英國(guó)著名計(jì)算機(jī)科學(xué)家艾倫·圖靈在1950年發(fā)表的論文《計(jì)算機(jī)器與智能》中，對(duì)人工智能的發(fā)展和人工智能的哲學(xué)作出了廣泛的研究。1936年，圖靈已經(jīng)發(fā)展出了現(xiàn)代計(jì)算機(jī)的原理，并在二戰(zhàn)期間在布萊切利園破解密碼的過(guò)程中發(fā)揮了關(guān)鍵作用。在1950年的論文中，圖靈探索了“機(jī)器”和“思考”的含義，在后來(lái)的“圖靈測(cè)試”中，他提出，如果一臺(tái)機(jī)器進(jìn)行的對(duì)話無(wú)法與人類對(duì)話相區(qū)別，那么可以說(shuō)這臺(tái)機(jī)器能夠“思考”。他在計(jì)算機(jī)方面的早期研究成果被送到倫敦?cái)?shù)學(xué)學(xué)會(huì)（London Mathematical Society），并且證明了所有的數(shù)字計(jì)算機(jī)都有同樣的功能（也就是說(shuō)，只要有足夠的內(nèi)存和時(shí)間，任何計(jì)算機(jī)都可以模擬所有其他計(jì)算機(jī)的行為），這個(gè)實(shí)驗(yàn)表達(dá)出了一個(gè)強(qiáng)有力的、優(yōu)雅且精確的概念。這篇論文至今仍被廣泛閱讀、討論、引用和納入選集。

人工智能領(lǐng)域的早期研究者們專注于開發(fā)必要的工具和技術(shù)，以幫助他們探索圖靈的思想。早期的方法主要針對(duì)符號(hào)編程（也就是能夠在自己的編程語(yǔ)言中操縱表達(dá)的程序），這是最有前景的范例。許多特殊目的語(yǔ)言都是以此為動(dòng)力編寫的，其中最著名的是美國(guó)的LISP語(yǔ)言，但也包括來(lái)自英國(guó)的重要貢獻(xiàn)，比如POP-2（由愛(ài)丁堡大學(xué)的羅賓·波普和羅德·伯斯托發(fā)明）和Edinburgh Prolog（由愛(ài)丁堡大學(xué)的大衛(wèi)·沃倫發(fā)明）。

1952年，克里斯托弗·斯特拉奇在曼徹斯特大學(xué)使用Ferranti?Mark?1系統(tǒng)編寫了國(guó)際跳棋的玩法，在后來(lái)還編寫了情書。人工智能已經(jīng)參與到了越來(lái)越復(fù)雜的游戲中，這一直是其進(jìn)步的標(biāo)志。

另一位前布萊切利密碼破譯者是唐納德·米奇，他后來(lái)在愛(ài)丁堡的機(jī)械智能與感知部門擔(dān)任主管。當(dāng)時(shí)他發(fā)明的連三子棋程序MENACE對(duì)當(dāng)時(shí)的計(jì)算機(jī)來(lái)說(shuō)太過(guò)復(fù)雜，而他最初是用300個(gè)火柴盒來(lái)實(shí)施這個(gè)過(guò)程的。

到20世紀(jì)60年代，人工智能技術(shù)被應(yīng)用于更為復(fù)雜的問(wèn)題，并被運(yùn)用到實(shí)際中。前期計(jì)劃包括制定解決問(wèn)題的策略，從而逐步解決問(wèn)題，比如自動(dòng)推理，或者是規(guī)劃依據(jù)（由艾倫·邦迪首創(chuàng)）。

理解自然語(yǔ)言是另一個(gè)重要的部分；例如，Karen Sprck Jones發(fā)明了從文檔中檢索信息的方式，而Yorick Wilks的偏好語(yǔ)義是一種用來(lái)消除單詞歧義感的計(jì)算方法，這不僅是對(duì)人工智能的貢獻(xiàn)，而且直接挑戰(zhàn)了語(yǔ)言學(xué)中占主導(dǎo)地位的喬姆斯基范式。他們二人都是劍橋語(yǔ)言研究小組的校友，這是一個(gè)由維特根斯坦的學(xué)生Margaret Masterman創(chuàng)立的計(jì)算機(jī)語(yǔ)言學(xué)的傳奇熔爐。

