時間撥回到1956年的夏天，在美國漢諾斯小鎮寧靜的達特茅斯學院，約翰·麥卡錫（John McCarthy，Lisp語言發明者、圖靈獎得主）、馬文·明斯基（Marvin Minsky，人工智能與認知學專家）、克勞德·香農（Claude Shannon，信息論的創始人）、艾倫·紐厄爾（Allen Newell，計算機科學家）、赫伯特·西蒙（Herbert Simon，諾貝爾經濟學獎得主）等聚在一起進行了一場頭腦風暴討論會。

在這次的頭腦風暴討論會上，這幾位年輕的學者討論的是當時計算機尚未解決，甚至尚未開展研究的問題，包括人工智能（AI）、自然語言處理和神經網絡等。也正是在這場會議上，人工智能這個詞首次被提出，并逐漸成為一門學科。

有意思的是，與今天的許多會議不同，當時的這場會議雖然叫做“達特茅斯夏季人工智能研究會議”，但會議最后其實并沒有什么可以報告的科研成果，其次這個會議持續了一個暑假。盡管當時的討論并沒有得出可以報告的科研成果，但這次學術討論會卻成為了歷史的一個開端，開啟了人們對人工智能的無盡探索，影響至今。

如今，人工智能已經走過了64年，AI經歷了概念從無到有的蛻變，并且已經走出了技術爆發的階段，進入了落地應用、創造價值的新時期。英國工程物理科學研究理事會稱，從目前來看，人工智能在提高生產率方面有著巨大的潛力，最突出的就是幫助公司和人們更有效地利用資源，以及簡化人類與大量數據交互的方式；人工智能可以幫助公司和員工提高工作效率；人工只能可以減輕大數據搜索的負擔。同時，越來越多的國家開始關注伴隨著人工智能發展而來的道德倫理問題。以美國為例，包括微軟、IBM、亞馬遜在內的多家科技公司近期紛紛表示暫停提供人臉識別技術。

人工智能在過去的64年發展中經歷過寒冬，也有過自己的春天。

1.人工智能的誕生：達特茅斯會議（Dartmouth Conference）

時間：1956年8月

[[374073]]

在達特茅斯學院的這次頭腦風暴上，計算機科學家約翰·麥卡錫說服了與會者接受了“人工智能”作為該領域的名稱。因此，這次會議也被認為是人工智能正式誕生的標志。

影響：這幾位年輕的學者討論的是當時計算機尚未解決，甚至尚未開展研究的問題，包括人工智能（AI）、自然語言處理和神經網絡等。也正是在這場會議上，人工智能這個詞首次被提出，并逐漸成為一門學科。

2. 機器學習和完整的人工智能系統概念的誕生

時間：1959年

在這一年里，IBM公司的計算機專家阿瑟·塞繆爾(Arthur Lee Samuel)創造了“機器學習”一詞，在他的文章中指出：“給電腦編程，讓它能通過學習比編程者更好地下跳棋。”塞繆爾基于其理論研究成果所編制的下棋程序是世界上第一個有自主學習功能的游戲程序，曾在西洋跳棋比賽中一舉奪魁。

同一年時間里，約翰·麥卡錫發表了文章《Programs with Common Sense》，提出了“Advice Taker”概念，文章描述的假想程序可以被看成是第一個完整的人工智能系統。

影響：機器學習概念誕生，得益前輩們在這個領域的研究，才讓DeepMind公司在60年后成功開發了圍棋AI，挑落了人類棋手。機器學習也成為了人工智能領域里最為重要的研究分支之一。

3. 人機首次對話

時間：1966年

美國麻省理工學院（MIT）人工智能實驗室的約瑟夫·維森鮑姆（Joseph Weizenbaum）在這一年開發了最早的自然語言聊天機器人ELIZA，能夠模仿臨床治療中的心理醫生。ELIZA的實現技術是通過關鍵詞匹配規則對輸入進行分解，而后根據分解規則所對應的重組規則來生成回復。簡而言之，就是將輸入語句類型化，再翻譯成合適的輸出。雖然 ELIZA 很簡單，但維森鮑姆本人對ELIZA的表現感到吃驚

