文章发布于公号【数智物语】 （ID：decision_engine），关注公号不错过每一篇干货。

转自 | 大数据

作者 | 周志明

导读：人工智能的发展过程可谓三起两落，几经波折。

虽然现在有了诸如Siri、Cortana、IBM Watson等各种人工智能产品，也有像DeepBlue、AlphaGo人机大战等人工智能的新闻和事宜时时涌现，但比较起电脑、网络、智好手机这类直接地、革命性地改变人们事情生活办法的科技成果而言，在人工智能上所取得的成绩还远远不足，没有达到最初的设想期望。

让机器拥有智能这个事情到底有多难？人类精英们做了若何的努力和探索考试测验？目前人工智能领域到底发展到什么阶段了呢？以下，脱销书《聪慧的疆界》作者周志明老师将在文中逐一与大家磋商。

文末附思维导图~

“人工智能”作为一个专业名词，是在1956岁首年月次涌现，但是人类对人造机器智能的想象与思考却是源远流长。

在古代的神话传说中，技艺高超的工匠可以制作人造人，并为其授予智能或意识，希腊神话中涌现了诸如赫淮斯托斯的黄金机器人和皮格马利翁的伽拉忒亚这样的机器人和人造人；根据列子辑注的《列子·汤问》记载，中国西周期间也已经涌现了偃师造人的故事。

人类对人工智能的凭空抱负阶段一贯持续到了20世纪40年代。
由于第二次天下大战征战各国对打算能力、通讯能力在军事运用上急迫的需求，使得这些领域的研究成为人类科学的紧张发展方向。
信息科学的涌现和电子打算机的发明，让一批学者得以真正开始严明地磋商布局人造机器智能的可能性。

01

信息革命

从1939年到1945年，在二战发生的6年韶光里，美国的国民生产总值（GDP）就增长了一倍，这是人类经济历史有GDP记录以来录得的最高增速，并且这种惊人的速率还是发生在一个根本规模已经极为弘大的经济体上，更是连最猖獗经济学家都不敢设想的奇迹。

美国作为二战中唯一本土不被战火直接波及的天下性大国，通过军事声援与战役贷款将各国的经济命脉与自身相连，从而迅速取代欧洲和亚洲，成为天下“经济的心脏”。
稳定的社会环境、经济飞跃式的发展为军事、科技的发展注入了强大的驱动力，战役中大量受到纳粹伤害的各种领域顶尖的人才多以美国为避风港，天然地匆匆使美国汇聚了环球最顶尖的人才与技能，令美国也成为了“天下的大脑”。

在这种单一国家内险些集中了环球经济资源和聪慧力量的时期背景下，在二战这场险些波及全人类的弘大战役压力推动下，以美、英两国学术界为首的人类精英学者们展现了出无与伦比的聪慧和创造力。
新军事技能对打算与通讯需求，更详细的是当时新涌现的导弹、精确火炮等远程武器对打算速率、精确性和系统掌握能力的哀求，以及雷达、电话电报网络等侦查、通讯系统对信息传输安全和效率的哀求，直接催生了信息科学和信息技能家当开始生根萌芽。

二战结束之后仅一年（1946年）韶光，天下第一台通用打算机，电子数值积分打算机“埃尼阿克”（Electronic Numerical Integrator And Computer，ENIAC）在美国宾夕法尼亚大学出身，并实际运用于陆军火炮弹道和火力打算事情，这个事宜标志了通用可编程的打算机技能不仅是理论已成熟，而且已经有了初步的工业化成果。

在两年之后（1948年），诺伯特·维纳（Norbert Wiener，1896-1964）和克劳德·喷鼻香农（Claude Shannon，1916-2001）分别揭橥了两部极具首创性的著作，创立了“掌握论”和“信息论”，再结合上之前路德维希·冯·贝塔朗菲（Ludwig Von Bertalanffy，1901-1972）在1945年揭橥的对“系统论”的总结性著作，全体信息科学仿佛被上帝的手推动着，后世称之为“信息学三论”的三门支柱性理论险些于同一时候问世，短短几年韶光里面一下子就完成了过去须要几十年韶光才可能完成的发展打破。

信息科学的研究，不论是理论上还是工程上，都从之前各个学者、机构零散研究摸索的状态一下子变得系统有序起来。

信息科学这门学科在20世纪40年代出身往后，很快就取得了一系列令人瞩目的造诣，这让从政府官员、科学家等精英到社会的底层群众都感想熏染鼓舞，大家彷佛已乐不雅观地预见到了蒸汽机器代替人类的体力劳作的工业革命后，下一场由智能机器代替人类做脑力劳作的信息革命的到来。

