五年前，人工智能还是计算机专业的专门词汇

五年时间，能改变什么？五年前，说起人工智能（AI），很多人还觉得是实验室里的高深概念。但再看眼下，从谷歌的AlphaGo、财务机器人，到IBM的Watson，再到我们身边百度的“小度”和阿里的“ET”，人工智能早已不是理论空谈。它正实实在在地进入四大会计师事务所的审计流程，参与企业营销策略的制定，甚至支撑关键经营决策。这股浪潮的潜力已经清晰可见，而它的影响力必将渗透各行各业，财会领域，自然首当其冲。

（一）人工智能的发展

说起人工智能，它是一门典型的“起步晚、发展快”的科学。整个20世纪，科学家们最执着的梦想之一，就是如何赋予机器以人类的智慧。回顾其历程，大体可以分成两条主线：一是AI理论本身的演进，二是AI技术走向商业应用的步伐。

1.AI理论发展：从心智计算理论到深度学习理论

（1）心智计算和智能程序语言形成（1930—1960年）

早在20世纪50年代初，业界就已经出现了由电缆控制的机器人，它们不仅能行走，还能说出简单的词组。但这只是表象，真正的突破发生在思维层面。1956年，纽厄尔和西蒙（Newell & Simon）开发的“逻辑理论家”程序，成功证明了数学经典《数学原理》中前52条定理里的38条，震撼了学界。同年，后来的诺贝尔奖得主西蒙（Simon）甚至断言，他们已经解决了“物质系统如何获得心灵属性”这一根本问题。这个大胆的观点，后来在AI领域被称为“强人工智能”假说——即认为机器完全可以拥有媲美人类的逻辑思维能力。

同样是在这个“神奇”的1956年，塞缪尔（Samuel）研制出了一款具有学习能力的跳棋程序。它的厉害之处在于，可以通过研究棋谱、与人对弈来自主学习和进化，这已经触摸到了现代机器学习的核心。也正是在这一年，麦卡锡（McCarthy）在达特茅斯会议上正式提出了“Artificial Intelligence”一词，就此被尊为“人工智能之父”。经过这些奠基性的探索，人工智能开始走向体系化，真正成为一门独立的学科。到了1959年，麦卡锡又首创了著名的LISP语言，这是第一种为符号处理和人工智能而设计的编程语言，其函数式风格对后续发展影响深远。

（2）专家系统出现（1960—1985年）

进入60年代，人工智能的研究出现了一个重要的应用分支——专家系统。顾名思义，这类系统旨在模仿人类专家在特定领域的决策能力。它的架构通常包含六个部分：人机交互界面、知识库、推理机、解释器、综合数据库和知识获取模块。其中最大的特色在于“知识库”与“推理机”的分离，这使得知识可以独立管理和更新。

专家系统本身也在不断进化，大致走过了三个阶段，正向第四代迈进：

第一代专家系统（如Dendral、Macsyma）以高度专业化、解决特定问题的能力强著称，但缺点也很明显，比如系统不够透明、灵活性较低。

第二代专家系统（如Mycin、Prospector）属于单学科专业型，在实用性上大幅提升。同时，它们在人机交互、解释机制、知识获取技术乃至处理不确定性推理方面，都有了显著改进。

第三代专家系统则走向了多学科综合型。它们开始混合使用多种AI语言、知识表示方法和推理机制，并借助于各种知识工程工具和环境来开发更大、更复杂的系统。

而目前演进的方向，是所谓的第四代专家系统。它旨在融合更前沿的技术，比如大型多专家协作系统、混合知识表示、自组织解题机制，乃至结合人工神经网络来实现自我学习。可以说，这条路是从“模仿专家逻辑”走向“创造智能体协作”的关键一步。