人工智能简史�

在人工智能的早期，计算机科学家试图在计算机中重建人类思维的各个方面。 这就是科幻小说中的智力类型，即或多或少像我们一样思考的机器。 毫无疑问，这种类型的智能称为可理解性。 具有可理解性的计算机可用于探索我们如何推理，学习，判断，感知和执行脑力活动。

可懂度的早期研究集中于在计算机中对现实世界和思维（来自认知科学家的领域）的部分进行建模。 当您考虑到这些实验是在60年前进行的时，这是非常了不起的。

[ 也在InfoWorld上：2020年的人工智能预测 ]

早期的智力模型侧重于演绎推理以得出结论。 这种类型的最早且最著名的AI程序之一是逻辑理论家，写于1956年，用以模仿人类的解决问题的技能。 逻辑理论家很快在《 数学原理》第二章中证明了前52个定理中的38个定理，实际上改进了一个定理。 首次清楚地表明，一台机器可以执行直到现在为止仍需要智能和创造力的任务。

不久，研究转向了另一种类型的思维，即归纳推理。 归纳推理是科学家在检查数据并尝试提出假设进行解释时所使用的方法。 为了研究归纳推理，研究人员基于在NASA实验室工作的科学家创建了一个认知模型，以帮助他们使用有机化学知识来识别有机分子。 Dendral程序是人工智能第二功能（ 仪器 ）的第一个真实示例，该功能是完成归纳推理任务（在本例中为分子识别）的一组技术或算法。

Dendral之所以与众不同，是因为它还包含第一个知识库，即一组捕获科学家知识的if / then规则，可与认知模型一起使用。 这种知识形式以后将称为专家系统 。 在一个程序中同时具有两种“智能”，计算机科学家就可以问：“是什么使某些科学家比其他科学家好得多？ 他们具有卓越的认知能力还是知识渊博？”

到1960年代后期，答案很明确。 Dendral的性能几乎完全取决于从专家那里获得的知识的数量和质量。 认知模型仅与绩效改善之间存在微弱的关系。

这种认识导致了人工智能界的重大范式转变。 知识工程学成为一门学科，可以使用专家系统对人类专业知识的特定领域进行建模。 而且他们创建的专家系统经常超过任何一个人类决策者的性能。 这项非凡的成功激发了人工智能界，军事，工业，投资者和大众媒体对专家系统的极大热情。

随着专家系统在商业上的成功，研究人员将注意力转向建模这些系统并使它们在问题领域更灵活的技术。 正是在这一时期，面向对象的设计和分层本体由AI社区开发，并被计算机社区的其他部分所采用。 如今，分层本体已经成为知识图的核心，近年来，知识图已经重新流行。

[ 也在InfoWorld上：深度学习与机器学习：理解差异 ]

当研究人员决定采用一种称为“生产规则”的知识表示形式（一种一阶谓词逻辑）时，他们发现系统可以自动学习。 也就是说，系统会根据其他数据自行编写或重写规则以提高性能。 对Dendral进行了修改，并使其能够根据来自实验的经验数据学习质谱法则。

就像这些专家系统一样，它们确实有局限性。 它们通常仅限于特定的问题领域，无法与多个合理的选择区分开来，也无法利用有关结构或统计相关性的知识。 为了解决其中的一些问题，研究人员增加了确定性因素，即表示特定事实成立的可能性的数值。

当研究人员意识到确定性因素可以包装到统计模型中时，就发生了AI的第二个范式转变。 统计数据和贝叶斯推断可用于根据经验数据对领域专业知识进行建模。 从现在开始，人工智能将越来越多地由机器学习主导。

不过有一个问题。 尽管诸如随机森林，神经网络或GBT（梯度增强树）之类的机器学习技术可产生准确的结果，但它们几乎是无法穿透的黑匣子。 如果没有可理解的输出，则机器学习模型在几个方面不如传统模型有用。 例如，对于传统的AI模型，从业者可能会问：

• 模型为什么会出错？
• 模型有偏差吗？
• 我们可以证明其合规性吗？
• 为什么模型与领域专家意见不一致？

缺乏清晰度也对培训产生影响。 当模型破裂而无法解释原因时，将使其更难修复。 添加更多示例？ 什么样的例子？ 尽管我们可以在此期间进行一些简单的取舍，例如接受较不准确的预测以换取可理解性，但解释机器学习模型的能力已成为AI即将实现的下一个重要里程碑之一。

[ 通过InfoWorld的机器学习和分析报告时事通讯来掌握机器学习，人工智能和大数据分析的最新进展 ]

他们说历史在重演。 像今天一样，早期的AI研究专注于对人类推理和认知模型进行建模。 早期AI研究人员面临的三个主要问题-知识，解释和灵活性-仍然是当代机器学习系统讨论的核心。

知识现在以数据的形式出现，而对灵活性的需求可以从神经网络的脆弱性中看出，在神经网络中，数据的轻微扰动会产生截然不同的结果。 可解释性也已成为AI研究人员的头等大事。 讽刺的是，在60年后，我们如何从尝试复制人类思维转变为询问机器的思维方式。

翻译自: https://www.infoworld.com/article/3527209/a-brief-history-of-artificial-intelligence.html

人工智能简史