人工智能的旧称：从“机器思维”到“智能代理”的演变140

人工智能（Artificial Intelligence，AI）这个术语，如今已是家喻户晓。但鲜为人知的是，在AI正式定名之前，它经历了漫长而曲折的命名演变。 从早期的模糊概念到逐渐清晰的学科定义，人工智能的旧称反映了其发展历程中不同阶段的研究重点和技术瓶颈。 理解这些旧称，有助于我们更好地把握人工智能的起源与发展脉络，并对当下AI的蓬勃发展有更深刻的认识。

在20世纪50年代之前，关于创造“思维机器”的想法就已经存在，但并未形成一个正式的学科。当时的学者们更多使用的是一些描述性的词汇，而非一个统一的名称。例如，“自动机”（Automata）常常被用来形容能够执行预设程序的机械装置，但这更侧重于机械的自动化，而非智能的模拟。 同时，一些哲学家和数学家在探讨可计算性、逻辑和图灵机等问题时，也触及了创造人工智能的可能性，但他们使用的语言往往偏向于理论探讨，例如“形式系统”、“计算模型”等等，这些术语更偏向于对智能的数学化表达，而非实际的智能机器。

真正的转折点出现在1956年的达特茅斯会议。这次会议被广泛认为是人工智能的诞生标志，一群顶尖的科学家汇聚一堂，正式提出了“人工智能”这个术语。 但在会议之前，以及会议讨论过程中，也出现过其他备选名称，例如“机器思维”（Machine Thinking），“复杂信息处理”（Complex Information Processing），甚至“计算思维”（Computational Thinking）。这些名称都试图从不同的角度来描述这个新兴领域的本质，反映了当时科学家们对人工智能不同侧面的理解和关注。

“机器思维”这个称呼较为直白地表达了对创造能够像人类一样思考的机器的追求。 它体现了早期研究者对人类思维机制的模拟的渴望，希望通过对人类认知过程的抽象和建模，来实现机器的“思考”。然而，由于对人类思维的了解有限，这个目标在当时显得过于宏伟和难以实现，也因此逐渐被更具包容性的“人工智能”所取代。

“复杂信息处理”则更加注重人工智能的技术实现。 它强调的是机器处理信息的复杂程度和能力，这与当时计算机技术的发展密切相关。随着计算机技术的进步，处理越来越复杂的信息成为可能，这为人工智能的研究提供了强有力的技术支撑。 然而，仅仅关注信息处理的复杂程度，并不能完全涵盖人工智能的全部内涵，它缺少对“智能”本身的本质的探讨。

“计算思维”则从计算的角度出发，将智能视为一种计算过程。 它强调的是通过算法和程序来实现智能行为，这与人工智能的许多实际应用密切相关。 然而，仅仅从计算的角度来看待智能，可能会忽视智能的其他重要方面，例如学习、适应和创造性等。

最终，“人工智能”（Artificial Intelligence）这个名称胜出，并被广泛接受，主要是因为它既具有清晰的含义，又能够涵盖人工智能研究的各个方面。 它既包含了对“智能”的模拟，也包含了对“人工”的创造，更重要的是，它比其他名称更具有包容性和前瞻性。 随着人工智能领域的发展，人们逐渐意识到，人工智能不仅仅是简单的模仿人类思维，更重要的是开发具有智能行为的系统。

值得一提的是，除了这些早期的称呼外，随着人工智能研究的不断深入，也出现了一些其他的称谓，例如“智能代理”（Intelligent Agent），“机器学习”（Machine Learning），“深度学习”（Deep Learning）等等。 这些称呼并非对人工智能的替代，而是对人工智能不同分支和研究方向的描述。 “智能代理”更强调人工智能系统的自主性和交互性；“机器学习”和“深度学习”则更侧重于人工智能的学习和知识获取能力。

总而言之，人工智能的旧称反映了它从一个模糊的概念逐渐发展成为一个成熟学科的历程。 从“机器思维”到“人工智能”，再到“智能代理”、“机器学习”等，这些名称的变迁，不仅体现了人们对人工智能理解的不断深入，也展现了人工智能技术本身的不断发展和完善。 理解这些旧称，有助于我们更好地认识人工智能的过去、现在和未来。

2025-06-19

上一篇：科大讯飞人工智能学校：探秘AI人才培养的未来之路

下一篇：你真的了解人工智能吗？从“要不你是人工智能吗”说起