一文讀懂AI簡(jiǎn)史：當(dāng)年各國(guó)燒錢許下的愿，有些至今仍未實(shí)現(xiàn)

一文讀懂 AI 簡(jiǎn)史：當(dāng)年各國(guó)燒錢許下的愿，有些至今仍未實(shí)現(xiàn)

導(dǎo)讀： 近日 ，馬云、馬化騰、李彥宏等互聯(lián)網(wǎng)大佬紛紛亮相 2018 世界人工智能大會(huì)，并登臺(tái)演講。關(guān)于人工智能的現(xiàn)狀與未來(lái)，他們提出了各自的觀點(diǎn)，也引發(fā)網(wǎng)友熱議。有人認(rèn)為大佬們的分享干貨滿滿，也有人有不同觀點(diǎn)，認(rèn)為我們并沒(méi)有真正搞懂人工智能，更無(wú)法預(yù)測(cè)未來(lái)。

如果回溯歷史，你會(huì)發(fā)現(xiàn)，人工智能一直是國(guó)內(nèi)外計(jì)算機(jī)、互聯(lián)網(wǎng)大佬們喜歡的話題。他們的觀點(diǎn)和預(yù)言，有些已成為今天的生活常態(tài)，有些卻依然沒(méi)有實(shí)現(xiàn)。本文就帶你回顧人工智能發(fā)展過(guò)程中重要的歷史階段，以及大佬們那些精彩的言論。

作者：錢綱

本文摘編自《 硅谷簡(jiǎn)史：通往人工智能之路 》，如需轉(zhuǎn)載請(qǐng)聯(lián)系我們

在我們回顧人工智能的歷史之前，先來(lái)看看流行的人工智能的定義。目前，最被認(rèn)可的人工智能定義為：能像人一樣理性地思考和理性地行動(dòng)的機(jī)器。行動(dòng)被廣義地理解為采取行動(dòng)、制定行動(dòng)的決策，并非肢體動(dòng)作。

人工智能分強(qiáng)弱兩類。 強(qiáng)人工智能 為能推理 （ Reasoning ） 和解決問(wèn)題 （ Problem solving ） 的智能機(jī)器，是有知覺(jué)、有自我意識(shí)的機(jī)器。強(qiáng)人工智能分兩類： 類人人工智能 ，即能像人一樣思考和推理的機(jī)器； 非類人人工智能 ，即具有和人不同的知覺(jué)和意識(shí)的機(jī)器，其推理方式和人類不同。持弱人工智能觀點(diǎn)的人認(rèn)為不可能制造出能真正地推理和解決問(wèn)題的智能機(jī)器，那些看起來(lái)像智能的人工智能，既不是真正的智能，也不具有自主意識(shí)。

人工智能的核心問(wèn)題是使機(jī)器和軟件具有與人類似的知識(shí)、學(xué)習(xí)、推理等能力。具體地說(shuō)，就是讓人工智能在一些以推理和分析為主的工作中達(dá)到或超過(guò)人類的水準(zhǔn)和效率。目前，計(jì)算機(jī)硬件水平已經(jīng)具有過(guò)去無(wú)法想象的能力了，為人工智能的實(shí)現(xiàn)鋪平了道路。 其實(shí)，在數(shù)學(xué)問(wèn)題的證明上，在棋類競(jìng)賽上，甚至在股票投資上，人工智能都已經(jīng)超過(guò)了人類。

目前用來(lái)研究人工智能的主要手段及實(shí)現(xiàn)人工智能的機(jī)器是計(jì)算機(jī) ,   人工智能的歷史和計(jì)算機(jī)科學(xué)與技術(shù)史聯(lián)系在一起。不過(guò)，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語(yǔ)言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。

01   早期的人工智能

最早的人工智能是在先民的神話傳說(shuō)中。無(wú)論是古希臘還是我們中國(guó)古代都有把智能賦予機(jī)械裝置的故事。 1863 年，塞繆爾·巴特勒 （ Samuel Butler ） 的論文《機(jī)器中的達(dá)爾文》探討了機(jī)械裝置器通過(guò)自然選擇進(jìn)化出智能的可能性。

人工智能有一個(gè)基本假設(shè)，即人類可以用機(jī)械模擬人類的思考過(guò)程。這是一種形式化推理。在古代，亞里士多德的形式邏輯和歐幾里得《幾何原本》是形式化推理的典范。

