智慧的疆界 从图灵机到人工智能

1928 年 普林斯顿大学教授阿隆佐 · 邱奇（Alonzo Church，1903—1995）提出 Lambda 演算，这是“计算性理论”（Computability Theory）这个学术分支的早期成果，激发了图灵设计图灵机的灵感。

1931 年 库尔特·哥德尔（Kurt Gödel）提出了著名的哥德尔不完备定理，证明了如果一个形式系统是不含矛盾的，那就不可能在该系统内部证明系统的不矛盾性。这个定理对机械智能的限制是它决定了无论人类造出多么复杂的机器，只要它是机器，就将对应一个形式系统，就能找到一个在该系统内不可证的公式而使之受到哥德尔不完备定理的打击，机器不能把这个公式作为定理推导出来，但是人却能看出公式是真的。因此这台机器不可能是承载思维的一个恰当模型。

附录 人工智能历史大事记

395

1936 年 图灵在他的论文《论可计算数及其在判定性问题上的应用》（“OnComputable Numbers, with an Application to the Entscheidungs Problem ”）中提出了图灵机的概念。图灵机是图灵一生中最重要的成就之一，这种计算机器实际上是一种理想的计算模型，它的基本思想是用机械操作来模拟人们用纸笔进行数学运算的过程。

396

附录 人工智能历史大事记

1941 年 康拉德·楚泽（Konrad Zuse）设计了世界上第一台可以编程控制的机械计算器。

附录 人工智能历史大事记

397

1946 年 世界上第一台电子计算机埃尼阿克（ENIAC）在美国宾夕法尼亚大学诞生，并实际应用于陆军火炮弹道和火力计算工作，这个事件标志了通用的计算机技术不仅理论已成熟，而且已经有了初步的工业化成果。

398

附录 人工智能历史大事记

1949 年 心理学家唐纳德·赫布（Donald Hebb）在《行为组织学》（TheOrganization of Behavior）这部著作中提出了基于神经元构建学习模型的法则，他认为神经网络的学习过程最终发生在神经元之间的突触部位，突触的联结强度随着突触前后神经元的活动而变化，变化的量与两个神经元的活性之和成正比，该方法被称为“Hebb 法则”（Hebb’s Law）。

附录 人工智能历史大事记

399

1949 年 剑桥大学的神经生理学家威廉·华特（William Walter，1910—1977）制作的机器乌龟“艾玛”（Elmer）和“埃尔西”（Elsie），能够自动寻找光源、调整方向，使头部朝向光亮运动或者远离光线运动，并通过转向或者推动来避免障碍，代表了机器人学萌芽时期的机器人雏形。

1950 年 阿兰·图灵（Alan Turing）提出度量机器智能的“图灵测试”：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。

1950 年 香农在《科学美国人》杂志上发表关于计算机下棋搜索算法的论文《为计算机下棋编程》（“ Programming a Computer for Playing Chess”）。

400

附录 人工智能历史大事记

1950 年 著名科幻小说家艾萨克·阿西莫夫（Isaac Asimov）发布了“机器人三定律”：

第一定律：机器人不得伤害人类，或因不作为使人类受到伤害。

第二定律：除非违背第一定律，机器人必须服从人类的命令。

第三定律：在不违背第一及第二定律下，机器人必须保护自己。

1951 年 IBM 的程序员阿瑟·塞缪尔（Arthur Samuel）在 IBM 700 系列计算机上开发了一款西洋跳棋程序。

附录 人工智能历史大事记

401

402

附录 人工智能历史大事记

1954 年 韦斯利·克拉克（Wesley Clark）和贝尔蒙特·法利（BelmontFarley）使用计算机模拟自组织系统（Self-Organizing System），这是首次使用计算机而不是建造专门的硬件机器去实现神经网络。

1955 WESTERN JOINT COMPUTER CONFERENCE Generalization of Pattern Recognition in a Self-Organizing System\* W. A. CLARK† AND B. G. FARLEY†

1956 年 在“人工智能夏季研讨会”（Summer Research Project on ArtificialIntelligence）上，“人工智能”一词被首次提出，标志着人工智能成为一个严肃学科。后世称这次研讨会为“达特茅斯会议”。

1956 年 艾伦·纽厄尔（Allen Newell）和司马贺（Herbert Simon）发布了“逻辑理论家”（Logic Theorist）这个可以自动证明《数学原理》第 2 章 52条定理中的 38 条的人工智能程序。今天学术界普遍认为这是第一个有实用意义的人工智能程序（尽管之前已经有塞缪尔的跳棋程序了）。

附录 人工智能历史大事记

403

1957 年 在“逻辑理论家”公布之后不久，纽厄尔和司马贺发布了一款更具有普适性的问题解决程序，称为“一般问题解决器”（General ProblemSolver，GPS），希望所有任何已形式化的、具备完全信息的问题都可以用这个程序去解决，他们给 GPS 设定的适用范围涉及逻辑推理、定理证明、国际象棋对抗等多个领域。

REPORT ON A GENERAL PROBLEM-SOLVING PROGRAM A. Newell and J. C. Shaw, The RAND Corporation H. A. Simon, Carnegie Institute of Technology United States of America

This paper deals with the theory of problem solving. It describes a program for a digital computer, called General Problem Solver I (GPS), which is part of an investigation into the extremely complex processes that are involved in intelligent, adaptive, and creative behavior. Our principal means of investigation is synthesis: programming large digital computers to exhibit intelligent behavior, studying the structure of these computer programs, and examining the problem-solving and other adaptive behaviors that the programs produce.

A problem exists whenever a problem solver desires some outcome or state of affairs that he does not immediately know how to attain. Imperfect knowledge about how to proceed is at the core of the genuinely problematic. Of course, some initial information is always available. A genuine problemsolving process involves the repeated use of available information to initiate exploration, which discloses, in turn, more information until a way to attain the solution is finally discovered.

Many kinds of information can aid in solving problems: information may suggest the order in which possible solutions should be examined; it may rule out a whole class of solutions previously thought possible; it may provide a cheap test to distinguish likely from unlikely possibilities; and so on. All these kinds of information are heuristics--things that aid discovery. Heuristics seldom provide infallible guidance; they give practical knowledge, possessing only empirical validity. Often they "work," but the results are variable and success is seldom guaranteed.

The theory of problem solving is concerned with discovering and understanding systems of heuristics. What kinds are there? How do very general injunctions ("Draw a figure" or "Simplify") exert their effects? What heuristics do humans actually use? How are new heuristics discovered? And so on. GPS, the program described in this paper, contributes to the theory of problem solving by embodying two very general systems of heuristics--means-ends analysis and planning -- within an organization that allows them to be applied t varying subject matters.

404

附录 人工智能历史大事记