1.1.1　人工智能

人工智能诞生于 20 世纪 50 年代，当时计算机科学这个新兴领域的少数先驱者开始提出疑问：能否让计算机“思考”？今天，我们仍在探索这一问题的答案。

虽然许多基本理念在数年前甚至数十年前就已经开始酝酿，但“人工智能”最终在 1956 年明确成为一个研究领域。当时，达特茅斯学院年轻的数学系助理教授 John McCarthy 根据以下提案组织了一场夏季研讨会。

该研究（人工智能研究）是基于以下猜想进行的：学习的各个方面或其他任何智能特征原则上都可以被精确描述，从而可以制造一台机器来模拟。我们将试图找到一种方法，让机器能够使用语言、形成抽象思维和概念、解决人类目前还不能解决的各种问题，并自我提升。我们认为，如果一组优秀的科学家在一起工作一个夏天，那么可以在其中一个或多个问题上取得重大进展。

夏天过去了，研讨会在结束时没有完全解开它一开始打算研究的谜题。然而，许多参会者后来成为这一领域的先驱，这次研讨也启动了一场延续至今的知识革命。

简而言之，人工智能可以被描述为试图将通常由人类完成的智力任务自动化。因此，人工智能是一个综合领域，不仅包括机器学习和深度学习，还包括更多不涉及学习的方法。直到 20 世纪 80 年代，大多数人工智能教科书中根本就没有出现过“学习”二字！举个例子，早期的国际象棋程序仅涉及程序员手动编写的硬编码规则，不能算作机器学习。事实上，在相当长的时间内，大多数专家相信，只要程序员手动编写足够多的明确规则来处理存储在显式数据库中的知识，就可以实现与人类水平相当的人工智能。这一方法被称为符号主义人工智能（symbolic AI），从 20 世纪 50 年代到 80 年代末，它是人工智能的主流范式。在 20 世纪 80 年代的专家系统（expert system）热潮中，这一方法的热度达到顶峰。

虽然符号主义人工智能适合用来解决定义明确的逻辑问题，比如下国际象棋，但它难以给出明确规则来解决更复杂、更模糊的问题，比如图像分类、语音识别或自然语言翻译。于是，一种替代符号主义人工智能的新方法出现了，这就是机器学习（machine learning）。