第一章達(dá)特茅斯會議：人工智能的源起
一說起人工智能的起源，公認(rèn)是1956年的達(dá)特茅斯會議。殊不知還有個(gè)前戲，1955年，美國西部計(jì)算機(jī)聯(lián)合大會（Western Joint Computer Conference）在洛杉磯召開，會中還套了個(gè)小會：學(xué)習(xí)機(jī)討論會（Session on Learning Machine）。討論會的參加者中有兩個(gè)人參加了第二年的達(dá)特茅斯會議，他們是塞弗里奇（Oliver Selfridge）和紐厄爾（Allen Newell）。
會議6位重要參與者：麥卡錫、明斯基、賽弗里奇（《控制論》作者維納的學(xué)生）、香農(nóng)（《信息論》作者）、紐厄爾（與麥卡錫同齡，其導(dǎo)師是馮諾依曼的合作伙伴）、司馬賀（紐厄爾老師）
麥卡錫給這個(gè)第二年的活動起了個(gè)當(dāng)時(shí)看來別出心裁的名字：人工智能夏季研討會（Summer Research Project on Artificial Intelligence）。普遍的誤解是“人工智能”這個(gè)詞是麥卡錫想出來的，其實(shí)不是。麥老晚年回憶也承認(rèn)這個(gè)詞最早是從別人那里聽來的，但記不清是誰了。
“人工智能”這個(gè)詞真正被共同體廣泛認(rèn)可是在十年后的 1965 年，在加州大學(xué)伯克利分校的歐陸派哲學(xué)家德雷弗斯（Hubert Dreyfus）發(fā)表了“煉金術(shù)與人工智能”一文之后。
司馬賀1957年曾預(yù)言十年內(nèi)計(jì)算機(jī)下棋會擊敗人。1968年麥卡錫和象棋大師列維（David Levy）打賭說十年內(nèi)下棋程序會戰(zhàn)勝列維，最后賠了列維兩千塊。樂觀的預(yù)言總會給對手留下把柄：德雷弗斯后來每年都拿此事嘲諷AI，說計(jì)算機(jī)下下跳棋還行，下象棋連十歲的孩子都干不過。這便宜話一直說到1997年，IBM 的下棋程序“深藍(lán)”擊敗了卡斯帕羅夫。
第二章自動定理證明興衰紀(jì)
數(shù)學(xué)哲學(xué)有三大派：邏輯主義、形式主義以及直覺主義。
自動定理證明起源于邏輯，初衷就是把邏輯演算自動化。
1957年夏季，在塔爾斯基的號召下，一個(gè)邏輯學(xué)家的大聚會在康奈爾大學(xué)舉行，會上數(shù)學(xué)家亞伯拉罕·羅賓遜（Abraham Robinson，數(shù)學(xué)和邏輯領(lǐng)域有好幾個(gè)羅賓遜，且互有關(guān)聯(lián)）指出，埃爾布朗（Herbrand）定理可以把一階邏輯的問題轉(zhuǎn)化為命題邏輯。這激發(fā)了大家尋求統(tǒng)一高效的定理證明的實(shí)現(xiàn)方法。
芝加哥大學(xué)的實(shí)驗(yàn)物理學(xué)家費(fèi)米在曼哈頓計(jì)劃的早期負(fù)責(zé)核反應(yīng)堆。戰(zhàn)后，美國以費(fèi)米實(shí)驗(yàn)室為基礎(chǔ)建立了第一個(gè)美國國家實(shí)驗(yàn)室阿貢（Argonne），隸屬于美國能源部。阿貢國家實(shí)驗(yàn)室的一個(gè)分部是應(yīng)用數(shù)學(xué)和科學(xué)計(jì)算，阿貢定理證明小組就在這個(gè)分部。阿貢小組對機(jī)器定理證明的貢獻(xiàn)是決定性的和全方位的。羅賓遜就是在阿貢工作時(shí)提出了歸結(jié)原理。阿貢為歸結(jié)原理的實(shí)現(xiàn)提供了一整套生態(tài)環(huán)境。