从大半个世纪后的本日回望当初，我们确实在蒸汽动力革命、电力革命之后，见证了信息革命的来临，不过，纵然有互联网这样超出了所有古人想象的技能涌现，但在当时的大家瞥见的目标蓝图里，信息革命的最主要成果还不仅是大家现在能打仗的电脑和网络，本日打算机可以根据人类预设的指令和程序，快速的通报、打算和处理人类无法想象的天量数据，而当时人们所期望的信息时期的新型机器，不仅能够完成打算和信息传输，乃至还将是一种能够和人类一样可看、可听、可写、可说、可动、可思考、可以复制自身乃至可以故意识的机器。

笔者所描述的这个场景，不是来自于可以随意凭空想象的科幻小说，而是引述了当年刊登在《纽约时报》上，美国海军对“感知机Mark-1”（这台机器可以说是连接主义在工程实践上的开端，我们后面章节中还要提到它）的期望和评价：

The embryo of an electronic computer that (the Navy) expects will be able to walk, talk, see, write, reproduce itself and be conscious of its existence.

这段六十多年前的宣布，现在听起来是不是都还有一点莫名的熟习感和科幻感？在互联网上大家对人工智能的期盼、想象、乃至恐怖的不雅观点都也与此类似；我们本日在电影和小说中见到的各种机器人，与那时候人们对信息革命所设想的目标，也并没有太大差别。

信息科学在20世纪40年代的开场可以说是一个完美的开局，接下来的数十年内，信息科学和信息技能家当也是一帆风顺，迅速发展，在打算机、通讯、互联网等方面取得了丰硕的成果。
但在人工智能这个领域，发展过程便是几经波折，三起两落。

虽然现在也有了诸如Siri、Cortana、IBM Watson等各种人工智能产品、也有像DeepBlue、AlphaGo人机大战等人工智能的新闻和事宜时时涌现，但比较起电脑、网络、智好手机这类直接地、革命性地改变人们事情生活办法的科技成果而言，在人工智能上所取得的成绩还远远不足，没有达到最初的设想期望。

为何信息学在人工智能领域的进展上会不如预期，乃至几段特定的韶光里面完备陷入了泥潭。
让机器拥有智能这个事情到底有多难？人类精英们做了若何的努力和探索考试测验？目前人工智能领域到底发展到什么阶段了呢？这些都是笔者希望与大家一同磋商的问题。

02

图灵机，打算的基石

英国数学和密码学家阿兰·图灵（Alan Turing，1912-1954，人工智能之父），本日被一些英国的学者和媒体评价为“未开一枪，却胜百万雄兵”，“在二战中间接拯救了上千万人道命”的传奇学者。

他做出的主要贡献之一是在二战期间与布莱切利园的同事们（Bletchley Park）共同研制了名为“炸弹（Bombe）”的密码破译机器，成功破解了从1920年起开始商用，德国人直到败北都认为绝不可能被破解的加解密方法“迷”（Enigma），导致德军的军事支配在盟军面前再无秘密可言。

图灵的成果直接加快了盟军得到战役胜利的速率，因军事指挥通讯被Bombe破译，引发了当时位列天下第一的德国战列舰俾斯麦号在丹麦海峡被英军伏击并围歼击沉，以及后来山本五十六的座机航线被盟军获知，进而遭拦截并击落等直接影响战役进程的事宜。
在二战期间，图灵的事情成果虽然没有对"大众年夜众公开，但已经在盟军的密码学圈子内部声名远扬，已是一颗刺目耀眼明星了。

破解德军Enigma密码的Bombe

1942年末，图灵被英国政府秘密派到美国，和美国海军互换破译德国的北大泰西潜艇舰队密码的研究成果。
结束在华盛顿互换后，图灵又来到了贝尔实验室，参与这里的安全语音通讯设备的研发事情。
这样，当时正在贝尔实验室数学组供职的喷鼻香农就得到了一个和图灵互助的机会。

图灵在当时破译了包括希特勒通话在内的多项德军秘密通讯的密码学破译专家，而喷鼻香农当时的事情是通过数学方法证明“Ｘ系统”——这是美国总统罗斯福到英国首相丘吉尔之间的加密通讯系统，是不可能被他人所破译的，他们两位经由在密码学上“矛和盾”的攻防磋商，很快让图灵和喷鼻香农成为了惺惺相惜的好友。

