思想起源：人工智能从何而来
人工智能不是某一年的突发发明，而是人类两千年来「造一个会思考的东西」这一梦想的延续， 并最终在二十世纪中叶与数学逻辑、计算理论、神经科学交汇，成为一门正式学科。
章 01古老的梦想：人造生命与自动机
在「人工智能」这个词出现之前，人类早已在各种文明中想象过人造的智慧体。
神话中的机械仆人
赫菲斯托斯锻造的黄金侍女、塔洛斯青铜巨人——神话里已出现「会行动、会守护」的金属人。 同时，亚里士多德创立的形式逻辑（三段论），为后世用符号推理模拟思维埋下第一颗种子。
自动机与「会说话的头」
加扎利的水钟与自动侍者、传说中阿尔贝图斯·马格努斯的青铜头颅。 这一时期的自动机虽只是机械装置，却体现了「用结构模拟生命行为」的核心思路。
机械哲学与发条人偶
笛卡尔提出「动物是机器」；沃康松制作出会「进食消化」的机械鸭与会写字的发条人偶。 拉·梅特里在《人是机器》中更进一步，把机械论推向人类自身。
可编程机器的先声
巴贝奇设计分析机，阿达·洛芙莱斯为其编写算法，并敏锐地指出： 这类机器「永远无法创造任何东西，只能执行我们已知如何命令它去做的事」—— 这句批评，直到今天仍是讨论 AI 创造性时绕不开的命题。
科幻赋予它名字与形象
恰佩克 1920 年剧作《罗素姆万能机器人》创造「Robot」一词； 阿西莫夫 1942 年提出机器人三定律，首次系统思考机器伦理—— 比真实机器人的出现早了几十年。
章 02逻辑与计算：从莱布尼茨到图灵
让机器「思考」，首先需要把「思考」变成可以机械执行的操作。这条线索由数学家们完成。
莱布尼茨（1646—1716）
设想一种通用符号语言（Characteristica Universalis）与推理演算机（Calculus Ratiocinator）： 把一切争论化归为计算——「让我们算一算」。这是「推理即计算」思想的最早表述。
乔治·布尔（1815—1864）
《思维规律的研究》把逻辑代数化，用 AND / OR / NOT 描述命题运算。
布尔代数后来成为数字电路与一切计算机的物理基础。
弗雷格、罗素与怀特海
建立现代数理逻辑与谓词演算，试图为全部数学奠定形式化基础。 这种「把知识写成形式符号」的追求，正是后来符号主义 AI 的直接源头。
哥德尔与丘奇、图灵
哥德尔不完备定理揭示了形式系统的内在边界；丘奇的 λ 演算与图灵的图灵机， 分别给出了「可计算」的严格定义——机械推理能做到什么、做不到什么终于有了答案。
章 03图灵：可计算性与图灵测试
1. 图灵机（1936）
为回答希尔伯特的「判定问题」，23 岁的图灵在论文《论可计算数》中构想了一台极简装置： 一条无限长的纸带、一个读写头、一组状态转移规则。他证明， 这样一台机器可以完成任何能被算法描述的计算——这就是通用图灵机， 也是现代一切计算机的抽象原型。
2. 《计算机器与智能》（1950）
图灵在这篇划时代论文的开篇抛出问题：「机器能思考吗？」 他随即指出这个问题因定义模糊而难以回答，于是提出一个可操作的替代方案—— 后世称为图灵测试（Turing Test），图灵本人称之为「模仿游戏（Imitation Game）」。
3. 图灵的四个前瞻判断
- 反对定义之争：与其争论「什么是思考」，不如用可观察的行为来判定。
- 「学习机器」优于「规则机器」：图灵认为，与其手工编写庞大规则库，不如造一台能自己学习的机器——这与七十多年后深度学习胜出的事实完全一致。
- 数字计算机足以模拟一切：不必等到造出「类脑硬件」，通用计算机原则上就能实现智能。
- 对「机器不能创造」的反驳：图灵认为这类反对多源于情感与人类自尊，并主张以实验证据推进。
4. 常见反对意见与图灵的回应
| 反对意见 | 核心论点 | 图灵的回应 |
|---|---|---|
| 神学反对 | 思维是上帝赋予人类灵魂的能力 | 这等于限制全能者的能力，神学上并无充分依据。 |
| 「鸵鸟政策」 | 若机器真会思考，后果太可怕，不愿相信 | 这只是心理安慰，不构成论证。 |
| 数学反对 | 哥德尔定理表明机器有无法判定的命题 | 人类同样受此限制，不能据此区分人与机器。 |
| 意识论证 | 机器没有感受、没有主观体验 | 我们无法直接验证他人的意识，只能靠行为推断（「礼貌惯例」）。 |
| 能力列举 | 机器永远做不到 X（如写诗、犯错、坠入爱河） | 这类断言往往随技术进步被逐个推翻。 |
| 莱迪·洛芙莱斯异议 | 机器只能执行人类命令，无法原创 | 学习机器可通过经验产生超出编程者预期的结果。 |
章 04控制论与神经网络的雏形
McCulloch–Pitts 神经元模型
