本节书摘来自华章计算机《人工智能：计算Agent基础》一书中的第1章，第1.2节,作者：（加）David L.Poole,Alan K.Mackworth 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1.2 人工智能简史
纵观人类历史，人们曾一直用技术为人类自身建立模型，例如古代的中国、古埃及和古希腊都可以证明，每一种新技术都不断地用来建造Agent或其他意识模型。发条装置、水力学、电话转换系统、全息图、模拟计算机以及数字计算机等都被提出作为智能装置和意识模型的技术原理。
大约400年前，人们开始解释思维与推理的本质。Hobbes（1588—1679）被Haugeland6［1985,P.85］称为人工智能的始祖，认为思考是符号推理，例如大声说话或用纸笔计算出某个答案。Descartes（1596—1650）、Pascal（1623—1662）、Spinoza（1632—1677）、Leibniz（1646—1716）以及精神哲学领域的其他先驱者对符号推理这一理念进行了更深层次的研究。
随着计算机的发展，符号运算这个概念变得更为具体。第一台通用计算机是一个分析机，它是由Babbage（1792—1871）设计的，但直到1991年才真正制造出来，现在位于伦敦科学博物馆内。在20世纪早期，进行了很多关于认知计算的研究，提出了几种计算模型，例如Turing（1912—1954）提出的图灵机——一种在无限长的磁带上书写符号的理论机器，Church（1903—1995）提出的λ演算——一种重写公式的数学形式体系，这种理论表明不同的数学形式其实是等价的，因为任意一个可计算的函数可以由其他函数计算得到。由此，我们得到Church-Turing理论：
任何有效可计算的函数都可以通过图灵机来运行（同样适用于λ演算或其他等价的形式体系）。
这里“有效可计算的”是指那些定义明确的操作；图灵机时代的“计算机”是执行明确定义步骤的人，而我们现在所熟悉的计算机那时并不存在。此理论表明所有的计算都可以通过图灵机或其他与之等价的计算机器来执行。我们虽然无法证明Church-Turing理论，但它确实是一种经得住时间检验的假设。因为到现在都没有人可以制作出一种机器，来进行图灵机无法进行的计算，而且也没有证据说明存在某种函数，人类可以计算而图灵机却不能进行计算。Agent的动作是一个关于其能力、历史、目标及偏好的函数。这也证明计算不仅仅是一个智能的暗喻；推理是可以通过计算机来执行的一系列的计算。
计算机出现之后，最早期的某些计算机应用是人工智能程序。例如，Samuel［1959］在1952年开发的国际跳棋程序，在20世纪50年代末期，人们可以通过这样的程序来学习下国际跳棋。Newell和Simon［1956］开发的程序“逻辑理论家”可以证明命题逻辑中的定理。
除了研究高级的符号推理，还有一些工作研究低级学习，这些研究从神经元如何工作受到启发。McCulloch和Pitts［1943］说明了一个简单的阈值“形式神经元”如何作为图灵完全机器的基础（图灵完全指在可计算性理论中，编程语言或任意其他的逻辑系统具有等价于通用图灵机的计算能力。换言之，此系统可与通用图灵机互相模拟。图灵完全性通常指具有无限存储能力的通用物理机器或编程语言。——译者注）。最早提出神经网络的人是Minsky［1952］，早期关于神经网络标志性的研究工作是Rosenblatt［1958］的感知机。而1968年之后，神经网络的7研究工作面临衰退，因为Minsky和Papert［1988］认为这种学术表达不胜任智能行为。 此处“澳洲”指“澳大拉西亚”，一般包括澳大利亚、新西兰及附近南太平洋诸岛。——译者注
早期的应用程序主要关注该领域的基础方面：学习和搜索。怎么描述解决问题需要的知识是要解决的主要难题之一，这个问题变得越来越明显。在学习之前，Agent需要有适合已知知识的目标语言。有很多表达方法，从基于特征的表达到McCarthy和Hayes［1969］的复杂的逻辑表达，还有很多介于两者之间的表达方式，如Minsky［1975］提出的框架表达。
20世纪六七十年代，在一些限定领域中建立的自然语言理解系统取得了成功。例如，Daniel Bobrow［1967］的STUDENT应用程序，可以用来解决用自然语言表示的高中代数问题。Winograd［1972］的SHRDLU系统，可以利用受限的自然语言讨论和解决模拟积木世界的任务。CHAT-80［Warren和Pereira,1982］可以回答一些用自然语言表达的地理问题。图1-2展示了CHAT-80可以回答的一些问题，它的回答是建立在国家、河流等事实数据库的基础上。这些系统仅仅是在有限的领域内利用受限的词汇和语句结构来进行推理的。8
