编者按：今年年初出于个人兴趣，我开始了对人工智能的研究。为了更好理解人工智能和设计的关系，我开始学习机器学习、深度学习、Alexa开发等知识，从当初觉得人工智能只会让大部分设计师失业，到现在觉得人工智能只是一个设计的辅助工具，也算是成长了不少。这次希望能将积累的知识写成一本电子书，没别的，因为字太多，更重要的是这样很酷。由于写作时间可能太长，互联网每天都在变化，一些比较前沿的思考可能转眼成为现实，所以先把前四章陆续发出来。前四章主要讲了现在人工智能的基础知识、底层设计、互联网产品设计以及人工智能与设计的关系，后面会通过3~4章详细分析人工智能对不同行业设计的影响。
目前考虑的领域是室内设计、公共设计和服务设计。后续会在Github上对现有内容进行更新迭代（Github链接以后再公布），等全部内容写完会把这些内容制作成完整的电子书，敬请期待。
这部分是1-2章。
人工智能的发展历史
说起人工智能这词，不得不提及人工智能的历史。人工智能的概念主要由Alan Turing提出：机器会思考吗？如果一台机器能够与人类对话而不被辨别出其机器的身份，那么这台机器具有智能的特征。同年，Alan Turing还预言了存有一定的可能性可以创造出具有真正智能的机器。
说明：Alan Turing（1912.6.23-1954.6.7）曾协助英国军队破解了德国的著名密码系统Enigma，帮助盟军取得了二战的胜利。因提出一种用于判定机器是否具有智能的试验方法，即图灵试验，被后人称为计算机之父和人工智能之父。
AI诞生
1956年，在达特茅斯学院举行的一次会议上，不同领域「数学、心理学、工程学、经济学和政治学」的科学家正式确立了人工智能为研究学科。
△ 2006年达特茅斯会议当事人重聚，左起：Trenchard More、John McCarthy、Marvin Minsky、Oliver Selfridge、Ray Solomonoff
第一次发展高潮（1955年—1974年）
达特茅斯会议之后是大发现的时代。对很多人来讲，这一阶段开发出来的程序堪称神奇：计算机可以解决代数应用题、证明几何定理、学习和使用英语。在众多研究当中，搜索式推理、自然语言、微世界在当时最具影响力。
- 大量成功的AI程序和新的研究方向不断涌现，研究学者认为具有完全智能的机器将在二十年内出现并给出了如下预言：
- 1958年，H. A. Simon，Allen Newell：十年之内，数字计算机将成为国际象棋世界冠军。十年之内，数字计算机将发现并证明一个重要的数学定理。
- 1965年，H. A. Simon：二十年内，机器将能完成人能做到的一切工作。
- 1967年，Marvin Minsky：一代之内……创造「人工智能」的问题将获得实质上的解决。
- 1970年，Marvin Minsky：在三到八年的时间里我们将得到一台具有人类平均智能的机器。
美国政府向这一新兴领域投入了大笔资金，每年将数百万美元投入到麻省理工学院、卡耐基梅隆大学、爱丁堡大学和斯坦福大学四个研究机构，并允许研究学者去做任何感兴趣的方向。
当时主要成就：
- 人工神经网络在30-50年代被提出，1951年Marvin Minsky制造出第一台神经网络机。
- 贝尔曼公式（增强学习雏形）被提出。
- 感知器（深度学习雏形）被提出。
- 搜索式推理被提出。
- 自然语言被提出。
- 首次提出人工智能拥有模仿智能的特征，懂得使用语言，懂得形成抽象概念并解决人类现存问。
- Arthur Samuel在五十年代中期和六十年代初开发的国际象棋程序，棋力已经可以挑战具有相当水平的业余爱好者。
- 机器人SHAKEY项目受到了大力宣传，它能够对自己的行为进行「推理」；人们将其视作世界上第一台通用机器人。
- 微世界的提出。
第一次寒冬（1974年—1980年）
70年代初，AI遭遇到瓶颈。研究学者逐渐发现，虽然机器拥有了简单的逻辑推理能力，但遭遇到当时无法克服的基础性障碍，AI停留在「玩具」阶段止步不前，远远达不到曾经预言的完全智能。由于此前的过于乐观使人们期待过高，当AI研究人员的承诺无法兑现时，公众开始激烈批评AI研究人员，许多机构不断减少对人工智能研究的资助，直至停止拨款。
当时主要问题：
- 计算机运算能力遭遇瓶颈，无法解决指数型爆炸的复杂计算问题。
- 和推理需要大量对世界的认识信息，计算机达不到「看懂和听懂」的地步。
- 无法解决莫拉维克悖论。
- 无法解决部分涉及自动规划的逻辑问题。
- 神经网络研究学者遭遇冷落。
