1.2.3 发展

人工智能的发展阶段主要指在1970年至今。在20世纪70年代初，许多国家已经着手了对于人工智能的研究，因此，大量的研究成果涌现出来。PROLOG由柯尔迈伦纳及其研究小组于1972年在法国马塞大学提出。同年，爱德华于斯坦福大学开展了启发式编程项目的MYCIN，该专家系统用于诊断和治疗传染性疾病。

即便是如此的蓬勃发展，人工智能依然与其他新兴学科一样，道路并非一帆风顺。20世纪70年代，人工智能进入了一段痛苦而艰难的岁月。由于科研人员在人工智能的研究中对项目难度预估不足，导致美国国防高级研究计划以失败告终，让大家对人工智能的发展前景十分担忧。与此同时，社会舆论也开始对人工智能的研究施压，导致很多研究项目被叫停。在当时，人工智能的研究所面临的技术瓶颈主要有三个方面。第一，计算机性能不足，导致早期很多程序无法应用到人工智能领域。第二，问题的复杂度，早期人工智能程序主要是解决特定的问题，这些特定的问题对象较少，复杂性较低，可一旦问题上升维度，程序立马就不堪重负，甚至无法运行。第三，数据量严重缺失，深度学习需要极大数据量的支撑，在没有容量够大的数据库时，就会导致机器无法智能化。因此，人工智能项目停滞不前。1973年莱特希尔针对英国人工智能研究状况的报告中指出了人工智能在实现“伟大目标”上的失败。由此，人工智能在之后的六年内无人问津。

经历过如此长时间的低谷期后，研究者们认真反思，总结研究时的经验教训，在1980年，卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。这是一种应用人工智能程序的系统，可以简单地理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。

自20世纪90年代中期开始，随着人工智能技术尤其是神经网络技术的逐步发展，以及人们开始对人工智能抱有客观理性的认知，人工智能技术进入了平稳发展时期。在1997年，IBM的计算机系统“深蓝”战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的人工智能话题讨论，这是人工智能发展的一个重要里程碑。2006年，辛顿在神经网络的深度学习领域取得突破，人类又一次看到机器赶超人类的希望，也是标志性的技术进步。2016年，Google公司的AlphaGo战胜了韩国围棋选手李世石，再度引发人工智能热潮。围棋这一人类赖以自豪的最后堡垒，最终被计算机所攻破。