摘录自《人工智能原理及其应用》
人工智能诞生以来走过了一条坎坷和曲折的发展道路。回顾历史，可以按照人工智能在不同时期的主要特征，将其产生与发展过程分为五个阶段：孕育期、形成期、知识应用期、从学派分立走向综合到智能科学技术学科的兴起。
孕育期
自远古以来，人类就有着用机器代替人们脑力劳动的幻想。早在公元前900多年，我国就有歌舞机器人流传的记载。到公元前850年，古希腊也有了制造机器人帮助人们劳动的神话传说。此后，在世界的许多国家和地区也都出现了类似的民间传说或神话故事。为追求和实现人类的这一美好愿望，很多科学家都为之付出了艰辛的劳动和不懈的努力。人工智能可以在顷刻间诞生，而孕育这个学科却需要经历一个相当漫长的历史过程。
从古希腊伟大的哲学家亚里士多德（Aristotle,公元前384—322年）创立的演绎法，到德国数学和哲学家莱布尼茨(G.W.LeibnitZ，1646—1716年)奠定的数理逻辑的基础;再从英国数学家图灵1936年创立图灵机模型，到美国数学家、电子数字计算机的先驱莫克利（J.W.Mauchly，1907—1980年）等人1946年研制成功世界上第一台通用子计算机，这些都为人工智能的诞生奠定了重要思想理论和物质技术基础。
此外，1943年，美国神经生理学家麦卡洛克（W.McCulloch)和皮茨（W.Pitts)一起研制出了世界上第一个人工神经网络模型（MP模型）开创了以仿生学观点和结构化方法模拟人类智能的途径；1948年，美国著名数学家威纳（N.Wiener，1874—1956年）创立了控制论，为以行为模拟观点研究人工智能奠定了理论和技术基础；1950年，图灵发表了题为《计算机能思维吗？》的著名论文，明确提出了“机器能思维”的观点。至此，人工智能的基本雏形已初步形成，人工智能的诞生条件也已基本具备。通常，人们把这一时期称为人工智能的孕育期。
形成期
人工智能诞生于一次历史性的聚会。为使计算机变得更“聪明”,或者说使计算机具有智能，1956年夏季，当时在美国达特茅斯(Dartmouth)大学的年轻数学家、计算机专家麦卡锡(J.McCarthy，后为麻省理工学院教授）和他的三位朋友，哈佛大学数学家、神经学家明斯基（M.L.Minsky，后为麻省理工学院教授），IB M公司信息中心负责人洛切斯特（N.Lochester)，贝尔实验室信息部数学研究员香（C.E. Shanmni)共同发起，并邀请ffiM公司的莫尔（T.More)和塞缪尔(A.L. Sarrmel)，麻省理工学院的塞尔弗里奇（O.Selfridge)和索罗蒙夫（R.Solomonff).，以及兰德(RAND)公司和卡内基（Carnagie)工科大学的纽厄尔（A.Newell)和西蒙（H.A.Simon)共10人，在达特茅斯大学举行了一个为期两个月的夏季学术研讨会。这10位来自美国数学、神经学、心理学、信息科学和计算机科学方面的年轻杰出科学家，在一起共同学习和探讨了用机器模拟人类智能的有关问题，并由麦卡锡提议正式采用了“智能Artificial Intelligence)”这一术语。从而，一个以研究如何用机器来模拟人类智能的新兴学科—人工智能诞生了。
在这次会议之后10多年中，人工智能很快就在定理证明、问题求解、博弈论等众多领域取得了一大批重要研究成果。例 如 ，1956年 ，塞缪尔研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序。该程序可以从棋谱中学习，也可以在下棋过程中积累经验、提高棋艺。1957年，纽厄尔、肖（J.Shaw)和西蒙等人的心理学小组研制了一个称为逻辑理机 （Logic Theory machine，LT)的数学定理证明程序。该程序可以模拟人类用数理逻辑证明定理时的思维规律，去证明像不定积分、三角函数、代数方程等数学问题。1958年，麦卡锡建立了行动规划咨询系统。1960年，麦卡锡又研制了 人工智能语言LISP。1965年，鲁滨逊(J.A.Robinson)提出了归结（消解）原理。 1968 年 ，美国斯坦福大学费根鲍姆（E.A.Feigenbaum)领导的研究小组研制成功了化学专家系统DENDRAL。此外在人工神经网络方面，1957年，罗森布拉特(F.Rosenblatt)等人研制了感知器（perceptron)，利用感知器可进行简单的 文字、图像 、声音识别。
知识应用期
正当人们在为人工智能所取得的成就而高兴的时候，人工智能却遇到了许多难，遭受了很大的挫折。然而，在困难和挫折面前，人工智能的先驱者们并没有退缩，他们在反思中认真总结了人工智能发展过程中的经验教训，从而又开了一条以知识为中心、面向应用开发的研究道路，使人工智能又进入了一条新的发展道路。通常，人们把从1971年到20世纪80年代末这段时间称为人工智能的知识应用期，也有人称为低潮时期。
- 挫折和教训 人工智能在经过形成时期的快速发展之后，很快就遇到了许多麻烦。例如：
- 在博弈方面，塞缪尔的下棋程序在与世界冠军对弈时，五局中败了四局。