莫拉维克悖论——如果机器像数学天才一样下象棋，那么它能模仿婴儿学习又有多难呢？然而，事实证明这是相当难的。
第二次发展高潮（1980年—1987年）
80年代初，一类名为「专家系统」的AI程序开始为全世界的公司所采纳，人工智能研究迎来了新一轮高潮。在这期间，卡耐基梅隆大学为DEC公司设计的XCON专家系统能够每年为DEC公司节省数千万美金。日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话、翻译语言、解释图像、能够像人一样推理的机器。其他国家也纷纷作出了响应，并对AI和信息技术的大规模项目提供了巨额资助。
专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。由于专家系统仅限于一个很小的领域，从而避免了常识问题。「知识处理」随之也成为了主流 AI 研究的焦点。
当时主要成就：
- 专家系统的诞生。
- AI研究人员发现智能可能需要建立在对分门别类的大量知识的多种处理方法之上。
- BP算法实现了神经网络训练的突破，神经网络研究学者重新受到关注。
- AI研究人员首次提出：机器为了获得真正的智能，机器必须具有躯体，它需要有感知、移动、生存，与这个世界交互的能力。感知运动技能对于常识推理等高层次技能是至关重要的，基于对事物的推理能力比抽象能力更为重要，这也促进了未来自然语言、机器视觉的发展。
第二次寒冬（1987年—1993年）
1987年，AI硬件的市场需求突然下跌。科学家发现，专家系统虽然很有用，但它的应用领域过于狭窄，而且更新迭代和维护成本非常高。同期美国Apple和IBM生产的台式机性能不断提升，个人电脑的理念不断蔓延；日本人设定的「第五代工程」最终也没能实现。人工智能研究再次遭遇了财政困难，一夜之间这个价值五亿美元的产业土崩瓦解。
当时主要问题：
- 受到台式机和「个人电脑」理念的冲击影响。
- 商业机构对AI的追捧和冷落，使AI化为泡沫并破裂。
- 计算机性能瓶颈仍无法突破。
- 仍然缺乏海量数据训练机器。
第三次发展高潮（1993年至今）
在摩尔定律下，计算机性能不断突破。云计算、大数据、机器学习、自然语言和机器视觉等领域发展迅速，人工智能迎来第三次高潮。
摩尔定律起始于Gordon Moore在1965年的一个预言，当时他看到因特尔公司做的几款芯片，觉得18到24个月可以把晶体管体积缩小一半，个数可以翻一番，运算处理能力能翻一倍。没想到这么一个简单的预言成真了，下面几十年一直按这个节奏往前走，成为了摩尔定律。
主要事件
1997年：IBM的国际象棋机器人深蓝战胜国际象棋世界冠军卡斯帕罗夫。
2005年：Stanford开发的一台机器人在一条沙漠小径上成功地自动行驶了131英里，赢得了DARPA挑战大赛头奖。
2006年：
- Geoffrey Hinton提出多层神经网络的深度学习算法。
- Eric Schmidt在搜索引擎大会提出「云计算」概念。
2010年：Sebastian Thrun领导的谷歌无人驾驶汽车曝光，创下了超过16万千米无事故的纪录。
2011年：
- IBM Waston参加智力游戏《危险边缘》，击败最高奖金得主Brad Rutter和连胜纪录保持者Ken Jennings。
- 苹果发布语音个人助手Siri，3.Nest Lab发布第一代智能恒温器Nest。它可以了解用户的习惯，并相应自动地调节温度。
2012年：Google发布个人助理Google Now。
2013年：深度学习算法在语音和视觉识别率获得突破性进展。
2014年：
- 微软亚洲研究院发布人工智能小冰聊天机器人和语音助手Cortana。
- 百度发布Deep Speech语音识别系统。
2015年：Facebook发布了一款基于文本的人工智能助理「M」。
2016年：
- Google AlphaGo以比分4:1战胜围棋九段棋手李世石。
- Chatbots这个概念开始流行。
- Google发布为机器学习定制的第一代专用芯片TPU。
- Google发布语音助手Assistant。
2017年：
- AlphaGO在围棋网络对战平台以60连胜击败世界各地高手。
- Google 开源深度学习系统Tensorflow 1.0正式发布。
- Google AlphaGo以比分3:0完胜世界第一围棋九段棋手柯洁。
- 默默深耕机器学习和机器视觉的苹果在WWDC上发布Core ML，ARKit等组件。
- Google发布了ARCore SDK。