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(在一个新窗口中打开)“学习的每一个方面或智能的任何其他特征在原则上都可以被精确地描述，以至于可以制造出一台机器来模拟它。”
麦卡锡将这一新的研究领域称为“人工智能”，并建议由10名科学家组成的团队通过两个月的努力，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，我们很快就会让会思考的机器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已经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，正如麦卡锡所设想的那样，仍在与我们擦肩而过。
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:“最终的努力是让计算机程序能够像人类一样解决问题，实现世界上的目标。”麦卡锡说,(在一个新窗口中打开)．
安德鲁•摩尔卡耐基梅隆大学计算机科学系主任，在一份论文中对该术语提供了一个更现代的定义2017年接受福布斯专访(在一个新窗口中打开)人工智能是一门科学和工程，它能使计算机按照直到最近我们还认为需要人类智能的方式行事。
但我们对“人类智能”的理解和我们对技术的期望都在不断发展。扎卡里·利普顿，编辑大致正确的(在一个新窗口中打开)他将人工智能一词描述为“令人向往的，一个基于人类拥有而机器不具备的能力的移动目标。”换句话说，我们对人工智能的要求会随着时间的推移而改变。
例如，在20世纪50年代，科学家将国际象棋和跳棋视为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。计算机已经在解决更复杂的问题，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认为，我们最终将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，复制人类大脑复杂的解决问题和抽象思维是极其困难的。一方面，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被称为人工通用智能(AGI)或强人工智能。
围绕人工智能的最初炒作和兴奋吸引了政府机构和大公司的兴趣和资金。但很快就有证据表明，与早期的认知相反，人类水平的智能并非近在眼前，科学家们在复制人类思维的最基本功能方面面临着巨大压力。在20世纪70年代，未兑现的承诺和期望最终导致了“人工智能寒冬”，在此期间公众对人工智能的兴趣和资金都在下降。
经过多年的创新和深度学习技术革命，人们才重新燃起对人工智能的兴趣。但即使是现在，尽管人工智能取得了巨大进步，但目前的人工智能方法都不能像人类思维那样解决问题，大多数专家认为AGI至少还需要几十年的时间。
另一方面,狭窄或弱AI它的目标不是复制人类大脑的功能，而是专注于优化单个任务。Narrow AI已经在现实世界中找到了许多应用，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，但有些科学家已经做到了一个反乌托邦式的思考机器时代．2014年，著名的英国物理学家斯蒂芬·霍金称人工智能是对人类生存的威胁，警告(在一个新窗口中打开)“完全人工智能可能意味着人类的终结。”
2015年，Y Combinator总裁萨姆·奥特曼和特斯拉首席执行官埃隆·马斯克——另外两位AGI的信徒——共同创立了非盈利研究实验室OpenAI，旨在以造福全人类的方式创造人工通用智能。(麝香已经离开(在一个新窗口中打开)．)
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拥有工具来帮助我们，而不是复制我们已经知道如何做的事情。我们想让人类和机器合作，做一些它们自己做不了的事情。”Peter Norvig说(在一个新窗口中打开)谷歌的研究主管。
诺维格等科学家认为，狭义人工智能可以帮助自动化重复性和费力的任务，帮助人类变得更有生产力。例如，医生可以使用人工智能算法高速检查x光扫描，让他们看到更多的病人。窄AI的另一个例子是对抗网络威胁:安全分析师可以使用AI在通过公司网络传输的千兆数据中找到数据泄露的信号。
基于规则的AI vs.机器学习
早期的人工智能创造努力专注于将人类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(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，人类可以完全控制他们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受欢迎。一个例子是视频游戏(在一个新窗口中打开)在这种情况下，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一个方面，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——这是人类凭本能完成的一项复杂任务——是经典人工智能历来难以攻克的领域之一。
创造人工智能的另一种方法是机器学习．机器学习工程师通过提供大量的样本来“训练”他们的模型，而不是手动为AI开发规则。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，然后做出销售预测。
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(在一个新窗口中打开)．经过训练的人工智能模型将能够识别图像中的物体，其准确性往往超过人类。深度学习的进步将人工智能推进了许多复杂而关键的领域，如医疗、自动驾驶汽车和教育。
深度学习模型的挑战之一是它们根据训练数据发展自己的行为，这使得它们复杂和不透明的．通常情况下，即使是深度学习专家也很难解释他们创建的AI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:人工智能的进步已经让我们非常接近实现数十年来的自动驾驶梦想。人工智能算法是使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接收信号，并检测道路、交通标志、其他车辆和人等物体。
数字助手和智能音箱:Siri、Alexa、Cortana和谷歌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手理解口语中的不同细微差别合成类似人类的声音．
翻译:几十年来，在不同语言之间翻译文本一直是计算机的痛点。但深度学习帮助创建(在一个新窗口中打开)谷歌翻译等服务的革命。需要明确的是，人工智能仍然存在还有很长的路要走吗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:人脸识别是人工智能最受欢迎的应用之一。它有很多用途，包括打开你的手机用你的脸付钱，以及在家里发现闯入者。但是，人脸识别技术的日益普及也引起了人们对隐私、安全和公民自由(在一个新窗口中打开)．
医学:从检测皮肤癌分析x光和核磁共振扫描提供个性化的健康提示而且管理整个医疗保健系统(在一个新窗口中打开)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卫生服务，尤其是在贫困地区。在那里，人工智能驱动的卫生助理可以减轻为数不多的全科医生的负担，他们必须为大量人口服务。
人工智能的未来
在探索破解人工智能密码和创造思考机器的过程中，我们了解了很多关于智能和推理的意义。多亏了人工智能的进步，我们可以和电脑一起完成曾经被认为是人类大脑专属领域的任务。
人工智能正在进入的一些新兴领域包括音乐和艺术在美国，人工智能算法正在展现自己独特的创造力。人工智能也有望有所帮助应对气候变化，照顾老人，并最终创造一个乌托邦的未来人类根本不需要工作．
还有人担心人工智能会这样做导致大规模失业破坏经济平衡，引发另一场世界大战(在一个新窗口中打开)，并最终将人类变成奴隶。
我们仍然不知道人工智能的发展方向。但随着人工智能科学技术的稳步发展，我们对AI的期望和定义将发生转变，我们今天认为的AI可能会成为未来计算机的普通功能。
人工智能如何拯救你的公司(甚至可能拯救世界)
