在计算机历史上，1956年绝对是一个值得铭记的年份，人工智能的历史正在开启。有关人工智能的初步定义和未来的可能正在几个计算机天才的讨论中初步成型。
这一年，功成名就的威廉•肖克利衣锦还乡，计划在加州的帕洛奥多开启自己新的创业计划。同样也是在1956年，28岁的约翰•麦卡锡与同龄的马文•明斯基、37岁的罗切斯特以及40岁的香农，准备在达特茅斯学院举行一个学术研讨会。
肖克利的创业计划并不成功，却无意中将生产半导体的“硅”带到了加州，同时一大批技术人才的涌入，成就了接下来半个世纪的硅谷奇迹。达特茅斯会议上也没有产生任何实质性的成果，却创造了一个“人工智能”的单词，成为过去一个甲子很多人毕生的追求。
时间来到2016年1月，人工智能领域“祖师爷”级别的人物—马文•明斯基去世。三天后的1月27日，Google重金收购的DeepMind团队在《自然》杂志发表论文，宣布破解了围棋的算法，并公布如何打败欧洲冠军樊麾的一些细节。
而到了3月，就在DeepMind的AlphaGo即将完胜人类围棋代表—韩国选手李世石的时候，英特尔传奇人物，一手推动半导体行业发展的安迪•格鲁夫去世。
从1956到2016，一个甲子之年。一切都像是一个结束，计算机从垄断到普及，人人手上都有一台计算机，人工智能从无到有。一切却又像一个开始，人工智能逐步成熟，硅智能在某些方面已完胜碳智能。
过去：从模仿游戏开始
围绕“人”、“机器”、“智能”，从各自的概念争论到三者之间的关系定义，人工智能这个学科（领域）并未像其他学科一样由分裂走向统一，而是继续在各自战线上讲述未来的故事。
彼时，一股科学乐观主义精神让越来越多的科学家认识到，人类离征服自己的大脑越来越近。事实上，经历过二战的科学家们认为，机器在某些方面已经超越了人脑。电影《模仿游戏》中，为了破解德军的密码，科学家阿兰图灵力排众议，坚持用机器来实现人脑根本无法实现的目标。这样的乐观主义情绪也在达特茅斯峰会上得以体现：“那是一个尝试，找寻一种方法让机器能够使用语言、形成抽象……和概念、解决现在只有人类才能解决的问题，而且还会自我完善我们认为只要精挑细选一些科学家一起工作一个夏天，至少在一个或是更多的问题上就能有显著的进展。”
但现实的残酷性令人工智能这个词几乎在半个世纪内远离主流话语圈。上世纪50、60年代的乐观和雄心在70年代渐趋衰退，并迎来一场寒冬，而80年代末期经历一次短暂的复苏不久就再次陷入困境。在当时，学术界和企业界都看不到人工智能能够进入实用领域的可能，而当时的技术进展也十分缓慢。
马文•明斯基在1985年出版的一本开创性哲学著作《心智社会》（TheSocietyofMind）中，他提出了一项基本假设：人类与机器之间并没有真正的区别。人类实际上是一种机器，他们的大脑由许多半自治但很愚蠢的“代理”组成，而“不同的任务需要完全不同的机制。”
明斯基的这一观点同样也是一大批人工智能从业者的努力方向：既然人类就是一个机器，那么同样可以制造出与人类类似的机器。曾与明斯基并肩作战的“人工智能之父”约翰•麦卡锡在整个职业生涯中都在希望通过正规的数学逻辑方法来模拟人的头脑。为了能够复制人类的思维，这些人提出了各种各样的项目和研究，其中大部分都是通过硬件和软件对新技术揭示出的人脑结构和功能进行模拟。其中瑞士洛桑联邦理工学院（EPFL）大脑与心智研究所的“蓝脑”（BlueBrain）计划拥有较高的知名度，该计划起始于2005年，并计划在2023年之前搭建出一个基本等同于人脑模式的工作模型。
任何大脑模拟器都面临着两个主要问题。首先人脑其实是非常复杂的，拥有大约1000亿个神经元和1000万亿突触连接。这些连接都不是数字连接，它们依赖于具有互相关联时序的电化学信号和模拟组件，其中的分子和生物学机制我们才刚刚开始懂点皮毛。