自動定理證明依靠的工具是計(jì)算機(jī)，正是計(jì)算模糊了理性和經(jīng)驗(yàn)的邊界?？梢缘歉咭徊秸f：計(jì)算是知識演化的基礎(chǔ)，計(jì)算也是知識民主化的工具。
有些領(lǐng)域，一開始就把百分之八十的容易問題都解決了，而后就一直很難，進(jìn)展很慢，少有突破。人工智能就是這樣，定理證明尤其如此。
自動定理證明的衰落
維特根斯坦曾有言：“邏輯似乎處于一切科學(xué)的底部——因?yàn)檫壿嫷难芯刻剿饕磺惺挛锏谋举|(zhì)?！钡珨?shù)學(xué)家不覺得他們非得趴在邏輯學(xué)家的背上。自動定理證明的狀況與此相關(guān)，數(shù)學(xué)家沒覺得這玩意兒有用，人工智能的兩派人馬都不待見。再過幾年，可能就沒什么人能教“自動定理證明”的課了。
數(shù)學(xué)是人類智力的最高端。不明就里的哲學(xué)家對數(shù)學(xué)說三道四是令人最不能忍受的。
第三章從專家系統(tǒng)到知識圖譜
費(fèi)根鮑姆1964年在斯坦福大學(xué)高等行為科學(xué)研究中心的一次會上見到了李德伯格，對科學(xué)哲學(xué)的共同愛好促成了他們漫長而富有成效的合作。那時(shí)李德伯格的研究方向是太空生命探測，更具體地說就是用質(zhì)譜儀分析火星上采集來的數(shù)據(jù)，看火星上有無可能存在生命。費(fèi)根鮑姆的興趣則是機(jī)器歸納法，用現(xiàn)在的話說就是機(jī)器學(xué)習(xí)。他們倆，一個(gè)有數(shù)據(jù)，一個(gè)搞工具，一拍即合。
第一個(gè)專家系統(tǒng)DENDRAL——
DENDRAL輸入的是質(zhì)譜儀的數(shù)據(jù)，輸出是給定物質(zhì)的化學(xué)結(jié)構(gòu)。費(fèi)根鮑姆和他的學(xué)生捕捉翟若適和他的學(xué)生的化學(xué)分析知識，把知識提煉成規(guī)則。這個(gè)專家系統(tǒng)有時(shí)做得比翟若適的學(xué)生還準(zhǔn)。
專家系統(tǒng)MYCIN，一個(gè)針對細(xì)菌感染的診斷系統(tǒng)。MYCIN的處方準(zhǔn)確率是 69%，當(dāng)時(shí)專科醫(yī)生的準(zhǔn)確率是 80%，但 MYCIN 的成績已經(jīng)優(yōu)于非本專業(yè)的醫(yī)生。
紐厄爾，作為外人，卻認(rèn)為MYCIN才是專家系統(tǒng)的鼻祖，因?yàn)镸YCIN首創(chuàng)了后來作為專家系統(tǒng)要素的產(chǎn)生式規(guī)則：不精確推理。DENDRAL的初衷則是從專家采集來的數(shù)據(jù)做機(jī)器歸納，或者說機(jī)器學(xué)習(xí)。
最早的知識圖譜——
在日本五代機(jī)項(xiàng)目帶來的狂潮中，美國政府決定聯(lián)合多家高技術(shù)企業(yè)在得克薩斯大學(xué)奧斯汀分校所在地建立微電子與計(jì)算機(jī)技術(shù)公司（MCC，Micro electronics and Computer Technology Corporation）以抗衡日本。當(dāng)雷納特來到MCC時(shí)，他已經(jīng)有了一個(gè)新的想法：把人類的常識編碼，建成知識庫。這個(gè)新項(xiàng)目叫Cyc，這三個(gè)字母取自英文單詞“百科全書”（encyclopedia）。這其實(shí)就是最早的知識圖譜。雷納特堅(jiān)定地支持他老師費(fèi)根鮑姆的知識原則（Knowledge Principle）：一個(gè)系統(tǒng)之所以能展示高級的智能理解和行為，主要是因?yàn)樵谒鶑氖碌念I(lǐng)域所表現(xiàn)出來的特定知識：概念、事實(shí)、表示、方法、比喻以及啟發(fā)。雷納特甚至說：“智能就是一千萬條規(guī)則。”