虽说图灵是去美国做互换的，但是军事上的事情，尤其是密码的加密和破解这种事情，只要不在军方明确许可的范围内，平常韶光是不许可互换各自进展情形的，以是在密码学上的话题，他们事情之外无法随意谈论什么。
所幸喷鼻香农和图灵在打算机科学、信息科学上的兴趣和研究范围都极为广泛，常常饭堂闲聊就常常拉到其他各种的前沿领域上。

一次，他们在自助餐厅见面时，图灵给喷鼻香农看了他还在剑桥大学念硕士时（1936年）写的一篇论文《论可打算数及其在剖断性问题上的运用》（“On Computable Numbers, with an Application to the Entscheidungsproblem”），这篇文章是可打算性领域的里程碑式作品。

关于可打算理论可以追溯到1900年，当时著名的大数学家大卫·希尔伯特（David Hilbert，1962-1943）在世纪之交的数学家大会上给国际数学界提出了著名的“23个数学问题”。
个中第10问题是这样的：

存不存在一种有限的、机器的步骤能够判断“丢番图方程”（Diophantine Equation）是否存在解？

这里就提出来了有限的、机器的证明步骤的问题，用本日的话说便是“算法”。
但在当时，通用打算机还要半个世纪之后才会涌现，人们还不知道“算法”是什么。
不过，当时数学领域中已经有很多问题都是跟“算法”密切干系了，对“算法”，即“如何打算求解问题的步骤”的定义和是否可被算法打算的剖断呼之欲出。

图灵这篇论文的办理可打算性如何定义和度量的问题，个中的关键是引出了本日被称为“图灵机（Turning Machine）”的观点模型。
“图灵机”与“冯·诺依曼架构”并称当代通用打算机的“灵魂”与“躯体”，它的对可打算性理论、打算机科学、人工智能都影响深远，可以说是一项改变了人类近代科学史的伟大发明。

“图灵机”这种虚拟的打算机器实际上是一种空想中的打算模型，它的基本思想是用机器操作来仿照人们用纸笔进行数学运算的过程。
普通地讲，图灵把“打算”这一件日常的行为抽象概括出来，看作是下列两种大略动作的不断重复：

1.在纸上写上或擦除某个符号。

2.把把稳力从纸的一个位置移动到另一个位置。

在每个动作完成后，人要决定下一步的动作是什么，这个决定依赖于此人当前所关注的纸上某个位置的符号和此人当前思维的状态。
为了仿照人的这种运算过程，图灵布局出一台假想的机器，该机器由以下几个部分组成：

1. 一条无限长的纸带TAPE。
纸带被划分为一个接一个的小格子，每个格子上包含一个来自有限字母表的符号，字母表中有一个分外的符号“_”表示空缺。
纸带上的格子从左到右依次被编号为0，1，2，…，纸带的右端可以无限伸展。

2. 一个读写头HEAD。
该读写头可以在纸带上旁边移动，它能读出当前所指的格子上的符号，并能改变当前格子上的符号。

3. 一套掌握规则TABLE。
它根据当前机器所处的状态以及当前读写头所指的格子上的符号来确定读写头下一步的动作，并改变状态寄存器的值，令机器进入一个新的状态。

4. 一个状态寄存器。
它用来保存图灵机当前所处的状态。
由于寄存器数量是有限的，以是图灵机的所有可能状态的数目是有限的，并且规定有一个分外的状态，称为停机状态，代表打算完成。

这种机器的每一部分都是有限的，但它有一个潜在的无限长的纸带，因此这种机器只是一个空想的设备，不会被真正的制造出来。
图灵的论文证明了这台机器就能仿照人类所能进行的任何打算过程。

图灵机的图形表示

图灵机思想的代价所在是由于它虽然构造大略，但却可以描述任何人类能够完成的逻辑推理和打算过程，换句话说，图灵机的打算能力是人类能够完成的所有打算的全集，只要一个问题是可剖断的，它的打算过程可以被符号和算法所表达出来，它就可以利用图灵机来完成打算。
当时很多学者都无法想象这么一台听起来跟打字机差不多的东西，会是一个能够承载人类所有可以完成的逻辑和运算打算模型，此前，“打算”能力是被视为与“思考”相类似的人类抽象能力，大家一韶光很难接管“打算”可以被如此大略的模型所概括。

