作者按：对一门学科历史发展阶段的认识，往往是“后见之明”，因为只有这门学科的理论基础初步建立之后，人们才能根据理论发展的成熟度来分析历史上这门学科所处的不同阶段，这种内部思想史的学科分期方法虽然在科学技术与社会的关系上略显粗糙，但却容易被学科共同体的研究者所接受。人工智能的理论基础和研究纲领还远未成熟，本文的观点也只是笔者的初步尝试，仅作抛砖引玉之用。
-------------------
如果参照哈佛大学著名心理学家加德纳关于认知科学历史的观点，人工智能同样也有一个很长的前史，但我们需要把学科观念在历史中酝酿的漫长过程与采用计算机作为工具来开展对智能的经验研究区分开来，避免陷入对学科起源和发生的宽泛讨论中去。
正如普林斯顿大学著名技术史学家迈克·S·马洪尼（MichaelS.Mahoney）在其一篇有影响的论文中所指出的，当前的计算史研究是自觉性的历史，主要集中在硬件以及计算机的前史和发展，而且大部分文献是由共同体“内部人”撰写的，来自外部的记者和作家也参与其中，当然现在我们还可以加上维基百科这样由用户贡献内容的知识社区，由于缺乏专业科学史工作者的参与，在编史学上不足之处甚多，例如“内部人”的历史往往与技术的最新发展脱节，他们所批判的内容也许被外部评论家视为机会，记者和作家则为了传播往往过多地强调了部分主题，视角不够全面，对技术的社会影响的分析与未来学家的描述难以区分。
马洪尼所指出的特点，同样发生在人工智能这样的计算机科学分支的历史研究中，如笔者在其他文章中所指出，目前国外和国内对人工智能历史的探讨主要来自“内部人”和外部的记者、作家或产业界人士，因此本章对人工智能历史的描述，将在吸收已有文献成果的基础上，就学科分期、里程碑事件、主要项目、人物评价等方面予以适当组织，争取在学科内部按编年风格重建其内部的初步思想史。
随着互联网的发展，人工智能历史的研究还有维基百科这样由专业用户贡献内容的社区，我们将其划入主要由科学家组成的“内部人”群体。
在来自共同体外部的著作中，帕梅拉·麦克达克于1979年出版的《思维机器：对人工智能历史和前景的个人探究》是最早的人工智能历史著作，作者本人是一位作家，由于其丈夫约瑟夫·F·特劳布（Joseph F.Traub）在当时主要的人工智能研究中心——卡内基·梅隆大学担任计算机系主任（1971 -1979），因此她与赫尔伯特·西蒙、艾伦·纽厄尔、马文·眀斯基、约翰·麦卡锡等人工智能领域的一流学者，以及德雷福斯这样的批评者进行了大量的当面访谈和交流。由于该书中有很多直接访谈资料，加上作者的个人身份，以及70年代末以来描述人工智能历史的作品非常少，因此这本书得到了广泛流传，影响很大。
作为第一本叙述人工智能历史的著作，《思维机器》开启了将该学科的前史上溯到古希腊的传统，但其对历史的分期并不清晰，更多的是与事件或主题结合起来，大致如下：人工智能前史、转折阶段（1956年达特茅斯会议及之后的信息加工模型，大致到50年代末）、批判和阻力阶段（以德雷福斯为主的批评，大致相当于60年代末到70年代中期）、实现阶段（60年代初到70年代末的若干项目）。
维基百科英文版上对人工智能历史的专题文章《History of Artificial Intelligence》在维基科学史项目下进行，在经过同行评议后，该文章的质量被评为优秀级别（Good Article-Class）。
该文将人工智能历史分为8个时期：人工智能前史、诞生（1952-1956）、黄金时期（1956-1974）、第一次冬天（1974-1980）、繁荣期（1980-1987）、第二次冬天（1987-1993）、复苏期（1993-2001）、当代（2000-迄今）。
著名人工智能科学家尼尔逊将学科历史分为5个时期：前史、早期（50年代初期到60年代中期）、发展繁荣期（60年代中期到70年代中期）、应用和专业化时期（70年代中期到80年代初）、“新一代”项目及之后（指日本五代机项目之后一直到目前人工智能的发展阶段）。
以上的学科历史分期，在笔者看来存在以下问题：
1.对于一门历史较短、有多个研究纲领并存的技术学科，类似维基百科这样的分期显然过于依赖学科外部社会的看法。例如所谓“人工智能冬天”的说法虽然只是来自美国人工智能学会（AAAI：American Association of ArtificialIntelligence）1984年年会的一次内部小组讨论，但其实质却是外部社会对该学科发展的质疑，最终表现在经费和项目减少、相关创业公司倒闭等方面。如果完全以政府和企业对学科的投入作为学科分期的主要依据，那么这门仅仅只有60年历史的学科，即使不考虑前史也有7个阶段之多，这种过于琐碎的分期，并没有体现学科的内部发展规律。
