前言：斯坦福大學(xué)發(fā)起了一項(xiàng)名為《人工智能100年》的研究項(xiàng)目。2016年9月1日，該項(xiàng)目的首個(gè)成果《人工智能與2030年的生活》發(fā)布，這是一份關(guān)于AI在未來十幾年間影響的報(bào)告。報(bào)告分為三個(gè)部分，第一部分為AI的定義和研究趨勢；第二部分為AI的八大應(yīng)用領(lǐng)域，包括交通、健康、教育等等；第三個(gè)部分為政策推薦，目的是希望推動相關(guān)政策的制定。我們翻譯了該報(bào)告的第一部分，以供參考。
報(bào)告摘要
人工智能是一門科學(xué)，同時(shí)也是一種計(jì)算機(jī)技術(shù)。人工智能的靈感來自人如何使用自己的神經(jīng)系統(tǒng)和身體器官來進(jìn)行感知、學(xué)習(xí)、推理和行動中獲得知識，但是，一般來說，二者的運(yùn)行機(jī)制卻有很大的不同。
AI的發(fā)展是不一致而且不可預(yù)測的，60年前AI的構(gòu)想剛被推出時(shí)，確實(shí)有過巨大的發(fā)展。作為一個(gè)整體上還屬于學(xué)術(shù)領(lǐng)域的技術(shù)，21世紀(jì)的AI使得一系列主流的科技變成了可能，對人類的日常生活產(chǎn)生了深遠(yuǎn)的影響。
比如說，計(jì)算機(jī)視覺和AI規(guī)劃推動了視頻游戲的發(fā)展，在娛樂行業(yè)，視頻游戲的規(guī)?，F(xiàn)在已經(jīng)超過了好萊塢。
深度學(xué)習(xí)——一種基于多層被稱為神經(jīng)網(wǎng)絡(luò)的表示的機(jī)器學(xué)習(xí)形式，已經(jīng)讓手機(jī)或者廚房設(shè)備理解人類語言成為現(xiàn)實(shí)，其算法也可以被用在一系列依賴模式識別的應(yīng)用上。自然語言處理、知識代表以及推理，已經(jīng)可以讓機(jī)器擊敗Jeopardy的冠軍，為網(wǎng)絡(luò)搜索帶來新的功能。
雖然很讓人震撼，但是這些技術(shù)被高度地局限在特定的任務(wù)中，每一個(gè)應(yīng)用基本上都要經(jīng)過數(shù)年細(xì)化的研究和非常謹(jǐn)慎、獨(dú)特的建設(shè)過程。在類似的定向應(yīng)用中，未來可以期待AI技術(shù)會呈現(xiàn)巨大增長，比如，無人駕駛、醫(yī)療診斷、靶向治療和老人身體輔助。AI和機(jī)器人也會在全球那些難以吸引年輕人的行業(yè)中得到廣泛應(yīng)用，比如農(nóng)業(yè)、食品加工、運(yùn)營中心和工廠。它們會通過無人機(jī)、自動駕駛卡車或者可以爬樓梯直達(dá)家門口的機(jī)器人來促進(jìn)快遞的發(fā)展。
這份報(bào)告是人工智能100年研究（AI100）的第一部分，以后會定期更新。
AI100由AI100長期委員會領(lǐng)導(dǎo)，其職責(zé)是研究AI在2030年前會發(fā)生的影響，尤其是在北美地區(qū)。2015研究小組由AI和其他相關(guān)領(lǐng)域的專家組成，他們最為突出的關(guān)注點(diǎn)聚焦在8個(gè)領(lǐng)域：交通、服務(wù)機(jī)器人、健康醫(yī)療、教育、低資源社區(qū)、公共安防、就業(yè)和職業(yè)以及娛樂。