谷歌和知識圖譜
在維基百科的同時(shí)，還有個(gè)Freebase。維基百科的受眾是人，而Freebase則強(qiáng)調(diào)機(jī)器可讀。2016年維基百科達(dá)到 1000 萬篇文章，其中英文版達(dá)到 500 萬篇文章，而 Freebase 有 4000 萬個(gè)實(shí)體表示。Freebase 的背后是一家名叫 Metaweb 的創(chuàng)業(yè)公司，創(chuàng)始人之一是希利斯（Danny Hillis）。2010 年Metaweb 被谷歌收購，谷歌給它起了個(gè)響亮的名字“知識圖譜”。2016 年谷歌對 Freebase 停止更新，把所有數(shù)據(jù)捐給維基數(shù)據(jù)（Wikidata）。
第四章計(jì)算機(jī)的教訓(xùn)
1978年，當(dāng)時(shí)的計(jì)算機(jī)工業(yè)按照電路工藝劃分計(jì)算機(jī)的發(fā)展：第一代計(jì)算機(jī)是電子管，第二代是晶體管，第三代是集成電路，第四代是超大規(guī)模集成電路（VLSI）。
三年后的1981年，以元岡達(dá)為首的委員會認(rèn)真提交了一份長達(dá)89頁的報(bào)告，他們認(rèn)為第五代計(jì)算機(jī)不應(yīng)再以硬件工藝為劃分，更應(yīng)看重體系結(jié)構(gòu)和軟件。
英國人沃倫（David Warren）1982年在 AI Magazine 上發(fā)表的論文分析了渕一博為什么選擇了Prolog：在五代機(jī)的所有應(yīng)用中，Prolog能覆蓋的面最廣。五代機(jī)的終極目標(biāo)是知識信息處理，在當(dāng)時(shí)的語境下特指專家系統(tǒng)和自然語言理解。那時(shí)的自然語言理解還是規(guī)則為王的時(shí)代。Prolog很明顯比 LISP更適合這些應(yīng)用。而且在小規(guī)模數(shù)據(jù)的基準(zhǔn)測試中，Prolog 作為數(shù)據(jù)庫查詢語言甚至不輸關(guān)系代數(shù)。當(dāng)然，Prolog不是美國人發(fā)明的，這也是一個(gè)重要因素，這讓日本人更有機(jī)會掌控并占據(jù)領(lǐng)先地位。
計(jì)算機(jī)科學(xué)的進(jìn)步主要是由兩件事驅(qū)動的：機(jī)器太慢；寫程序太慢。在任何時(shí)間點(diǎn)，在半導(dǎo)體技術(shù)的約束下，提高機(jī)器速度的唯一辦法是并行處理。Prolog 是高級語言，表達(dá)效率肯定要比過程語言更高。于是，如何并發(fā)地執(zhí)行Prolog在五代機(jī)項(xiàng)目一開始就是重要的研究課題。
美國與日本的第五代機(jī)競爭
日本的五代機(jī)項(xiàng)目為美國敲響了警鐘。1982年美國政府決定成立MCC（Microelectronics and Computer Consortium），作為對日本五代機(jī)項(xiàng)目的回應(yīng)。
五代機(jī)的衰落
五代機(jī)的衰落在1988年就已露出端倪。1981年的第一次五代機(jī)會議的會議錄只有 280 多頁，其中還包括 89 頁的元岡達(dá)報(bào)告。而 1988 年的五代機(jī)會議錄有 1300 頁三大卷。但從會議錄中可以看出，五代機(jī)已經(jīng)成了大雜燴，失去了聚焦點(diǎn)，給人感覺五代機(jī)不會在任何相關(guān)領(lǐng)域取得突破性進(jìn)展，而同時(shí)八桿子打不著的領(lǐng)域也拼命向五代機(jī)靠攏。就像當(dāng)下人工智能領(lǐng)域的創(chuàng)業(yè)，一些和人工智能毫無瓜葛的社會閑雜人員一夜間都成了AI 專家，拿到 VC 的錢之后再想干啥。