神经科学家麦卡洛克与逻辑学家皮茨提出第一个人工神经元数学模型： 输入加权求和，超过阈值则激发。他们证明，这样的网络原则上可以计算任意逻辑函数—— 把「大脑」与「逻辑电路」首次联系起来。
维纳与控制论
诺伯特·维纳出版《控制论》，研究反馈、调节与目的性行为。 「负反馈」概念解释了机器与生物如何自我修正，影响了后来的控制理论、强化学习与具身智能。
赫布学习规则
心理学家赫布提出：「一起激发的神经元，连接会加强。」 这条简洁的假说（赫布学习）成为后来神经网络权重更新的生物学灵感来源。
早期自我博弈与学习机
香农与图灵分别构思会下棋的程序；塞弗里奇设计「模式识别」系统； 1952 年 Arthur Samuel 写出会自我对弈学习的跳棋程序——机器学习一词由此而来。
与此同时，另一条重要的科学脉络也在汇入：神经科学对视觉皮层感受野的研究（Hubel & Wiesel）， 直接启发了二十年后卷积神经网络（CNN）的结构设计。
章 051956 达特茅斯会议：一个学科的诞生
1956 年夏天，在美国新罕布什尔州汉诺威的达特茅斯学院，一群年轻学者召开了一场为期数周的研讨会。 会议提案由麦卡锡、明斯基、香农、罗切斯特四人联署，其中首次使用了 「Artificial Intelligence（人工智能）」这一术语。
为什么这次会议如此重要
- 命名：把原本分散在控制论、自动机理论、神经网络与运筹学中的工作，统一到一面旗帜下。
- 凝聚共同体：与会者与后续加入者构成了第一代 AI 研究者网络，形成学术传承。
- 确立研究范式：符号推理 + 搜索 + 启发式，成为此后二十年的主流路线。
- 给出乐观时间表：会议中的乐观预期（如「一代人之内解决智能问题」）既带来资金，也埋下了后来「寒冬」的伏笔。
会议前后的代表性成果
| 年份 | 成果 | 意义 |
|---|---|---|
| 1955—1956 | Logic Theorist | 纽厄尔、司马贺、肖编写的程序，可证明《数学原理》中的定理，被誉为「第一个 AI 程序」。 |
| 1957 | General Problem Solver | 通用问题求解器，试图用「手段—目的分析」统一描述各类问题求解过程。 |
| 1958 | 感知机 Perceptron | 罗森布拉特提出可学习的单层神经网络，掀起连接主义第一次热潮。 |
| 1958 | LISP 语言 | 麦卡锡发明，成为此后三十年 AI 研究的标准语言。 |
| 1966 | ELIZA | 魏泽堡的「心理医生」对话程序，用模式匹配制造出惊人的对话错觉（即「ELIZA 效应」）。 |
章 06奠基者群像
艾伦·图灵（1912—1954）
可计算性理论、图灵机、图灵测试。被称为「计算机科学与人工智能之父」。因迫害英年早逝， 1966 年起设立的图灵奖成为计算机领域最高荣誉。
约翰·麦卡锡（1927—2011）
「人工智能」一词命名者，LISP 语言发明者，提出时间共享系统与常识推理的形式化问题（如「限定问题」）。
马文·明斯基（1927—2016）
神经网络与符号 AI 的双重先驱，提出「框架（Frame）」知识表示与《心智社会》理论，对感知机局限也有重要批判。
赫伯特·司马贺 & 艾伦·纽厄尔
提出物理符号系统假说——「对符号进行操作是智能的充分必要条件」，奠定符号主义的理论基石。两人共同获得 1975 年图灵奖。
诺伯特·维纳（1894—1964）
控制论创始人。反馈、噪声与通信的统一视角，影响了从机器人到强化学习的广阔领域。
克劳德·香农（1916—2001）
信息论创始人。把「信息」量化，为数据压缩、编码与后来的语言模型目标函数提供了数学语言。
弗兰克·罗森布拉特（1928—1971）
感知机的发明者。连接主义早期的旗帜人物，其工作在低潮期被长期忽视，直到深度学习复兴才被重新评价。
杰弗里·辛顿 / 杨立昆 / 本希奥
深度学习三巨头，坚持神经网络路线数十年，2018 年共同获图灵奖，2019 年与黄仁勋等人推动深度学习产业化。
章 07AI 的四大思想源头
形式推理 · 心智哲学
可计算性 · 概率统计
神经元 · 感知机制
反馈 · 自动机 · 计算机
哲学与逻辑
回答「什么是思维、什么是理解、什么是意识」——从亚里士多德到莱布尼茨、弗雷格、维特根斯坦，再到当代心灵哲学。
数学与计算
提供可计算性、概率、优化与线性代数工具，使「从数据中学习」成为可求解的数学问题。
神经科学与心理学
提供结构与机制上的生物蓝本：神经元、突触可塑性、注意力、记忆巩固与强化学习机制。
工程与电子计算
提供实现载体：从继电器、晶体管到 GPU 集群，算力的每一次跃升都直接拓宽了 AI 的可能边界。