報(bào)告回顧了每個(gè)領(lǐng)域過去15年的進(jìn)展，也展望了未來15年的發(fā)展。雖然都是來源的研究基礎(chǔ)幾乎一致，但是每一個(gè)領(lǐng)域都反映了AI不同的影響和挑戰(zhàn)，比如，開發(fā)安全可信賴的硬件的困難（交通工具和服務(wù)機(jī)器人）、獲得工作信賴的困難（低資源社區(qū)和公共安防）、對人類可能會被邊緣化的擔(dān)憂（就業(yè)和職業(yè)）、人際交往減少帶來的社會副作用（娛樂）。
報(bào)告以“AI由什么組成”開始，以推薦AI相關(guān)政策作為結(jié)束。這些推薦包括，政府應(yīng)該招聘AI專業(yè)人才，把更多的資源投入到研究AI系統(tǒng)對公平、安全、隱私和社會福利的影響上，消除阻礙。
與主流媒體上異想天開的預(yù)測不一樣，研究小組（StudyPanel）發(fā)現(xiàn)，人們完全沒有理由擔(dān)心AI會對人類形成即刻的威脅。目前為止，還沒有一臺可以自我維持、擁有長期目標(biāo)和意愿的機(jī)器被發(fā)展出來，并且在短期也不可能會出現(xiàn)。反之，越來越有用的AI應(yīng)用很可能會從現(xiàn)在起到2030年崛起，它們對社會和經(jīng)濟(jì)會有非常深遠(yuǎn)的積極影響。同時(shí)，這些發(fā)展將會對人類勞動力的增強(qiáng)或者替代產(chǎn)生顛覆性的變革，在更大范圍上增加經(jīng)濟(jì)和社會的挑戰(zhàn)。在短期內(nèi)的應(yīng)用設(shè)計(jì)和決策很可能會對自然和這些發(fā)展的方向產(chǎn)生長遠(yuǎn)的影響，這使得AI研究員、開發(fā)者、社會科學(xué)界和政策制定者在進(jìn)行創(chuàng)新與確保AI的經(jīng)濟(jì)和社會福利能被全社會共享二者之間的平衡顯得尤為重要。
如果社會對這些技術(shù)的理解主要是擔(dān)憂、懷疑和誤解，那么，確保AI技術(shù)的安全和可信就變得很重要。從另一方面來說，如果社會以一種更加開放的心態(tài)來接受AI，從這一領(lǐng)域崛起的技術(shù)將會深刻地變革社會，在接下來的10年中，會把人類社會變得更好。
第一部分：什么是人工智能？ 本節(jié)介紹了研究人員和從業(yè)者如何定義“人工智能”和AI的研究和應(yīng)用發(fā)展的熱門領(lǐng)域。本節(jié)描述了什么是AI和什么不是AI，并且介紹了一些人工智能研究的當(dāng)前“熱門”領(lǐng)域。本節(jié)將為第二節(jié)引入相關(guān)的背景知識，第二節(jié)介紹了人工智能在八個(gè)領(lǐng)域的影響和發(fā)展前景，第三節(jié)介紹有關(guān)AI設(shè)計(jì)和公共政策問題，同時(shí)提出了鼓勵(lì)A(yù)I創(chuàng)新，保護(hù)民主價(jià)值觀的建議。
一、定義AI 對人工智能給出不同于大眾理解的精確和復(fù)雜的描述是困難的，因?yàn)槿绾螌θ斯ぶ悄苓M(jìn)行精確定義目前還沒有達(dá)成共識。奇怪的是，AI缺乏一個(gè)精確的、普遍接受的定義反而幫助它成為成長日益加快的領(lǐng)域。人工智能的從業(yè)者、研究人員和開發(fā)者，大多是按照自己朦朧的方向感以及努力跟上發(fā)展形勢的緊迫感在該領(lǐng)域探索。盡管如此，定義仍然是重要的，斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授尼爾斯·J·尼爾森提供了一個(gè)可供參考的定義：
“人工智能致力于使機(jī)器智能化，智能化是衡量實(shí)體在特定環(huán)境中反應(yīng)和判斷能力的定量指標(biāo)。”
