在計算機曆史上，1956年絕對是一個值得銘記的年份，人工智能的曆史正在開啟。有關人工智能的初步定義和未來的可能正在幾個計算機天才的讨論中初步成型。
這一年，功成名就的威廉•肖克利衣錦還鄉，計劃在加州的帕洛奧多開啟自己新的創業計劃。同樣也是在1956年，28歲的約翰•麥卡錫與同齡的馬文•明斯基、37歲的羅切斯特以及40歲的香農，準備在達特茅斯學院舉行一個學術研讨會。
肖克利的創業計劃并不成功，卻無意中将生産半導體的“矽”帶到了加州，同時一大批技術人才的湧入，成就了接下來半個世紀的矽谷奇迹。達特茅斯會議上也沒有産生任何實質性的成果，卻創造了一個“人工智能”的單詞，成為過去一個甲子很多人畢生的追求。
時間來到2016年1月，人工智能領域“祖師爺”級别的人物—馬文•明斯基去世。三天後的1月27日，Google重金收購的DeepMind團隊在《自然》雜志發表論文，宣布破解了圍棋的算法，并公布如何打敗歐洲冠軍樊麾的一些細節。
而到了3月，就在DeepMind的AlphaGo即将完勝人類圍棋代表—韓國選手李世石的時候，英特爾傳奇人物，一手推動半導體行業發展的安迪•格魯夫去世。
從1956到2016，一個甲子之年。一切都像是一個結束，計算機從壟斷到普及，人人手上都有一台計算機，人工智能從無到有。一切卻又像一個開始，人工智能逐步成熟，矽智能在某些方面已完勝碳智能。
過去：從模仿遊戲開始
圍繞“人”、“機器”、“智能”，從各自的概念争論到三者之間的關系定義，人工智能這個學科（領域）并未像其他學科一樣由分裂走向統一，而是繼續在各自戰線上講述未來的故事。
彼時，一股科學樂觀主義精神讓越來越多的科學家認識到，人類離征服自己的大腦越來越近。事實上，經曆過二戰的科學家們認為，機器在某些方面已經超越了人腦。電影《模仿遊戲》中，為了破解德軍的密碼，科學家阿蘭圖靈力排衆議，堅持用機器來實現人腦根本無法實現的目标。這樣的樂觀主義情緒也在達特茅斯峰會上得以體現：“那是一個嘗試，找尋一種方法讓機器能夠使用語言、形成抽象……和概念、解決現在隻有人類才能解決的問題，而且還會自我完善我們認為隻要精挑細選一些科學家一起工作一個夏天，至少在一個或是更多的問題上就能有顯著的進展。”
但現實的殘酷性令人工智能這個詞幾乎在半個世紀内遠離主流話語圈。上世紀50、60年代的樂觀和雄心在70年代漸趨衰退，并迎來一場寒冬，而80年代末期經曆一次短暫的複蘇不久就再次陷入困境。在當時，學術界和企業界都看不到人工智能能夠進入實用領域的可能，而當時的技術進展也十分緩慢。
馬文•明斯基在1985年出版的一本開創性哲學著作《心智社會》（TheSocietyofMind）中，他提出了一項基本假設：人類與機器之間并沒有真正的區别。人類實際上是一種機器，他們的大腦由許多半自治但很愚蠢的“代理”組成，而“不同的任務需要完全不同的機制。”
明斯基的這一觀點同樣也是一大批人工智能從業者的努力方向：既然人類就是一個機器，那麼同樣可以制造出與人類類似的機器。曾與明斯基并肩作戰的“人工智能之父”約翰•麥卡錫在整個職業生涯中都在希望通過正規的數學邏輯方法來模拟人的頭腦。為了能夠複制人類的思維，這些人提出了各種各樣的項目和研究，其中大部分都是通過硬件和軟件對新技術揭示出的人腦結構和功能進行模拟。其中瑞士洛桑聯邦理工學院（EPFL）大腦與心智研究所的“藍腦”（BlueBrain）計劃擁有較高的知名度，該計劃起始于2005年，并計劃在2023年之前搭建出一個基本等同于人腦模式的工作模型。
任何大腦模拟器都面臨着兩個主要問題。首先人腦其實是非常複雜的，擁有大約1000億個神經元和1000萬億突觸連接。這些連接都不是數字連接，它們依賴于具有互相關聯時序的電化學信号和模拟組件，其中的分子和生物學機制我們才剛剛開始懂點皮毛。