如果理解过可“打算性理论”（Computability Theory）这个学术分支历史的读者会知道，在图灵机被提出之前实在就已经有了能仿照人类所能进行的全部打算过程的模型被设计出来。
例如图灵在硕士阶段的导师，普林斯顿大学的阿隆佐·邱奇（Alonzo Church，1903-1995）教授于1928年就提出的“Lambda演算”便是个中之一。

但图灵机比较起其他打算模型的上风在于它极为直不雅观易于理解，而且很随意马虎通过机器或者电子技能来实现。
因此，图灵机的代价被人们所创造后，迅速成为了打算机办理“如何打算”问题的根本，在打算理论上也成为了可打算性的对标物。
当一个新的打算模型涌现，人们会剖断它是否能办理所有在算法上可打算的问题，如果是的话，它就被称为是图灵等价或者图灵完备的。
本日，我们称某种程序设计措辞是图灵完备的，意思也是所有可打算的算法都能够用这种措辞来实现（如今天常见的C、C++、Java、JavaScript等都是图灵完备的，而HTML/CSS这些措辞则不是图灵完备的）。

由于笔者是个程序员，以是这里就再多写一句题外话，由于图灵机的构造大略性，不考虑编码效率和可读性的话，只需寥寥几个操作指令就能照着图灵机的定义实现出一款图灵完备的措辞，制造出脑洞大开的效果，大家有兴趣的话可以搜索一下“BrainFuck”和“Whitespace”这两门措辞看看。

03

人工智能的抽芽

在和图灵的互换中，喷鼻香农很快就理解并接管了图灵机的观点，并对此非常感兴趣。
由于他与图灵都看到了一个令人激动的前景——

既然图灵机这样一个并不繁芜的打算模型就可以抽象人类逻辑和打算能力，而逻辑和打算又是人类最具代表性的智能表现之一，那“思考”能力，也便是“智能”是否也可以被一个模型所承载抽象，并且被机器所实现呢？图灵机是否也可以扩展为概括所有智能活动的模型？如果图灵机不敷以成为这种模型的话，是否有其他的抽象模型可以代替，成为人造智能的基石呢？

有必要再强调一下，当时是1943年，处于信息科学的抽芽期，连正经的通用电子打算机都还未曾涌现的时期，并没有实际的图灵机和编程，图灵和喷鼻香农所谈论的统统对智能的构想都勾留在数学和哲学层面，而两位人工智能的先驱所谈论的这几个根本理论问题，在本日仍旧是人工智能学界未能办理的问题，他们当时谈论的内容对打算机和人工智能的研究仍有很大启示意义。

当时他们的谈论紧张是环绕图灵机能否作为智能的根本模型、如何令机器拥有智能展开的，要办理这些问题，首先要办理的便是要定义什么是“智能”。
喷鼻香农提出考虑机器智能问题时，应该把艺术、情绪、音乐等方面的能力一并考虑进去，这很靠近本日对多元智能理论中对智能的理解。
而图灵则不认可，图灵认为智能既然是由物质（指人类大脑）所承载的，就该当是可由物理公式去推导，可以用数学的办法去描述的，不应该把这些文化方面的内容包含进去。

据《图灵传》（“Alan Turing: The Enigma”）的记载，一次他们两个在谈论智能的定义时发生了辩论，图灵回嘴喷鼻香农时是这么说的：“不！
我对如何建造一颗无所不能的大脑完备不感兴趣，我只要一颗并不太聪明的大脑，和美国电报电话公司董事长的脑袋那样就差不多行了！
”，如果这位躺枪的董事长师长西席（贝尔实验室是AT&T下辖的研究机构，董事长既是他们两个的老板）在场的话，大概不会赞许图灵给智能所作的定义。

图灵（左）和喷鼻香农（右）

对付机器如何实现智能这个问题，图灵提出了两条可能的发展路线：一种是基于培植“根本能力”的方法，通过编写越来越弘大完善的程序，使机器具备越来越多的能力，譬如可以与人下棋、可以剖析股票、可以识别图形等等这样的能力，图灵认为这是完备可以做到的。
但他更有兴趣的是基于“思维状态”来建造大脑。

这种方法的辅导信念是，人类大脑一定存在着某种内在机制来产生智能，由于并没有什么更高档的神秘力量在为人脑编程，以是一定存在着某种方法，可以使机器自动地学习，就像人类大脑一样。
图灵进一步阐明到：新生儿的大脑是不具备智能的，因此，找到人类大脑得到智能的路子，然后运用于机器上，可以实现一个可以自己学习发展，成为机器节制任何领域技能的一揽子办理方案。