- 在定理证明方面，发现鲁滨逊归结法的能力有限。当用归结原理证明两个连续函数之和还是连续函数时，推了10万步也没证出结果。
- 在问题求解方面，由于过去研究的多是良结构的问题，而现实世界中的问题又多为不良结构，如果仍用那些方法去处理，将会产生组合爆炸问题。
- 在机器翻译方面，原来人们以为只要有一本双解字典和一些语法知识就可以实现两种语言的互译，但后来发现并不那么简单，甚至会闹出笑话。例如，把“心有余而力不足”的英语句子“ The spirit is willing but the flesh is weak”翻译成俄语，然后再翻译回来时竟变成了“酒是好的，肉变质了”，即英语句子为“ The wine is good but the meat is spoiled”。
- 在神经生理学方面，研究发现人脑由1011〜1012个神经元所组成，在现有技术条件下用机器从结构上模拟人脑是根本不可能的。对单层感知器模型，明斯基出版的专著《Perceptrons》指出了其存在的严重缺陷，致使人工神经网络的研究落入低潮。
- 在人工智能的本质、理论思想和机理方面，人工智能受到了来自哲学、心理 学、神经生理学等社会各界的责难、怀疑和批评。 在其他方面，人工智能也遇到了这样那样的问题。一些西方国家的人工智能研究经费被削减、研究机构被解散，全世界范围内的人工智能研究陷人困境、跌人低谷。
- 以知识为中心的研究 科学的真谛总是先由少数人创造出来的。早在20世纪60年代中期，当大多数人工智能学者正热衷于对博弈、定理证明、问题求解等进行研究时，专家系统这一个重要研究领域也开始悄悄地孕育。正是由于专家系统这棵幼小萌芽的存在，才使得人工智能能够在后来出现的困难和挫折中很快找到前进的方向，又迅速地再度兴起。
专家系统(expert SyStem，ES)是一个具有大量专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是人工智能发展史上的一次重要转折。
当时，国际上最著名的两个专家系统分别是1976年费根鲍姆领导研制成功的M Y CIN 专家 系 统 和 1981年斯坦福大学国际人工智能中心杜达（R.D.Diida)等人研制成功的地质勘探专家系统PROSPECTOR。其中MYCIN专家系统可以识别51种 病菌，能正确使用23种抗生素，能协助内科医生诊断、治疗细菌感染疾病，并从技术上解决了诸如知识表示、不确定性推理、搜索策略、人机联系、知识获取及专家系统基本结构等一系列重大问题。
1977年 ，费根鲍姆正式提出了知识工程(Knowledge Engineering，KE)的概念，进一步推动了基于知识的专家系统及其他知识工程系统的发展。专家系统的成功，说明了知识在智能系统中的重要性，使人们更清楚地认识到人工智能系统应该是一个知识处理系统，而知识表示、知识获取、知识利用则是人工智能系统的三个基本问题。
这一时期，与专家系统同时发展的重要领域还有计算机视觉、机器人、自然语言理解和机器翻译等。此外，在知识工程长足发展的同时，一直处于低谷的人工神经网络也开始慢慢复苏。1982年，霍普菲尔特(J.Hopfield)提出了一种新的全互联型人工神经网络，成功地解决了计算复杂度为NP完全的“旅行商”问题。1986年，鲁梅尔哈特(D. Rumelhart)等研制出了具有误差反向传播（Error Back-propagation，BP)功能的多层前馈网络，简称BP网络，实现了明斯基关于多层网络的设想。
从学派分立走向综合
随着人工神经网络的再度兴起和布鲁克斯的机器虫的出现，人工智能研究形成了相对独立的三大学派，即基于知识工程的符号主义学派、基于人工神经网络的联结主义学派和基于控制论的行为主义学派。
其中，符号主义学派强调知识的表示和推理;联结主义学派强调神经元的联结活动过程;行为主义学派强调对外界环境的感知和适应。它们在学术观点与科学方法上存在着严重分歧和差异在特定的历史条件下，各自走出了自己的研究道路和成长历史。但是 ，随着研究和应用的深入，人们又逐步认识到，三个学派各有所长，各有所短，应相互结合、取长补短、综合集成。因此，人们通常把20世纪80年代末到21世纪初的这段时间称为从学派分立走向综合的时期。
（关于三大学派..）
智能科学技术学科的兴起
从21世纪初以来，一个以人工智能为核心，以自然智能、人工智能、集成智能和协同智能为一体的新的智能科学技术学科正在逐步兴起，并引起了人们的极大关注。所谓集成智能是指自然智能与人工智能通过协调配合所集成的智能;所谓协同智能是指个体智能相互协调所涌现的群体智能。智能科学技术学科研究的主要特征包括以下4个方面：
- 由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的 协同智能研究；
- 由人工智能学科的独立研究走向重视与脑科学、认知科学等学科的交叉研究；
- 由多个不同学派的分立研究走向多学派的综合研究；
- 由对个体、集中智能的研究走向对群体、分布智能的研究。
相关连接
- 父节点：人工智能概述