即使簡單一點的大腦都依然神秘難解。藍腦計劃最近取得的具有裡程碑意義的進展是在2015年初時，研究人員成功在一隻小鼠大腦中的一個包含了30000個神經元的區域複制了活的齧齒動物大腦中的信号。對哺乳動物來說，30000個神經元隻是大腦的一點皮毛。而随着神經元數量和突觸連接的增加，模拟的複雜程度也将指數式增加—以至于沒法使用現有的技術手段進行處理。這又引出了大腦模拟需要面臨的另一個問題：目前還沒有任何一個完備的理論能解釋“思維”到底是什麼。在其另一部著作《情感機器》中，明斯基則有力地論證了情感、直覺和情緒并不是與衆不同的東西，而隻是一種人類特有的思維方式。也同時揭示了為什麼人類思維有時需要理性推理，而有時又會轉向情感的奧秘。他列舉了人類的19種思維方式，以下列舉其中的幾項：比如“知道解決方式”、“類比推理”、“簡化法”、“理想化思維法”等等，你會發現，這些特性是人類獨有的，機器根本無法學會。
如果說明斯基的《心智社會》是人工智能前期研究的映射，那麼《情感機器》則展現出下一輪人工智能發展的藍圖，這其中最本質的區别就是：讓機器的事兒歸機器負責，人類的事兒則由人類完成。谷歌創始人拉裡•佩奇的“恩師”特裡•威諾格拉德曾坦言：“人類智能沒什麼高深莫測的。從理論上講，如果你發現了大腦工作的方式，就可以人為建造出一個具備一定功能的智能機器，但你建造不出具備符号邏輯和計算能力的機器。”
這一理念不僅塑造了谷歌，也影響了一大批人工智能新一代研究者。以DeepMind為代表的新一代人工智能公司，采用深度神經網絡，摒棄了打造所謂可替代人類的智能的舊傳統。其創始人Hassabis就表示：“癌症、氣候變遷、能源、基因組學、宏觀經濟學、金融系統、物理學等，太多我們想掌握的系統知識正變得極其複雜。”他坦言，未來的超級智能機器将與人類專家合作解決一切問題。
人類創造了的人工智能，或主動或被動，正在多個維度模仿人類的行為甚至思維模式。但機器卻有着人類所羨慕的“優點”—沒有情緒不知疲倦，一個細節是當五番旗第一盤AlphaGo逼得李世石無法貼目時，李世石臉上顯出沮喪的表情，而他眼前的對手卻“毫無表情”。
未來：我們需要擔心機器嗎？
差不多兩年前，英國學者尼克•波斯特洛姆撰寫的《超級智能》成為《時代周刊》暢銷書。這本書的開頭有個寓言故事：某天，一群弱小的麻雀在一起，讨論“尋找一隻貓頭鷹協助打理生活”的可能性。大部分麻雀都陶醉于美妙的想像中：這隻強大的貓頭鷹可以幫它們築巢、照顧家人、提防天敵—貓……這時，一隻叫斯克羅恩科芬克爾的麻雀提出了質疑：“這樣做，将是我們的末日。在有這種想法之前，我們為何不先想想馴化貓頭鷹的方法呢？”但絕大部分麻雀都聽不進去，紛紛出發去尋找貓頭鷹蛋了。
這就是當下人與人工智能的微妙關系，也是所有擔心人工智能會取代人類的理論起點，這些人包括伊隆•馬斯克、比爾•蓋茨、霍金以及《超級智能》這本書的作者尼克•波斯特洛姆等等。但這個理論忽視了一點，那就是沒有提及人工智能的發展水平。
以現在最火的深度學習為例，深度學習是受到人類大腦的啟發，很多用語也直接借鑒自腦科學，比如神經元、激活之類的用語，但這兩個系統的工作原理完全不一樣。
首先要承認一點，即便我們認為技術高速發展的今天，我們至今依然缺乏對人類大腦運行情況的準确認知。
而就人類知道的一丁點大腦知識來看，兒童的大腦能在無外部監督的情況下獨自形成知識。當有了這種學習得來的知識，兒童能夠将一件事情分解成多個子任務然後去完成。而且，這個分解過程是本能的，幾乎不需要時間，或者說，你感覺不到時間。但現在的深度學習還不具備這種能力：人們需要把所有東西教給它們，包括這是什麼東西、學習完成後應該做什麼。雖然谷歌、Facebook的研究者們正在探索如何改進這種模型，但現在離目标還很遠。無論是按照深度學習“教父級”人物GeoffreyHinton還是Facebook人工智能實驗室負責人、深度學習開創者YannLeCun的說法：人工智能離擁有自我意識還有十萬八千裡，人工智能至少在未來五年沒有任何希望達到人類認知水準。
人工智能已然走過了其“生命”的第一個甲子，也在這個甲子之年再次成為世人關注的焦點，随之而來的是對人工智能的過度樂觀與過度悲觀，所有這些都會影響人類對于人工智能的正确判斷。與技術研發要克服的難度相比，公衆态度的變化或将成為左右人工智能未來的重要力量，很幸運的是，你我将共同見證這一切。人工智能的發展将是未來值得關注的重要趨勢。