影響：近年來，人機對話交互技術成為人工智能的熱點領域。眾多科技公司相繼推出了人機對話技術相關產品，并將人機對話交互技術作為其公司的重點研發方向。目前比較知名的產品有谷歌的Google Assistant和蘋果的 Siri等。Siri評價道，ELIZA是一位心理醫生，是她的啟蒙老師。

4. 日本造成第一個人形機器人

時間：1973年

[[374074]]

日本早稻田大學造出第一個人形機器人WABOT-1，它由肢體控制系統、視覺系統和對話系統組成。WABOT-1這個龐然大物會說日語，能抓握重物，通過視覺和聽覺感應器感受環境。對出生于1973年的它已算不錯了。到了1980年，早稻田大學更新了設計，研制出了WABOT-2，第二代能夠與人溝通，閱讀樂譜并演奏電子琴。

影響：人形機器人的誕生，滿足了許多人對機器人的最初想象，也為未來機器人的設計和開發奠定了基礎。不過，人工智能發展到1970年代，由于研究者對于項目難度評估不足，導致承諾無法兌現，讓人們當初對人工智能的樂觀期望遭到了嚴重打擊，人工智能遭遇打擊，研究經費被轉移到了那些目標明確的項目上。

5. AI寒冬來臨

時間：1984年

在1984年的年度AAAI（美國人工智能協會是人工智能領域的主要學術組織之一。該協會主辦的年會AAAI是人工智能重要的學術會議之一）。會議上，人工智能專家羅杰·單克(Roger Schank)和馬文·明斯基警告“AI之冬”即將到來。預測AI泡沫破滅，投資資金也將如1970年代中期那樣減少。

影響：正如兩位人工智能專家所預言的，在他們發出警告后3年，確實發生了AI泡沫的破滅。到了上世紀80年代晚期，美國國防高級研究計劃局（Defense Advanced Research Projects Agency，簡稱DARPA）的新任領導認為人工智能并不是“下一個浪潮”，讓人工智能從狂熱追捧中一步步走向冷靜，人工智能的研究遭遇經費危機。

6. “深藍”戰勝人類國際象棋冠軍

時間：1997年5月

[[374075]]

1997年5月，在紐約，卡斯帕羅夫輸掉了一場六局制比賽，對手是 IBM的深藍（Deep Blue），當時世界上最強大的國際象棋計算機。關于這場比賽，至今仍有許多爭議。首先，“深藍”的設計者有機會事先根據卡斯帕羅夫的戰略和風格以及所有的公開對局對深藍的程序進行針對性的改編。而卡斯帕羅夫就無法了解“深藍”的歷史記錄，因為“深藍”在每次對決之后就被會被微調，所以他完全就是在盲下。其次，人們忘記了，深藍挑戰賽分兩場，而卡斯帕羅夫贏得了1996年在費城舉行的第一場。在兩場比賽之間，IBM重新編碼了它的計算機，于是卡斯帕羅夫指控IBM作弊。

影響：IBM的“深藍”通過“窮舉法（brute force）”或者說暴力計算的方式，在計算游戲步數的能力比人類強太多。輸掉比賽后，卡斯特羅夫也承認：機器在游戲領域占上風，是因為人類會犯錯誤。這次人類的失敗，也引發了人們新的思考：在國際象棋上贏了人類后，機器下一個爭奪的領域會是什么？會是圍棋嗎？

7. ImageNET數據庫建立，最終幫助AI認出了貓

時間：2006年-2009年

[[374076]]

2006年，當時剛剛出任伊利諾伊大學香檳分校計算機教授的李飛飛發現，整個學術圈和人工智能行業都在苦心研究同一個概念：通過更好的算法來制定決策，但卻并不關心數據。

她意識到這種方法的局限：如果使用的數據無法反映真實世界的狀況，即便是最好的算法也無濟于事。于是她的解決方案是建設更好的數據集。這是一個大型注釋圖像的數據庫，旨在幫助視覺對象識別軟件進行研究。

影響：由李飛飛帶頭此制作的數據集名為ImageNet，它作為論文于2009年發布時，還只能以海報的形式縮在邁阿密海灘大會的角落里，但卻很快成為了一場年度競賽：看看究竟哪種算法能以最低的錯誤率識別出其中的圖像所包含的物體。很多人都將此視作當今這輪人工智能浪潮的催化劑。到了2017年，優勝者的識別率就從71.8%提升到97.3%，超過了人類，并證明了更龐大的數據可以帶來更好的決策。

