人工智能简史pdf

人工智能简史 内容简介

本书全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。

本书作者和书中诸多人物或为师友或相熟相知，除了详实的考证还有有趣的轶事。本书既适合专业人士了解人工智能鲜为人知的历史，也适合对人工智能感兴趣的大众读者作为入门的向导。

人工智能简史 目录

前言

第1章 达特茅斯会议：人工智能的缘起

1．背景

2．达特茅斯会议

3．AI历史的方法论

4．会议之后

5．预测未来：会有奇点吗？

参考文献指南

第2章 自动定理证明兴衰纪

1．自动定理证明的起源

2．罗宾逊和归结原理

3．项重写

4．阿贡小组和马库恩

5．符号派的内部矛盾：问答系统和归结原理的失落

6．几何定理证明与计算机代数

7．定理证明系统和竞赛

8．哲学问题

9．现状

10．结语

参考文献指南

附录1：自动定理证明大事记

附录2：埃尔布朗奖

附录3：几本自动定理证明教科书的评论

第3章 从专家系统到知识图谱

1．费根鲍姆和DENDRAL

2．MYCIN

3．专家系统的成熟

4．知识表示

5．雷纳特和大知识系统

6．语义网

7．谷歌和知识图谱

参考文献指南

第4章 第五代计算机的教训

1．背景

2．理论基础：逻辑程序和Prolog

3．五代机计划和五代机研究所

4．并发Prolog

5．美国和欧洲对日本五代机计划的反应

6．结局和教训

7．日本还有机会吗：日本下一代人工智能促进战略

参考文献指南

第5章 神经网络简史

1．神经网络的初创文章

2．罗森布拉特和感知机

3．神经网络的复兴

4．深度学习

参考文献指南

第6章 计算机下棋简史：机定胜人，人定胜天

1．机器下棋史前史

2．跳棋插曲

3．计算机下棋之初

4．“深蓝”

5．围棋和AlphaGo

参考文献指南

第7章 自然语言处理

1．乔治敦实验

2．乔姆斯基和句法分析

3．ELIZA和PARRY

4．维诺格拉德和积木世界

5．统计派又来了

6．神经翻译是终极手段吗？

7．问答系统和IBM沃森

8．回顾和展望

参考文献指南

第8章 向自然学习：从遗传算法到强化学习

1．霍兰德和遗传算法

2．遗传编程

3．强化学习

4．计算向自然学习还是自然向计算学习

5．计算理论与生物学

参考文献指南

第9章 哲学家和人工智能

1．德雷弗斯和《计算机不能干什么》

2．塞尔和中文屋

3．普特南和缸中脑

4．给哲学家一点忠告

第10章 人是机器吗？——人工智能的计算理论基础

1．丘奇-图灵论题：为什么图灵机是最重要的发明？

2．相似性原则：另一个重要但不太被提及的计算理论思想

3．超计算

4．BSS实数模型

5．量子计算

6．计算理论的哲学寓意

7．丘奇-图灵论题、超计算和人工智能

参考文献指南

第11章 智能的进化

1．大脑的进化

2．能源的摄取和消耗

3．全社会的算力作为文明的测度

4．人工智能从哪里来？

5．人工智能向哪里去：会有超级智能吗？

参考文献指南

第12章 当我们谈论生死时，我们在谈论什么？

附录1 图灵小传

附录2 人工智能前史：图灵与人工智能

附录3 冯诺伊曼与人工智能

附录4 计算机与智能

1．模仿游戏

2．对新问题的评论

3．游戏中用到的机器

4．数字计算机

5．数字计算机的通用性

6．主要问题的反方观点

7．学习机器

参考文献

人工智能简史 精彩文摘

现在一说起人工智能的起源，公认是1956年的达特茅斯会议。殊不知还有个前戏，1955年，美国西部计算机联合大会（Western Joint Computer Conference）在洛杉矶召开，会中还套了个小会：学习机讨论会（Session on Learning Machine）。讨论会的参加者中有两个人参加了第二年的达特茅斯会议，他们是塞弗里奇（Oliver Selfridge）和纽厄尔（Allen Newell）。塞弗里奇发表了一篇模式识别的文章，而纽厄尔则探讨了计算机下棋，他们分别代表两派观点。讨论会的主持人是神经网络的鼻祖之一皮茨（Walter Pitts），他最后总结时说：“（一派人）企图模拟神经系统，而纽厄尔则企图模拟心智（mind）……但殊途同归。”这预示了人工智能随后几十年关于“结构与功能”两个阶级、两条路线的斗争。