在隨后的發(fā)展中，像愛(ài)丁堡的Freddy I和Freddy II這樣的機(jī)器人系統(tǒng)已經(jīng)能夠?qū)⒁曈X(jué)、智能、多功能性和物理工程結(jié)合起來(lái)，來(lái)完成一些任務(wù)，比如組裝物體（需要為機(jī)器人開發(fā)的專用AI語(yǔ)言）。人工智能系統(tǒng)也對(duì)認(rèn)知心理學(xué)這一學(xué)科產(chǎn)生了影響。研究人員包括理查德?格雷戈里、克里斯托弗?隆格希金斯、菲利普?約翰遜-萊爾德和戴維?馬爾，他們意識(shí)到，人類的認(rèn)知過(guò)程可以被視為一種計(jì)算方式，并被模仿為計(jì)算機(jī)程序。

在全球以及在英國(guó)，人工智能經(jīng)歷了向前發(fā)展的階段，也有相對(duì)停滯的時(shí)期（通常被稱為“人工智能的冬天”）。其中一個(gè)重大事件發(fā)生在1973年，,詹姆斯·萊特希爾（Sir James Lighthill）發(fā)表了關(guān)于人工智能的報(bào)告，該報(bào)告建議將人工智能資金集中在少數(shù)幾所英國(guó)大學(xué)。萊特希爾質(zhì)疑了當(dāng)時(shí)的人工智能能夠通過(guò)擴(kuò)大規(guī)模來(lái)解決現(xiàn)實(shí)世界的復(fù)雜問(wèn)題，而且確實(shí)，20世紀(jì)60年代的主流方法，將復(fù)雜的推理建模為可能的決策樹，很容易遇到組合性爆炸的問(wèn)題。

但是，從長(zhǎng)遠(yuǎn)來(lái)看，符號(hào)編程的進(jìn)步使人們對(duì)人工智能解決復(fù)雜問(wèn)題的能力有了更深入的理解，特別是在工具和技術(shù)方面取得了特別的進(jìn)展，可以模擬或支持復(fù)雜的專家推理在結(jié)構(gòu)相對(duì)良好的領(lǐng)域的應(yīng)用（在工作場(chǎng)所的應(yīng)用是非常理想的）。

Knowledge-Based Systems（KBS），被稱為知識(shí)庫(kù)系統(tǒng)，將人工智能技術(shù)與其他類型的計(jì)算推理和領(lǐng)域相關(guān)專業(yè)知識(shí)結(jié)合起來(lái)，為非常常用但重要的現(xiàn)實(shí)應(yīng)用程序創(chuàng)建系統(tǒng)。KBS不引人注目但實(shí)際的成功，幫助化解了萊特希爾的“悲觀情緒”，并為通過(guò)Alvey項(xiàng)目進(jìn)行大規(guī)模的資金擴(kuò)張鋪平了道路?；仡欉^(guò)去，我們所看到的人工智能冬天都是過(guò)度炒作的產(chǎn)物——支持者夸大了錯(cuò)誤的失敗印象，并因此低估了研究中重要但未取成果的成就。

1983年至1987年期間，英國(guó)的Alvey智能知識(shí)庫(kù)系統(tǒng)（IKBS）計(jì)劃是為了響應(yīng)其他國(guó)家的進(jìn)展而開發(fā)的，尤其是日本（其這5年的項(xiàng)目依靠技術(shù)和語(yǔ)言，尤其是來(lái)自英國(guó)的Edinburgh Prolog）。Alvey影響了學(xué)術(shù)界研究能力的發(fā)展，也鼓勵(lì)了行業(yè)應(yīng)用，使其專注于已經(jīng)取得進(jìn)展的實(shí)際問(wèn)題，尤其是自然語(yǔ)言處理、界面和KBS。