17 世紀(jì)時(shí)，歐洲哲學(xué)家、數(shù)學(xué)家萊布尼茨和笛卡兒嘗試過(guò)將思考形式轉(zhuǎn)化為數(shù)學(xué)。萊布尼茲提出過(guò)一種用于推理的普適語(yǔ)言，它使推理成為計(jì)算，于是，哲學(xué)家之間的爭(zhēng)論，就能用邏輯來(lái)判斷其真?zhèn)?。這些早期的哲學(xué)家已經(jīng)知道，形式化推理依賴于形式語(yǔ)言系統(tǒng)。

20 世紀(jì)初，數(shù)理邏輯取得了長(zhǎng)足的進(jìn)步。希爾伯特提出了一個(gè)基礎(chǔ)性問(wèn)題：“能否將所有的數(shù)學(xué)推理形式化？”很快這個(gè)問(wèn)題就被哥德?tīng)柕牟煌陚涠ɡ斫鉀Q了，他的答案是：任何形式語(yǔ)言系統(tǒng)都是不完備的。哥德?tīng)栆仓赋隽耍喝魏涡问降臄?shù)學(xué)推理都能在一些限制條件下簡(jiǎn)化成機(jī)械化步驟。

1936 年， 24 歲的英國(guó)數(shù)學(xué)家阿蘭·圖靈在他的論文中，提出了著名的圖靈機(jī)模型，一個(gè)完整的形式語(yǔ)言系統(tǒng)。 1945 年，他發(fā)表了一系列論文論述了電子數(shù)字計(jì)算機(jī)的設(shè)計(jì)思想。

隨著計(jì)算機(jī)技術(shù)的提高，人們開(kāi)始有了實(shí)現(xiàn)人工智能的技術(shù)手段。最早期的人工智能是用電子網(wǎng)絡(luò)模擬人類的神經(jīng)元，這一網(wǎng)絡(luò)的激勵(lì)電平只有“ 1 ”和“ ”兩種狀態(tài)，沒(méi)有中間狀態(tài)。維納的控制論很好地描述了電子網(wǎng)絡(luò)的控制和穩(wěn)定性。 克勞德·香農(nóng)提出的信息論則描述了如何用數(shù)字信號(hào)來(lái)實(shí)現(xiàn)邏輯功能。圖靈的計(jì)算機(jī)理論證明二進(jìn)制的數(shù)字信號(hào)足以描述任何形式的計(jì)算。這一切為人工智能打下了堅(jiān)實(shí)的基礎(chǔ)。

最早提出神經(jīng)元網(wǎng)絡(luò)的學(xué)者是沃爾特·皮茨 （ Walter Pitts ） 和沃倫·麥卡洛克 （ Warren McCulloch ） ，他們分析了理想的人工神經(jīng)元網(wǎng)絡(luò)，并給出了利用它們進(jìn)行簡(jiǎn)單邏輯運(yùn)算的機(jī)制。人工智能理論的奠基人之一的馬文·明斯基 （ Marvin Minsky ） 當(dāng)時(shí)只有 24 歲，是他們的學(xué)生。 1951 年明斯基與迪安·埃德蒙茲 （ Dean Edmonds ） 造出了第一臺(tái)神經(jīng)元網(wǎng)絡(luò)機(jī) SNARC 。

1950 年，圖靈發(fā)表了一篇?jiǎng)潟r(shí)代論文《計(jì)算機(jī)器與智能》論文指出制造具有真正智能的機(jī)器是可能的。 同時(shí)，圖靈給出了智能的確切定義，即能夠通過(guò)圖靈測(cè)試的智能機(jī)器。 圖靈測(cè)試 是這樣的：如果一臺(tái)機(jī)器與人類對(duì)話時(shí)，能不被辨別出其機(jī)器身份，那么該機(jī)器就具有智能。圖靈的工作為人工智能奠定了堅(jiān)實(shí)的基礎(chǔ)。

1951 年，克里斯托夫·斯特雷奇 （ Christopher Strachey ） 寫出了第一個(gè)跳棋 （ checkers ） 程序；很快就有人寫出了國(guó)際象棋程序。 20 世紀(jì) 50 年代中期的國(guó)際象棋程序已經(jīng)具有業(yè)余愛(ài)好者的水平了。 游戲中的人工智能一直是評(píng)價(jià)人工智能進(jìn)展的一類標(biāo)準(zhǔn)。

