1. 古代

1.1. 早在先秦、古希臘時期，東西方的哲學家們就不斷探索着世間萬物的規律與運行法則，開始思考什麼是智能、智慧，以及思維的形成過程到底是怎樣的

• 1.1.1. 《荀子·正名》就提出：​“所以知之在人者謂之知；知有所合謂之智。智所以能之在人者謂之能。​”

• 1.1.2. 古希臘哲學家赫拉克利特(Heraclitus)的箴言“博學不等於智慧”​，更是從量變和質變的角度討論了智能

1.2. 古代人工智能漫想

• 1.2.1. 中國古代很早就對“機器人”有了自己的想象

• 1.2.1.1. 《列子·湯問》中，就描寫了偃師用木頭、皮革、膠漆、丹青等製作出精美絕倫的人偶，能夠達到以假亂真的程度

• 1.2.1.2. 更為中國人所熟知的古代“機器人”​，是三國時期諸葛亮設計的“木牛流馬”

• 1.2.2. 古希臘神話中的塞浦路斯國王皮格馬利翁酷愛雕刻，他不喜歡有各種缺陷的凡間女子，卻瘋狂地愛上了自己的雕刻作品“加拉忒亞”​

• 1.2.3. 古希臘神話中的火神赫菲斯托斯製作的青銅巨人“Talos”​，負責守護位於克里特島的歐羅巴，使其免受海盜和入侵者的騷擾

• 1.2.3.1. 青銅巨人“Talos”每日沿着海岸線環島三週，當探測到有人入侵時就會行動

1.3. 無論是東方還是西方，在早期的神話故事體系中都出現了人工智能的影子

• 1.3.1. 這些嚮往逐漸成為人類不斷探索宇宙、探索智能的動力源泉，人類早期的浪漫想象也成為人工智能發展的最初萌芽

1.4. 人工智能的理論基礎，最早可以追溯至古希臘的亞里士多德（公元前384—前322）​

• 1.4.1. 亞里士多德首次提出了三段論，這是最早的關於推理的科學

• 1.4.2. 人都會死，蘇格拉底是人，所以蘇格拉底也會死

2. 近代

2.1. 自近代以來，隨着科學技術的發展，數學、哲學、心理學和經濟學等紛紛成為獨立的學科，卻同時為人工智能的孕育提供了直接的養分

• 2.1.1. 亞里士多德、萊布尼茨、笛卡兒等先賢，從哲學或數學的角度，為人工智能的發展提供了重要的理論基礎：邏輯主義、計算理論和概率論等

• 2.1.2. 神經科學、認知心理學和計算機工程學等現代學科的發展，更是為人工智能的物理實現提供了可能

• 2.1.3. 直到1956年，人工智能的概念終於誕生了

2.2. 近現代科學發展

• 2.2.1. 人工智能的兩大關鍵要素—算法和硬件，都離不開近現代科學的發展

• 2.2.2. 算法得以發展的前提是邏輯學和數學的創建

• 2.2.3. 硬件的發展則離不開計算機工程學和神經科學的出現

2.3. 繼亞里士多德後，奠定了近代邏輯學基礎的是德國數學家、哲學家威廉·萊布尼茨(Wilhelm Leibniz)

• 2.3.1. 可以建立一種“通用科學語言”或“邏輯演算”​，這種“通用科學語言”能夠解決所有的邏輯論證問題，推理過程可用公式來進行計算

• 2.3.2. 這一思想是繼亞里士多德三段論以來邏輯學領域的又一偉大創舉，人們開始用數學方法研究形式邏輯，使傳統邏輯變得更為精確和便於演算

• 2.3.3. 被譽為17世紀的亞里士多德

2.4. 真正讓萊布尼茨創造的數理邏輯發揮出作用的，是英國數學家喬治·布爾(George Boole)

