一、探索过去：回顾老式人工智能的发展历程

什么是老式人工智能？

在如今人工智能发展迅猛的时代里，我们常听到的是对于深度学习、机器学习和神经网络等现代技术的讨论。然而，在回顾人工智能发展历程时，我们不得不提到老式人工智能，它是人工智能起步阶段的重要里程碑。

老式人工智能的起源

上世纪50年代至70年代被称为人工智能的“冬天”，这个时期遭遇了资金紧缺和技术停滞。然而，在这个时期，一些早期的人工智能技术应运而生。老式人工智能的研究主要围绕着符号推理、专家系统和知识库等方面展开。

符号推理：通过规则进行推理

符号推理是老式人工智能的一个关键技术。它基于逻辑推理和规则系统，用于模拟人类的思维过程。通过对一系列规则和前提进行推理，计算机可以得出结论。然而，符号推理的局限性在于其对于不确定性和复杂性的处理能力较弱。

专家系统：将专业知识转化为计算机模型

专家系统是老式人工智能的另一项重要成果。它通过将领域专家的知识和经验转化为计算机模型，以实现模拟专家决策的目标。专家系统利用规则库和推理引擎，对用户提供的问题或情境进行分析和解答。

知识库：构建人类知识的存储库

知识库是老式人工智能中的重要组成部分。它是一个包含大量经验和知识的存储库，帮助计算机理解和处理复杂的问题。知识库以人类知识的形式进行存储，可以用于推理、问题解答和语言理解等多个领域。

老式人工智能的成就与局限

虽然老式人工智能取得了一些重要的成就，但它也存在一些明显的局限性。其主要表现在处理不确定性、复杂性和大规模数据方面的能力较弱；而且，它的知识表示和推理方式受限，难以处理抽象概念和模糊信息。

现代与老式人工智能的区别

与老式人工智能相比，现代人工智能更加注重数据驱动，强调通过机器学习和深度学习等技术从大规模数据中进行模式识别和预测。现代人工智能对于处理不确定性和复杂性的能力更强，也更加注重实际应用和解决复杂问题。

结语

老式人工智能是人工智能发展历程中的重要阶段，奠定了人工智能的基础。虽然它存在一些局限性，但正是通过对老式人工智能的总结和反思，我们才能更好地发展和应用现代人工智能技术。感谢您阅读本文，希望通过本文，您能更好地了解和欣赏人工智能的发展进程。

二、人工智能的发展？

经历了从符号主义到连接主义的转变，从监督学习到无监督学习的进步，以及从单模态到多模态的拓展。

随着数据量的增加和计算能力的提升，人工智能的应用范围越来越广泛，包括但不限于自然语言处理、图像识别、语音识别、推荐系统等。未来，人工智能将继续向更广泛、更深入的方向发展，为人类社会带来更多的便利和创新。

三、人工智能发展摘要：从过去、现在到未来

过去

人工智能（Artificial Intelligence，AI）的发展可以追溯到上世纪50年代，当时研究人员开始探索如何创建能够模拟人类智能的系统。早期的人工智能主要集中于规则和逻辑推理，通过编写程序来解决特定问题。然而，由于计算能力和数据量的限制，早期人工智能系统的效果并不理想，随后进入了一个低谷期。

直到20世纪90年代，随着计算机的快速发展和大数据的崛起，人工智能得到了重新关注。机器学习（Machine Learning）成为人工智能的重要分支，其通过使用模型和算法来使计算机具备从数据中学习和自主改进的能力。这给人工智能的发展注入了新的活力，大量应用开始涌现，如语音识别、图像识别和推荐系统等。

现在

当前，人工智能已经广泛应用于各个行业和领域。在医疗领域，人工智能可以辅助医生进行疾病诊断和治疗方案选择，大大提高了医疗效率和准确度。在金融领域，人工智能可以进行风险评估和交易预测，帮助投资者做出更明智的决策。在交通领域，人工智能可以实现自动驾驶，提升交通安全和效率。

