一、什么是智能1、智能概念智能本质上就是针对不同情境给出针对性的输出反应这种输出可以是语言也可以是一种判断和预测比如狗狗可以根据人类的指令做相关的动作或是生物的趋利避害都可以算是智能还有人脸识别可以根据不同的人脸针对性的反馈出不同人的身份信息AlphaGo可以对于各种不同的复杂棋局的情况给出最佳的下法争取胜利GPT可以根据上文不同的问题和任务的要求针对性的跟你说话并解决问题这些都可以称得上是智能但是如果人脸识别将所有人都认成张三AlphaGo在棋盘上乱下GPT的回答牛头不对马嘴那这个AI的全称应该叫Artificial Idiot----人工智障2、智能与函数到这里有没有发现智能跟我们日常的数学函数有点相似了都是遵循一套规律然后给出输出而不是乱来从数学的角度来说智能的本质是找到情境信息的输入和我们想要的聪明的行为输出之间的函数对应关系二、人工智能起源与发展史人工智能简单来说人工搭建起的智能2.1、符号主义2.1.1、符号主义起源根据上面提到的智能那么问题来了我们人类该如何制作出一个具有智能的黑箱呢为此有人从数学的形式化推理体系中得到灵感主张智能可以用符号的逻辑推理来模拟这就是符号主义symbolism例如A是阴天 B湿度70% T将要下雨如果A和B是真的那么T就是真的ABT因此符号主义相信智能正是一套像这样处理符号和规则的计算系统最成功的典范就是当时的专家系统一度在疾病诊断和金融咨询领域获得了很大的成功但随着时间的推移也暴露出了致命的缺陷1、很多时候现实时间中没有那么多清晰的规则2、这套系统完全是在复制人类的经验它能力的上限就是专家水平无法做的比人更好3、从设计完这套系统开始它就永远是静止不变的水平2.1.2、深入理解符号主义符号主义的整个实现路径正是从最上层的“规则”出发去指导和解释下层的“实体”主张“自上而下”认为智能的核心是符号处理和逻辑推理写明规则这里的“上”可以理解为人类高层的抽象智慧、逻辑和规则“下”可以理解为底层的具体数据和物理世界推理的方式演绎法符号主义的核心引擎是逻辑推理通常采用的是演绎法演绎法的特点是从一般到个别也就是“从上而下”大前提最上层规则所有人都会死小前提中间层事实苏格拉底是人结论最底层应用苏格拉底会死2.2、联结主义2.2.1、联结主义起源有学者认为大自然已经给出了实现智能的标准答案那就是人类精妙的大脑只需要通过仿生的方式模拟单个神经元的复杂功能以及神经元之间复杂的连接那么我们只需要像运行一台精密的钟表一样运行这个人工搭建的神经网络人类就可以实现不可思议的智慧这一派思想被称作为联结主义 Connectionism2.2.2、深入理解联结主义如果说符号主义是“拿着现成的法律条文去审判案件”那么联结主义就是“摸着石头过河在无数次摸爬滚打中自己总结规律”主张“自下而上”认为智能源于模拟人脑神经元网络自主联想“自下而上”“下”指的是底层的、零碎的原始数据或围观的简单元件神经元“上”指的是高层的、宏观的抽象概念和智能行为推理方式归纳法联结主义的的核心引擎是归纳法输入最底层给系统看100万张猫的图片以及100万张不是猫的图片调整中间层系统不断尝试根据报错调整内部数亿个参数权重规律最顶层最终系统自己总结出了一套区分猫的特征模型2.3、 史前萌芽期1950年代前科学种子的播撒在 AI 正式建组之前两大流派的科学种子就已经分别由不同的科学巨匠种下符号主义的种子1950年艾伦·图灵提出图灵测试探讨用机器模拟人类逻辑运算的可能性。他提出的通用计算机概念成为了符号主义的物理载体。联结主义的种子1943年麦卡洛克和皮茨建立了人类历史上第一个人工神经元数学模型——M-P模型试图从微观结构上复制人类大脑的思考方式。2.4、 人工智能发展的六大阶段两大流派的六大生死周期人工智能的发展本质上是符号主义逻辑学派 与联结主义仿生学派 两条技术路线交替执掌大印的史诗。阶段一黄金时代1956—1974年流派局势符号主义初战告捷联结主义惨遭重创。历史实况1956年达特茅斯会议宣告 AI 诞生。由于早期解决的都是纯逻辑问题如证明数学定理、下跳棋符号主义展现出恐怖的统治力科学家们乐观地认为通用 AI 几十年内就能实现。流派冲突1958年联结主义推出了感知机单层神经网络风光一时。