20 世紀(jì) 50 年代中期，科學(xué)家們開(kāi)始用機(jī)器進(jìn)行符號(hào)操作了。 1955 年，艾倫·紐厄爾 （ Allen Newell ） 和赫伯特·西蒙 （ Hervert Simon ） 開(kāi)發(fā)了邏輯理論家 （ Logic Theorist ） 程序。該程序證明了《數(shù)學(xué)原理》中前 52 個(gè)定理中的 38 個(gè)，該程序的一些證明方法，比原著還好。

1956 年，第一次關(guān)于人工智能的學(xué)術(shù)會(huì)在達(dá)特茅斯學(xué)院召開(kāi)，會(huì)議由明斯基、約翰·麥卡錫 （ John McCarthy ） 、香農(nóng)等人發(fā)起，麥卡錫在會(huì)議上提出了人工智能一詞。與會(huì)者有雷·所羅門諾夫 （ Ray Solomonoff ） 、奧利弗·塞爾弗里奇 （ Oliver Selfridge ） 、阿瑟·塞繆爾 （ Arthur Samuel ） 、紐厄爾和西蒙等人，他們后來(lái)在人工智能研究中做出了重要貢獻(xiàn)。 這次會(huì)議是人工智能被確立為一門學(xué)科的標(biāo)志。

人工智能之父和 LISP 語(yǔ)言發(fā)明人麥卡錫在達(dá)特茅斯會(huì)議上第一次為人工智能下了定義：“人工智能就是要讓機(jī)器的行為看起來(lái)就像是人所表現(xiàn)出的智能行為一樣。”麥卡錫的人工智能定義盡管很流行，但不全面。

02   第一次高潮

達(dá)特茅斯會(huì)議后的幾年是人工智能飛速發(fā)展的時(shí)代。這一階段，人們開(kāi)發(fā)出了一些智能程序：解代數(shù)應(yīng)用題，證明幾何定理，學(xué)習(xí)和使用英語(yǔ)。當(dāng)時(shí)，絕大多數(shù)人都無(wú)法相信機(jī)器能夠解決這些智能問(wèn)題。開(kāi)發(fā)出這些程序的學(xué)者們相信，在未來(lái)的 20 年內(nèi)，將出現(xiàn)具有完全智能的機(jī)器。國(guó)防部高級(jí)研究計(jì)劃署為這些項(xiàng)目撥出了大筆科研經(jīng)費(fèi)。

這些早期的人工智能程序中最有影響的是，搜索式推理、紐厄爾和西蒙的通用解題程序和赫伯特·格倫特爾 （ Herbert Gelernter ） 的幾何定理證明程序等。

人工智能的一個(gè)重要目標(biāo)是使計(jì)算機(jī)能夠通過(guò)自然語(yǔ)言和人類進(jìn)行交流。 早期的成功范例是丹尼爾·博布羅 （ Daniel Bobrow ） 的程序 STUDENT ，它還能解高中代數(shù)應(yīng)用題。

很快，有人就開(kāi)發(fā)出了一個(gè)會(huì)說(shuō)英語(yǔ)的聊天程序。與它聊天的用戶有的會(huì)認(rèn)為自己是在和人類在交談。實(shí)際上該程序并不了解自己在說(shuō)什么。它是按固定套路和語(yǔ)法在作答。

1958 年，紐厄爾和西蒙指出：“ 10 年之內(nèi)，數(shù)字計(jì)算機(jī)將成為國(guó)際象棋世界冠軍?！薄? 10 年之內(nèi)，數(shù)字計(jì)算機(jī)將發(fā)現(xiàn)并證明一個(gè)重要的數(shù)學(xué)定理。”

1965 年，西蒙稱：“ 20 年內(nèi)，機(jī)器將能完成人能做到的一切工作。”

當(dāng)時(shí)的美國(guó)政府為人工智能提供的研究經(jīng)費(fèi)幾乎是無(wú)條件的。麻省理工、卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)和英國(guó)的愛(ài)丁堡大學(xué)是當(dāng)時(shí)人工智能的研究中心。