阿富汗与中国相邻吗？
上沃尔特的首都是哪里？
哪国的首都是伦敦？
最大的非洲国家是哪个？
最小的美洲国家有多大？
与非洲国家及亚洲国家相毗邻的海洋是哪个？
与波罗的海相邻国家的首都有哪些？
多瑙河流经多少个国家？
赤道以南并且不属于澳洲的那些国家的总面积是多少？
每个大洲上国家的平均面积是多少？
每个大洲都多于一个国家吗？
流入黑海的河流发源于哪些国家？
不存在这样国家的洲有哪些？即人口超过100万的城市多于两个的国家。
哪个地中海沿岸的国家与人口超过印度的国家相邻？
哪些国家与大西洋相邻，并且人口超过1000万？
在20世纪七八十年代，关于专家系统有大量的研究工作，目的是获取某个领域内专家的知识，以便于用计算机来执行专家任务。例如，从1965年到1983年在有机化学领域开发的DENDRAL专家系统［Buchanan和Feigenbaum,1978］，可以为新型有机化合物提出理论结构。从1972到1980年开发的MYCIN专家系统［Buchanan和Shortliffe,1984］，可以进行血液传染性疾病的诊断，制定抗生素治疗方案并解释它的形成原因。同期，人工智能推理得到了迅速发展，例如Prolog语言［Colmerauer和Roussel,1996;Kowalski,1988］。
在20世纪90年代和21世纪初，人工智能的子学科迅速发展，例如认知学、概率推理、决策理论推理、规划、嵌入式系统、机器学习以及其他很多学科。本领域的基础部分获得了进一步发展，这也正是本书的基础组成部分。
与其他学科的关系
人工智能是一门非常年轻的学科，而像哲学、神经生物学、进化生物学、心理学、经济学、政治学、社会学、人类学、控制工程学等学科研究智能已经很久了。
人工智能学科可以描述为“人造心理学”、“实验性哲学”或“计算认识论”，其中认识论主要研究知识。人工智能可以看做研究知识与智能本质这个老问题的一种方式，但采用了比以前更有效的实验工具。不同于哲学、心理学、经济学和社会学等只是传统地观察智能系统的外部行为，人工智能研究者们则对智能行为的可执行模型进行实验验证。更重要的是，这些模型还可以检查和重新设计，并以一种完全和严格的方式进行实验。现代计算机可以构造模型，而哲学家只能建立理论。人工智能研究者可以对这些模型进行实验，而不仅仅是讨论它的抽象性质。人工智能理论可以作为其实现的基础。此外，我们常常会对简单的Agent表现出复杂的行为感到非常惊讶，而这些是我们没有实现这些Agent时所想不到的。
对比过去几个世纪里飞行器的发展与过去几十年里计算机的发展，是非常有建设性意义的。我们通过几个方面来理解飞行，一种是仔细剖析已知的飞行动物，并将它们的共同结构特征假设为任意飞行Agent的必要基本特性。通过这种方法，检查鸟类、蝙蝠及昆虫的共同特征发现，飞行需要翅膀的拍动，而翅膀上面需有羽毛或薄膜。此外，这个假设可以通过实验9来验证，就像伊卡洛斯做的那样，将翅膀捆绑在手臂上，拍动，然后跳到空中。另一个可行方法就是试图理解飞行的原理，不仅仅局限于自然界中的飞行。它涉及嵌入假设原理的人工产品结构，除了能飞之外，其他地方与飞行动物根本没有类似之处。通过第二种方法不仅制造出了飞机这样有用的工具，还产生了航空动力学这门能更好地理解飞行原理的学科。
人工智能采用和航空动力学类似的方法。人工智能研究者们对验证智能本质的一般假设很感兴趣，而制造智能机器并不一定要模仿人类或组织。通过考虑“飞机真的能飞吗？”这样类似的问题，给我们提供了解决“计算机真的能思考吗？”问题的一个思路。
人工智能与计算机科学紧密相连。尽管人工智能领域的很多研究者不是计算机科学家，但即使不是大部分，很多的人工智能研究都需依靠计算机科学才能完成。由于计算的研究是人工智能的中心，因此这是合理的。理解算法、数据结构及组合复杂性对于构建智能机是非常重要的。人工智能也为计算机科学带来了很多衍生利益，从分时系统到计算机代数系统等。
最后，人工智能可以看做认知科学的一部分。认知科学连接着多门研究认知与推理的学科，如心理学、语言学、人类学和神经学等。人工智能区别于认知科学的地方是它能提供工具构造智能，而不仅仅是研究Agent的外部行为或分析智能系统的内部运行原理。