但在1969年符号主义泰斗马文·明斯基出版《感知机》一书从数学上严谨地证明了“单层感知机连简单的‘异或’逻辑问题都无法解决”。这一致命一击直接把联结主义拍进谷底。就像给你伸出大拇指的人不一定是夸你还有可能是拿炮打你明斯基算是把联结主义的棺材板钉子给钉死了阶段二第一次AI寒冬1974—1980年流派局势符号主义撞墙联结主义冰封。历史实况把联结主义打败后符号主义很快也迎来了自己的极限。当时的计算机算力极度匮乏根本无法应对现实世界中庞大规则带来的“组合爆炸”问题。英美政府由于看不到实际应用大幅削减科研资助AI 迎来第一次大寒冬。阶段三专家系统繁荣期1980—1987年流派局势符号主义重回巅峰商业化联结主义绝地反击。历史实况符号主义改变了策略不再试图让 AI 解决所有问题而是把符号规则局限在特定领域如医疗诊断、地质勘探这就是专家系统。通过输入成千上万条专家的IF-THEN规则AI 开始真正为企业省钱和赚钱。流派冲突1986年联结主义泰斗杰弗里·辛顿等人重新推广了反向传播算法BP算法。BP 算法完美解决了多层神经网络的训练问题打破了明斯基当年的“魔咒”联结主义在地下悄悄复苏。阶段四第二次AI寒冬1987—1993年流派局势符号主义商业幻灭联结主义因算力受限再次冬眠。历史实况符号主义的专家系统暴露出致命弱点维护成本高昂需要人工不断更新规则、系统极度脆弱碰上规则之外的情况直接崩溃且毫无人类常识。随着专用 AI 硬件市场的崩溃符号主义再次跌落神坛。而刚复苏的联结主义也因为当时硬件算力依然跟不上神经网络的庞大计算一同进入冬眠。阶段五统计机器学习时代1993—2011年流派局势符号主义退居幕后联结主义改头换面统计学派异军突起。历史实况这一时期AI 界放弃了虚无缥缈的“复刻人类逻辑”转而走向务实的统计学。支持向量机SVM、随机森林等传统机器学习算法大行其道IBM“深蓝”击败国际象棋世界冠军。联结主义的蓄力2006年辛顿发表论文解决了深层神经网络训练难的方法并首次将这种多层神经网络命名为“深度学习Deep Learning”。联结主义换上新马甲在暗中积蓄算力和数据。阶段六大模型与生成式AI时代2011年至今流派局势联结主义全面统治两派在最高峰走向融合。历史实况大数据、互联网和 GPU 算力的全面爆发彻底解开了深度学习的封印。2012年AlexNet 碾压夺冠联结主义彻底统治图像领域。2016年基于深度神经网络的AlphaGo击败人类围棋冠军。2017年谷歌提出Transformer 架构联结主义的战火烧向自然语言处理并催生了今天的 ChatGPT、Claude、Gemini 等大语言模型。流派的终极融合现代的大模型底层虽然是纯粹的联结主义神经网络参数但当它们被应用于 AI Agent智能体时它们会自主调用符号主义的产物如编写运行 Python 代码、利用知识图谱进行精确检索、调用结构化 API。2.5、 总结发展阶段主导流派代表性技术/事件符号主义的表现联结主义的表现1. 黄金时代(1956—1974)符号主义达特茅斯会议、逻辑理论家、感知机诞生绝对统治垄断大部分科研资金和赞助。受挫感知机因无法解决“异或问题”被明斯基批判陷入低谷。2. 第一寒冬(1974—1980)无理论停滞、资金断供撞墙遭遇算力瓶颈与规则组合爆炸。冰封几乎没有声音。3. 专家系统期(1980—1987)符号主义专家系统商业化、BP算法重新提出重回巅峰IF-THEN专家系统风靡商业界。破局BP算法打破魔咒多层神经网络在暗中复苏。4. 第二寒冬(1987—1993)无专用AI硬件Lisp机市场崩溃商业幻灭专家系统因维护成本高、无常识而崩溃。冬眠虽然有BP算法但当时硬件算力依然带不动。5. 机器学习期(1993—2011)统计学派深蓝击败象棋冠军、SVM、深度学习概念提出退居幕后主要用于一些特定领域的知识检索。蓄力2006年辛顿提出“深度学习”等待数据和算力爆发。6. 大模型时代(2011至今)联结主义AlexNet、AlphaGo、Transformer、GPT/Gemini作为工具融入成为大模型和 Agent 调用的外部代码和规则工具。全面统治深度神经网络大爆发大语言模型涌现出逻辑推理能力。