從這個(gè)角度來看，如何定義AI取決于研究者更加看重軟硬件系統(tǒng)的“反應(yīng)”能力還是軟件系統(tǒng)的“判斷”能力。功能簡單的計(jì)算機(jī)器計(jì)算速度比人腦快，而且從不出錯(cuò)，這能算是一種計(jì)算器智能嗎？本研究小組同尼爾森的觀點(diǎn)一樣，認(rèn)為應(yīng)當(dāng)從多維譜系來看待智能。在我們看來，計(jì)算器和人腦之間的差異不是單一維度的，而是包括規(guī)模、速度、自治程度和通用性等多個(gè)維度。這種方法還可以用于比較他物體的智能，比如智能語音識別軟件、動物大腦、汽車的巡航控制系統(tǒng)、圍棋程序、恒溫器等，并且將它們放置在智能頻譜中合適位置。雖然以我們寬泛的解釋，可以把計(jì)算器放到智能頻譜中，但是這種簡單的設(shè)備和今天的AI并沒有什么相似之處。AI的前沿進(jìn)展日新月異，而計(jì)算器的功能只是今天智能手機(jī)眾多功能中的一個(gè)。
目前AI開發(fā)人員致力于提高、推廣和擴(kuò)大智能手機(jī)的智能程度。事實(shí)上，人工智能領(lǐng)域是一個(gè)持續(xù)努力推動機(jī)器智能的前沿。但是諷刺的是，AI取得進(jìn)展經(jīng)常被有意無意的忽視，逼迫著它不得不持續(xù)推動前沿技術(shù)的普及，這種重復(fù)出現(xiàn)的現(xiàn)象被稱為“AI效應(yīng)”或“奇異悖論”。AI為傳統(tǒng)領(lǐng)域帶來了新技術(shù)，當(dāng)人們已經(jīng)習(xí)慣了這種技術(shù)，就不再認(rèn)為為它是AI技術(shù)，然后新的AI技術(shù)又會出現(xiàn)，這種情況在未來仍會持續(xù)下去。AI不會像晴天霹靂那樣突然“傳遞”一個(gè)足以改變生活的產(chǎn)品。相反，人工智能技術(shù)是以一種連續(xù)的，漸進(jìn)的方式逐步演化的。
*對人腦的評價(jià) 值得注意的是，我們在智能頻譜定性排序中并沒有為人的大腦安排特殊的位置。但迄今為止，人類的智能在生物界和人造世界中都是所向無敵的。人類的智能是豐富多樣的，表現(xiàn)為“推理、實(shí)現(xiàn)目標(biāo)、理解和創(chuàng)造語言、感知和響應(yīng)感官輸入的、證明數(shù)學(xué)定理、玩挑戰(zhàn)性的游戲、綜合和總結(jié)信息、創(chuàng)造藝術(shù)和音樂，甚至是書寫歷史”。
這使得人類的智能自然成為衡量AI的進(jìn)步的標(biāo)準(zhǔn)。甚至可以提出一個(gè)經(jīng)驗(yàn)法則：任何電腦的活動能夠和人類活動一樣，都應(yīng)該算作一個(gè)智能的實(shí)例。但是，與人的行為相似只是一個(gè)充分條件而不是必要條件。
現(xiàn)在已經(jīng)有很多系統(tǒng)，已經(jīng)超過人類的智慧，至少在速度上，如機(jī)場調(diào)度系統(tǒng)，每日能夠調(diào)度數(shù)千架航班抵港及離港。AI的長期追求的目標(biāo)之一是在國際象棋的比賽擊敗人類玩家，奇怪的是，沒過多久，AI就達(dá)到了之前它難以實(shí)現(xiàn)的目標(biāo)。現(xiàn)在這個(gè)目標(biāo)已經(jīng)最終實(shí)現(xiàn)了，成為人類與機(jī)器比較智能過程中一個(gè)引人注目的實(shí)例。
