AI簡史

技術是上帝賜予的禮物，在賜予人類生命之后，技術可以算是上帝送給人類最偉大的禮物了。技術是文明之母、藝術之母，也是科學之母。

——弗里曼·戴森（Freeman Dyson）

成為眾神的追求

從歷史上來說，人類對建造智能思維機器的渴望，可以追溯到希臘神話的皮格馬利翁。皮格馬利翁是希臘神話中的塞浦路斯國王，并且擅長雕刻。他創造了一個栩栩如生的雕像，并愛上了它。自那時起，人類一直在追求能擁有上帝的能力。古人構建類似計算機設備的嘗試，主要集中在制造機械計算器領域。

算盤

這里我們以算盤為例，聊聊機械計算器。值得注意的是，所有關于計算機的正式討論，都要從我的老祖宗——算盤開始說起。算盤是一種古老的計算工具，迄今已使用了數千年。人類已知最早的算盤，是在公元前2300年前后，由古代美索不達米亞的蘇美爾人最先開始使用的。那個時候的算盤只是一個簡單的裝置，由一個木制框架與串在線上的珠子組成。這些珠子被用來進行基本的加法、減法、乘法和除法等算術運算。

古埃及人也采用了類似的裝置——一塊帶釘子的木板，用于算術；而古希臘人使用的算盤與蘇美爾人的算盤類似，名為“abax”或“abakos”，但兩者設計略有不同。中國的算盤是所有算盤中最為出名的，也是使用最為廣泛的形式之一。

中國的算盤起源于漢朝（公元前206—公元220年），而后在中國和亞洲其他地區廣為使用了幾個世紀。中國的算盤的主體是一個木制框架，上面有珠子串在桿上。上排每顆珠子代表5，下排每顆珠子代表1。在人類歷史的長河中，商人和小販很多時候都在用算盤進行商業和金融交易的計算。除此之外，算盤也被用于學校教育，來教授學生學習基本的算術與數學。

20世紀70年代，由于電子計算器的發明，算盤慢慢退出歷史舞臺。不過，算盤至今仍用于學習數學和心算。盡管算盤的用處很大，但其計算功能的實現仍然依賴于人類。

兩千年前的計算機

也許古希臘人的齒輪星盤（Geared Astrolabes），是人類首次嘗試創造能夠自己進行獨立計算的計算機。古代的齒輪星盤是一種機械裝置，主要用于測量天體的位置，確定白晝或夜晚的時間。齒輪星盤的功能與安提凱希拉天體儀（Antikythera Mechanism）相似，也被認為是安提凱希拉天體儀的老祖宗。

星盤是在公元前150年左右，由古希臘天文學家、數學家喜帕恰斯（Hipparchus）發明的，他也是三角學的創立者。之后，托勒密（Ptolemy）等其他古代天文學家進一步對星盤進行了迭代。

星盤帶有一個由金屬制成的圓環，上面有個可旋轉的盤子，名為“網環”（rete），畫有星星與其他天體的位置。上盤安裝在轉軸上，可以用于旋轉并且對準天空中的星星。下方的盤面包含一組刻度和其他用于天文計算的信息。盤面也被安裝在一個轉軸上，可以旋轉到與網環對齊。

計算裝置的下一個巨大的飛躍是安提凱希拉天體儀，這個天體儀的創造者和起源至今仍然是個謎。1900年，一群采集海綿的潛水員在希臘安提凱希拉島的海岸邊潛水，繼而發現了一艘沉船，然后發現了這個裝置，它的制造時間可以追溯到公元前1世紀。

在沉船上發現的許多文物中，包括幾件復雜的齒輪裝置，它們后來被稱為安提凱希拉天體儀。這個機械裝置最開始被認為是用來進行導航的簡單裝置，但后面的深入研究表明，這個裝置是一個復雜的天文計算器，裝在木箱里，整個構造中還包含組合起來的青銅合金齒輪，盡管這個裝置經歷了歲月的侵蝕，但高質量的合金使其在海水中保存了下來。

齒輪的組件較為復雜，有的齒輪與其他齒輪直接嚙合，還有的齒輪通過一個齒輪或小齒輪系統，帶動其他齒輪。整個安提凱希拉天體儀包括至少30個青銅齒輪，以及幾個鐵制的指針和手遙器。其齒輪設計非常精確，齒輪的大小和功能各有不同，有負責嚙合的齒輪，還有用于傳遞動力的小齒輪，而所有這些都是手工制成的。

