1955年9月，达特茅斯学院年轻的数学助理教授约翰·麦卡锡，大胆的提议(在新窗口中打开)“原则上，学习的每一个方面或智能的任何其他特征都可以如此精确地描述，以至于可以制造一台机器来模拟它。”
麦卡锡称这个新的研究领域为“人工智能”，并建议一个由10名科学家组成的小组在两个月的努力下，可以在开发机器方面取得重大进展，这些机器可以“使用语言，形成抽象和概念，解决目前只有人类才能解决的各种问题，并提高自己。”
当时，科学家们乐观地认为，我们很快就会有能思考的机器来做人类能做的任何工作。60多年后的今天，计算机科学和机器人技术的进步帮助我们实现了许多以前需要人类体力和认知劳动的任务的自动化。
但真正的人工智能，如麦卡锡所设想的那样，仍然远离我们。
人工智能到底是什么?
人工智能面临的一个巨大挑战是，它是一个宽泛的术语，对它的定义没有明确的共识。
如前所述，麦卡锡提出人工智能将以人类的方式解决问题:“最终的努力是使计算机程序能够像人类一样解决问题并实现世界上的目标。”麦卡锡说,(在新窗口中打开)。
安德鲁•摩尔卡内基梅隆大学(Carnegie Mellon University)计算机科学学院院长，在一篇文章中提供了一个更现代的术语定义2017年福布斯专访(在新窗口中打开)人工智能是一门科学和工程，它使计算机的行为方式，直到最近，我们都认为需要人类的智慧。
但我们对“人类智能”的理解和对技术的期望都在不断发展。的编辑扎卡里·利普顿大致正确的(在新窗口中打开)他将人工智能描述为“有抱负的，一个基于人类拥有而机器没有的能力的移动目标。”换句话说，我们对人工智能的要求会随着时间而改变。
例如，在20世纪50年代，科学家们认为国际象棋和跳棋是对人工智能的巨大挑战。但今天，很少有人会认为下棋的机器是人工智能。计算机已经在处理更复杂的问题，包括检测癌症、驾驶汽车和处理语音命令。
狭义AI vs.通用AI
第一代人工智能科学家和梦想家相信，我们最终能够创造出人类水平的智能。
但几十年的人工智能研究表明，复制人类大脑的复杂问题解决和抽象思维是极其困难的。首先，我们人类非常擅长概括知识，并将我们在一个领域学到的概念应用到另一个领域。我们也可以根据直觉和很少的信息做出相对可靠的决定。多年来，人类级别的人工智能已经被称为通用人工智能(AGI)或强人工智能。
最初围绕人工智能的炒作和兴奋吸引了政府机构和大公司的兴趣和资金。但很快就发现，与早期的认知相反，人类水平的智能并不会马上出现，科学家们很难重现人类思维的最基本功能。在20世纪70年代，未能实现的承诺和期望最终导致了“人工智能寒冬”，在很长一段时间里，公众对人工智能的兴趣和资金都受到了抑制。
经过多年的创新和深度学习技术的革命，人们重新燃起了对人工智能的兴趣。但即使是现在，尽管人工智能取得了巨大的进步，但目前的人工智能方法都无法像人类思维那样解决问题，大多数专家认为，人工智能至少还需要几十年的时间。
另一方面,窄AI或弱AI它的目标不是重现人类大脑的功能，而是专注于优化单一任务。狭义人工智能已经找到了许多现实世界的应用，比如识别人脸、将音频转换为文本、在YouTube上推荐视频，以及在Facebook新闻动态中显示个性化内容。
许多科学家相信我们最终会创造出AGI，但有些人已经做到了一个反乌托邦式的思考机器时代。2014年，著名英国物理学家斯蒂芬·霍金将人工智能描述为对人类生存的威胁，警告(在新窗口中打开)“完全的人工智能可能意味着人类的终结。”
2015年，Y Combinator的总裁萨姆·奥特曼和特斯拉的首席执行官埃隆·马斯克也是AGI的信徒，他们共同创立了OpenAI，这是一个非营利性的研究实验室，旨在创造一种造福全人类的人工通用智能。(马斯克后来离开(在新窗口中打开)。)
其他人则认为，人工通用智能是一个毫无意义的目标。“我们不需要复制人类。这就是为什么我专注于使用工具来帮助我们，而不是重复我们已经知道如何做的事情。我们希望人类和机器合作，做一些它们自己无法完成的事情。”彼得·诺维格说(在新窗口中打开)他是谷歌研究总监。