五代機(jī)沒有能證明它能干傳統(tǒng)機(jī)不能干的活，在典型的應(yīng)用中，五代機(jī)也沒比傳統(tǒng)機(jī)快多少。
第五章神經(jīng)網(wǎng)絡(luò)簡史
自圖靈提出“機(jī)器與智能”起，就一直有兩派觀點(diǎn)：一派認(rèn)為實(shí)現(xiàn)人工智能必須用邏輯和符號系統(tǒng)，這一派看問題是自頂向下的；還有一派認(rèn)為通過仿造大腦可以達(dá)到人工智能，這一派是自底向上的，他們認(rèn)為如果能造一臺機(jī)器，模擬大腦中的神經(jīng)網(wǎng)絡(luò)，這臺機(jī)器就有智能了。
模擬神經(jīng)網(wǎng)絡(luò)的原創(chuàng)文章發(fā)表于1943年，兩位作者都是傳奇人物：麥卡洛克（Warren McCulloch）和皮茨（Walter Pitts）。
神經(jīng)網(wǎng)絡(luò)研究的后一個(gè)大突破是在1957年?？的螤柎髮W(xué)的實(shí)驗(yàn)心理學(xué)家羅森布拉特（Frank Rosenblatt）在一臺 IBM-704 計(jì)算機(jī)上模擬實(shí)現(xiàn)了一種他發(fā)明的叫作“感知機(jī)”（Perceptron）的神經(jīng)網(wǎng)絡(luò)模型。這個(gè)模型可以完成一些簡單的視覺處理任務(wù)。這在當(dāng)時(shí)引起了轟動。
明斯基和佩珀特證明了單層神經(jīng)網(wǎng)絡(luò)不能解決XOR（異或）問題。異或是一個(gè)基本邏輯問題，如果連這個(gè)問題都解決不了，那神經(jīng)網(wǎng)絡(luò)的計(jì)算能力實(shí)在有限。其實(shí)羅森布拉特也已猜到“感知機(jī)”可能存在限制，特別是在“符號處理”方面，并以他神經(jīng)心理學(xué)家的經(jīng)驗(yàn)指出，某些大腦受到傷害的人也不能處理符號。但“感知機(jī)”的缺陷被明斯基以一種敵意的方式呈現(xiàn)出來，當(dāng)時(shí)對羅森布拉特是個(gè)致命打擊。原來的政府資助機(jī)構(gòu)也逐漸停止對神經(jīng)網(wǎng)絡(luò)研究的支持。
神經(jīng)網(wǎng)絡(luò)在20世紀(jì)80年代的復(fù)興歸功于物理學(xué)家霍普菲爾德（John Hopfield）。1982 年，那時(shí)在加州理工學(xué)院擔(dān)任生物物理教授的霍普菲爾德，提出了一種新的神經(jīng)網(wǎng)絡(luò)，可以解決一大類模式識別問題，還可以給出一類組合優(yōu)化問題的近似解。這種神經(jīng)網(wǎng)絡(luò)模型后來被稱為霍普菲爾德網(wǎng)絡(luò)。
1993年，美國電氣電子工程師學(xué)會 IEEE開始出版《神經(jīng)網(wǎng)絡(luò)會刊》，為該領(lǐng)域的高質(zhì)量文章提供出版渠道。美國國防部、海軍和能源部等也加大資助力度。神經(jīng)網(wǎng)絡(luò)一下子成了顯學(xué)。
神經(jīng)網(wǎng)絡(luò)在20世紀(jì)80年代的光芒被后來的互聯(lián)網(wǎng)掩蓋了。但這幾年，恰恰又是互聯(lián)網(wǎng)產(chǎn)生的海量數(shù)據(jù)給了神經(jīng)網(wǎng)絡(luò)更大的機(jī)會。而人工智能領(lǐng)域最火的詞兒就是“深度學(xué)習(xí)”。神經(jīng)網(wǎng)絡(luò)由一層一層的神經(jīng)元構(gòu)成。層數(shù)越多，就越深，所謂深度學(xué)習(xí)就是用很多層神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)達(dá)到機(jī)器學(xué)習(xí)的功能。