這個裝置是由手搖器來操作的，用于旋轉齒輪與指針，顯示太陽、月亮和行星的位置及時間。上面還裝有差動齒輪，能讓兩個齒輪以不同的速度旋轉，同時保持它們之間的恒定差異。直到14世紀，這種功能才再次在齒輪裝置中出現，因此稱得上是令人震驚的工程與古代技術的杰作。

沉默的時代

接著是，沉默。

在人類夢想的重大科學進展中，總是存在著漫長的時間差距。通常歷史的發展是這樣的，人類先產生制造會思考的機器的夢想，然后就會沉默一段時間，幾個世紀之后，會再次出現某個重要的發展里程碑。

公元9世紀，波斯數學家阿爾·花剌子模發明了一套用于解決數學問題的規則，這也是人類歷史上的首個算法。盡管當時沒有人能夠預見它所帶來的影響，但正是這一理論的發明，為現代計算的發展奠定了基礎。

通用計算的誕生

時光快進到17世紀。出生于德國黑倫貝格的數學家、天文學家、工程師席卡德（Wilhelm Schickard，1592—1635年）在圖賓根大學學習。那時，他對天文學和數學產生了興趣，而后成為圖賓根大學的數學教授、校長，后續還擔任了符騰堡公爵的宮廷天文學家和占星家。

席卡德是個全才，他在天文學、制圖學和工程學等多個領域做出了重大貢獻。人類歷史上已知的首張月球地圖正是由他繪制的，通過用望遠鏡進行觀察，席卡德繪制出這張地圖。除此之外，他還與同時代的其他科學家互相通信，與伽利略、開普勒等共同探討數學與科學的問題和思想。然而，他最為著名的舉動，是設計并制作了人類歷史上首個能夠進行基本算術運算的機械計算器——席卡德計算器。這個計算器，也被稱為“計算鐘”，被用于進行包括加、減、乘、除在內的基本算術運算。席卡德計算器由幾個齒輪和杠桿組成，包括輸入和輸出刻度盤，通過轉動手搖器來操作，手搖器會轉動齒輪和杠桿來進行加、減、乘、除等計算。席卡德計算器在當時是個非凡成就，也是世界上首臺能夠自動進行算術運算的機器，是機械計算器和計算發展中的重要里程碑。

遺憾的是，最早的計算器版本被燒毀于席卡德家中的一場大火，關于該計算器的唯一幸存記錄只有一些信件和圖紙。直到20世紀，席卡德計算器的圖紙才被發現，大家試圖重新恢復計算器。

對于機械計算器的研究，法國科學家也不甘示弱。大約在同一時期，法國數學家、物理學家、哲學家布萊士·帕斯卡（Blaise Pascal，1623—1662年）因發明了最早的機械計算器——帕斯卡計算器而出名。

帕斯卡出生于法國克萊蒙費朗，父親是當地的法官和小貴族。帕斯卡是個神童，在父親的教導下，很早就表現出數學和物理學方面的天賦。帕斯卡從小就對機械計算器感興趣。因為父親是一名收稅員，要求小帕斯卡幫助完成工作所需的煩瑣計算。1642年，19歲的帕斯卡制造了自己的第一個計算器，并將其稱為“算術機”。這個簡單的裝置，可以通過齒輪和杠桿系統進行加法和減法運算。

1645年，帕斯卡改進了設計，發明了更先進的計算器，名為“帕斯卡”，能夠使用齒輪、輪子和杠桿系統進行加、減、乘、除運算，還能夠處理十進制數字，并能進行多達八位數的計算。這臺計算器是當時的另一重要里程碑，標志著機械計算器發展向前又邁出了一步。帕斯卡的發明非常成功，接到了許多知名人士的訂單，其中包括法國國王路易十四。

迄今為止，我們所討論的所有計算設備都是為特定需求而設計的，要么是為了進行具體的天文計算，要么是為了執行特定的數學功能。

隨后就進入了巴貝奇時代。巴貝奇（Babbage），英國數學家、發明家和機械工程師，生于1791年，因設計的差分機和分析機而聞名，其中，分析機被廣泛認為是首個通用計算設備。1822年，巴貝奇提出了“差分機”的概念，這是一種可以進行數學計算的機械計算器，特別是可以使用有限差分的方法進行多項式計算。