國際象棋已經(jīng)讓人心醉了幾個(gè)世紀(jì)。當(dāng)計(jì)算機(jī)即將誕生的時(shí)候，計(jì)算機(jī)科學(xué)之父阿蘭·圖靈提出可以讓電腦通過與人類下國際象棋展現(xiàn)其智能水平。在沒有強(qiáng)大的計(jì)算機(jī)的情況下，圖靈和他模擬的計(jì)算機(jī)對弈時(shí)，計(jì)算機(jī)大約要半個(gè)小時(shí)才能走一步棋。但是經(jīng)過六十年代的一系列漫長的改進(jìn)后，國際象棋的AI方案越來越成熟，卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)、麻省理工學(xué)院、莫斯科的理論和實(shí)驗(yàn)物理學(xué)院和西北大學(xué)都作出了自己的貢獻(xiàn)。最后國際象棋的AI方案通過IBM的長期項(xiàng)目度過了沖刺階段，IBM的深藍(lán)計(jì)劃在1997年擊敗卡斯帕羅夫，獲得國際象棋世界冠軍，最終的比分是3.5-2.5。
深藍(lán)的AI方案被描繪成的“暴力方法”集合，這并不是“真正的智能”。事實(shí)上，IBM的隨后關(guān)于深藍(lán)的出版物，提供了其AI方案中有關(guān)搜索和評估程序的大量細(xì)節(jié)，文中甚至一次都沒有提到“智能”這個(gè)詞。深藍(lán)到底是不是智能？顯然，人工智能的前沿再次向前推動了。
*實(shí)操層面的定義 AI的定義也可以通過AI的研究人員的研究內(nèi)容來確定。本報(bào)告認(rèn)為AI是計(jì)算機(jī)科學(xué)的一個(gè)分支，通過人工合成智能來研究智能的特點(diǎn)。雖然AI的研究進(jìn)展一直依賴于硬件計(jì)算資源的快速發(fā)展，但是最近為神經(jīng)網(wǎng)絡(luò)計(jì)算軟件專門設(shè)計(jì)硬件的趨勢體現(xiàn)了硬件和軟件緊密耦合、共同推進(jìn)人工智能發(fā)展的新特點(diǎn)。本報(bào)告將重點(diǎn)從軟件層面反映人工智能的發(fā)展趨勢。
*智能的評判依賴多維度光譜 在我們看來，計(jì)算器和人腦之間的差異不是單一維度的，而是包括規(guī)模、速度、自治程度和通用性等多個(gè)維度?！爸悄堋比匀皇且粋€(gè)復(fù)雜的現(xiàn)象，其各個(gè)方面都引起了不同的研究領(lǐng)域的關(guān)注，包括心理學(xué)、經(jīng)濟(jì)學(xué)、神經(jīng)科學(xué)、生物學(xué)、工程學(xué)、統(tǒng)計(jì)和語言學(xué)。當(dāng)然，人工智能領(lǐng)域已經(jīng)從所有這些相關(guān)領(lǐng)域所取得的進(jìn)展中獲益。例如，很多AI的方案的核心部分人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)思想最初就是受到生物神經(jīng)元中信息流動機(jī)制的啟發(fā)。
二、AI的發(fā)展趨勢 直到世紀(jì)之交，AI的吸引力在很大程度取決于其承諾的兌現(xiàn)，但在最近的15年中，AI作出的大部分承諾都兌現(xiàn)了。人工智能技術(shù)已經(jīng)滲透到我們的生活中。當(dāng)他們成為社會的核心力量，這個(gè)系統(tǒng)也將從簡單的構(gòu)造智能的系統(tǒng)向構(gòu)造具有人類意識、值得信賴的智能系統(tǒng)轉(zhuǎn)變。