图灵在美国交流期间，他和喷鼻香农并未能办理“如何定义智能”、“图灵机能否作为智能的承载模型”等问题，但是他们在贝尔实验室一系列关于智能的谈论，代表这个期间学者对“机器和智能”思考的抽芽，是人工智能从“科幻”走向“科学”踏出的第一步。

图灵回到英国之后，他与喷鼻香农仍旧保持着联系，喷鼻香农还在战后到英国回访过图灵，他们仍旧为办理几个问题而不懈努力。
在本章中，笔者将连续以图灵的事情为主线进行讲解，而喷鼻香农的研究事情也间接地导致了人工智能史上另一个主要里程碑事宜的发生，而这便是下一章的内容了。

04

图灵测试：何谓智能？

1945年到1947年期间，图灵从美国回到英国之后居住在伦敦的汉普顿区。
这段韶光内他在为“英国国家物理实验室”（National Physical Laboratory，NPL）事情，事情的详细内容是设计一款名为“自动打算引擎”（Automatic Computing Engine，ACE）的通用电子打算机。
1946年2月，图灵揭橥了天下上详细论述带程序存储功能（Stored-Program）的打算机体系架构的最早论文之一。
但是由于政府决策者的短视，ACE完成理论设计后，反而陷入了持续串研发电子打算机的事情是否值得现在就去投入的辩论中，并未能急速进入建造阶段。
图灵因此感到意气消沉，离开NPL回到大学校园（剑桥大学和曼切斯顿大学），专心研究机器与智能去了。

ACE电子打算机

关于ACE的历史，实在很值的详细书写一番，如果ACE当时立即启动建造，将很有可能和冯·诺依曼的“离散变量自动电子打算机”（Electronic Discrete Variable Automatic Computer，EDVAC）竞争“当代打算机的鼻祖”的头衔（当ACE建造事情重新启动之后，在1950年竣工，EDVAC则在1949年完成，两者完成韶光仅差不到1年），大概本日的学校的打算机教材教授到体系架构时就不再称为冯·诺依曼架构了。
图灵和冯·诺依曼（Von Neumann，1903-1957）都是数学和打算机科学领域的天才，他们虽然没有直接的互助，分别在两个国家独立研究，但对打算机体系架构的不雅观点却出奇的同等，只是运气上冯·诺依曼要比图灵幸运得多。
图灵关于ACE的事情和人工智能关系有限，我们就不再花费笔墨在这上面了。

由于英国政府的保密哀求，回到剑桥后，图灵所做的关于机器智能的研究在当时并未公开拓表（图灵的论文《智能机器》（“Intelligent Machinery”）写于1948年，直至1992年才在《艾伦·图灵选集》中揭橥）。
直到1950年，图灵在《心灵》（“Mind”）杂志上揭橥了另一篇划时期的论文：《打算机器和智能》（“Computing Machinery and Intelligence”），笔者相信大部分读者都没有听说过这文章，但也敢肯定有很多人听说过“图灵测试（Turing Test）”，正是这篇文章提出了著名的“图灵测试”。
可以说，也正是由于这篇论文对图灵研究事情的总结，使得后来图灵被众人冠以人工智能之父的光彩。

1950年图灵在《心灵》杂志中揭橥《打算机器和智能》，图为《心灵》杂志的目录

我们先来先容图灵测试，与当年和喷鼻香农辩论“智能该如何定义”这个问题时的思路不同，经由几年韶光的探索，图灵已经意识到在当时的学术积累下强行定义智能将是揠苗助长的。
因此，在《打算机器和智能》的开篇就直接解释了他不会正面地的明确定义何谓“智能”，而是先假定智能可以被机器所仿照，然后对机器是否拥有智能给出了一个侧面的剖断路子：

如果人类由于无法分辨一台机器是否具备与人类相似的智能，导致无法分辨与之对话的到底是人类还是机器，那即可认定机器存在智能。

这个大略的机器对人类的“模拟游戏”便是现今全球有名的图灵测试。
图灵在提出图灵测试的时候，并未想到会对后世带来如此深远的影响。
大概1998年互联网兴起开始，每隔一段韶光就有企业或机构出来声称自己研制的机器人通过了图灵测试，实在这险些都是商业操作和宣扬的噱头，无一例外都是特定条件下，如“在5分钟或者20句的对话中，成功令多少个的受测者认为与他对话的机器是个13岁的孩子”这一类型的“通过测试”。