差分機是一個大型的復雜機器，由成千上萬的齒輪、杠桿和各類機械部件組成。通過英國政府的資助，巴貝奇得以建造一個差分機的原型，但由于資金問題和各種技術困難，該項目最終并未完成。

然而在1834年，巴貝奇開啟了一項更為雄心勃勃的項目，這就是“分析引擎”。分析引擎是一種通用機械計算器，可以進行任何能用符號形式表達的數學計算。巴貝奇的分析引擎思想，包含許多現代計算機的功能，如中央處理單元、存儲器、輸入和輸出設備，以及打卡機的編程能力等。盡管巴貝奇的思想代表了技術上的巨大概念性飛躍，但他設計的兩臺機器在他有生之年都沒有完成。然而，他的工作為現代計算機的發展奠定了基礎，并成為后來像阿達·洛芙萊斯（Ada Lovelace）、艾倫·圖靈（Alan Turing）等計算機先驅的主要靈感來源。

自巴貝奇開始，計算機發展開始進入快車道。19世紀中期，阿達·洛芙萊斯成為世界上第一名計算機程序員，她的筆記中詳細描述了如何為巴貝奇的分析引擎創建代碼，以處理字母、符號和數字。關于更通用的機器計算能力的理念，已經開始逐漸萌芽，在人們的想象力中占據了一席之地。

1936年，另一個巨大的概念性突破驟然到來。

英國數學家、邏輯學家和計算機科學家艾倫·圖靈在一篇題為《論可計算數及其在判定問題上的應用》的論文中提出了通用圖靈機的概念。圖靈想象中的機器，是一種理論上的通用計算機，能用來模擬任何其他計算機。這個想法，為我們今天使用的通用計算機奠定了概念上的基礎。圖靈還構想了一種可以讀取和執行磁帶上指令的機器，成為現代計算機內存概念的基礎。

技術大爆炸

巴貝奇、洛芙萊斯和圖靈的工作，為可以進行任何計算，處理字母、符號和數字的可編程計算機奠定了基礎。同時，我們迎來了現代計算機時代。

自這個時候開始，計算機領域開始逐步爆發。1937年，約翰·阿塔納索夫（John Atanasoff）和克利福德·貝瑞（Clifford Berry）發明了世界上第一臺電子數字計算機——阿塔納索夫-貝瑞計算機（ABC）。這臺計算機，使用電子開關與電容器作為存儲器，但它并不是通用計算機，也沒有徹底發展起來。

1941年，德國工程師康拉德·祖澤（Konrad Zuse）制造了世界上首臺使用二進制數字存儲的計算機——Z3。Z3是可編程的計算機，使用二進制數字（比特）來表示數字，并使用繼電器將數據存儲在存儲器中。它比早期計算機的功能更為全面，可以進行浮點運算。

1945年，美籍匈牙利數學家約翰·馮·諾依曼（John von Neumann）提出了存儲程序計算機的概念，這也是我們今天計算機仍在使用的基本架構。

這一概念在20世紀50年代初的電子離散變量自動計算機（EDVAC）中得以實現，而就在此時，另一項激動人心的發明也已經到來，這就是晶體管。晶體管是一種簡單的半導體形式，它的出現改變了一切。1947年，貝爾實驗室的威廉·肖克利（William Shockley）、約翰·巴丁（John Bardeen）和沃爾特·布拉坦（Walter Brattain）發明了晶體管。如何理解晶體管的原理？我們可以把它想成家里的燈，燈都有開關，假設開=1，關=0。這個簡單的開關原理可以用于存儲和處理二進制數據。所有現代的計算機都基于二進制，使用內部帶有數百萬個晶體管的半導體芯片進行操作。

計算機時代已經真正到來。盡管幾千年以來人類一直渴望創造能夠思考的機器，夢想也一直沒有實現，但是，關于機器的理論和實踐基礎已經被創造出來。我們有了通用計算機、計算機內存、計算機編程、約翰·馮·諾依曼結構及結構中存儲的計算機程序。而且，有了半導體之后，諸如EDVAC這樣的計算機已經被制造出來，并開始在政府、研究機構和大公司中應用。