辛頓是深度學(xué)習(xí)的先驅(qū)，他和學(xué)生在2006年發(fā)表的兩篇文章開辟了這個(gè)新領(lǐng)域，其中登在《科學(xué)》上的那篇提出了降維和逐層預(yù)訓(xùn)練的方法，使得深度網(wǎng)絡(luò)的實(shí)用化成為可能。
2012年，時(shí)任斯坦福大學(xué)人工智能實(shí)驗(yàn)室主任的吳恩達(dá)和谷歌合作建造了一個(gè)當(dāng)時(shí)最大的神經(jīng)網(wǎng)絡(luò)，這是谷歌神秘的X實(shí)驗(yàn)室的一個(gè)計(jì)劃。網(wǎng)絡(luò)上一度瘋傳的谷歌貓臉識別就是用的這個(gè)參數(shù)多達(dá)十七億的神經(jīng)網(wǎng)絡(luò)。后來，吳恩達(dá)在斯坦福大學(xué)又搞了個(gè)更大的神經(jīng)網(wǎng)絡(luò)，參數(shù)高達(dá)一百一十二億。
第六章計(jì)算機(jī)下棋簡史：機(jī)定勝人，人定勝天
跳棋——
下棋一直就是人類智能的挑戰(zhàn)，自然也成了人工智能的標(biāo)志之一。二戰(zhàn)沒結(jié)束時(shí)，圖靈就研究計(jì)算機(jī)下棋，他1947年編了第一個(gè)下棋程序，可惜那時(shí)計(jì)算機(jī)的時(shí)間（簡稱“機(jī)時(shí)”）很寶貴，輪不到他上機(jī)。
1951年，圖靈的朋友斯特拉切（Christopher Strachey）在曼徹斯特?Mark-1上寫了第一款跳棋程序。圖靈在1952年曾與之對弈一局，輕松取勝。1956年 IBM 的塞繆爾（Arthur Samuel，人工智能里程碑達(dá)特茅斯會議的參加者之一）寫了第二個(gè)跳棋程序，這款程序的特點(diǎn)是自學(xué)習(xí)，這也是最早的機(jī)器學(xué)習(xí)程序之一，后來不斷改進(jìn)，曾經(jīng)贏過盲人跳棋大師。
舍佛團(tuán)隊(duì)繼續(xù)精研跳棋理論和實(shí)踐，直到2007年，他們證明對于跳棋，只要對弈雙方不犯錯(cuò)，最終都是和棋，而Chinook已經(jīng)可以不犯錯(cuò)。他們的結(jié)果發(fā)表在2007年 9 月的《科學(xué)》雜志上，自此跳棋這一頁就算翻過去了。舍佛的興趣遂轉(zhuǎn)向德州撲克和圍棋。
計(jì)算機(jī)下棋——
第一個(gè)可以走完全局的下棋程序是IBM的工程師伯恩斯坦（Alex Bernstein）1958 年在一臺 IBM 704 上做的。
1966年，美蘇的對抗也擴(kuò)展到計(jì)算機(jī)下棋。蘇聯(lián)科學(xué)院的理論與實(shí)驗(yàn)物理研究所（ITEP）也在本所研制的一臺 M20 計(jì)算機(jī)上開發(fā)了一款下棋程序，他們要和斯坦福大學(xué)的Kotok-McCarthy程序一決高下。從 1966 年 11 月 22 日開始，直到 1967 年 3 月 10 日止，他們通過電報(bào)的方式走了四局。最后蘇聯(lián) 3:1 戰(zhàn)勝美國。
20世紀(jì) 80年代，機(jī)器之間的比賽此起彼伏，但機(jī)器和人之間仍然有著不可逾越的鴻溝。1980 年，天才弗雷德金（Edward Fredkin）專為計(jì)算機(jī)下棋建立了弗雷德金獎金，獎有三等，頭等獎是 10 萬美元，獎給第一款能贏現(xiàn)任世界冠軍的下棋機(jī)器。