03   艱難的 20 世紀(jì) 70 年代

20 世紀(jì) 70 年代初，人工智能遭遇了瓶頸。當(dāng)時(shí)最好的人工智能程序也只能解決一些最簡(jiǎn)單的問(wèn)題，在很多人的眼里人工智能只是“玩具”而已。

1976 年，漢斯·莫拉維克 （ Hans Moravec ） 提出了著名的 莫拉維克悖論 ：那些對(duì)于人類來(lái)說(shuō)比較困難的問(wèn)題，像證明定理這類問(wèn)題對(duì)計(jì)算機(jī)程序而言相對(duì)容易；而一些對(duì)人類來(lái)說(shuō)極其簡(jiǎn)單的任務(wù)，如人臉識(shí)別，卻很難由計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)。在莫拉維克悖論面前，當(dāng)時(shí)的人工智能專家們一籌莫展。

計(jì)算機(jī)的運(yùn)算能力也是人工智能的瓶頸。當(dāng)時(shí)的計(jì)算機(jī)內(nèi)存和速度都不足以解決任何實(shí)際的人工智能問(wèn)題。莫拉維克指出，計(jì)算機(jī)的能力離人工智能的要求還差上百萬(wàn)倍。

1972 年理查德·卡普 （ Richard Karp ） 證明了一個(gè)令人沮喪的結(jié)論，許多問(wèn)題的計(jì)算時(shí)間與輸入規(guī)模的冪成正比。除了最簡(jiǎn)單的情況，解決的時(shí)間接近無(wú)限長(zhǎng)。也就是說(shuō)人工智能恐怕永遠(yuǎn)也不會(huì)有實(shí)用價(jià)值。

由于缺乏實(shí)質(zhì)性進(jìn)展，政府對(duì)人工智能的研究逐漸停止了資助。 1974 年，人工智能項(xiàng)目已經(jīng)很難找到政府資助了。

另外，來(lái)自其他領(lǐng)域的專家們也開(kāi)始反對(duì)人工智能了。有哲學(xué)家稱，哥德?tīng)柌煌陚涠ɡ碜C明了形式系統(tǒng) （例如計(jì)算機(jī)程序） 無(wú)法判斷某些陳述的真理性，而人類可以；還有些人認(rèn)為人類推理實(shí)際上僅涉及少量的“符號(hào)處理”，而大多是具體的、直覺(jué)的、下意識(shí)的；還有人指出，程序并不理解它使用的符號(hào)，即意向性問(wèn)題，如果符號(hào)對(duì)于機(jī)器沒(méi)有意義，那機(jī)器就不是在思考。

人工智能專家們不太把來(lái)自其他領(lǐng)域的批評(píng)當(dāng)回事，但計(jì)算復(fù)雜性和“讓程序具有常識(shí)”這些問(wèn)題則是他們必須認(rèn)真面對(duì)的。

1976 年約瑟夫·維森鮑姆 （ Joseph Weizeubaum ） 出版了專著《計(jì)算機(jī)的力量與人類的推理》 （ Computer Power and Human  Reason ） ，書中表示 人工智能的濫用可能損害人類生命的價(jià)值。

早在 1958 年，麥卡錫就提出了將邏輯學(xué)引入人工智能的構(gòu)想。 1963 年， J. 艾倫·魯濱遜 （ J.Alan Robinson ） 發(fā)現(xiàn)了在計(jì)算機(jī)上實(shí)現(xiàn)推理的算法：歸結(jié) （ resolution ） 與合一 （ unification ） 算法。 20 世紀(jì) 60 年代末，麥卡錫發(fā)現(xiàn)用這一想法來(lái)直接實(shí)現(xiàn)邏輯推理的計(jì)算復(fù)雜度極高：即使證明很簡(jiǎn)單的定理也需要天文數(shù)字的步驟。 20 世紀(jì) 70 年代，羅伯特·科瓦爾斯基 （ Robert Kowalsky ） 、阿蘭·科摩羅 （ Alain Colmerauer ） 和菲利普·魯塞爾 （ Phillipe Roussel ） 在愛(ài)丁堡大學(xué)開(kāi)發(fā)出了邏輯編程語(yǔ)言 Prolog 。