即使简单一点的大脑都依然神秘难解。蓝脑计划最近取得的具有里程碑意义的进展是在2015年初时，研究人员成功在一只小鼠大脑中的一个包含了30000个神经元的区域复制了活的啮齿动物大脑中的信号。对哺乳动物来说，30000个神经元只是大脑的一点皮毛。而随着神经元数量和突触连接的增加，模拟的复杂程度也将指数式增加—以至于没法使用现有的技术手段进行处理。这又引出了大脑模拟需要面临的另一个问题：目前还没有任何一个完备的理论能解释“思维”到底是什么。在其另一部著作《情感机器》中，明斯基则有力地论证了情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理，而有时又会转向情感的奥秘。他列举了人类的19种思维方式，以下列举其中的几项：比如“知道解决方式”、“类比推理”、“简化法”、“理想化思维法”等等，你会发现，这些特性是人类独有的，机器根本无法学会。
如果说明斯基的《心智社会》是人工智能前期研究的映射，那么《情感机器》则展现出下一轮人工智能发展的蓝图，这其中最本质的区别就是：让机器的事儿归机器负责，人类的事儿则由人类完成。谷歌创始人拉里•佩奇的“恩师”特里•威诺格拉德曾坦言：“人类智能没什么高深莫测的。从理论上讲，如果你发现了大脑工作的方式，就可以人为建造出一个具备一定功能的智能机器，但你建造不出具备符号逻辑和计算能力的机器。”
这一理念不仅塑造了谷歌，也影响了一大批人工智能新一代研究者。以DeepMind为代表的新一代人工智能公司，采用深度神经网络，摒弃了打造所谓可替代人类的智能的旧传统。其创始人Hassabis就表示：“癌症、气候变迁、能源、基因组学、宏观经济学、金融系统、物理学等，太多我们想掌握的系统知识正变得极其复杂。”他坦言，未来的超级智能机器将与人类专家合作解决一切问题。
人类创造了的人工智能，或主动或被动，正在多个维度模仿人类的行为甚至思维模式。但机器却有着人类所羡慕的“优点”—没有情绪不知疲倦，一个细节是当五番旗第一盘AlphaGo逼得李世石无法贴目时，李世石脸上显出沮丧的表情，而他眼前的对手却“毫无表情”。
未来：我们需要担心机器吗？
差不多两年前，英国学者尼克•波斯特洛姆撰写的《超级智能》成为《时代周刊》畅销书。这本书的开头有个寓言故事：某天，一群弱小的麻雀在一起，讨论“寻找一只猫头鹰协助打理生活”的可能性。大部分麻雀都陶醉于美妙的想像中：这只强大的猫头鹰可以帮它们筑巢、照顾家人、提防天敌—猫……这时，一只叫斯克罗恩科芬克尔的麻雀提出了质疑：“这样做，将是我们的末日。在有这种想法之前，我们为何不先想想驯化猫头鹰的方法呢？”但绝大部分麻雀都听不进去，纷纷出发去寻找猫头鹰蛋了。
这就是当下人与人工智能的微妙关系，也是所有担心人工智能会取代人类的理论起点，这些人包括伊隆•马斯克、比尔•盖茨、霍金以及《超级智能》这本书的作者尼克•波斯特洛姆等等。但这个理论忽视了一点，那就是没有提及人工智能的发展水平。
以现在最火的深度学习为例，深度学习是受到人类大脑的启发，很多用语也直接借鉴自脑科学，比如神经元、激活之类的用语，但这两个系统的工作原理完全不一样。
首先要承认一点，即便我们认为技术高速发展的今天，我们至今依然缺乏对人类大脑运行情况的准确认知。
而就人类知道的一丁点大脑知识来看，儿童的大脑能在无外部监督的情况下独自形成知识。当有了这种学习得来的知识，儿童能够将一件事情分解成多个子任务然后去完成。而且，这个分解过程是本能的，几乎不需要时间，或者说，你感觉不到时间。但现在的深度学习还不具备这种能力：人们需要把所有东西教给它们，包括这是什么东西、学习完成后应该做什么。虽然谷歌、Facebook的研究者们正在探索如何改进这种模型，但现在离目标还很远。无论是按照深度学习“教父级”人物GeoffreyHinton还是Facebook人工智能实验室负责人、深度学习开创者YannLeCun的说法：人工智能离拥有自我意识还有十万八千里，人工智能至少在未来五年没有任何希望达到人类认知水准。
人工智能已然走过了其“生命”的第一个甲子，也在这个甲子之年再次成为世人关注的焦点，随之而来的是对人工智能的过度乐观与过度悲观，所有这些都会影响人类对于人工智能的正确判断。与技术研发要克服的难度相比，公众态度的变化或将成为左右人工智能未来的重要力量，很幸运的是，你我将共同见证这一切。人工智能的发展将是未来值得关注的重要趋势。