重）概念， ω1，ω2,... ω1，ω2,...。以实数权重 ω ω表示输入到输出的重要性，神经元的输出 0 或 1 ，这取决于加权因子（即 weights weights）小于或大于某一阈值。就像权重，阈值为一个实数，是一个神经元的参数。
公式表示为：
这就是我们熟知的激活函数的最初形态， 0 0 状态代表抑制， 1 1 状态代表激活。这简单的数学公式帮助我们了解 perceptrons perceptrons 是如何工作的。姑且我们把它理解为： 它是一种通过权衡输入信息的重要性来决定你的输出。
2023年Openai的ChatGPT 4.0火爆出圈，这么好的东西却不对中国用户（包括港澳台）开放。我们希望通过自己的内容、技术和服务，些许的抹平差异，让中国用户，也能更方便、更便宜的了解和使用到全球最强大的对话式AI大模型。