有幾個(gè)因素推動了AI革命。其中最重要的是基于云計(jì)算和基于大范圍網(wǎng)絡(luò)數(shù)據(jù)采集支持的機(jī)器學(xué)習(xí)系統(tǒng)的日漸成熟?！吧疃葘W(xué)習(xí)”是機(jī)器學(xué)習(xí)領(lǐng)域的一次重大飛躍，它是一種使用反向傳播算法的自適應(yīng)人工神經(jīng)網(wǎng)訓(xùn)練方法。這種革命性的軟件技術(shù)極大地推動了傳感、視覺、物體識別等領(lǐng)域人工智能硬件技術(shù)的發(fā)展。
新的數(shù)據(jù)驅(qū)動的平臺和產(chǎn)品市場，以及刺激尋找新的產(chǎn)品和市場的激勵(lì)措施，都有助于AI驅(qū)動技術(shù)的出現(xiàn)。所有這些趨勢推動了如下所述的“熱點(diǎn)”研究區(qū)域。該匯編只是為了通過一個(gè)度量或一個(gè)方面反映目前獲得較多關(guān)注領(lǐng)域。他們不一定比其他領(lǐng)域的更重要或更有價(jià)值。事實(shí)上，一些目前的“熱門”區(qū)域在過去幾年中是不太受歡迎的，所以現(xiàn)在不太受歡迎的領(lǐng)域在未來也可能變得“熱門”。
大規(guī)模機(jī)器學(xué)習(xí) 許多機(jī)器學(xué)習(xí)問題（如有監(jiān)督和無監(jiān)督學(xué)習(xí)）已經(jīng)基本解決了。目前科學(xué)家們重點(diǎn)攻克的問題是使用海量的數(shù)據(jù)集擴(kuò)展現(xiàn)有的算法。例如，盡管傳統(tǒng)的方法能夠在多次分析數(shù)據(jù)集后得出結(jié)論，但是最新的方法只需分析一次數(shù)據(jù)集就能得出結(jié)論；在某些情況下使用亞線性方法只需分析一小部分?jǐn)?shù)據(jù)就可以得出結(jié)論。
深度學(xué)習(xí)
卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練成功讓計(jì)算機(jī)視覺領(lǐng)域收益匪淺，在目標(biāo)識別、視頻標(biāo)記、行動識別及其他相關(guān)領(lǐng)域獲得廣泛應(yīng)用。深度學(xué)習(xí)的應(yīng)用還在音頻、語音和自然語言處理等領(lǐng)域取得顯著進(jìn)展。
強(qiáng)化學(xué)習(xí) 傳統(tǒng)的機(jī)器學(xué)習(xí)大多集中在模式挖掘，而強(qiáng)化學(xué)習(xí)得重點(diǎn)是決策，這是一種有助于AI更深入學(xué)習(xí)的技術(shù)，可以讓AI進(jìn)一步理解真實(shí)世界、作出更好的反應(yīng)。
強(qiáng)化學(xué)習(xí)作為經(jīng)驗(yàn)驅(qū)動的順序決策的框架思想已經(jīng)提出了幾十年了，但這類方法在實(shí)踐中并沒有取得巨大成功，主要是受樣本空間的代表性的影響。然而，深度學(xué)習(xí)的出現(xiàn)為增強(qiáng)學(xué)習(xí)注入了“強(qiáng)心針”。
最近，谷歌開發(fā)的計(jì)算機(jī)深度學(xué)習(xí)程序AlphaGo在五場比賽中擊敗人類的圍棋冠軍，這種成功很大程度上是強(qiáng)化學(xué)習(xí)的功勞。AlphaGo先是接受一個(gè)人類專家?guī)煊?xùn)練程序的自動化訓(xùn)練，然后利用強(qiáng)化學(xué)習(xí)的方法，自己同自己下大量的圍棋，進(jìn)一步提高智能化水平。
