作者：电脑报创办人陈宗周
中国科学院自动化研究所研究员王飞跃这样形容：人工智能发展似乎没有经历春秋两季，只有夏天和冬天，忽冷忽热。
1956年达特茅斯会议：AI的诞生
一般认为，AI的起点在1956年夏季，在美国东北部风景如画的新罕布什尔州汉诺佛（Hanover）小镇。这年夏季，小镇上历史悠久的常春藤联盟大学达特茅斯学院（Dartmouth College）聚集了一群人。正是他们，开启了波澜壮阔而又起伏跌宕的AI壮丽史诗序幕。
与会十来人，其中马文·明斯基（Marvin Minsky）、约翰·麦卡锡（John McCarthy）、艾伦·纽厄尔（Allen Newell）、赫伯特·西蒙（Herbert A Simon）四人获得图灵奖。中文名字叫司马贺的西蒙，还获得了诺贝尔经济学奖。其余几位还包括：信息论创立者克劳德·香农（Claude Shannon）、开发出跳棋程序打败自己的阿瑟·塞缪尔（Arthur Samuel）等等。
2006年达特茅斯会议当事人重聚，左起：摩尔、麦卡锡、明斯基、塞弗里奇、所罗门诺夫
灵魂人物、会议召集者麦卡锡当时是达特茅斯学院的数学系年轻助教，1955年8月31日，他起草了由他和香农等四人联合签名的建议书，提议在第二年夏季召开一次人工智能会议，Artificial Intelligence（AI）概念第一次在这份建议书中出现。尽管晚年麦卡锡曾坦承，AI并不是他的首创，出处自己也记不清了，但“人工智能之父”的桂冠，已牢牢地戴在他头上。
麦卡锡起草建议书的时候才28岁，他的构想非常宏大，建议书里开列了翌年会议研讨的七个领域：自动（即可编程）计算机、编程语言、神经网络、计算规模（即复杂性）理论、自我改进（即机器学习）、抽象、随机性和创见性。这些领域几乎勾勒出今后人工智能研究的雄伟轮廓。
1956年，达特茅斯会议如期举行。会议目标——“解决AI领域一个或更多问题”虽无法实现，但西蒙和纽厄尔的启发式程序“逻辑理论家”（Logic Theorist），证明了名著《数学原理》第二章52个定理中的38个，麦卡锡介绍了下棋程序中α-β搜索法，明斯基带来了学习通过迷宫的Snarc学习机雏形，这些成果，开拓了AI最初的学科研究疆界。
会议期间，AI名称确定（尽管当时也有争论），任务得以初步明确，并出现了最初成果和最早一批研究者。这都被广泛认为是AI诞生的标志。
之后的十多年，AI在人工智能的一些领域不断取得突破，涌现了大批成功的AI程序和新研究方向。
尽管当时编程工具十分初级，AI研究人员还只能够着眼于一些特定问题，但那时出现的几何定理证明器，已可以证明一些几何定理；西洋跳棋程序，水平进化到打败州冠军；积木系统，可以用机械手每次拿起一块积木，按照指定方式调整积木堆。原以为只能进行数值计算的机器，已经能做一些原属于人类智能的事情。
AI专门研究机构开始创建，资助经费大量到来。麦卡锡和明斯基跳槽到MIT（麻省理工学院），创建了第一个AI实验室。1963年，刚成立的ARPA（先进研究计划署，是因特网的始创者）立刻给予MIT的AI研究220万美元，后来追加到每年300万美元。在英国，另一个重要的AI实验室于1965年在爱丁堡大学建立，也得到充足经费支持。
总之，达特茅斯会议之后的十多年，AI研究不断取得进展，鼓励前沿探索研究的经费源源不断，有人把这段时间称为AI的黄金十年。
遇到瓶颈：计算能力之殇
当时的AI研究人员和领军人物对未来极其乐观。1958年西蒙预言“十年之内，计算机将成为国际象棋世界冠军”。纽厄尔则说 “十年之内，计算机将发现并证明一个重要数学定理”。1965年，西蒙认为“二十年内，机器将能完成人能做到的一切工作”。到1967年，明斯基更大胆判断：“在我们这一代人的努力下，创造人工智能难题将会从根本上被解决。”这就是所谓的“一代人解决AI问题”豪言。
但上世纪70年代初，AI遭遇了瓶颈，问题和批评接踵而来。
AI研究人员遭遇的最重要瓶颈是当时计算机能力严重不足，有限的处理速度和内存不足以解决许多实际的AI问题。例如，自然语言处理方面，内存只能容纳含20个单词的词汇表，只能应付表演。更有人从理论上证明，AI有关的许多问题只能在指数时间内获解（处理时间与处理规模的幂成正比）。按这样的理论，解决复杂一点的问题，几乎需要无限长的时间。这意味着，AI中的许多程序理论上就只能停留在简单玩具阶段。
另一方面，初创的AI那时也实在肤浅。
这就是AI，仿佛条条路都可以通往人脑核心，但再往前走，却发现高墙林立。1973 年，历史上赫赫有名的《莱特希尔报告》（Lighthill Report）推出。报告结论十分严厉——“AI领域的任何一部分都没能产出人们当初承诺的有主要影响力进步”。《莱特希尔报告》一出，英国政府停止了除三所大学之外的全部AI相关研究的资助。