04   繁榮的 20 世紀(jì) 80 年代

20 世紀(jì) 80 年代，人工智能中的專家系統(tǒng)程序開(kāi)始被企業(yè)采納。很快，知識(shí)處理就成了人工智能的主流。專家系統(tǒng)是一個(gè)能夠依據(jù)一組從專門知識(shí)中推演出的邏輯規(guī)則在某一特定領(lǐng)域回答或解決問(wèn)題的程序。最早的專家系統(tǒng)程序是由愛(ài)德華·費(fèi)根鮑姆 （ Edward Feigenbaum ） 小組開(kāi)發(fā)出來(lái)的。 1965 年的 DENDRAL 專家系統(tǒng)能根據(jù)分光計(jì)讀數(shù)分辨混合物； 1972 年的 MYCIN 能夠診斷血液傳染病。

專家系統(tǒng)是在很小的知識(shí)領(lǐng)域內(nèi)的應(yīng)用，避免了常識(shí)問(wèn)題；因其簡(jiǎn)單又能容易地實(shí)現(xiàn)或修改，于是有了廣泛的應(yīng)用。但是，人們從專家系統(tǒng)中看到了這類程序的實(shí)用性。 人工智能終于變得實(shí)用了。

1980 年，卡內(nèi)基梅隆大學(xué)為數(shù)字設(shè)備公司設(shè)計(jì)了專家系統(tǒng) XCON ，獲得巨大成功。 XCON 每年為公司省下了 4000 萬(wàn)美元。于是，全世界的公司都開(kāi)始研發(fā)和應(yīng)用專家系統(tǒng)。 到 1985 年，人工智能得到了各大企業(yè)超過(guò) 10 億美元的投資。 于是，為專家系統(tǒng)提供支持的產(chǎn)業(yè)應(yīng)運(yùn)而生，硬件公司有 Symbolics 、 LISP Machines 等，軟件公司以 IntelliCorp 、 Aion 為主。

專家系統(tǒng)的能力基于其存儲(chǔ)的專業(yè)知識(shí)。 20 世紀(jì) 70 年代的經(jīng)驗(yàn)告訴人們，智能行為與知識(shí)處理有著密切關(guān)系。知識(shí)庫(kù)系統(tǒng)和知識(shí)工程是 20 世紀(jì) 80 年代人工智能研究的主要方向。

1981 年，日本經(jīng)濟(jì)產(chǎn)業(yè)省撥款 8.5 億美元資助第五代計(jì)算機(jī)的研發(fā)。目標(biāo)是造出能夠與人對(duì)話，翻譯語(yǔ)言，解釋圖像，并像人一樣推理的計(jì)算機(jī)。他們選用 Prolog 作為該項(xiàng)目的主要編程語(yǔ)言。

其他國(guó)家也紛紛響應(yīng)。英國(guó)發(fā)起了耗資 3.5 億英鎊的 Alvey 工程。美國(guó)企業(yè)協(xié)會(huì)組織了微電子與計(jì)算機(jī)技術(shù)集團(tuán) （ Microelectronics and Computer Technology  Corporation ， MCC ） ，向人工智能和信息技術(shù)的大規(guī)模項(xiàng)目提供資助。 DARPA 組織了戰(zhàn)略計(jì)算促進(jìn)會(huì) （ Strategic Computing  Initiative ） ，開(kāi)始向人工智能大量投資。

1982 年，物理學(xué)家霍普菲爾德 （ Hopfield ） 證明了一種新型的神經(jīng)網(wǎng)絡(luò)能用一種全新的方式學(xué)習(xí)和處理信息。同時(shí)，羅姆爾海特 （ Rumelhart ） 推廣了一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法。這些發(fā)現(xiàn)使神經(jīng)網(wǎng)絡(luò)在 20 世紀(jì) 90 年代獲得了商業(yè)上的成功，它們被廣泛地應(yīng)用于光字符識(shí)別和語(yǔ)音識(shí)別軟件。

05   再次跌入低谷

1987 年，人工智能硬件市場(chǎng)需求突然下跌，而個(gè)人計(jì)算機(jī)的性能不斷提升，其性能已經(jīng)超過(guò)了 Symbolics 和其他廠家生產(chǎn)的昂貴的 LISP 機(jī)。人工智能硬件廠商失去了存在的理由，一個(gè)價(jià)值 5 億美元的產(chǎn)業(yè)頃刻間土崩瓦解。