機(jī)器人 靜態(tài)環(huán)境中的機(jī)器人導(dǎo)航問題已經(jīng)在很大程度上解決了。目前的努力的方向是如何訓(xùn)練機(jī)器人與周圍的環(huán)境以日常的和可預(yù)測的方式進(jìn)行交互。與環(huán)境交互必然要求發(fā)展機(jī)器人操縱能力，這是當(dāng)前研究者關(guān)注的另一個(gè)話題。
深度學(xué)習(xí)的革命才剛剛開始影響到機(jī)器人技術(shù)，在很大程度上是因?yàn)橛?xùn)練機(jī)器人而標(biāo)記數(shù)據(jù)集的難度比其他領(lǐng)域大的多。
強(qiáng)化學(xué)習(xí)（見上文）可以幫助降低標(biāo)記數(shù)據(jù)集的要求，但需要系統(tǒng)能夠安全地探索策略空間避免損害系統(tǒng)本身或他人的錯(cuò)誤。
機(jī)器感知可靠性的進(jìn)展，包括計(jì)算機(jī)視覺，力度和觸覺等，其中大部分將靠機(jī)器學(xué)習(xí)來驅(qū)動，機(jī)器學(xué)習(xí)還將繼續(xù)成為推進(jìn)機(jī)器人的功能演化的關(guān)鍵力量。
計(jì)算機(jī)視覺 目前計(jì)算機(jī)視覺是機(jī)器的視覺最突出的形式。它一直是人工智能領(lǐng)域通過深度學(xué)習(xí)發(fā)展最快的分支。直到幾年前，視覺分類任務(wù)首選的最直觀的方法還是支持向量機(jī)。
但是，大規(guī)模計(jì)算的融合，如GPU、通過互聯(lián)網(wǎng)可獲得大型數(shù)據(jù)集，以及神經(jīng)網(wǎng)絡(luò)算法改進(jìn)都促進(jìn)了人工智能在圖像網(wǎng)絡(luò)分類大賽上基準(zhǔn)任務(wù)處理能力的顯著提高。電腦第一次能夠比人類更好地執(zhí)行一些（狹義的）視覺分類任務(wù)。目前大部分的研究主要集中自動圖像和視頻文字標(biāo)記上。
自然語言處理 自然語言處理和自動語音識別都是機(jī)器感知領(lǐng)域非常活躍的應(yīng)用。它正在在擁有大量語料數(shù)據(jù)的主流語言領(lǐng)域中迅速實(shí)現(xiàn)商品化。谷歌宣布，目前20%的移動端查詢指令是通過語音下達(dá)的，最近的演示也證實(shí)了實(shí)時(shí)翻譯的可能性。
研究者現(xiàn)已不滿足只是對程式化的要求做出響應(yīng)的系統(tǒng)，逐步轉(zhuǎn)向開發(fā)能夠與人對話互動的智能系統(tǒng)，人工智能技術(shù)已經(jīng)滲透了我們的生活。當(dāng)他們成為社會的核心力量時(shí)，這個(gè)領(lǐng)域?qū)臉?gòu)建具備簡單智能的系統(tǒng)向構(gòu)建具有人類意識和值得信賴的智能系統(tǒng)轉(zhuǎn)變。
附錄I提供了AI發(fā)展簡史，包括一些經(jīng)典人工系統(tǒng)的介紹。人工智能的核心研究領(lǐng)域在經(jīng)過六十年的發(fā)展，已經(jīng)發(fā)生較大的變化。反向傳播是“基于錯(cuò)誤的反向傳播”的縮寫，是一種訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的常用方法，經(jīng)常與梯度下降等優(yōu)化方法配合使用。該方法計(jì)算損失函數(shù)相對于網(wǎng)絡(luò)中所有的權(quán)重的梯度。