• 2.4.1. 在19世紀，喬治·布爾建立了“布爾邏輯”​，創造出一套符號系統，並利用符號來表示邏輯中的各種概念

• 2.4.2. “布爾邏輯”是如此簡潔明晰，它對邏輯定律的數學形式化特別重要，它奠定了計算機科學的基礎

• 2.4.3. 德國數學家高特洛布·弗雷格(Gottlob Frege)擴展了“布爾邏輯”​，使得數理邏輯的符號系統更加完備

• 2.4.4. 數理邏輯的快速發展，直接奠定了人工智能符號主義的理論基礎

3. 人工智能誕生記

3.1. 人工智能這一學科的誕生，離不開幾個世紀以來邏輯學、計算科學和心理學等學科理論的發展

3.2. 沿着“亞里士多德（古希臘）—萊布尼茨（德國）—哥德爾（美國）—圖靈（英國）​”這條路線，基於邏輯主義/符號主義的人工智能理論基礎逐漸完備，很快就孕育出了早期的人工智能研究

• 3.2.1. 神經科學、計算機工程學、語言學和控制論等學科從自然科學中相繼獨立、成長，為後來基於連接主義和行為主義的人工智能奠定了基礎

3.3. 1931年，庫爾特·哥德爾提出了大名鼎鼎的“不完備性定理”​

• 3.3.1. 任何數學系統中總是會存在不能被證明的命題

• 3.3.2. 這一定理證明了萊布尼茨的“夢想”終究無法實現，成為數學和邏輯發展史中劃時代的里程碑，庫爾特·哥德爾也因此與萊布尼茨和亞里士多德齊名

3.4. 1935—1936年，英國數學家阿蘭·圖靈(Alan Turing)提出“圖靈機”的概念，美國數學家阿隆佐·邱奇(Alonzo Church)自創λ演算法，幾乎同時證明了哥德爾對數理邏輯侷限性的判斷

• 3.4.1. “圖靈機”概念的出現，不僅催生了馮·諾依曼架構的現代計算機原理，更激發了人們探索機器智能的熱情

3.5. 1950年，馬文·明斯基(Marvin Minsky)和迪恩·埃德蒙茲(Dean Edmonds)建造出第一台名為“SNARC”的神經網絡計算機

• 3.5.1. 阿蘭·圖靈在《計算機與智能》一文中提出圖靈測試的構想：如果一台機器能夠與人類展開對話而不能被辨別出其機器身份，那麼就稱這台機器具有智能

3.6. 達特茅斯會議

• 3.6.1. 1955年8月

• 3.6.2. 時任達特茅斯數學系助理教授的約翰·麥卡錫(John MacCarthy)、在哈佛大學擔任初級研究員的馬文·明斯基、​“信息論之父”克勞德·香農(Claude Shannon)以及IBM第一代通用計算機“701”的總設計師內森尼爾·羅切斯特(Nathaniel Rochester)

• 3.6.3. 7個擬攻克的領域

• 3.6.3.1. 自動（可編程）計算機

• 3.6.3.2. 編程語言

• 3.6.3.3. 神經網絡

• 3.6.3.4. 計算複雜性

• 3.6.3.5. 自我學習和提高（機器學習）

• 3.6.3.6. 抽象

• 3.6.3.7. 隨機性和創造性

3.7. 1958年，麥卡錫和明斯基先後跳槽到麻省理工學院，共同創建了麻省理工學院人工智能項目（MAC項目）​

• 3.7.1. MAC項目受到美國國防部高級研究計劃署（DARPA，當時稱ARPA）的資助，後來演化為麻省理工學院人工智能實驗室

• 3.7.2. 麥卡錫開發出大名鼎鼎的LISP高級語言，該語言成為接下來30年間人工智能領域最重要的語言之一

3.8. 達特茅斯會議後的60多年中，人工智能的發展就經歷了三個階段，分別是邏輯推理（1.0時代）​、知識工程（2.0時代）和機器學習（3.0時代）階段

• 3.8.1. 每個階段都伴隨着重大的技術突破而掀起熱潮，在短短時間內就獲得空前的關注、充足的經費，引發人們的無限想象

• 3.8.2. 一旦期望落空，人工智能就慘遭鄙棄，研究經費被大幅削減，許多話題也成為笑柄並被遺忘