天才一秒记住【畅想小说网】地址：http://www.cxtra.net
。
图1-11
达特茅斯会议之后，人工智能的发展进入第一个黄金时期并持续到1974年。
这十多年是一个人工智能大发展的时代，期间，现在使用的主流人工智能方法，如联结主义、专家系统、推理系统等在当时都出现了雏形，计算机已经可以解决简单的代数应用题，证明一些几何定理，进行比较初级的人机对话。
从当时的文献记载可以看出，研究者普遍对人工智能持有乐观的态度。
如1958年，西蒙和纽维尔提出：“十年之内，数字计算机将成为国际象棋世界冠军。”
“十年之内，数字计算机将发现并证明一个重要的数学定理。”
1965年，西蒙又说：“二十年内，机器将能完成人能做到的一切工作。”
1967年，明斯基认为：“一代之内……创造‘人工智能’的问题将获得实质上的解决。”
1970年，明斯基说道：“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”
这一方面展现了第一代学者对人工智能发展趋势的预测能力，因为在某种程度上，他们的预言在今天都已经变成了现实。
但是另一方面也显示出当时的学者对人工智能难度的评估是不足的，因为上述预言并未在预言的期限内实现，这令人们对人工智能的乐观期望遭受到严重的打击，并最终导致1974年到1980年，人工智能的发展进入第一次低谷。
低谷的含义是多方面的。
首先，由于研究思路的局限性、算法的缺陷、计算能力的不足，使得人工智能的研究工作遇到了瓶颈。
人们发现即使是最杰出的人工智能程序，也只能解决非常简单的问题。
依据当时的计算机处理速度和内存容量，很多算法的实现几乎需要无限长的时间。
例如，对人类来说非常简单的人脸识别任务，在当时实现起来极端困难，几乎未能取得任何实质性的进展。
另外，对人工智能提供资助的机构，如英国政府、美国国防高级研究计划局（DefenseAdvancedResearchProjecy，DARPA）等，由于研究目标不能实现，逐渐停止了对人工智能项目的资助，使得科研工作难以为继。
值得一提的是，当时通过模拟人类神经元结构提出的感知器被发现有严重的缺陷，从而受到强烈批评，联结主义作为人工智能的实现方法之一也受到了忽视，而这恰恰是当今人工智能的主角——深度学习的基础。
进入20世纪80年代，人工智能重新回到人们的视线。
1980年卡内基·梅隆大学的麦克达默特为数字设备公司（DEC）设计了名为X的专家系统，在1986年以前，这套系统每年可为DEC节省四千万美元的费用，“专家系统”
的商用价值被广泛接受，人工智能的研究又开始复苏。
1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目，目标是造出能与人对话、翻译语言、解释图像，并像人一样进行推理的机器。
受到日本的刺激，其他国家也纷纷做出响应。
英国开始了耗资三亿五千万英镑的Alvey工程，美国微电子与计算机技术公司（MicroeleiputerTeologyCC）开始向人工智能和信息技术的大规模项目提供资助，DARPA也增加了人工智能项目的资助，人工智能重新回到了快速发展的轨道。
这次人工智能的热潮以专家系统为主导，它通过从特定学科中推演出的逻辑规则来实现回答或解决特定领域的问题。
这种解决方案的应用仅限于某个相对单一的知识领域，具有一定的推理解释功能，还可以避免复杂的常识问题，其简单的设计又使它能够较为容易地进行编程实现和移植，特别是专家系统的可解释性，即使在今天看来，也是深度学习所不能比拟的。
这些优点使得专家系统成为20世纪80年代人工智能研究的主要方向，并将其成功应用于地质、医学、数学等领域。
在第二次人工智能热潮期间，基于联结主义的人工智能方法也取得了重要的进展。
1982年，物理学家约翰·霍普菲尔德证明一种新型的神经网络（现在被称为“Hopfield网络”
）能够用一种全新的方式学习和处理信息。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！