人工智能通識文章索引
1980年卡耐基梅隆大學（CMU）研發的XCON正式投入使用，這成為一個新時期的里程碑，專家系統開始在特定領域發揮威力，也帶動整個人工智能技術進入了一個繁榮階段。
專家系統的起源可以追溯到黃金時代，1965年，在斯坦福大學，美國著名計算機學家費根鮑姆帶領學生開發了第一個專家系統Dendral，這個系統可以根據化學儀器的讀數自動鑒定化學成分。
費根鮑姆還是斯坦福大學認知實驗室的創始人，70年代在這里還開發了另外一個用于血液病診斷的專家程序MYCIN（霉素），這可能是最早的醫療輔助系統軟件。
專家系統其實就是一套計算機軟件，它往往聚焦于單個專業領域，模擬人類專家回答問題或提供知識，幫助工作人員作出決策。它一方面需要人類專家整理和錄入龐大的知識庫（專家規則），另一方面需要計算機科學家編寫程序，設定如何根據提問進行推理找到答案，也就是推理引擎。
專家系統把自己限定在一個小的范圍，避免了通用人工智能的各種難題，它充分利用現有專家的知識經驗，務實的解決人類特定工作領域需要的任務，它不是創造機器生命，而是制造更有用的活字典，好工具。
XCON取得的巨大商業成功，80年代三分之二的世界500強公司開始開發和部署各自領域的專家系統，據統計，在1980到1985這5年間，就有超過10億美元投入到人工智能領域，大部分用于企業內的人工智能部門,也涌現出很多人工智能軟硬件公司。
計算機技術和人工智能技術的快速發展，點燃了日本政府的熱情。1982年，日本國際貿易工業部發起了第五代計算機系統研究計劃，預計投入8.5億美元，目的是搶占未來信息技術的先機，創造具有劃時代意義的超級人工智能計算機。
日本嘗試使用大規模多CUP并行計算來解決人工智能計算力問題，并希望打造面向更大的人類知識庫的專家系統來實現更強的人工智能。圖中展示的就是當時日本研發的具有512顆CPU并行計算能力的第五代計算機。
這個項目在十年后基本以失敗結束，主要是當時低估了PC計算機發展的速度，尤其是intel的x86芯片架構在很快的幾年內就發展到足以應付各個領域專家系統的需要。
然而，第五代計算機計劃極大的推進了日本工業信息化進程，加速了日本工業的快速崛起；另一方面，這開創了并行計算的先河，至今我們使用的多核處理器和神經網絡芯片，都受到了20多年前這個計劃的啟發。
當各個垂直領域的專家系統紛紛取得成功之后，尤其是日本試圖搶占先機的第五代計算機計劃的刺激，美國和很多歐洲國家也加入到這個賽道中來。
1982年美國數十家大公司聯合成立微電子與計算機技術公司（MCC）,該公司1984發起了人工智能歷史上最大也是最有爭議性的項目，Cyc，這個項目至今仍然在運作。
Cyc項目的目的是建造一個包含全人類全部知識的專家系統，“包含所有專家的專家”。截止2017年，它已經積累了超過150萬個概念數據和超過2000萬條常識規則，曾經在各個領域產生超過100個實際應用，它也被認為是當今最強人工智能IMB Woston的前身。
但隨著科技的發展，21世紀到來之后，Cyc這種傳統依賴人類專家手工整理知識和規則的技術，受到了網絡搜索引擎技術、自然語言處理技術以及神經網絡等新技術的挑戰，未來發展并不明朗。
沉寂10年之后，神經網絡又有了新的研究進展，尤其是1982年英國科學家霍普菲爾德幾乎同時與杰弗里·辛頓發現了具有學習能力的神經網絡算法，這使得神經網絡一路發展，在后面的90年代開始商業化，被用于文字圖像識別和語音識別。
圖中是霍普菲爾德。
另一邊，在德國的1986年，慕尼黑的聯邦國防軍大學把一輛梅賽德斯-奔馳面包車安裝上了計算機和各種傳感器，實現了自動控制方向盤、油門和剎車。這是真正意義上的第一輛自動駕駛汽車，叫做VaMoRs，開起來時速超過80公里。
圖中看起來這輛車很笨重，這是由于當時硬件發展限制，整個車的后半部分都是用來安裝計算機設備的，攝像頭在前玻璃后視鏡位置附近。
在1970年代，人工智能技術的發展，對硬件計算和存儲都有著越來越高的要求。而在當時，全世界的計算機硬件結構和軟件系統都沒有統一的標準，各國政府和大企業都希望占領先機掌握標準制定權。
人工智能領域當時主要使用約翰麥卡錫的LISP編程語言，所以為了提高各種人工智能程序的運輸效率，很過研究機構或公司都開始研發制造專門用來運行LISP程序的計算機芯片和存儲設備，打造人工智能專用的LISP機器。
這些機器可以比傳統計算機更加高效的運行專家系統或者其他人工智能程序，上面專家系統配圖展示的就是一臺商用LISP機器。
人工智能通識文章索引
每個人的智能決策新時代
如果您發現文章錯誤，請不吝留言指正；
如果您覺得有用，請點喜歡；
如果您覺得很有用，歡迎轉載~
END