1909年，愛德華·摩根·福斯特（E.M.Forster）創作了《大機器停止》科幻短篇小說。1920年，卡雷爾·恰佩克（Karel?apek）在劇本《萬能機器人》中首次向大家普及了“機器人”一詞。20世紀40年代，艾薩克·阿西莫夫（Isaac Asimov）和菲利普·迪克（Phillip K Dick）開始在文壇活躍，在他們的筆下，描繪了具備人類智慧的機器，凡是人類能夠想象的東西，都能找到方法來實現。

機器具備思考能力嗎

AI的歷史可以追溯到1956年的達特茅斯會議。1956年夏天，達特茅斯會議的舉行，是AI歷史上的里程碑，標志著AI領域開始成為正式的學術學科。

會議由約翰·麥卡錫（John McCarthy）、馬文·明斯基（Marvin Minsky）、納撒尼爾·羅切斯特（Nathaniel Rochester）、克勞德·香農（Claude Shannon）等人組織，在美國新罕布什爾州漢諾威的達特茅斯學院舉行。

在這次會議中，研究人員開始討論構建能夠像人類一樣思考和推理的機器的可能性，從而將計算機科學擴大和拓展了，讓它具備更深的研究潛力。來自麻省理工學院、IBM和貝爾實驗室的約10名研究員參與了該會議。這次會議為大家提供了一個交流思想的平臺，探討了AI領域的現狀，概述了為推動AI領域走向未來所需進行的研究。

這次會議縈繞著激動和樂觀的氣氛，與會者熱切地討論了AI的可能性，分享了各自的想法和發現。在與會者共同努力為AI領域打下基礎時，求知欲和協作的氣氛占了上風，而正是這個領域，最終將改變世界。

這是一個歷史性的時刻，也是一個令人興奮的時代。盡管達特茅斯會議的規模很小，但它被認為是AI正式作為研究領域和科學學科的誕生地。哪怕在今天，達特茅斯會議仍然對AI領域產生著重大影響。

“專家系統”時代

在接下來的幾年里，AI研究主要集中在開發“專家系統”上。這些基于規則的系統，主要被設計用于模擬各領域人類專家的決策過程。當時的思路是，如果能弄清楚人類專家是如何做出決策的，那么這些決策就可以簡化為一套規則，而這些規則可以被編入計算機。然后，計算機將應用該領域最好的人的決策過程，繼而產生比人類所能做出的更好的決策，而且速度會更快，成本會更低。

最早關于專家系統的嘗試，可以追溯到20世紀50年代，也就是達特茅斯會議召開后不久。然而，直到20世紀七八十年代，由于計算機技術的進步和程序設計語言（Prolog和LISP）的出現，專家系統的開發和部署才取得了重大進展。

在20世紀80年代，專家系統被認為是最有前途的AI研究領域，許多公司和政府都對這一領域的發展進行了大量投資。

例如，20世紀七八十年代，美國政府通過各種聯邦機構和研究項目為專家系統和其他AI技術的發展提供了大量資金。在這一時期，美國AI研究的主要資金來源之一是美國國防部高級研究計劃局（DARPA）。DARPA通過戰略計算計劃等方案來支持AI研究。當時，戰略計算計劃于1983年啟動，10年預算為10億美元，旨在為軍事應用開發先進的AI技術，包括用于指揮與控制、后勤、情報分析的專家系統。與此同時，美國國家科學基金會（NSF）也為AI研究提供資金。美國國家科學基金會計算機、信息科學與工程部（CISE）通過各類計劃支持AI研究，如美國國家機器人計劃，旨在為機器人感知開發先進的AI技術。此外，IBM、霍尼韋爾和麥克唐納·道格拉斯公司等私營公司，在20世紀七八十年代也對AI的研究和開發進行了大量投資。

1982年，日本的國際貿易和工業部（MITI）以及教育、科學和文化部（MESC）創建了“第五代計算機系統項目”，這是一個由政府資助的大規模研究項目，旨在開發先進的AI技術，如自然語言處理、知識表示和推理。該項目預算超過5億美元，是當時世界上最大的AI項目之一。20世紀七八十年代，日本的許多私營公司也對AI的研究和開發進行了大量投資，如富士通、日立和日本電氣股份有限公司（NEC）等。

在這一時期，有一些值得關注的成功案例，斯坦福大學20世紀70年代開發的專家系統MYCIN，旨在幫助醫生診斷和治療血液中的細菌感染。MYCIN通過一個關于細菌、抗生素的事實和規則的知識庫，以及一個推理引擎，得出最佳的治療方案。MYCIN可以診斷和治療各種血液感染，并且在大多數測試中都能勝過初級醫生。MYCIN是當時最成功的專家系統之一，影響了醫學領域許多其他專家系統的發展。