象棋：深藍(lán)——
IBM的外號叫 Big Blue，于是新的項(xiàng)目 1996 年被命名為“深藍(lán)”（Deep Blue）。1996 年 ACM 年會的閉幕節(jié)目是“深藍(lán)”對決卡斯帕羅夫，六局棋?！吧钏{(lán)”旗開得勝，第一局就贏了老卡，最后還是老卡 4:2 贏得決賽。但此時(shí)老卡對“深藍(lán)”刮目相看，他說機(jī)器對手不光有洞見，而且有幾步簡直像“上帝下的”。
1997年 5月 11 日，老卡認(rèn)輸，“深藍(lán)”成了第一位戰(zhàn)勝當(dāng)時(shí)世界冠軍的機(jī)器。在“深藍(lán)”贏了卡斯帕羅夫之后，職業(yè)棋手并沒有因此而改行，他們反而更多地依賴計(jì)算機(jī)來訓(xùn)練。
圍棋：AlphaGo——
谷歌的AlphaGo首次引用了強(qiáng)化學(xué)習(xí)（Reinforcement Learning），使得機(jī)器和自己對弈學(xué)習(xí)。
第七章自然語言處理
喬治敦實(shí)驗(yàn)要早于達(dá)特茅斯會議，這也從另一個(gè)角度證明了達(dá)特茅斯會議更多是“人工智能”這個(gè)詞兒流行的源頭，而不是這門學(xué)科的起點(diǎn)。
1966年 11月，ALPAC 發(fā)布了《語言與機(jī)器》報(bào)告，稱機(jī)器翻譯比人翻譯要慢，更不準(zhǔn)確，而且成本更高（估算比人要貴兩倍）。結(jié)論是機(jī)器翻譯在可預(yù)見的未來沒法實(shí)用，應(yīng)該立即停止對機(jī)器翻譯的資助，轉(zhuǎn)而支持一些更基礎(chǔ)的、輔助性的研究，如電子字典等。這個(gè)報(bào)告第一次提出了“計(jì)算語言學(xué)”的概念。
喬姆斯基之于語言學(xué)和認(rèn)知科學(xué)，就像圖靈之于計(jì)算機(jī)科學(xué)。喬姆斯基認(rèn)為，所有的語言（人工或自然）都有與此類似的句法結(jié)構(gòu)，并進(jìn)一步指出語言的結(jié)構(gòu)是內(nèi)在的，而不是通過經(jīng)驗(yàn)習(xí)得的（acquired）。
對話機(jī)器人的起源——ELIZA、PARRY
魏森鮑姆（Joseph Weizenbaum）：1960年，他得了數(shù)學(xué)碩士學(xué)位后就進(jìn)了工業(yè)界，在通用電氣的工作經(jīng)歷把他引到了剛剛誕生的計(jì)算機(jī)行業(yè)。他最顯赫的成就就是對話程序ELIZA?，F(xiàn)在對話程序有一個(gè)更流行且形象的詞兒“聊天機(jī)器人”（chatbot或 chatterbot），但根兒都在 ELIZA。
科爾比感興趣的問題正好和魏森鮑姆相反：怎么樣構(gòu)造一個(gè)能聊天的病人，一方面可以培訓(xùn)心理醫(yī)生，另一方面理解病人的征兆。他的成果在1972 年變成了計(jì)算機(jī)程序PARRY。
隨著ELIZA在媒體上的成功，魏森鮑姆和科爾比漸行漸遠(yuǎn)。ELIZA的廣泛影響力最終把魏森鮑姆變成技術(shù)的異教徒。當(dāng)大家在爭論機(jī)器能不能最終超越人類時(shí)，他指出這不是“能不能”的問題，而是“該不該”的問題。他意識到了技術(shù)的可怕，此后的研究方向轉(zhuǎn)變成計(jì)算機(jī)技術(shù)所帶來的社會責(zé)任和道德問題。
機(jī)器人手臂——