人工智能在社交媒体、电子商务、教育、农业等多个领域都有广泛应用，而且还在不断发展和创新。深度学习（Deep Learning）作为机器学习的一种技术，通过模拟人脑神经网络的结构和运行方式，使得机器在处理大规模数据时能够更加准确和高效。此外，自然语言处理、计算机视觉、智能机器人等领域也取得了显著进展。

未来

人工智能的未来充满了无限可能。随着计算能力的不断提升、数据量的持续增长和算法的不断改进，人工智能在解决更复杂的问题和应用领域上将会有更大的突破。例如，在医疗领域，人工智能有望帮助开发新药、提供个性化的诊疗方案，甚至是进行基因编辑。

另外，人工智能可能对社会带来一定的挑战。自动化将会取代某些传统人力工作，对就业市场产生影响；数据隐私和伦理问题也需要我们认真思考和解决。因此，人工智能的发展需要在技术创新的同时，注重法律、道德和社会的规范和监管。

总之，人工智能的发展已经取得了长足进步，但仍然面临许多挑战和机遇。我们期待着人工智能能够为人类带来更大的价值，并希望能在发展的过程中解决相关的问题和困扰，共同构建一个充满智能化的未来。

四、中国的人工智能发展如何？

分布式计算或区块链技术就是打破垄断的系统，是真正的共产主义。

——潘仲光

本文为昀光科技董事长、元宇宙三十人论坛理事会理事潘仲光在参与元宇宙三十人论坛所组织的硅谷AI创新之旅后撰写的关于如何实现东方人工智能的文章。

（以下为文章全文，略有删改）

元宇宙三十人论坛这次组织会员到硅谷与主导人工智能的大公司和各方专家对话，让我们深度认识了西方资本主义国家的人工智能策略和路线。学习的目的就是为了研究和发展中国特色的人工智能技术和市场，借此机会我在此写下关于实现东方人工智能的一些想法。

本人是投资显示屏技术的，在元宇宙六大核心技术里，我的任务就是研发和量产像素密度更高、更省电、更便宜的微显示屏幕。然而元宇宙更重要的技术可能就是人工智能，没有人工智能就无法减轻眼镜的身体和计算的重量，把庞大的计算放到云端上，通过6G传输技术将太阳光充足的西边算力中心的计算成果传输给东边的用户使用。那么要完成这个任务，我们有哪些障碍要突破，又应该如何突破？

7月27日是我认为最重要的一天。IBM 首席科学家介绍了人工智能历史，在 60 年代苏联和美国都认定三进位计算体系是效率最高的计算方法，两国都制造出了自己的三进位计算设备。三进位与我们现在的0/1二进位不一样，是-1/0/+1 代表着三种状态。但最后发现算法之复杂并不是当时技术可以解决的问题，之后两国都放弃了三进位计算的理想。然而今天的半导体技术已经到了摩尔定律的终点时，三进位计算更适合未来的量子计算机，因为量子物理就是正(+1)负(-1)和共存(0)的三种状态。这也是在美国限制14纳米芯片后，中国弯道超车的机会。

当天早上更重要的是英伟达总部的访问。潘副总裁以及Piyush Modi 莫迪博士为我们讲解了显卡变成人工智能的核心技术。在传统冯诺依曼架构里，单一的处理器是无法持续提升算力的，最后英特尔改变处理器变成多核串联计算才可能突破瓶颈。今天的大语言模型更证明节点越多机器智慧越强的理论。美国的芯片制裁只能在速度上面限制我们，但我们可以从串联计算的方向增加节点数量来弥补速度上的缺陷。美国有3亿人，中国有14亿人，如果每个人都是一个算力节点的话，中国就是世界最强大的算力国家。

要如何才能把串联计算做到极致？在摩尔定律终结的前夕，英伟达和类似我们拜访的Tetra Mem公司都在研究如何缩短处理器与存储的传输和互相串联的速度问题。芯片和服务器内部的串联是芯片公司在研发的事情，那么云端与用户的串联，最终到用户与用户的串联要怎么办？除了光纤和6G 的传输技术以外，那就是系统制度和商业模式的问题，如何让每个节点都愿意贡献力量是核心问题。