20世紀80年代，匹茲堡大學開發的CADUCEUS也是專家系統，旨在協助醫生診斷和治療肺部疾病，通過一個關于肺部疾病及其癥狀的事實和規則的知識庫，以及一個推理引擎，得出關于最佳治療方案的結論。CADUCEUS能夠診斷和治療大多數的肺部疾病，也能夠在一些測試中勝過初級醫生。MYCIN和CADUCEUS都是專家系統的典型成功案例。

醫學領域專家系統的成功，證明了基于AI的系統能夠協助醫生診斷和治療疾病，這些系統受到了醫學界的歡迎，在創建之時也是最先進的。這些專家系統，也是AI概念應用的證明，為其他應用和AI領域的進一步研究鋪平了道路。

AI在藝術領域的首次嘗試

藝術領域是另一個激動人心的領域。亞倫（Aaron）應該是首個生成原始繪畫的計算機藝術程序。1973年，哈羅德·科恩（Harold Cohen）創建了名為亞倫的AI藝術項目。科恩花了30多年時間研究亞倫，目標是創造出不只是單純復制的視覺藝術，而是想讓亞倫具備真正的創造性。

亞倫的基礎是視覺概念的知識庫，以及一套對其進行組合以創造新圖像的規則。亞倫可以生成各式各樣的風格與主題，無論是抽象形狀，還是對現實的描述。科恩與亞倫合作，創作了20000多幅圖畫，世界各地的許多畫廊與博物館都展出了這些作品。

1985年，日本國際博覽會展出了亞倫的藝術創作，令世界各地的參觀者都感到驚訝。亞倫在很大程度上也正是本書的前身，本書提到的AI正在嘗試進入更有創造性的工作領域。亞倫的繼任者——其他AI藝術程序，都取得了不同程度的成功，有些作品甚至在拍賣行拍出了高價。

佳士得是世界上最古老和最大的拍賣行之一。2018年，佳士得舉行了首次AI藝術品的拍賣，AI生成的藝術品，最終以數萬美元的價格成交。其中最引人注目的AI藝術品是《埃德蒙·貝拉米的肖像》（Portrait of Edmond Belamy）最終以43.25萬美元的價格成交。

大型拍賣行蘇富比在2019年舉行了首次AI藝術品拍賣會。這場拍賣會名為“數字原生”（Natively Digital），其中包括幾件AI生成的藝術品，最終以數萬美元的價格成交。

2020年，當代藝術拍賣行菲利普斯舉行了首場名為“藝術的未來”（The Future of Art）的AI藝術品拍賣會，其中包括幾件AI生成的藝術品，以數萬美元的價格售出。其中最引人注目的是由AI藝術家Aicon創作的《年輕人的肖像》（The Portrait of a Young Man），最終以688888美元的價格售出，而最耀眼的拍品是《每一天：最初的5000天》（Everydays: The First 5000 Days），最終以6930萬美元的價格成交。

AI音樂家

音樂是另一個激動人心的領域。20世紀五六十年代，也正是在AI研究的早期階段，用于創作古典音樂的AI程序逐步被開發。這些程序的開發，主要是基于這一想法：音樂可以被表示為一組規則或正式的語法，并且計算機可以按照這些規則編寫程序，生成新的音樂。

20世紀50年代末，伊利諾伊大學的萊杰倫·希勒（Lejaren Hiller）和倫納德·艾薩克森（Leonard Isaacson）開發了最早的AI音樂程序“伊利亞克組曲”（Illiac Suite），能夠通過一套基于和聲理論的規則，創作出巴赫和莫扎特風格的音樂。伊利亞克組曲生產了許多作品，其中有的是由現場管弦樂隊演奏的。

20世紀60年代，貝爾實驗室的馬克斯·馬修斯（Max Mathews）開發了另一個早期的AI音樂程序“Music IV”，能夠通過一套關于音符持續時間和音高規則，生成簡單的旋律。Music IV還能夠創作各種風格的短小音樂片段，如民謠和流行音樂等。

早期的AI音樂程序，在生成有趣的原創作品上確實取得了一定成功，不過還是受到當時的技術限制。隨著計算機技術的進一步發展，AI音樂程序變得更為巧妙，能夠生成更加復雜且細致的音樂作品。今天，AI音樂程序可以創作各種風格和流派的作品，甚至可以模仿某個作曲家的風格。

