人工智能（AI），通常是指通过计算机程序来呈现人类智能的技术，其开创历史可以追溯到1956年8月31日发起的达特茅斯会议。此后60多年里，人工智能的发展有过低谷也有过崛起，直到2014年高德纳咨询公司发布技术成熟曲线，表明人工智能技术已经进入发展高峰期，各项技术应用将引起颠覆性深远影响。

    1950年，图灵提出了著名的图灵测试：如果一台机器能够与人类展开对话而不能被辨别出其机器身份，那么称这台机器具有智能。1956年，在达特茅斯会议上，约翰·麦卡锡提出了“人工智能”一词，后来被人们看作是人工智能正式诞生的标志。在此之后，人工智能进入了发展的第一个高潮。1956年，奥利弗·萨尔夫瑞德研制出了第一个字符识别程序；1959年，阿瑟·萨缪尔研制的具有学习功能的跳棋程序，已经可以打败他本人，3年后又击败美国一个州的跳棋冠军；1963年，詹姆斯·斯拉格发表了一个符号积分程序SAINT，输入一个函数表达式，改程序就能自动输出这个函数的积分表达式，4年后推出的升级版SIN已经可以达到专家级水准。在这段长达10余年的时间里，计算机被广泛应用于数学领域，用来解决代数、几何问题，这让很多研究学者看到了机器向人工智能发展的信心。

    20世纪70年代，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标，但是接二连三的失败和预期目标落空，使人工智能的发展走入低谷。在当时，有三个难以解决的技术瓶颈：一是，计算机性能不足，导致早期很多程序无法在人工智能领域得到应用；二是，早期人工智能程序主要是解决特定的问题，可一旦问题上升维度，程序立马就无法执行；三是，在当时没有找到足够大的数据库来支撑程序进行深度学习。因此，人工智能项目停滞不前。

    20世纪80年代出现了以卡内基梅隆大学研制的XCON为代表的专家系统，可以用来模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。

    随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。命运女神又一次给AI的发展浇上一盆冷水。

    上世纪90年代随着AI技术尤其是神经网络技术的逐步发展，以及人们对AI开始抱有客观理性的认知，人工智能技术开始进入平稳发展时期。1997年，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在世界范围内引发了AI话题讨论。这是人工智能发展的一个重要里程。

    进入21世纪后，可用的数据量剧增，数据驱动方法的优势变得越来越明显。此时，深度学习泰斗Geofrey Hinton在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望，这也是标志性的技术进步。2011年， IBM开发的人工智能程序“沃森”参加了一档智力问答节目并战胜了两位人类冠军。2016 年，谷歌公司的 AlphaGo （阿尔法围棋）赢了韩国棋手李世石，再度引发 AI 热潮。2017年，深度学习大热。AlphaGo Zero（谷歌下属公司Deepmind的新版程序）在无任何数据输入的情况下，开始自学围棋，3天后便以100∶0横扫了第二版本的“旧狗”，学习40天后又战胜了在人类高手看来不可企及的第三个版本“大师”。

    随着互联网、大数据、云计算、物联网等信息技术的发展，基于感知数据和图形处理器等计算平台，以深度神经网络为代表的人工智能技术正飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用”“不好用”到“可以用”的技术突破，未来或将迎来暴发式增长的新高潮。

    （作者系中国科学院自动化研究所在读博士生，主要研究自动机器学习与神经网络优化）