當(dāng)時(shí)真正建立一個(gè)機(jī)器人手臂，還有一定難度，于是維諾格拉德利用顯示器展示了一個(gè)虛擬的積木世界。SHRDLU 為這個(gè)積木世界建立了模型，例如每個(gè)積木塊的性質(zhì)，長寬高、顏色、形狀等，以及什么積木塊可以搭在什么積木塊的上面。人可以通過簡單的自然語言，命令一個(gè)機(jī)器手對這個(gè)積木世界進(jìn)行虛擬操作。例如拿起一個(gè)特定的積木塊把它摞在另一個(gè)積木塊上。當(dāng)機(jī)器吃不準(zhǔn)人的命令時(shí)，可以向人發(fā)問。
SHRDLU要遠(yuǎn)比 ELIZA復(fù)雜，學(xué)術(shù)意義也更加深刻。SHRDLU 把當(dāng)時(shí)很多 AI 技術(shù)整合到一起，除了自然語言理解外，還有規(guī)劃（Planning）和知識表示。
神經(jīng)機(jī)器翻譯——
2016年，谷歌發(fā)布神經(jīng)機(jī)器翻譯（Google Neural Machine Translation，簡稱 GNMT）系統(tǒng)，再次大幅提高機(jī)器翻譯的水平。和谷歌更早期的基于短語的機(jī)器翻譯（Phrase-Based Machine Translation，簡稱 PBMT）不同，神經(jīng)翻譯的基本單位是句子。谷歌使用了循環(huán)神經(jīng)網(wǎng)絡(luò)RNN?做序列到序列（Sequence to Sequence）的學(xué)習(xí)，硬件設(shè)備是谷歌自己的 TensorFlow 平臺。
2017年，F(xiàn)acebook進(jìn)一步提高了翻譯效率。他們用自己擅長的卷積神經(jīng)網(wǎng)絡(luò)CNN，進(jìn)行序列到序列的學(xué)習(xí)。Facebook號稱，英文-德文和英文-法文翻譯的基準(zhǔn)測試表明，他們的結(jié)果在準(zhǔn)確度上不輸谷歌，而在計(jì)算速度上則可以比谷歌的RNN有一個(gè)數(shù)量級的提升。
語義的問題大致可分兩類，一類體現(xiàn)在人和世界的互動。還有一類體現(xiàn)在人和人的交流。魏森鮑姆的ELIZA就屬這類。
問答系統(tǒng)的組成——
大體上說，問答系統(tǒng)有三個(gè)必備的組成部分，第一部分是問題理解，第二部分是知識查詢，第三部分是答案生成。這三個(gè)部分相輔相成，第一部分和第三部分是自然語言處理的工作。
語音輸入——
在谷歌和Facebook在機(jī)器翻譯取得長足進(jìn)展之前，語音輸入率先獲得突破，2011年微軟鄧力團(tuán)隊(duì)在語音識別上的成功是深度學(xué)習(xí)的標(biāo)志性事件之一。蘋果、谷歌和微軟都推出實(shí)用產(chǎn)品。中國企業(yè)科大訊飛的語音輸入的應(yīng)用技術(shù)也漸趨成熟。
喬姆斯基對人工智能的批評的核心在于“可解釋性”。AlphaGo 不能解釋自己下棋的路數(shù)，算不算會下棋呢？也可以反過來說，只有解釋了，人類才能從中得到洞見，學(xué)習(xí)知識。
第八章向自然學(xué)習(xí)：從遺傳算法到強(qiáng)化學(xué)習(xí)
遺傳編程——
霍蘭德的學(xué)生寇扎（John Koza）在1987年給出了一個(gè)思路，并把它命名為“遺傳編程”（Genetic Programming）。
強(qiáng)化學(xué)習(xí)——
強(qiáng)化學(xué)習(xí)的理論基礎(chǔ)之一是馬爾科夫決策過程。強(qiáng)化學(xué)習(xí)就是Agent根據(jù)經(jīng)驗(yàn)改變策略以期達(dá)到長期最大獎賞的過程。
強(qiáng)化學(xué)習(xí)的另一個(gè)理論基礎(chǔ)是動態(tài)規(guī)劃。
