英國著名計算機(jī)科學(xué)家艾倫·圖靈在1950年發(fā)表的論文《計算機(jī)器與智能》中，對人工智能的發(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，在后來的“圖靈測試”中，他提出，如果一臺機(jī)器進(jìn)行的對話無法與人類對話相區(qū)別，那么可以說這臺機(jī)器能夠“思考”。他在計算機(jī)方面的早期研究成果被送到倫敦數(shù)學(xué)學(xué)會（London MathemaTIcal Society），并且證明了所有的數(shù)字計算機(jī)都有同樣的功能（也就是說，只要有足夠的內(nèi)存和時間，任何計算機(jī)都可以模擬所有其他計算機(jī)的行為），這個實驗表達(dá)出了一個強(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符號編程（也就是能夠在自己的編程語言中操縱表達(dá)的程序），這是最有前景的范例。許多特殊目的語言都是以此為動力編寫的，其中最著名的是美國的LISP語言，但也包括來自英國的重要貢獻(xiàn)，比如POP-2（由愛丁堡大學(xué)的羅賓·波普和羅德·伯斯托發(fā)明）和Edinburgh Prolog（由愛丁堡大學(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)編寫了國際跳棋的玩法，在后來還編寫了情書。人工智能已經(jīng)參與到了越來越復(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，他后來在愛丁堡的機(jī)械智能與感知部門擔(dān)任主管。當(dāng)時他發(fā)明的連三子棋程序MENACE對當(dāng)時的計算機(jī)來說太過復(fù)雜，而他最初是用300個火柴盒來實施這個過程的。

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

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

在隨后的發(fā)展中，像愛丁堡的Freddy I和Freddy II這樣的機(jī)器人系統(tǒng)已經(jīng)能夠?qū)⒁曈X、智能、多功能性和物理工程結(jié)合起來，來完成一些任務(wù)，比如組裝物體（需要為機(jī)器人開發(fā)的專用AI語言）。人工智能系統(tǒng)也對認(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，他們意識到，人類的認(rèn)知過程可以被視為一種計算方式，并被模仿為計算機(jī)程序。

在全球以及在英國，人工智能經(jīng)歷了向前發(fā)展的階段，也有相對停滯的時期（通常被稱為“人工智能的冬天”）。其中一個重大事件發(fā)生在1973年，,詹姆斯·萊特希爾（Sir James Lighthill）發(fā)表了關(guān)于人工智能的報告，該報告建議將人工智能資金集中在少數(shù)幾所英國大學(xué)。萊特希爾質(zhì)疑了當(dāng)時的人工智能能夠通過擴(kuò)大規(guī)模來解決現(xiàn)實世界的復(fù)雜問題，而且確實，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題。

但是，從長遠(yuǎn)來看，符號編程的進(jìn)步使人們對人工智能解決復(fù)雜問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)相對良好的領(lǐng)域的應(yīng)用（在工作場所的應(yīng)用是非常理想的）。

Knowledge-Based Systems（KBS），被稱為知識庫系統(tǒng)，將人工智能技術(shù)與其他類型的計算推理和領(lǐng)域相關(guān)專業(yè)知識結(jié)合起來，為非常常用但重要的現(xiàn)實應(yīng)用程序創(chuàng)建系統(tǒng)。KBS不引人注目但實際的成功，幫助化解了萊特希爾的“悲觀情緒”，并為通過Alvey項目進(jìn)行大規(guī)模的資金擴(kuò)張鋪平了道路?；仡欉^去，我們所看到的人工智能冬天都是過度炒作的產(chǎn)物——支持者夸大了錯誤的失敗印象，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，英國的Alvey智能知識庫系統(tǒng)（IKBS）計劃是為了響應(yīng)其他國家的進(jìn)展而開發(fā)的，尤其是日本（其這5年的項目依靠技術(shù)和語言，尤其是來自英國的Edinburgh Prolog）。Alvey影響了學(xué)術(shù)界研究能力的發(fā)展，也鼓勵了行業(yè)應(yīng)用，使其專注于已經(jīng)取得進(jìn)展的實際問題，尤其是自然語言處理、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”（這個概念一直存在哲學(xué)爭論）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”（圖靈測試中隱含的一個概念）。這種智能的表現(xiàn)可能是由“蠻力”方法產(chǎn)生的，既沒有反映，也沒有試圖反映人類的問題。有趣的是，英國培養(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)，因為新的編程方法不再依賴于符號推理的線性組合。盡管符號編程是人類語言最簡單的編程類型，但模擬自然技術(shù)從感知環(huán)境（例如來自感官的信息）中也可以推斷出很多信息，因為它們不包括陳述性或假設(shè)性知識的直接表述。

從自然中獲得靈感的一個例子是遺傳算法，它將一個程序編碼為一組“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”（早期項目包括理查德·弗西斯的小獵犬系統(tǒng)，用于模式識別）。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”相互連接在一個系統(tǒng)中，這個系統(tǒng)的作用類似于人腦，由多個“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進(jìn)行逆向推理，來提高其性能（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)計算方法還包括并行處理（并行處理多個處理器來解決問題）、多智能體系統(tǒng)（在一個環(huán)境中有許多智能自動代理交互）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)，并通過培訓(xùn)確定有趣的模式）。

其他國家和國際公司正在大力投資人工智能開發(fā)，但英國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)院計算機(jī)神經(jīng)科學(xué)組讀博士時結(jié)識，而這一小組的創(chuàng)始主任正是杰弗里·辛頓。英國可以繼續(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)電子與計算機(jī)科學(xué)系副教授和首席研究員。