作者 | 周熠
上海脑科学与类脑研究中心
张江实验室脑与智能科技研究院
工欲善其事，必先利其器。
导语：
因其强大的计算能力和通用性，电子计算机的出现让人工智能梦想的实现浮现出前所未有的希望。
电子计算机和人工智能几乎在同一时期（1935-1960）正式诞生。
1956年举办的达特茅斯会议一般被认为是人工智能作为一门独立学科正式诞生的标志。
工欲善其事，必先利其器。人工智能，人类发明史上的皇冠，要完成如此伟业，自然更加需要找到足够锋利之器。而电子计算机就是迄今为止最佳的答案。
电子计算机的诞生
现今，任何一个计算器都可以秒杀人类所有算术天才，但其发展却远非一蹴而就，其中包含无数先贤的灵光闪现和辛勤努力。在古代，东方也许在这方面是领先的。中国人发明了算筹和算盘。但是这两者在复现的自动化程度上，都属于辅助工具。西方后来居上， 1642年，法国数学家帕斯卡发明了自动滚轮式加法器。1671年，莱布尼茨在其基础上发明了乘法器，基本可以实现自动四则运算。1822年，巴贝奇又进行了大幅改进，发明了差分机和分析机，奠定了现代电子计算机的基础，催生了第一台电子计算机ENIAC于1946年在美国宾夕法尼亚大学诞生【关于ENIAC和阿塔纳索夫-贝瑞计算机（Atanasoff–Berry Computer，ABC）谁才是第一台电子计算机，一直存在争议。后者虽然更早，但不是通用计算机，不是图灵完全的。因此，这里还是采用ENIAC是第一台电子计算机的说法】。
中国算盘
帕斯卡加法器
莱布尼茨乘法器
巴贝奇差分机
ABC （1942）
ENIAC（1946）
从可计算性理论角度，电子计算机实现了通用图灵机模型。通用图灵机的计算能力和递归函数等价。著名的“丘奇—图灵论题”论断
“任何在算法上可计算的问题同样可由图灵机计算。”
很多经验和事实都间接地验证了这个论断。也就是说，从可计算性理论角度，电子计算机基本达到了机器所能达到的上限。
电子计算机在实践上的突破更为惊人。摩尔定律声称，每隔18-24个月，计算机的性能将提高一倍。第一台通用计算机ENIAC每秒能做5000次加法（已经远远超过人类手工计算），但现在的超级计算机神威·太湖之光峰值运算能力达到每秒12.5亿亿次！ENIAC重达30余吨，而现在普通电脑上用的CPU芯片才几两重，每秒能做几百上千亿次浮点运算。
由于强大的能力，计算机在方方面面、各行各业的应用也是突飞猛进，包括万维网、信息和软件系统、数据库、虚拟社交网络、智能手机、电子游戏、科学计算等等。可以说，电子计算机已经完全改变了人类的生活方式，也带来了无限可能。最近几十年内涌现的商业巨头，绝大部分都和计算机直接或间接相关，例如，微软、谷歌、亚马逊、Facebook、腾讯、阿里巴巴和百度等等。
在电子计算机诞生之前，人工智能的梦想虽然伟大和激动人心，但在相当长的一段时间内，苦于没有强大的工具支撑，人类在这方面的进展委实乏善可陈。电子计算机的诞生给人工智能带来了新的可能。
计算机与人工智能
有意思的是，电子计算机和人工智能的正式诞生几乎在同一个时期。
1936年，图灵提出了著名的图灵机[1]，为电子计算机的实现奠定了理论基础；1938年，香农的硕士论文提出了数字布尔电路设计，指出布尔值真假可以和电路的开关相对应[2]；1946年，冯·诺依曼将图灵机具象化，提出了冯·诺依曼体系结构[3]，指导如何具体实现一个通用图灵机。在这些理论工作的基础上，第一台通用实体电子计算机ENIAC于1946年诞生。而第二代的基于冯·诺依曼体系结构的EDVAC诞生于1951年，这也是现代电子计算机的真正鼻祖。
EDVAC（1951）
图灵与 图灵机（1936）
香农与布尔电路（1938）
冯·诺依曼 与冯·诺依曼体系结构（1946）
与此同时，人工智能作为一门独立的学科开始萌芽。1943年，麦卡洛克和皮茨提出了人工神经元的数学模型，并讨论了两层的神经网络和布尔电路之间的关系[4]。同样是图灵，在1950年提出了“图灵测试”[5]，试图用一种可操作的方法去判断机器是否具有智能。明斯基的博士论文（1954年）系统地讨论了神经网络，并尝试用真空管实现实体神经网络模型[6]。1955年，塞尔弗里奇开展了在图像上模式识别的奠基性工作[7]。乔姆斯基于1957年提出了语言的语法结构，揭示了通用自然语言的语句如何通过少量的语法规则生成[8]。罗森布拉特于1958年提出了名为“感知机”（Perceptrons）的神经网络模型[9]。香农、西蒙、纽威尔和肖等人开始了早期对机器下国际象棋的探索[10,11]。纽威尔、西蒙以及华裔科学家王浩开展了关于机器定理自动证明的研究[12,13]。麦卡锡期望通过开发计算机编程语言LISP来表示和推理知识[14]。塞缪尔用机器自动学习的方式下西洋跳棋[15]。
麦卡洛克与皮茨
人工神经网络（1943）
图灵测试（1950）
乔姆斯基与普遍语法（1957）
塞缪尔用机器自动学习的方式下西洋跳棋
机器定理自动证明（纽威尔、西蒙、王浩，195x-196x）
塞尔弗里奇与模式识别（195x）
达特茅斯会议开启人工智能
随着这些研究所推动的新思潮，人工智能也自然而然应运而生。一般认为，1956年举办的达特茅斯会议“人工智能暑期研究计划”（“Summer Research Project on Artificial Intelligence”）是人工智能正式诞生的标志。但事实上，在同时期，还有其他会议也对人工智能的诞生非常重要，包括1955年的一次关于机器学习和模式识别的会议“学习机器会议”（“Session on Learning Machines”），以及1958年的一次关于机器是否能够思考的讨论“思考过程的机械化”。有意思的是，在1955年的会议中，就出现了人工智能中两个大的流派，即符号流派和联接流派的争端。其中纽威尔代表符号学派，而塞尔弗里奇代表联接流派。将来，我们将着重讨论这一点。
达特茅斯会议（1956）
50年后再聚首（2006）