每个节点自愿贡献算力的商业机制就是元宇宙时代的区块链技术。这里我要解说一下：元宇宙的“元”是错误的翻译。英文META的意思不是元或创始的意思，META指的是实体空间的另一面或虚拟信息的关联关系。在区块链里，每块信息包所记录的信息叫做Metadata，也就是资产的加密指纹和位置信息，数字资产NFT存储在另一个空间不在链上，就像图书馆里的书是在某个书架上的某个位置。区块链的指纹解密后就像你找到这本书的卡片后，卡片上面写的就是独一无二代表这本书的指纹和位置，在图书馆里你就可以根据这个卡片所指位置找到真实的书本。

区块链技术就是一个分布式的奖励机制，也是一种资产证券化的制度。我们可以把算力中心的投资证券化，比如说利用邓迪先生（太一集团董事长、元宇宙三十人论坛理事会理事）的火币链来铸造一块一块的算力模块NFT券，我们取名Virtual Machine Orient或 VMO 翻译东方虚拟机或“算力东方”。老百姓可以购买VMO券比如100元，每次每分钟有人付费使用你的VMO时，就会支付你1分钱。整个管理系统就是区块链，让每个中国人都能分到人工智能的红利。这样就能做到 14 亿人口的庞大节点计算矩阵，用超级节点数量来打败美国的芯片速度。

这个想法可以结合李强先生（弘信电子董事长、元宇宙三十人论坛理事会理事）提出来的东数西算的算力中心以及国产GPU和NPU的市场。中国西部太阳光足、土地便宜，是太阳能发电最便宜的地方。政府负责投资发电系统，企业家投资算力中心，通过 VMO“算力东方”会员证销售给老百姓，产生14亿人的庞大算力矩阵，让所有用户可以租赁便宜又强大的算力。通过光纤和6G传输到东部的用户形成价值链的闭环，实现了共同富裕的梦想。

分布式计算或区块链技术就是打破垄断的系统，是真正的共产主义。马克思的资本论只有描述资本家的垄断行为如何压榨劳工，马克思最后也提出了一种每个人都有无忧无虑的乌托邦场景，只有自由服务没有工人，但是他并没有告诉我们怎么做才能实现。今天我们可以看到机器人取代工业和低级白领工作，未来只有自由服务人员和高级发明家、艺术家。通过区块链技术的META技术和DAO社区实现共同富裕，这也是OpenAI奥特曼先生提出来的人类基本收入UBI的架构。

为何这个理想只能在东方实现呢？那是因为比马克思更早的中国墨子就提出来了如何实现共产主义的方法论。墨子的三大思想就是：兼爱（和谐社会）、非攻（没有掠夺）、致富（共同富裕）。实现兼爱的方法就是利交，区块链就是实现全民利交的工具。实现非攻的方法是善守，只有中国的军事科技强大了，能够制衡西方军事了，我们才能保证没有战争。实现致富的方法就是节俭，不必要的消费会造成污染和财富不平等。元宇宙让我们可以居家办公，远程互动学习和看病，穿着打扮可以虚拟化，最大程度的减少碳排放。

随着摩尔定律的消失，我们看到了世界科技的规律与中国道家思想是一致的。为什么60年代无法实现三进位计算，那是因为我们还没有超导和量子计算技术。什么是一生二，二生三，三生万物？我们现在知道万物的基因DNA就是3位数代码的编程也就是八卦（我们的计算机是8位数Byte）创造一切生物。每位数代码是由2进位（0/1）形成，也就是正负或阴阳的结合。正负极是共存态，也就是太极，那么现在我们才理解三进位不是(-1/0/+1)的关系，而是阴阳和太极的关系。正负粒子是从太极的混浊共存状态生出来的，是共存而不是-1和+1的中间值。道家思想将让我们更容易接受和运用这种正负与共存的计算模式。

（本文内容仅代表作者本人观点。）

五、中国人工智能何时迅速发展？

2035年应该差不多了，不过还是得看历史发展趋势。

六、中国人工智能研究发展阶段？

　　50年代人工智能的兴起和冷落。人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题、求解程序、LISTP 表处理语言等。但由于消解法推理能力的有限以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。

　　60 年代末到 70 年代，专家系统出现，使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-Ⅱ语音处理系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969 年成立了国际人工智能联合会议。

