制造一台可以媲美人类智能的计算机，是计算机科学家一直以来的一个梦想。梦想诞生于60多年前，而直到今天，人工智能终于以超乎前人期望的样子横空出世了。

　　道阻且长，行则将至

　　1956年的夏天，人类历史上几位最顶尖的计算机科学家在美国达特茅斯学院汇聚一堂。他们之中，有计算机专家马文·明斯基，有信息论专家克劳德·香农，还有两位后来的诺贝尔奖获得者赫伯特·西门和约翰·纳什。这个夏天，他们唯一的任务就是开创一个新的研究领域——人工智能。

　　他们雄心勃勃地表示：“从理论上来说，人类智能的每个特性都可以被分毫不差地描述出来，从而让计算机去模仿。”他们踌躇满志地勾勒出预期目标：“我们希望制造一台人工智能计算机，它可以使用语言，可以理解抽象的概念，可以完成人类才能完成的任务，并且可以不断地改进自身性能。”他们信心百倍地认为：“只要一个夏天，只要有一群优秀的计算机科学家，就可以实现这个预期目标里面的一个甚至多个子目标。”

　　谁都没有想到，为了达到这个预期目标，他们花费了远远超过一个夏天的时间。

　　60多年后的今天，人工智能终于在人类的生活中占据一席之地。现在，我们已经有机会乘坐自动驾驶汽车，使用智能手机翻译各种语言，我们放心地让计算机修正电子文档和电子邮件中的字词错误……人工智能已经深深融入了我们的生活。

　　只是，我们在享受着人工智能带来的便利的同时，很容易忘记它并不是从一开始就这样“智能”。

　　1956年的达特茅斯会议之后，科学家很快就明确定义了人工智能这一研究领域所包含的方向：机器翻译、计算机视觉、文本理解、语言识别、机器人控制和机器学习。在随后的30年里，大量的资源被投入到这些领域。但遗憾的是，科学家没能在任何一个研究方向取得实质性突破。直到20世纪90年代初，1956年的一些设想才逐渐被实现。

　　成功不仅姗姗来迟，它到来的方式也令人始料未及。从1956年到现在的几十年间，人工智能的研究目标没有变，但是实现人工智能的方法已经发生了翻天覆地的变化。

　　柳暗花明又一村

　　早期人们采取的是“自上而下”的研究手段。它的思路是，先模仿人类处理语言、文字和图片的过程建立一个数学模型，然后用计算机软件实现这一模型，那么计算机就可以据此进行信息处理和逻辑思维。然而，这种“自上而下”的手段后来被证明是徒劳。早期的研究人员还认为，人工智能的突破性进展将帮助人类进一步理解人脑产生智能的原理，这个观点也不攻自破。

　　科学家在屡战屡败中终于明白，基于“自上而下”的手段建立起来的系统并不能适应现实生活中千变万化的情形。直到20世纪90年代初，因为几十年的停滞不前，大多数研究人员开始放弃这种基于“自上而下”的模型推演出的普适的智能计算系统，转而专注于开发一些能解决具体任务的智能系统。

　　人工智能最先在具体任务上取得成功的例子是商品推荐系统。它的作用等同于商场里的导购员，可以向消费者推荐适合他们的商品。回答消费者为什么购买某件商品本身很难，但是通过以前的消费记录去预测他们以后会购买什么样的商品会比较容易。比如说，你购买了《哈利·波特》系列小说的第一部和第二部，你就有很大的可能性会购买第三部。进行商品推荐并不需要去理解消费者的行为动机，只需要让计算机从大量数据里估算出商品之间的相关性就足够了。

　　从数据本身出发，就是“自下而上”的研究手段的核心思想。因为人工智能领域里的很多问题，并不能用成型的数学理论去解释，但是好在有海量的数据可供分析。这种“自下而上”、从数据出发的研究手段是不是能进一步推广到其他智能任务上呢？