2.4　学习期

1950年，图灵发表了一篇划时代的论文“Computing machinery and intelligence”［227］，文中预言了创造出具有真正智能的机器的可能性。由于图灵注意到“智能”这一概念难以确切定义，提出了著名的图灵测试：如果一台机器能够与人类展开对话而不能被辨别出其机器身份，那么称这台机器具有智能。这一简化使得图灵能够令人信服地说明“思考的机器”是可能的。论文中还回答了对这一假说的各种常见质疑。图灵测试是人工智能哲学方面第一个严肃的提案。

自从图灵在图灵测试中提出了机器学习的可能性之后便开始有很多学者开始研究。但是，在20世纪50年代至20世纪70年代，因为人们处于“推理期”和“知识期”，机器学习并没有得到重视。直到20世纪80年代机器学习开始受到重视，成为一个独立的学科领域并开始快速发展。“从样例中学习”逐渐成为研究和应用的主流机器学习算法，是指从有限的观测数据中学习（或“猜测”）出具有一般性的规律，并利用这些规律对未知数据进行预测的方法。1981年，Werbos提出多层感知机（Multilayer Perceptron，MLP），解决了线性模型无法解决的异或问题，对人工神经网络的发展发挥了极大的作用。20世纪80年代中期，Runelhart等分别独立发现了误差反向传播算法（Error Back Propagation Training），简称BP，系统解决了多层神经网络隐含层连接权学习问题，并在数学上给出了完整推导［228］。BP算法的出现极大地推动了人工神经网络的发展。