早期的AI音樂程序進行古典音樂創作，是一種具有開創性意義的努力。正是這些努力，為AI音樂領域的進一步發展奠定基礎。這些嘗試表明，通過計算機來生成新的音樂是可能的。

“專家系統”的衰落

專家系統并沒有達到20世紀80年代市場所給予它的預期。盡管早期確實有一定成就，但圍繞專家系統的炒作逐漸消失了，因為專家系統的構建通常是煩瑣且不切實際的，許多系統并沒有達到預期效果，原因如下。

●專業領域知識面過于狹窄。許多專家系統是為特定的垂直領域開發的，如醫療診斷或金融預測，而這樣會限制這些系統的實用性，很難對其進行歸納，或將知識轉移到其他領域。

●復雜度高。專家系統的復雜性要求給它投入大量的時間和資源，開發與維護成本極其昂貴。

●穩健性不足。專家系統通常基于一套固定的規則和知識，這使其極其脆弱，容易出問題。很難適應或學習新數據，這限制了它們在不斷變化的條件下的能力。

●推理能力有限。許多專家系統都是基于規則的推理，處理不確定性和例外情況的能力有限。很難對復雜或動態情況進行推理，繼而限制了這些系統做出準確預測的能力。

●過度炒作。20世紀80年代，圍繞專家系統有很多噪聲和泡沫，但許多系統并沒有達到人們對它們的期望，這導致人們在情緒上的抵觸。

●其他AI技術的進步。AI領域的不斷發展帶來更強大的機器學習和神經網絡，這時候專家系統就沒那么重要了。

能夠學習的機器

20世紀80年代末和90年代初，AI以機器學習的形式重新興起。機器學習是AI的一種形式，涉及使用算法，令計算機能夠從數據中學習，而不需要明確的編程。機器學習的出現，改變了一切。現在，AI不再需要程序員來確定每一條規則和算法并編寫代碼。AI開始學著編寫自己的代碼。

簡而言之，AI開始自己為AI編程。正是這一進步，給圖像和語音識別、自然語言處理以及其他領域帶來重大進展。20世紀八九十年代的機器學習進展，成為今天AI的基礎。這一時期的關鍵科學進展對后續的AI領域產生深遠的影響，比如以人腦結構為模型的神經網絡、反向傳播算法、決策樹、支持向量機、貝葉斯法則等。

隨著互聯網的普及，另一項重大進展悄然出現。亞馬遜和谷歌等公司開始積累大量數據，而機器學習在大數據中的應用，為我們今天在這個領域的一切奠定了基礎。與此同時，摩爾定律[1]證明計算的成本在不斷下降。

機器學習可以應用于這些巨大的數據集，使AI能夠被實際應用于更多種類的任務中，哪怕是規則和算法沒有被明確定義的任務。總之，到現在為止，所有需要人類智慧的任務，都可以應用AI技術。

深度學習可以多層次分析觀察到的數據，并做出預測。就這樣，AI即將成為世界上最先進的預測機器。

AI適用于各種場景

AI是可以進行預測的強大工具。通過復雜的算法和深度學習，AI系統可以分析大量數據，并對未來的事件或結果做出預測。AI由于具有這種預測能力，所以被廣泛應用于各種行業。

常用AI做預測的是金融領域。例如，AI可以用于預測股票價格、匯率波動，以及其他金融趨勢，可以幫助交易者和投資者做出更為明智的決策，也可以用于檢測金融欺詐活動。

AI也用于醫療保健領域，對病人的醫療結果進行預測。例如，AI可以分析醫療記錄和其他病人數據，以預測病人患上某類疾病的可能性。這可以幫助醫療保健服務提供方做出更明智的決策，改善病人的治病過程。

還有一個正在使用AI進行預測的領域是營銷領域。AI可以分析客戶數據，對客戶行為進行預測，比如預測客戶可能購買的產品。這樣一來，AI可以幫助公司更有效地進行營銷工作，從而增加銷售額。

AI還可以用于預測天氣、氣候變化和自然災害等情況。通過分析氣象站和衛星的數據，AI可以對未來的天氣情況做出預測，預測颶風、龍卷風和地震等自然災害的可能性。深度學習的突破始于21世紀10年代，很快就一躍成為AI領域最受歡迎和最成功的方法。