值得一提的還有一件事。2012年6月，人工智能專家吳恩達和谷歌人工智能部門負責人杰夫·迪恩做了一份實驗報告，他們給一個大型神經網絡展示1000萬張未標記的網絡圖像，然后發現神經網絡能夠識別出一只貓的形象。

這些進步，都為今天人工智能領域圖像識別技術的發展起到了重要作用。

8. AlphaGo橫空出世，戰勝圍棋頂級棋手

時間：2016年3月

在AlphaGo出現前，人們普遍認為機器想要在圍棋領域戰勝人類至少還要10年時間。但這一切假定在2016年3月韓國的一家酒店被打破了。這個由英國初創公司DeepMind研發的圍棋AI以4：1的比分贏了人類職業棋手九段李世石。到了2017年5月，升級后的AlphaGo又在烏鎮戰勝了當時圍棋第一人柯潔九段。AlphaGo的棋藝增長迅速，勢如破竹。戰勝柯潔后，DeepMind仍未停下研發腳步，隨后又推出了AlphaGo zero版本，做到了無師自通，甚至還可以通過“左右手互博”提高棋藝。

影響：AlphaGo的出現讓世人對人工智能的期待再次提升到前所未有的高度，在它的帶動下，人工智能迎來了最好的發展時代。而對于希望利用人工智能推動人類社會進步為使命的DeepMind來說，圍棋并不是AlphaGo的終極奧義，他們的目標始終是要利用AlphaGo打造通用的、探索宇宙的終極工具。

9.IBM AI辯論機器人 “IBM Project Debater”對戰人類辯論冠軍

時間：2018年-2019年

[[374077]]

推理和辯論一直以來被認為是人類的專長。然而在2018年6月，IBM開發的辯論機器人“IBM Project Debater”向以色列國家辯論冠軍Noa Ovadia發起了挑戰。在40名觀眾投票中，“IBM Project Debater”以9票的優勢戰勝人類選手。

在比賽中，Project Debater依托自身數據庫中的強大信息源，在比賽中表現了在數據驅動下出色的演講稿撰寫與表達能力、聽力理解能力和模擬人類困境并提出論點的能力。

2019年1月，這個AI辯論系統首度向公眾開放，IBM邀請人們針對特定辯論題向Project Debater提交論據，以豐富Project Debater的語料庫。

2019年2月，Project Debater再次迎戰2016年世界辯論錦標賽決賽選手Harish Natarajan。這一次人類選手取得了勝利。不過，我們仍然可以看到人工智能在自然語言處理等領域的強大實力。

影響：相較于此前AI在棋盤游戲和智力問答游戲中對戰人類取得的勝利，AI在沒有確定規則、沒有標準答案的辯論比賽中取得的勝利顯得更為難得，展現了AI在“思考判斷”能力發展上的更多可能性。

10.2020世界人工智能大會云端峰會

時間：2020年7月9日-11日

經過64年的發展，當下AI已經走出技術爆發的階段，進入落地應用、創造價值的新時期，對世界經濟、社會進步和人類生活產生日益深刻的影響。

和64年前在美國達特茅斯學院的頭腦風暴討論會相似，2020世界人工智能大會云端峰會云集了全球人工智能領域最具影響力的科學家和企業家，以及相關政府、國際組織領導人。重磅嘉賓的數量較去年繼續增加，他們將圍繞人工智能領域深度賦能行業、技術突破融合以及人工智能向善規范等行業發展趨勢進行討論。

與此前的世界人工智能大會不同的是，結合當前疫情防控和經濟社會發展形勢，今年將采用線上為主、線上線下結合的形式舉辦世界人工智能大會云端峰會。同時，大會將加強交互感和參與感，拉近大會與普通大眾的距離，讓大會成為了解人工智能最新技術和產品的窗口，傳遞“人工智能與每個人息息相關”的理念。

影響：今年大會將進一步凸顯推動行業發展的理念，討論的話題全面反映行業趨勢，進一步推動AI落地應用和價值創造。大會將圍繞“AI向善”的議題進行重點討論，展示AI技術讓家園充滿“愛”，將為世界呈現未來生活、溫暖家園的愿景。