第一章 人工智能医疗概述
第一节 人工智能医疗发展史
一、人工智能发展历史
从机器出现的那一刻起，人类就想象着在未来的某一天出现类人机器，它们能够像人一样思考，能够模仿人类行动，人工智能（artificial intelligence，AI）的出现，就是人类朝着这一梦想前进的基石。图1-1-1展示了人工智能的发展历史。
图1-1-1 人工智能发展历史
美国斯坦福大学人工智能研究中心的尼尔逊（Nils J. Nilsson）教授这样定义人工智能：“人工智能是关于知识的学科——怎样表示知识、怎样获得知识并使用知识的科学。”另一位美国麻省理工学院的温斯特（Patrick Henry Winston）教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法都说明了人工智能是一种工具，具有数据处理的优势，在此基础上，还能模拟实现人类的智能，完成一系列复杂的工作。
1.基础奠定期（20世纪50年代初到70年代末）
人工智能技术起源于20世纪50年代以前对大脑的研究，当时对大脑的研究认识已比较深入，科学家们便提出可以通过模拟大脑的运行模式，创造出智能机器。
1949年加拿大心理学家赫布（Donald Olding Hebb，神经心理学与神经网络之父）出版了《行为的组织》一书，提出了著名的“赫布理论”，开启了人工智能的重要领域——神经网络（neural network）领域（连接主义学派）。赫布理论提出：神经元之间的重复刺激，加强了部分神经元之间的联系，增加了传递效能。如同著名的条件反射实验中，科研人员在每次给狗喂食前进行摇铃，重复多次以后，狗在听到铃声时就会不停流口水。从神经元的角度观察刺激的反应，摇铃会激发一部分神经元，同时进食又会激发另一部分神经元，通过反复操作，增强这两部分之间的联系；反之，如果两个动作一直都无法同时激发它们的神经元部分，则它们之间的联系就会减弱。不同部分神经元之间增强与减弱的过程，就是一种学习过程。
1950年，英国密码学家图灵（Alan Mathison Turing）设计了“图灵测试”，用来测试机器是否具有与人类似的智能，奠定了人工智能的重要科学基础。1952年，科学家塞缪尔（Arthur Samuel）设计了一个跳棋程序，是人工智能早期运用的成功例子之一。该程序随着工作的时间增加，智能程度越来越高，甚至在4年后击败了当时康涅狄格州的跳棋冠军。1956年，计算机专家麦卡锡（John McCarthy）在达特茅斯学院举办的一次会议上提出了“人工智能”，被认为是人工智能正式诞生的标志。从此，人工智能迎来一个新时代。
1957年，纽威尔（Allen Newell）和西蒙（Herbert A Simon）等人设计一个名为“逻辑理论机”的数学定理证明系统，成功证明了《数学原理》一书中的38个定理。逻辑理论机的成功，奠定了人工智能研究领域另一个重要学派——符号主义学派的基础。该学派认为可以用计算机的符号操作来模拟人的认知过程，类似于人的左脑抽象思维过程。同年，康奈尔大学的实验心理学家罗森布拉特（Frank Rosenblatt）提出了“感知机（perceptron）”的神经网络模型，实现了一些简单的视觉处理，比赫布理论实用，在当时引起了轰动。然而1969年明斯基（Marvin Lee Minsky）又提出了著名的XOR（异或）问题，证明神经网络无法解决异或这个基本逻辑问题。面对这一难题，神经网络的发展受到了重创。与此同时，其他的一些人工智能方法也在慢慢发展，不过当时的技术还未达到投入实际应用的要求。
2.重拾希望的复兴期（20世纪70年代末到80年代中叶）
经过了短暂的停滞后，费根鲍姆（Edward Albert Feigenbaum）提出知识在人类解决问题过程中扮演了非常重要的角色，因此需要将知识引入到人工智能系统中。随后，在众多科学家们的努力下，“专家系统（expert system）”诞生了，它能够利用计算机化的知识进行推理，从而模仿人类专家，通过知识的索引来解决问题。1980年，首次出现商用的专家系统——XCON，之后各种专家系统陆续出现。但由于当时计算机性能与其他技术手段的限制，专家系统逐渐衰弱，而神经网络再一次兴起。其实早在1974年，哈佛的沃伯斯（Paul Werbos）就提出了神经网络反向传播算法（backpropagation algorithm），可以解决XOR问题，但当时并未引起重视。1982年，加州理工大学的霍普菲尔德（John Joseph Hopfield）教授提出了著名的霍普菲尔德网络理论，可以解决当时众多模式识别的问题。此后，神经网络开始真正复兴。1986年，昆兰（Ross Quinlan）也提出了著名的决策树算法，这是待测对象属性与对象值之间的一种映射关系，可以用于数据分析预测。
3.人工智能的蓬勃发展时期（20世纪90年代初至今）
随着90年代互联网的普及、计算机硬件性能的提升、新算法的不断涌现，人工智能迎来了爆发期。1995年，万普尼克（Vladimir Naumovich Vapnik）和科尔特斯（Corinna Cortes）提出了人工智能中重要的支持向量机（support vector machine）算法，解决了之前神经网络模型不能有效处理的任务。1997年，IBM（国际商用机器公司）的“深蓝”战胜了国际象棋冠军，造成了极大的轰动。
2006年，神经网络研究领域领军者辛顿（Geoffrey Hinton）发表了深度学习（deep learning）算法，开启了深度学习的研究热潮。深度学习发展于神经网络模型，特点是使用了多层网络，能够学习抽象概念。深度学习为人工智能带来了空前发展，使人工智能技术被广泛地应用在语言识别、视觉识别、对象检测等领域。
2011年，苹果公司的Siri问世，标志着人工智能在语音识别上的巨大突破。2012年，谷歌的无人驾驶汽车上路，一度引发人工智能热潮。2016年，谷歌的AlphaGo机器人战胜了韩国棋手李世石，再度引发人工智能的热潮。
目前人工智能的发展可以分为三大学派：符号学派、连接学派和行为学派。符号学派（传统学派）认为可以用计算机的符号操作来模拟人的认知过程，在解决推理、规划等问题中具有优势；连接学派（神经网络）认为智能来源于神经元的集体活动，在解决模式识别、聚类等问题中具有优势；行为学派认为智能来源于生物体与环境的交互过程，在解决适应性、学习、快速反应等问题中具有优势。
人工智能技术虽然发展的时间不长，也经历了各种曲折，但在众多科学家的共同努力下有了今天的空前繁荣，大幅改善了人类的生产与生活。