通用人工智能的誕生

現在和未來究竟會如何演進？AI將會繼續飛速發展，并融入更多的應用程序和設備。但是，這里所說的“發展”，具體是指什么呢？

AI領域的專家已經確定了未來AI發展中的幾個重要里程碑，其中一個是通用人工智能（AGI）的實現。通用人工智能，也被稱為“強人工智能”，涉及從創作到可以執行人類能力范圍內所有智力任務的機器。通用人工智能，被認為是AI研究的終極目標。

特斯拉和SpaceX的首席執行官埃隆·馬斯克（Elon Musk）曾談到對通用人工智能實現的預測。馬斯克表示，最早在2025年，通用人工智能就會實現。馬斯克認為，技術領域特別是通用人工智能，進步速度非常快，這就意味著，通用人工智能的實現，可能會比大多數專家預測的要早得多。那么，通用人工智能究竟會帶來什么？以下是幾種可能性。

●能夠像人類一樣理解自然語言。能夠以近似于人類的方式理解和生成自然語言的AI系統，是未來的一個重要里程碑。這就涉及創造能理解語言含義和上文含義的機器，并產生適當與連貫的反應。

●能夠以人類的方式感知和理解世界。令機器能以近似于人類的方式看到、聽到和感受到周邊的世界，并對其進行理解。

●能夠像人類一樣進行決策。能夠以近似于人類的方式做出決策的AI系統，也是未來的重要里程碑。這將涉及創造能夠推理、計劃，并以近似于人類的方式做出決策的機器，并且要能夠處理不確定性和意外情況。

●能夠像人類一樣有創造力。具有創造性并能產生新想法的AI系統，也會是未來的重大進步。這將涉及創造可以產生新想法、解決問題，并以近似于人類的方式進行創新的機器。

●可解釋、可信賴的AI。由于AI系統會被用于做高風險的決策，因此，它的決策過程必須是透明的、可解釋的和可驗證的。這將有助于在這些系統中建立信任和問責制。

研究人員認為，實現這些里程碑將對社會產生重大影響。

奇點將近：當機器超越人類

然而，AI未來的終極里程碑，也就是“奇點”到來的時刻。

奇點是一個術語，由數學家、計算機專家和科學家弗諾·文奇（Vernor Vinge）發明。1983年，弗諾在科幻小說大會上發表了一篇題為“即將到來的技術奇點：如何在后人類時代生存下去”的文章，文中首次使用了奇點這個術語。這里的奇點，是指未來的一個假設點，在這個假設點上，技術進步以指數級的速度加速，導致人類文明突然發生深刻的變化。

這個術語通常與通用人工智能的發展有關，即擁有達到或超過人類水平的通用人工智能的機器。AI將具備自我意識，開始學習和采取行動，使技術的進步加速，而技術進步又會創造出遠比人類更聰明的機器，甚至是比所有人加起來都更聰明的一臺機器！

這類事件能夠為人類帶來許多好處，幫助解決復雜問題，如全球變暖、疾病和貧困等，還可以延長人類壽命，提高生活水平。

然而，由于奇點會對人類生活、社會和文明產生潛在影響，因此人們也會對它深感擔憂。有專家認為，通用人工智能的發展，可能會創造出極為智能和強大的機器，以至于對人類生存構成威脅。例如，通用人工智能如果產生了自我意識，并認為地球上不需要人類，就可能會采取傷害或毀滅人類的行動，從而把人類淘汰。此外，還有人擔心通用人工智能會造成大規模失業和經濟混亂，因為通用人工智能可以取代目前由人類完成的許多工作。

奇點是未來的假設。奇點到來之際，技術進步會以指數級加速，導致人類文明突然發生深刻的變化。奇點可以帶來諸多好處，比如解決復雜問題、提升生活水平，但它也同樣會帶來許多潛在風險，需要進一步考慮和解決。

自20世紀50年代誕生以來，AI已經取得了長足進步。預計在不久的未來，這個領域將繼續發展。研究人員正致力于開發更強大和更復雜的AI系統，以期解決現實世界的問題，真正造福人類。

[1]摩爾定律：1965年，英特爾公司聯合創始人戈登·摩爾（Gordon Moore）提出，微芯片上的晶體管數量每18～24個月會翻一番。幾十年來，這一預測被實踐證明是正確的。