在計(jì)算能力的約束下，強(qiáng)化學(xué)習(xí)的環(huán)境不宜太復(fù)雜。萌芽期的強(qiáng)化學(xué)習(xí)的例子都是游戲，如貝爾曼的“老虎機(jī)”和塞繆爾（Samuel）的跳棋。游戲的環(huán)境相對容易定義，在棋類比賽中，環(huán)境就是對手和規(guī)則。強(qiáng)化學(xué)習(xí)被用來下圍棋不是偶然的。
第九章哲學(xué)家和人工智能
休伯特·德雷弗斯：1964年夏季他再次到蘭德公司工作，寫出了那篇廣為流傳的“煉金術(shù)與人工智能”。這篇文章一開始只是攻擊紐厄爾和司馬賀的觀點(diǎn)，后來內(nèi)容逐漸被擴(kuò)充，攻擊的范圍也擴(kuò)大，終于成為一本書，書名是《計(jì)算機(jī)不能干什么》，變成了對人工智能的全面批評。
德雷弗斯能夠如此長久地混跡人工智能的江湖，有兩個(gè)原因：其一，人工智能內(nèi)部一直就是兩大派不和，而且派中有派，很少有過學(xué)科的發(fā)展像人工智能這樣起伏跌宕，蒼蠅不叮無縫的蛋；其二，相當(dāng)一批人工智能工作者有哲學(xué)情懷。
“中文屋”實(shí)驗(yàn)——
所謂“中文屋”思想實(shí)驗(yàn)是這樣的：假設(shè)有個(gè)只懂英文不懂中文的人（塞爾的第一人稱“我”）被鎖在一個(gè)房間里，屋里只給“我”留了一本手冊或一個(gè)計(jì)算機(jī)程序，這個(gè)手冊或程序教“我”在收到中文信息時(shí)如何用中文應(yīng)對。屋外的人用中文問問題，屋里的“我”依靠程序用中文回答問題，溝通方式是遞紙條。塞爾的問題是：假設(shè)屋外的人不能區(qū)分屋里的人是不是母語為中文，那么屋里的“我”是不是就算懂中文？塞爾自己認(rèn)為“我”不懂中文。很明顯，這個(gè)場景源自圖靈測試，只不過圖靈測試的環(huán)境是英文，而中文屋里既有中文又有英文。
彭羅斯曾經(jīng)這樣談到機(jī)器的情感和道德：如果你買一臺計(jì)算機(jī)，它是有情感的，那么我們就有道德問題，因?yàn)橛?jì)算機(jī)的意愿可能被違反，并可能會被當(dāng)作奴隸。我們首先必須說道德是一個(gè)社會問題，也就是說當(dāng)一個(gè)社會只有一個(gè)個(gè)體（無論是人還是計(jì)算機(jī)）時(shí)，是不存在道德問題的。
第十章人是機(jī)器嗎？——人工智能的計(jì)算理論基礎(chǔ)
如果我們把“智能”當(dāng)作人類特有的性質(zhì)，那么“人是機(jī)器嗎”這個(gè)問題就等價(jià)于“機(jī)器有智能嗎”。
怎樣才算是高效率算法呢？一般的看法是，運(yùn)行時(shí)間和空間隨著問題規(guī)模擴(kuò)大而變得很大的就不是高效的算法。
在可計(jì)算性上超越圖靈機(jī)的裝置叫“超計(jì)算”。
BSS模型的主要用途是為數(shù)值計(jì)算中的算法分析提供理論基礎(chǔ)。
最早提出通用量子計(jì)算模型的是以色列出生的英國人多依奇，他1985年在《皇家學(xué)會會刊》發(fā)表文章首創(chuàng)通用量子圖靈機(jī)模型，為量子計(jì)算提供了理論基礎(chǔ)。他進(jìn)一步提出丘奇-圖靈-多依奇原理（ChurchTuring-Deutsch Principle）：任何物理過程都可以被通用計(jì)算裝置（量子計(jì)算機(jī)）所模擬。
第十一章智能的進(jìn)化
強(qiáng)人工智能是說機(jī)器會全面達(dá)到人的智能，強(qiáng)人工智能有時(shí)也會和“通用人工智能”（Artificial General Intelligence）同義；而弱人工智能是說機(jī)器會在某些方面達(dá)到人的智能——AlphaGo就是弱人工智能的代表。