附：人工智能的發(fā)展簡史 人類最早關(guān)于人工智能的研究可以追溯至上古時(shí)期的神話和寓言中。而現(xiàn)代科學(xué)意義上的人工智能則始于上世紀(jì)40年代末，計(jì)算機(jī)科學(xué)之父阿蘭·圖靈在1950年發(fā)表論文《計(jì)算機(jī)器與智能》、《機(jī)器能思考嗎》，提出了著名的“圖靈測試”，指出如果第三者無法辨別人類與人工智能機(jī)器反應(yīng)的差別，則可以論斷該機(jī)器具備人工智能。從此，學(xué)術(shù)界展開了廣泛有關(guān)機(jī)器思維問題的討論。因此，圖靈也被稱為“人工智能之父”。
1956年的達(dá)特茅斯會議標(biāo)志著“人工智能”學(xué)術(shù)概念的誕生。此次會議上，學(xué)術(shù)界各領(lǐng)域代表不僅接受了“人工智能”這一學(xué)術(shù)表達(dá)，并且認(rèn)可了該領(lǐng)域的研究目的、早期重大成果及其主要貢獻(xiàn)者。這一歷史時(shí)刻被廣泛認(rèn)為是人工智能的誕生。
此后，人工智能經(jīng)歷了1956-1974年的第一個(gè)黃金發(fā)展期。在該階段，人工智能取得了不少建樹，有重大影響力的成果包括：推理搜索的算法研究、概念依存理論、微世界研究等。在取得這些重大突破以后，第一代研究者對人工智能充滿信心而過于樂觀，甚至預(yù)言3-8年（1970年）內(nèi)，人工智能將達(dá)到人類的平均水準(zhǔn)。
1974-1980年是人工智能研究的第一個(gè)寒冬，因局限于當(dāng)時(shí)落后的計(jì)算機(jī)運(yùn)算能力和數(shù)據(jù)收集能力等原因，人工智能發(fā)展約到了阻礙，導(dǎo)致社會對于人工智能普遍預(yù)期下降，投資減少。
1980-1987年，得益于“專家系統(tǒng)”的出現(xiàn)，人工智能研究引來了第二次快速發(fā)展。所謂“專家系統(tǒng)”，是人工智能的一個(gè)研究分支，它具有一種仿真決策能力。但問題必須聚焦于非常具體的某個(gè)領(lǐng)域，才可能通過if-then規(guī)則來規(guī)避計(jì)算機(jī)不擅長的常識性問題。1989年的DeepThought戰(zhàn)勝了國際象棋大師，為后來的DeepBlue的成功奠定了基礎(chǔ)。1981年日本政府提出了“第五代電腦計(jì)劃”，開始重點(diǎn)資助人工智能項(xiàng)目。
1987-1993年是人工智能研究的第二個(gè)寒冬，導(dǎo)致整個(gè)人工智能研究進(jìn)展放緩的原因來自于個(gè)人消費(fèi)電腦的快速發(fā)展。1987年，蘋果和IBM開始在桌面市場發(fā)力，個(gè)人電腦的運(yùn)算能力開始超越Symbolics公司昂貴的Lisp電腦，人工智能硬件市場受到巨大擠壓而發(fā)展緩慢。
1993-今，人工智能在誕生了半個(gè)多世紀(jì)后，終于可以實(shí)現(xiàn)當(dāng)初既定的幾個(gè)目標(biāo)，并且再21世紀(jì)初得到了快速發(fā)展。1997年5月11日，IBM公司的DeepBlue擊敗了國際象棋世界冠軍卡斯帕羅夫；2005年，斯坦福大學(xué)制造的機(jī)器人自我駕駛131英里，贏得了美國國防部先進(jìn)研究項(xiàng)目大挑戰(zhàn)。兩年后，2011年，IBM公司的沃森在一檔智力競猜節(jié)目中擊敗了2位人類冠軍，并且優(yōu)勢巨大。2016年，DeepMind公司研發(fā)的AlphaGo以4-1的比分擊敗了韓國圍棋大師李世石。
譯自：2016年10月【美國】斯坦福大學(xué)