這些應(yīng)用程序逐漸將人工智能領(lǐng)域的目標(biāo)從制造“思考機(jī)器”（這個(gè)概念一直存在哲學(xué)爭(zhēng)論）轉(zhuǎn)變?yōu)榱烁珊饬康臉?gòu)想，即創(chuàng)造出能夠發(fā)揮作用的機(jī)器，如果這些機(jī)器是由人類生產(chǎn)的，那么就可以將其作用歸因于“智能”（圖靈測(cè)試中隱含的一個(gè)概念）。這種智能的表現(xiàn)可能是由“蠻力”方法產(chǎn)生的，既沒(méi)有反映，也沒(méi)有試圖反映人類的問(wèn)題。有趣的是，英國(guó)培養(yǎng)了許多重要的哲學(xué)家，他們幫助發(fā)現(xiàn)了這些區(qū)別背后的概念，比如瑪格麗特·博登和安迪·克拉克。

Alvey項(xiàng)目之后，AI的投資再次下降，但這一領(lǐng)域的前景已經(jīng)出現(xiàn)了好轉(zhuǎn)，因?yàn)樾碌木幊谭椒ú辉僖蕾囉诜?hào)推理的線性組合。盡管符號(hào)編程是人類語(yǔ)言最簡(jiǎn)單的編程類型，但模擬自然技術(shù)從感知環(huán)境（例如來(lái)自感官的信息）中也可以推斷出很多信息，因?yàn)樗鼈儾话愂鲂曰蚣僭O(shè)性知識(shí)的直接表述。

從自然中獲得靈感的一個(gè)例子是遺傳算法，它將一個(gè)程序編碼為一組“基因”，然后以模仿進(jìn)化的方式進(jìn)行修改，尋找與不斷變化的與環(huán)境的“契合度”（早期項(xiàng)目包括理查德·弗西斯的小獵犬系統(tǒng)，用于模式識(shí)別）。另一種是神經(jīng)網(wǎng)絡(luò)或連接主義系統(tǒng)，在這種系統(tǒng)中，人造“神經(jīng)元”相互連接在一個(gè)系統(tǒng)中，這個(gè)系統(tǒng)的作用類似于人腦，由多個(gè)“神經(jīng)元”相互刺激或抑制。與具有象征意義的人工智能一樣，研究人員經(jīng)常在模仿人類大腦時(shí)進(jìn)行逆向推理，來(lái)提高其性能（例如，由杰弗里·辛頓開發(fā)的反向傳播算法），但由史蒂夫·弗伯領(lǐng)導(dǎo)的大規(guī)模神經(jīng)網(wǎng)絡(luò)SpiNNaker（2005-）仍然是大腦直接建模的傳統(tǒng)范式。其他與人工智能相關(guān)的非傳統(tǒng)計(jì)算方法還包括并行處理（并行處理多個(gè)處理器來(lái)解決問(wèn)題）、多智能體系統(tǒng)（在一個(gè)環(huán)境中有許多智能自動(dòng)代理交互）和機(jī)器學(xué)習(xí)（算法可以學(xué)習(xí)在數(shù)據(jù)中找到重要的結(jié)構(gòu)，并通過(guò)培訓(xùn)確定有趣的模式）。

其他國(guó)家和國(guó)際公司正在大力投資人工智能開發(fā)，但英國(guó)仍被視為人工智能研究和應(yīng)用領(lǐng)域的專業(yè)中心，至少目前是這樣。例如，DeepMind的兩位創(chuàng)始人，在倫敦大學(xué)學(xué)院計(jì)算機(jī)神經(jīng)科學(xué)組讀博士時(shí)結(jié)識(shí)，而這一小組的創(chuàng)始主任正是杰弗里·辛頓。英國(guó)可以繼續(xù)在圖靈的遺產(chǎn)和追隨他的人的基礎(chǔ)上繼續(xù)努力，繼續(xù)成為人工智能的重要中心之一。

Kieron o'hara博士，南安普敦大學(xué)電子與計(jì)算機(jī)科學(xué)系副教授和首席研究員。