而图灵所定义的图灵测试，更靠近于一个思想实验，并未规定参加测试的机器要和人对话多永劫光，要骗过受测者中多少人，参加测试的人类智力、年事等该当在什么样的水平，机器该当模拟一个年事多大的人类等等（论文中倒是列举了很多可能提的问题和打算机回答的场景来进行论述，但并未对测试加以任何剖断的条件限定）。
图灵测试中所指的人类，也更多是一个泛称，而非特定的某类人或某个人类个体。

迄今为止，没有任何机器能够通过真正意义上的图灵测试。
有趣的是，由于机器在图灵测试上一次又一次的失落败，人类基于机器通过这种测试的困难度，反而创造出图灵测试最广泛的运用处景，这种运用在网络上随处可见——图形验证码。
验证码的英文单词“Captchac”实在便是 “通过图灵测试来完备自动地分辨出打算机和人类”这句话的首字母缩写（Completely Automated Public Turing test to tell Computers and Humans Apart）

05

智能与人类的界线

今天主流的人工智能研究中，直接以创造出能通过图灵测试的人造智能机器为目标的研究项目实在极为罕见的，这一方面缘故原由是由于图灵测试的难度实在是太高，难以出成果；还有另一方面的缘故原由是图灵测试所提出的目标，实在是已经超过了人类自身的须要了，好比人类要不断制造更好飞机的目的肯定是为了更快更舒适的旅行，而不是为了它飞的更像鸽子以至于能欺骗掉其他鸟类。

通过一个大略的凑集关系，可以令我们以更严谨的办法来理解“人类所需的智能”和“能够模拟人类通过图灵测试的智能”这两个问题的差别。
如图所示，我们定义了两个凑集：“全部智能行为”和“全部人类行为”，以及两者的交集“属于人类须要范畴的智能行为”，并以此举例：

1. 属于全部智能行为可以回答的问题：“围棋规则中执黑须要贴目多少才能确保公正？”

2. 属于全部人类行为可以回答的问题：“周志明和周杰伦谁唱歌比较好听？”

3. 属于人类范畴的智能行为可以回答的问题：“菠菜3元一斤买3斤须要多少钱？”

人类行为与智能行为的范围

显而易见，图灵测试所剖断的“智能”是能够仿照全部人类行为的智能，但是全部人类行为的范围内并非都是“属于人类须要范畴的智能行为”，也并非所有人类行为都有让打算机代替人类去完成的必要，你没必要让打算机替你分辨出“榴莲到底是不是一种好吃水果”，以为榴莲是否好吃这种问题也不会用来衡量回答者有没有智能或者作为判断智商的高低的依据，对吧？

本日学术界人工智能研究的主流是机器从事人类范畴的智能行为（当然，机器天生就可以完成一部分人类之外的智能行为，譬如速算，以是要研究的问题是机器还完成不了的人类范畴的智能行为）这部分内容，而笔者相信现在绝大部分人都很随意马虎接管人工智能的研究定位在人类范畴的智能行为是合理的。

但是当时的主流学者并不都这么认为，在1950年以及之后的一、二十年里，人们对机器实现智能的难度估计普遍都表现出极为乐不雅观的态度，很多的投入是花费在“意识”（Consciousness）、“心智”（Mind）、“自我”（Self）这一类本日划归于强人工智能范畴的研究之中，以至于在20世纪80年代大家终于接管快速实现人工智能的欲望已不切实际这个现实后，涌现了一系列关于人工智能出息的大谈论，如“技能奇异点”的谈论、“中文房间”实验、强弱人工智能之分等都是这个期间提出的。

关于作者：周志明，矩阵数字经济智库专家，资深Java技能、机器学习和企业级开拓技能专家，现任远光软件研究院院长，人工智能博士在读。

著作颇丰，著有有名脱销书《深入理解Java虚拟机：JVM高等特性与最佳实践》《深入理解Java虚拟机》《深入理解OSGi》，翻译了《Java虚拟机规范》等著作。
个中《深入理解Java虚拟机》第1版出版于2011年，已经出至第2版，喝采又叫座，累计印刷超过30次，仍长销不衰，是中文打算机图书领域公认的、难得一见的佳作。

本文摘编自周志明新书《聪慧的疆界：从图灵机到人工智能》，经出版方授权发布。

附：一张图看懂人工智能的前世今生

右上角点击收藏，留着逐步看！

推举阅读：