人工智能没有那么长的时间，人类的历史有上千年，但人工智能只有大概 60 年的历史。人工智能的早期，一个奠基性的人物是艾伦·图灵，大家都知道图灵是个数学家。大概在五六十年前，图灵开始思考怎么去创造一个 Thinking Machine。他说：“要建造一个智能的机器的话，可能最好的方法就是，把最好的感官来提供给它，让它能够学会并且使用人类的语言。”

　　图灵认为一个“有智能的”Machine，它需要两个特别重要的元素：

　　一是“感知”（sensing）。我们知道人最大的感知系统是视觉，人还有其他的感知系统，机器也可以有其它的感知系统，但视觉是一个最大的感知系统。

　　第二是对含义的理解和推断。语言是人类最特别的一个能力，大多数人都会同意，动物是没有这样的能力的。

　　所以，图灵他远远没有建立起人工智能这个领域。但是，他带来了最起初的一些重要的思想元素：我们要做一个会思考的机器，里面需要包括：视觉、语言。

　　图灵之后，有这么一位科学家，他是计算机界的一位泰斗，是跟马文·明斯基在 MIT 第一批读人工智能的博士生，后来他到斯坦福做教授，他的名字叫 Terry Winograd。

　　Terry 是人工智能界第一代把图灵的思想贯穿下去的人。他也是在世的最伟大的计算机科学家之一，他不光在人工智能领域做了最重要的工作，而且他后来转行去做人机交互，也把这个领域重新带动了起来。

Terry 和李飞飞，二人都是斯坦福教授，并且是邻居

　　Terry 带来了什么？Terry 把人工智能应用在了怎么去建造一个思考的机器上。他说一个人，或者一个机器，要去理解世界，需要去感知。感知以后，需要做的第一件事是对这个世界的结构进行理解。

　　这叫 Syntax Understanding。Syntax 在自然语言处理领域叫语法，在计算机视觉这个领域可能叫三维结构。Terry 说，Syntax 以后，我们需要理解 Semantics（语义）。Semantis 做的事情就是 Understanding Meaning（了解含义），语言有语言的含义，视觉有物体、有动作，有视觉的含义。

　　最后，当我们把 Syntax 和 Semantics 解决以后，智能的机器或者是人，主要解决的问题就是 Inference，Inference 就是统计推导、统计推理这个过程。

　　所以在 Terry 看来 ，atv，要实现人工智能，需要有这 3 个要素：Syntax、Semantics、Inference。

　　有了这样的思想框架做引导，Terry 写了一篇在人工智能历史上非常重要的博士毕业论文。这个论文给了我们一个 System，我不知道在座有没有同行们听说过这个 SHRDLU，它是一个像积木一样的世界，用积木搭建了一个世界，在这个世界里，让我们来完成 Syntax（语法）、Semantics（语义）、Inference（推导）这样的 loop（循环）。所以比如说在 SHADLU 这个系统里边，人可以指令 SHADLU 这个系统，让它拿起一个 red block，这个计算机系统就会把这个红色的 block 上面的绿色的 block 先移走，然后把这个红色的 block 拿起来。这个系统就不断地这样接受人的指令，然后完成任务。这个过程必须先把指令的语法理解了，然后再把它的语义理解了，然后来进行 inference。

　　这篇论文是 70 年代初写的，从 70 年代初一直到 80 年代末 90 年代，其实，人工智能貌似没有太多的发展。为什么呢？如果 70 年代就有一个计算机系统，可以理解人的指令，为什么我们到 2016 年才关注到人工智能？2016 年，亚马逊的 Echo 和 Alexa，也好像做的事情跟这个 SHADLU 的系统区别不大。

　　为什么 60 年代、70 年代、80 年代的人工智能, 没有我们预期的做得那么好，问题出在它的 learning 的过程。