诺维格等科学家认为，狭义人工智能可以帮助自动化重复和费力的任务，帮助人类提高生产力。例如，医生可以使用人工智能算法高速检查x射线扫描，从而使他们能够看到更多的病人。狭义人工智能的另一个例子是应对网络威胁:安全分析师可以利用人工智能在通过公司网络传输的千兆字节数据中发现数据泄露的信号。
基于规则的AI vs.机器学习
早期的人工智能创造工作侧重于将人类的知识和智能转化为静态规则。程序员必须为定义AI行为的每个规则精心编写代码(即if-then语句)。基于规则的人工智能(后来被称为“优秀的老式人工智能”(GOFAI))的优势在于，人类可以完全控制自己开发的系统的设计和行为。
基于规则的AI在规则明确的领域仍然非常流行。一个例子是视频游戏(在新窗口中打开)，即开发者希望AI能够提供可预测的用户体验。
GOFAI的问题在于，与麦卡锡最初的假设相反，我们无法精确地描述学习和行为的每个方面，并将其转化为计算机规则。例如，定义识别声音和图像的逻辑规则——这是一项人类本能完成的复杂壮举——是传统人工智能一直在努力的一个领域。
创造人工智能的另一种方法是机器学习。机器学习工程师不是手动为人工智能开发规则，而是通过提供大量样本来“训练”他们的模型。机器学习算法分析并发现训练数据中的模式，然后发展自己的行为。例如，机器学习模型可以对公司的大量历史销售数据进行训练，然后进行销售预测。
深入学习,机器学习的一个子集，在过去的几年里变得非常流行。它特别擅长处理非结构化数据，如图像、视频、音频和文本文档。例如，您可以创建一个深度学习图像分类器，并对数百万张可用的标记照片进行训练，例如ImageNet数据集(在新窗口中打开)。经过训练的人工智能模型将能够以通常超过人类的精度识别图像中的物体。深度学习的进步将人工智能推向了许多复杂而关键的领域，如医学、自动驾驶汽车和教育。
深度学习模型面临的挑战之一是，它们基于训练数据开发自己的行为，这使得它们复杂而不透明。通常，即使是深度学习专家也很难解释他们创建的人工智能模型的决策和内部工作原理。
人工智能的例子有哪些?
以下是人工智能给不同领域带来巨大变化的一些方式。
自动驾驶汽车:人工智能的进步使我们离实现几十年来的自动驾驶梦想非常近了。人工智能算法是实现的主要组成部分之一自动驾驶汽车能够感知周围环境从安装在车辆周围的摄像头获取信息，并检测道路、交通标志、其他车辆和人等物体。
数字助理和智能音箱:Siri、Alexa、Cortana和Google Assistant使用人工智能将语音转换为文本，并将文本映射到特定的命令。人工智能帮助数字助理理解口语和语音的不同细微差别合成人声。
翻译:几十年来，在不同语言之间翻译文本是计算机的一个痛点。但是深度学习帮助创建(在新窗口中打开)谷歌翻译等服务的革命。需要明确的是，人工智能仍然还有很长的路要走在它掌握人类语言之前，但到目前为止，进步是惊人的。
人脸识别:面部识别是人工智能最流行的应用之一。它有很多用途，包括解锁手机比如用脸付款，以及探测家中的入侵者。但是，面部识别技术的日益普及也引起了人们对隐私、安全和安全的担忧公民自由(在新窗口中打开)。
医学:从皮肤癌检测并分析x光和核磁共振扫描结果提供个性化的健康建议和管理整个医疗保健系统(在新窗口中打开)在美国，人工智能正在成为医疗保健和医药领域的关键推动者。人工智能不会取代你的医生，但它可以帮助带来更好的医疗服务，特别是在贫困地区，人工智能医疗助理可以减轻少数全科医生的负担，而这些全科医生必须为大量人口服务。
人工智能的未来
在破解人工智能代码和创造思考机器的过程中，我们对智能和推理的含义有了很多了解。由于人工智能的进步，我们正在与计算机一起完成曾经被认为是人脑专属领域的任务。
人工智能正在进入的一些新兴领域包括音乐与艺术在美国，人工智能算法正在展现出自己独特的创造力。人工智能也有帮助的希望应对气候变化，照顾长者，并最终创造出一个乌托邦式的未来人类根本不需要工作。
也有人担心人工智能会这样做造成大规模失业破坏经济平衡;引发另一场世界大战(在新窗口中打开)并最终将人类推向奴役。
我们仍然不知道人工智能将走向何方。但随着人工智能的科学技术继续稳步发展，我们对人工智能的期望和定义将会发生变化，我们今天所认为的人工智能可能会成为明天计算机的平凡功能。
人工智能如何拯救你的公司(甚至世界)