2.尼尔逊的分期相对来说较维基百科更好，并没有单独采用“人工智能冬天”的说法来分期，主要还是根据学科应用范围、建制化情况、技术项目、主要趋势来分期，对发展中的争议和批评单独设置一章集中讨论。但是这种基于项目和学科建制化、应用情况的分期，对于只有60年历史的人工智能而言，仍然过于偏重学科历史发展的社会化因素，对学科内部研究纲领、关键概念的思想史表达并不清晰。
鉴于以上原因，本文拟从学科思想史的角度，结合人工智能、认知科学和信息产业的内在关系，以达特茅斯暑期研究项目建议书中提出的技术目标（以下简称“达特茅斯目标”）为背景来对人工智能短短60年的历史进行分期。
一、前史阶段，主要是人工智能诞生前的思想传统。人工智能作为一门技术性科学的前史，无论从观念上还是技术上来看上溯到霍布斯与笛卡尔，以及稍晚的莱布尼茨即可，而不必象麦克达克那样上溯到古希腊，原因在于符号人工智能以及标准认知科学纲领所需要的核心假设：思维形式化和心智机械化，最早在这三人中得到比较正式的表达。从16世纪到1956年达特茅斯会议的数百年间，按照马洪尼的观点，主要是巴贝奇传统和布尔传统，前者关注通用计算机制造这样的机械化主题，例如从帕斯卡的机械式计算器一直到第一台数字计算机ENIAC，后者主要关注逻辑这样的形式化主题，例如从莱布尼茨的组合数学到图灵机，它们最终在冯·诺依曼与ENIAC工程团队的合作中汇合。但是，在马洪尼所提到的传统之外，本文在人工智能的前史中还加入了维纳的控制论传统，也可以说是生物学传统，这样才能完整地为人工智能的诞生和发展在历史上找到其思想发展线索，至于麦克达克所讨论的近代的一些自动机建造，例如Vaucanson的机器鸭等，并不符合这里提出的人工智能思想传统，因此也不应包括在人工智能的前史中。
二、符号主义研究纲领主导阶段。1956年由约翰·麦卡锡为主组织的达特茅斯暑期会议上，麦卡锡本人试图将会议主题置于控制论的影响之外，会议的主要成果之一在于通过西蒙与纽厄尔的“逻辑理论家（LT：Logical Theorist）”程序确证了后来被称为符号人工智能的可行性。从达特茅斯会议一直到1986年以两卷本《并行分布加工：对认知微结构的探索》的出版所代表的联结主义研究纲领复兴的30年，期间虽然有Rosenblatt的感知机、某些学者利用神经元网络进行模式识别的一些联结主义研究，但总体来看联结主义、控制论都未能挑战符号主义纲领的核心地位。
三、多研究纲领竞争阶段。在1986年之后，不仅有联结主义复兴，而且以控制论（尤其是英国控制论学派代表人物艾希比）思想为源头的行为主义研究纲领也开始兴起，受神经生理学影响，类脑计算这样从结构上参照生物学隐喻的纲领也开始出现，以深度学习为代表的机器学习不仅在图像识别这样传统上由联结主义主导的问题上达到新的高度，而且在围棋这样通常由符号主义主导的复杂游戏中也击败人类冠军，受生物学隐喻启发的人类大脑计划也在世界各国迅速开展，符号主义似乎失去了过去30年的风头，但其处理人类如推理、计算、知识表示这样的高级认知活动方面仍具有联结主义、行为主义所不具备的优势，因此当前人工智能领域仍处于缺乏统一研究纲领的阶段，原有纲领并未因一些特定问题的转换而退化，它们之间或者相互竞争，或者在技术上相互组合以完成更通用的任务。
综上所述，笔者尝试在以往的人工智能历史分期基础上，采取以研究纲领的“一元论”与“多元论”为分期标志的宽口径分期方法，这样做的优点至少有三个：
1.在一门新兴学科发展的早期，避免碎片化的分期影响学科发展中的思想统一性，这种碎片化分期的思想往往受外部社会因素影响很大，例如政府部门对人工智能研究的资助、某些人工智能程序是否在商业上得到成功应用、来自冷战等特定时段的需求等；
2.在以研究纲领发展为核心的背景下，对人工智能历史发展中的各种论战、项目、人物评价等经验性的研究，可以采用一个统一的视角来分析，有助于从内部建立这门学科的完整思想史；
科学史的研究需要揭示学科内部发展的动力机制，受社会因素影响过多的碎片化分期不足以说明学科内研究纲领的进化和退化，也很难识别研究纲领的硬核和保护带，只有从人工智能内部思想发展的逻辑性出发，才能在其短短60年的科学探索活动中找到统一性，这种逻辑与历史统一的思路对于说明该学科发展的内部动力更加完整。
------------------------
作者简介：陈自富，上海交通大学科学史博士，现在企业从事战略管理和投资工作；湖南师范大学人工智能道德决策研究所兼职研究员。