开聊达特茅斯会议之前，先说说6个最关键的人。首先，会议的召集者麦卡锡（John McCarthy）当时是达特茅斯学院的数学系助理教授。1954年，达特茅斯学院数学系同时有4位教授退休，这对达特茅斯这样的小学校而言真是不可承受之轻。刚上任的年轻系主任克门尼（John Kemeny）之前两年才在普林斯顿大学逻辑学家丘奇（Alonzo Church）门下取得了逻辑学博士，于是跑到母校求援。这么说起来，克门尼算是图灵的师弟，他战时和物理学家费曼一起工作，还一度当过爱因斯坦的数学助理，后来一头扎在计算机研究里，和麦卡锡一起琢磨出了分时系统。他1955年在《科学美国人》杂志上写过一篇文章“把人看作机器”（Man Viewed as a Machine），介绍了图灵机和冯诺伊曼的细胞自动机（最早叫“自生机”），文章的简介提到“肌肉机器”（muscle machine）和“大脑机器”（brain machine）。所谓“大脑机器”就是人工智能的另一种说法而已。克门尼最为人知的工作应该是发明了老少咸宜的编程语言BASIC。现在估计已经没人知道BASIC语言发明人曾是LISP语言发明人的老板。克门尼是天生的官僚，后来位居达特茅斯学院数学系主任和校长，美国三里岛核电站出事时，总统委托他当调查委员会主席，这是后话。

克门尼从母校数学系带回了刚毕业的4位博士前往达特茅斯学院任教，麦卡锡是其中之一。麦卡锡后来发明的LISP语言中最重要的功能Eval实际就是丘奇的λ演算，而且他后半生致力于用数理逻辑把常识形式化。大家由此猜测他可能也是丘奇的学生，但其实不是，他学的压根就不是逻辑。他的老师是失去双手的代数拓扑学家莱夫谢茨（Lefschetz）。但麦卡锡对逻辑和计算理论一直有强烈兴趣，他1948年本科毕业于加州理工学院，在学校主办的Hixon会议上听到冯诺伊曼关于细胞自动机的讲座，后来他刚到普林斯顿大学读研究生时就结识了冯诺伊曼，在老冯影响下开始对在计算机上模拟智能产生兴趣。

达特茅斯会议的另一位积极的参加者是明斯基。他也是普林斯顿大学的数学博士，和麦卡锡在读书时就相熟。他的主业也不是逻辑，尽管他后来写过一本很有影响力的计算理论的书，还培养过好几个计算理论的博士，其中就有图灵奖获得者布鲁姆（Manual Blum）。布鲁姆目前和他老婆（Lenor Blum，就是实数计算模型BSS的B）、儿子一家三口都在卡内基梅隆大学任教。明斯基的理论情结和丘奇关系也不大，他的老师塔克（Albert Tucker）是莱夫谢茨的学生，主要做非线性规划和博弈论，多年来担任普林斯顿大学数学系主任，出身数学世家，儿子、孙子也都是数学家。按辈分论，麦卡锡还是明斯基的师叔。塔克的另一名出色的学生后来得了诺贝尔经济学奖，他就是心灵美丽的纳什。纳什比明斯基小一岁，但比他早4年拿到博士学位，也算是明斯基的师兄了。明斯基的博士论文是关于神经网络的，他在麻省理工学院150周年纪念会议上回忆说是冯诺伊曼和麦卡洛克（Warren McCulloch）启发他做了神经网络。有人还找过他麻烦，质疑说神经网络的研究算数学吗，倒是老冯力挺说：现在不算，但很快就得算。倒是明斯基自己后来和神经网络结下梁子，那段故事见本书第5章“神经网络简史”。明斯基的熟人都认为他是无所不通的天才，他的忘年交沃尔弗拉姆（Stephen Wolfram）称，他晚年计划写本神学的书，但去世时书还没影子。

塞弗里奇被后人提及不多，但他真是人工智能学科的先驱，他在麻省理工学院时一直和神经网络的开创人之一麦卡洛克一起在维纳（Norbert Wiener）手下工作，他是维纳最喜欢的学生，但没读完博士学位。维纳《控制论》一书的第一个读者就是塞弗里奇。塞弗里奇是模式识别的奠基人，他写了第一个可工作的AI程序。他后来在麻省理工学院参与领导MAC项目，这个项目后来一分为二：计算机科学实验室和人工智能实验室。但分久必合，现在这两个项目又合并了，变成了MIT CSAIL。顺便给女读者添点料：塞弗里奇的爷爷就是英国第二大百货店塞尔福里奇（Selfridges）的创始人。所谓“顾客永远是对的”（The customer is always right.）就出自塞尔福里奇，他本是美国人，后到英国创业，发财后老婆就死了，于是勾搭上一对匈牙利双胞胎歌舞演员，出入赌场，赔光了家业。他的故事2013年还被有意思的英国人拍成了电视剧。塞尔福里奇百货几经周转，现在的主人是美国百货公司希尔斯（Sears）。塞尔福里奇百货和隔壁的哈罗德百货支撑着牛津街的零售业，现在大概一半顾客来自中国。