各国政府纷纷仿效，如同釜底抽薪，曾经火热的AI从云端跌落，经历第一次 “人工智能寒冬”（AI Winter）。之后十来年，AI几乎淡出人们视野。
AI复兴与再度冷却
从专家系统风靡到个人电脑普及
AI的第二次高潮，在上世纪80年代初开始，引领力量是知识工程和专家系统。专家系统实际上是一套程序软件，能够从专门的知识库系统中，通过推理找到一定规律，像人类专家那样解决某一特定领域的问题。简单说，专家系统等于知识库加上推理机。
这一次AI复兴，与斯坦福大学教授爱德华·费根鲍姆（Edward Feigenbaum） 有很大关系。由于对AI的贡献，他获得了1994年的图灵奖。
世界上第一个专家系统程序DENDRAL主要开发者：爱德华·费根鲍姆
早在1965年，他和诺贝尔奖得主莱德伯格（Joshua Lederberg）等人合作，开发出了世界上第一个专家系统程序DENDRAL，能够从几千种可能的分子结构中挑选出一个正确的。这一示范性专家系统让很多科研机构和企业纷纷开发自己的专家系统，上世纪80年代初进入高潮。
1980年，卡内基梅隆大学为DEC（数字设备公司）设计了名为XCON的专家系统。到1985年，企业投入超过10亿美元，催生出一批IT新公司。
各国政府也努力赶上这波AI潮流，纷纷推出政府主导的宏伟AI新计划。日本号称投资8.5亿美元的五代机计划、英国耗资3.5亿英镑的阿尔维（Alvey）计划，相继在80年代推出。而美国的DARPA（国防先进研究计划署，即以前的ARPA改称）对AI的投资，1988年已增加到1984年的三倍。
AI的第二次热潮，在上世纪80年代后期开始降温，到上世纪90年代几乎完全冷却，标志事件是各国政府基本停止对AI的经费支持。AI的再一次跌落，AI第二次低潮，是由于关注点和投资迅速转向了个人电脑和后来的互联网产业。
日本的五代机计划声势最大，结局也最为悲壮。1981年，全球电子行业风头正劲的日本，已经在计算机的核心器件半导体存储器DRAM等硬件领域超越美国，为了未来IT领域的全面竞争，日本政府把突破口选择在发展第五代智能计算机。
日本五代机的主要目标是采用新存储结构、新程序设计语言和新操作系统，突破 “冯·诺依曼瓶颈”，大规模并行处理知识信息。日本计划的五代机有这样的功能：能处理知识；具有听觉、视觉甚至味觉；能听懂人说话，自己也能说话；能认识不同的物体，看懂图形和文字。甚至，不再需要编写程序指令，只要口述任务，机器自动理解并完成工作。五代机实际上就是智能机，研究人员把新一代计算机称为“知识信息处理系统”（KIPS）。
日本五代机的领军人物、“新一代计算机技术研究所”（ICOT）所长渊一博年富力强，当年才46岁。渊一博和五代机“科研浪人”们，自我封闭在东京都市繁华区东京塔旁面对东京湾美景的办公楼内，近乎玩命地拼搏。结果是，渊一博军团悲壮地一步步走向困境，最终折戟沉沙，日本五代机项目于1992年终止。
1997年6月，我在日本拜访传奇人物渊一博 ，见证了AI在日本的退潮期。我们见面时，他早已从东京市区豪华办公楼搬到庆应大学一间简陋办公室。在这里低沉的气氛中，渊一博回顾了五代机和AI那一段历程。临别，目送他落寞的背影，我深切感受到当时日本的AI研究，昔日繁荣已经远去。
20年沉默缔造：因其伟大，故而艰难
上世纪90年代前期AI进入的第二个寒冬，长达20年之久。在很长时间内，AI项目很难拿到资助经费，相关学科和专业的毕业生也很难找到好工作。甚至，AI领域的教学科研人员都有点不好意思对人介绍自己是搞AI的，因为不少人视之为空谈。
有段子形容美国高校当时的AI生存状态：计算机系里一般有三群人，一群搞计算机理论，一群搞计算机系统，另外一群搞AI。前两群人常常因门户之见互相瞧不起，而这两群人共同瞧不起的，却是搞AI的这群人。段子有点辛辣，却真实反映出AI那时的窘况。
这也是AI，因其伟大，故而艰难。
但是，即使在这样的环境中，AI仍然在默默前行。AI最困难的时候，全球科学家仍然在顽强地坚持，学科领域还在不断扩大，研究和应用也在不断深入。个人计算机产业蓬勃发展、互联网广泛使用，其实也是一柄双刃剑，一方面把AI逼入寒冬，另一方面，却使人类社会获得前所未有的强大计算能力，通过互联网积累的信息、数据也出现爆炸性增长，这些实际上都在为AI日后复兴打下坚实的基础。吹开AI冰封寒冬的春风，已在不远的前方了。
电脑报新媒体：张毅
点击下方阅读原文，关注电脑报新媒体矩阵更多精彩