七、人工智能发展的意义？

人工智能的发展对于人类社会有很多重要的意义，主要包括以下几个方面：

提高生产力和效率：人工智能可以帮助企业和组织自动化生产、增强效率，为人类社会带来更多的财富和资源。

改善生活质量：人工智能可以应用在医疗、教育、交通等领域，提高生活质量，促进人类发展。

推动科技进步：人工智能的发展需要大量的研究和创新，这将推动科技进步，带来更多的技术和应用。

解决社会问题：人工智能可以帮助人类解决许多社会问题，如环境保护、自然灾害预警、犯罪预防等。

拓展人类认知：人工智能可以帮助人类拓展认知范围，增强智慧和理解力，为人类未来的发展提供更多思路和创意。

八、农业人工智能的发展？

人机共融，是未来农业发展重要的一环。

技术上，随着云计算、大数据、人工智能等新一代信息技术与农业技术的深度融合，农业机器人作为新一代智能化农业机械，将突破瓶颈并得到广泛应用。

同时，未来农牧机器人新技术研究包括深度学习、新材料、人机共融、触觉反馈等技术。

人机共融，可提高作业效率，人机共融技术减少了研发成本，由机器人预测人的意图配合完成工作。

如今农业也出现了大数据等技术，建立更加庞大的、宏观的、虚拟的、战略性的农业机器人系统，这也是农业大数据的本质内涵。

九、人工智能的发展历史？

人工智能最早的探索也许可以追溯到莱布尼茨，他试图制造能够进行自动符号计算的机器，但现代意义上人工智能这个术语诞生于1956年的达特茅斯会议。

黄金时期（1956-1974）

这是人工智能的一个黄金时期，大量的资金用于支持这个学科的研究和发展。这一时期有影响力的研究包括通用问题求解器（General Problem Solver），以及最早的聊天机器人ELIZA。

第一次寒冬（1974-1980）

到了这一时期，之前的断言并没有兑现，因此各种批评之声涌现出来，国家（美国）也不再投入更多经费，人工智能进入第一次寒冬。

兴盛期（1980-1989

这一时期的兴盛得益于专家系统的流行。联结主义的神经网络也有所发展，包括1982年John Hopfield提出了Hopfield网络，以及同时期发现的反向传播算法，但主流的方法还是基于符号主义的专家系统。

第二次寒冬（1989-1993）

之前成功的专家系统由于成本太高以及其它的原因，商业上很难获得成功，人工智能再次进入寒冬期。

发展期（1993-2006）

这一期间人工智能的主流是机器学习。统计学习理论的发展和SVM这些工具的流行，使得机器学习进入稳步发展的时期。

爆发期（2006-现在）

这一次人工智能的发展主要是由深度学习，也就是深度神经网络带动的。

十、人工智能的发展简史？

人工智能最早的探索也许可以追溯到莱布尼茨，他试图制造能够进行自动符号计算的机器，但现代意义上人工智能这个术语诞生于1956年的达特茅斯会议。

黄金时期（1956-1974）

这是人工智能的一个黄金时期，大量的资金用于支持这个学科的研究和发展。这一时期有影响力的研究包括通用问题求解器（General Problem Solver），以及最早的聊天机器人ELIZA。

第一次寒冬（1974-1980）

到了这一时期，之前的断言并没有兑现，因此各种批评之声涌现出来，国家（美国）也不再投入更多经费，人工智能进入第一次寒冬。

兴盛期（1980-1989

这一时期的兴盛得益于专家系统的流行。联结主义的神经网络也有所发展，包括1982年John Hopfield提出了Hopfield网络，以及同时期发现的反向传播算法，但主流的方法还是基于符号主义的专家系统。

第二次寒冬（1989-1993）

之前成功的专家系统由于成本太高以及其它的原因，商业上很难获得成功，人工智能再次进入寒冬期。

发展期（1993-2006）

这一期间人工智能的主流是机器学习。统计学习理论的发展和SVM这些工具的流行，使得机器学习进入稳步发展的时期。

爆发期（2006-现在）

这一次人工智能的发展主要是由深度学习，也就是深度神经网络带动的。