一些曾經(jīng)大獲成功的專家系統(tǒng)的維護(hù)費(fèi)居高不下。它們難以升級(jí)，難以使用，成了以前已經(jīng)暴露的各種各樣的問(wèn)題的犧牲品。專家系統(tǒng)的實(shí)用性僅僅局限于某些特定情景。

20 世紀(jì) 80 年代晚期，戰(zhàn)略計(jì)算促進(jìn)會(huì)大幅削減對(duì)人工智能的資助。 DARPA 的新領(lǐng)導(dǎo)認(rèn)為人工智能不是“下一個(gè)浪潮”，撥款將傾向于一些看起來(lái)容易出成果的項(xiàng)目。

“第五代計(jì)算機(jī)工程”一直到 1991 年也沒(méi)有實(shí)現(xiàn)。其中一些目標(biāo)， 比如“與人類展開(kāi)交談”，直到 2010 年也沒(méi)有實(shí)現(xiàn)。

06   再度繁榮

20 世紀(jì) 80 年代后期，一些學(xué)者提出了一種全新的人工智能方案。 他們認(rèn)為，為了獲得真正的智能，機(jī)器必須能夠感知、移動(dòng)、生存，并與這個(gè)世界交互。 他們認(rèn)為這些感知運(yùn)動(dòng)技能對(duì)于常識(shí)等高層次技能至關(guān)重要，相反抽象推理則是人類最不重要、最無(wú)趣的技能。他們提倡“自底向上”地創(chuàng)造智能。

20 世紀(jì) 90 年代，人工智能終于實(shí)現(xiàn)了它最初的一些目標(biāo)。它被成功地用在許多技術(shù)產(chǎn)業(yè)中。這些成就主要?dú)w功于計(jì)算機(jī)性能的提升。

§   1997 年 5 月 11 日，深藍(lán)戰(zhàn)勝了國(guó)際象棋世界冠軍卡斯帕羅夫 （ Kasparov ） 。

§   2005 年，斯坦福大學(xué)開(kāi)發(fā)的一臺(tái)機(jī)器人在一條沙漠小徑上成功地自動(dòng)行駛了 131 英里，贏得了 DARPA 挑戰(zhàn)大賽頭獎(jiǎng)。

§   2009 年，藍(lán)腦計(jì)劃成功地模擬了部分鼠腦。

§   2011 年， IBM 的沃森參加《危險(xiǎn)邊緣》節(jié)目，在最后一集中打敗了人類選手。

但是，這些成就不是因?yàn)榉妒缴系母锩Ｋ鼈冎皇枪こ碳夹g(shù)的復(fù)雜應(yīng)用。人們廣泛地認(rèn)識(shí)到，許多人工智能需要解決的問(wèn)題已成為數(shù)學(xué)和運(yùn)籌學(xué)領(lǐng)域的課題了。數(shù)學(xué)語(yǔ)言的共享使人工智能與其他學(xué)科在更高層次上進(jìn)行了合作，其研究結(jié)果則更易于評(píng)估和證明。今天，人工智能已成為一門非常嚴(yán)格的科學(xué)分支。

今天，計(jì)算機(jī)的計(jì)算能力已經(jīng)提高到了前所未有的地步。在理論上，人工智能發(fā)展幾乎是沒(méi)有限制的，因此它必將像今天的互聯(lián)網(wǎng)一樣深遠(yuǎn)地影響我們的日常生活和價(jià)值觀。

關(guān)于作者：錢綱，現(xiàn)就職于美國(guó)德州儀器公司，從事半導(dǎo)體工藝及半導(dǎo)體器件的開(kāi)發(fā)與研究工作?？茖W(xué)網(wǎng)人氣作者，其作品在線獲得超過(guò)千萬(wàn)人次的瀏覽量。錢綱的作品以涉及歷史、科技的雜文、隨筆為主。主要作品有美國(guó)歷史及人物紀(jì)事《美國(guó)往事》，硅谷歷史《硅谷簡(jiǎn)史》等。

本文摘編自《 硅谷簡(jiǎn)史：通往人工智能之路 》，經(jīng)出版方授權(quán)發(fā)布。

https://www.cnblogs.com/DicksonJYL/p/9711418.html