之所以达特茅斯会议被公认为人工智能诞生的标志，主要有以下几方面的原因。第一，达特茅斯会议首次使用了“人工智能”（Artificial Intelligence）一词，虽然该词当时并不被所有与会者认同。第二，达特茅斯会议中很多重要的参与者，都成了人工智能的先驱人物，包括麦卡锡、明斯基、纽威尔和西蒙，而这四人通常被认为是“人工智能之父”。再者，达特茅斯会议提出了很多重要的工作和思想，包括纽威尔和西蒙的“逻辑理论家”（Logic theorist）等。而1958年的会议有了更多成熟的思想和工作，其中包括明斯基关于启发式编程的论文，麦卡锡关于“常识知识”（Commonsense knowledge）的初步探索，以及塞尔弗里奇关于模式识别的“群魔殿”（Pandemonium）工作，等等。
至此，我，人工智能，跟随着孪生哥哥电子计算的脚步，正式诞生了。
参考文献：
[1] A. M. Turing, On Computable Numbers, with an Application to the
Entscheidungs problem, Proceedings of the London Mathematical Society, Series 2, Vol. 42, pp. 230-265, 1936.
[2] C. Shannon. A Symbolic Analysis of Relay and Switching Circuits. Master thesis. 1938.
[3]J. Von Neuman. First Draft of a Report on the EDVAC. 1946.
[4] W.S. McCulloch, W. Pitts. A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, 5(4):115-133, 1943.
[5] A. M. Turing, Computing Machinery and Intelligence, Mind, Vol. LIX, No. 236, pp. 433-460, 1950.
[6] M. L. Minsky. Theory of Neural-Analog Reinforcement Systems and Its Application to the Brain-Model Problem, Ph.D. thesis, Princeton University, 1954.
[7] O. Selfridge, Pattern Recognition and Modern Computers, In Proceedings of the 1955 Western Joint Computer Conference, Institute of Radio Engineers, New York, pp. 91-93,1955.
[8] N. Chomsky, Syntactic Structures. Mouton & Co.'s-Gravenhage, 1957.
[9] F. Rosenblatt, The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain. Psychological Review, Vol. 65, pp.386, 1958.
[10] C. Shannon, Programming a Computer for Playing Chess, Philosophical Magazine, Ser. 7, Vol. 41, No. 314, 1950.
[11] A. Newell, J. Shaw, and H.A. Simon, Chess-Playing Programs and the Problem of Complexity. IBM Journal of Research and Development, Vol. 2, pp. 320-335, 1958.
[12] A. Newell and H. A. Simon, The Logic Theory Machine: A Complex Information Processing System. Proceedings IRE Transactions on Information Theory, Vol. IT-2, pp. 61-79, 1956.
[13] H. Wang. Proving Theorems by Pattern Recognition. Communications of the ACM, Vol. 4, No. 3, pp. 229-243, 1960.
[14] J. McCarthy:Recursive Functions of Symbolic Expressions and Their Computation by Machine, Part I. Communication of the ACM 3(4): 184-195, 1960.
[15] A. L. Samuel, Some Studies in Machine Learning Using the Game of Checkers,"IBM Journal of Research and Development, Vol. 3, No. 3, pp. 210-229, 1959.
作者介绍
周熠，现任张江实验室脑与智能科技研究院/上海脑科学与类脑研究中心认知智能研究组课题组长，研究员，中国科学技术大学兼职教授。研究方向为认知人工智能，主要的研究兴趣为如何受脑启发，深度融合基于逻辑的符号流派和基于神经网络的连接流派，及其在认知人工智能领域中的应用，包括AI+教育、自动智商测试、智能语言处理等。
（每周三晚上7：00—8：00，有周熠老师的直播科普课程， 讲述从歌舞偶到王者荣耀，人工智能如何成为现实。请关注“墨子沙龙”每周的直播预告~~）
系列阅读
想要和更多志同道合的人一同讨论科普问题，获得墨子沙龙小秘书贴心服务，及时获取各类科普活动通知吗？扫码加墨子沙龙小秘书，拉你入墨子沙龙超大群。
墨子沙龙是由中国科学技术大学上海研究院主办、上海市浦东新区科学技术协会及中国科大新创校友基金会协办的公益性大型科普论坛。沙龙的科普对象为对科学有浓厚兴趣、热爱科普的普通民众，力图打造具有中学生学力便可以了解当下全球最尖端科学资讯的科普讲坛。
关于“墨子沙龙”
