1997年5月，IBM的“深蓝”超级计算机在6局的国际象棋比赛中，以2胜1负3平战胜了世界排名第一的国际象棋大师卡斯帕罗夫。这是人工智能发展史上一个重要的里程碑，这表明机器的智力在“信息完美”的领域，如棋牌游戏，已经超过了人类。

“深蓝”战胜了国际象棋大师

　　所谓“信息完美”是指系统内信息完全，有始有终，没有外部干扰。“深蓝”的运算能力在当时全球的超级计算机中位居259位，每秒钟可以运算2亿步。“深蓝”学习了70万局国际象棋大师比赛，从而有4千种不同的开局。
　　此外，作为机器的“深蓝”从不疲倦，没有情绪影响，更不会犯低级错误。而卡斯帕罗夫则后悔的说: 和“深蓝”的第6局比赛是他职业生涯中最烂的一盘棋。
　　人工智能发展的“上半场”回顾
　　人工智能起步于1950年，那年艾伦·图灵发表了一篇论文，预测机器的人工智能有一天能够超过人类的智能。他同时提出了“图灵测试”:
　　机器和人类专家对话之后，如果专家无法区分对方是人还是机器，则说明机器的智能超过了人。
　　1951年马文·明斯基完成了第一台神经网络机SNARC，从而成为人工智能领域的一位重要的科学家。1956年的达特茅斯会议正式确定了人工智能这个领域。
　　1950~70年是人工智能开启的年代，斯坦福大学做出了移动机器人，而麻省理工学院推出了聊天机器人。在1970~80年，人工智能的发展遇到了瓶颈，那时的计算机的运算能力和内存有限，导致学习能力差。1980~87年，人工智能迎来了兴旺发展的时期，日本投入了8.5亿美金研发机器人，而美国的研究机构DARPA也针对人工智能投入大量的资源。1987~93年又陷入了一个人工智能的冬天，人工智能的专用电脑的性能尽然落后于IBM和苹果的个人电脑。当时的DARPA主任认为人工智能不再是研究的重要方向。
　　从1993年到今天，人工智能正在经历一个大发展，特别是2012年之后，人工智能的进步明显加快了。2006年，雷蒙德·科兹威尔(Ray Kurzweil)在他的《奇点临近(The Singularity Is Near)》一书中，预言机器的智能将在2045年超过人类的智能。

2011年1月出版的美国《时代》杂志封面故事：2045年人类机器结合获永生

　　2014年6月7日，一个名叫Eugene的“人”和一些专家在网上对话了5分钟，有33%的专家认为Eugene是一位13岁小孩。事实上，他是三名俄国科学家发明的超级计算机。这样，按照图灵测试的规则，机器第一次通过了图灵测试，时间正是图灵先生逝世60周年。
　　指数式发展的“下半场”
　　国际象棋的起源可以解释指数式发展的“下半场”的概念。据说国际象棋的发明地是古印度，当时大师达依尔为舍罕王发明了一个在64格棋盘上的游戏，就是今天的国际象棋。舍罕王十分喜欢这个游戏，要奖励大师。大师要求的奖励是：每个棋盘格子放麦子，第一格放一颗，第二格放二颗，第三格放四颗，以此类推，放完这64格子。
　　舍罕王马上就答应了，他以为用不了多少麦子就可以放满64格棋盘。没想到，放到第21格时，麦子就必须以袋为单位;进入棋盘的“下半场”格子后，全印度的麦子都不够。事实上，放满64格棋盘，需要全球2千年所生产的麦子。
　　这样的棋盘上放麦子的增长模式是指数式增长：初期的增长曲线平缓;后期，也就是“下半场”的增长曲线上升得非常陡峭，速度让人出乎意料。
　　人工智能的发展己经进入了“下半场”
　　人工智能进入指数式发展的“下半场”的证据来自至少两个方面: 第一方面，人工智能前进的推动力具备指数式增长的特征;第二方面，近年来人工智能的研发活动和成果极其频繁。
　　人工智能的推动力主要包括三个方面: 计算个人化，计算网络化，和大数据。
　　首先，计算个人化使得人工智能的研发从精英阶层扩展到大众。早期的研究机构主要是大学和政府，只有他们才有人工智能研发所必备的超级计算机。集成电路的发明和发展促成了计算能力快速上升和成本大幅下降，集成电路的发展模式在以往的40年遵循指数式发展，即著名的摩尔定律。80年代我在浙江大学学习时使用的小型机PDP11的运算能力远远不如我们今天使用的手机。今天用几万美金所搭建的服务器，其运算能力就可以超过当年的“深蓝”超级计算机。巨大的计算能力的普及为小公司在人工智能领域进行创业提供了极大的便利。
　　其次，计算网络的价值增长也是呈现指数式。例如，有4个节点的网络有12个有方向的连接，而400个节点的网络有多达159600个连接。由于有线互联网和移动互联网的普及，今天的网络连接数(即价值)正在直线上升。
　　再次，随着信息终端的普及和物理世界的数字化，数据正在爆炸增长，更是指数式增长。今天全球的累计的数据量超过了10Zettabytes，其中90%的数据是在过去的两年中产生的。我相信在以上三股指数式上涨的力量推动下，人工智能的发展也成指数式的成长模式。
　　近年来，人工智能的创业和研发活动越来越活跃。根据VENTURE SCANNER在2015年8月的统计，近十几年，全球在人工智能领域的创业公司达到了855家，它们共获得87.5亿美金的风险投资。根据量化公司QUID的数据，在2013年有322家人工智能公司获得至少20亿美金的投资。据CB Insights的数据，2014年投资人工智能领域的金额比2013年增加了三倍。
　　人工智能创业分布在13个不同的领域，包括机器学习，计算机视觉，语音认别，智能机器人等。高通创投在人工智能领域也投资了许多优秀的企业，如基于大数据和机器学习的出行导航公司WAZE(在2013年被Google收购)，智能无人机公司3DR，语音识别公司云知声，虚拟现实/扩充实景公司MAGIC LEAP和小熊尼奥，人机交互公司七鑫易维，等等。
　　正是因为计算能力和数据量的极大增强，机器学习成为人工智能领域进步最快的分支，所获得的投资额占总投资额的45%。
　　机器学习是用数据和以往的经验，优化计算机模型的性能指标。比如说，制造手机有100多道工序，如果我们通过编程，让一个机器人一步一步地按照程序完成，这不是机器学习。如果智能机器人通过观察工人制造手机的过程，再经过不断试错，之后可以自行制造，这才是人工智能。
　　“大数据”之前，因为没有足够的数据来训练模型，所以模型优化的进程缓慢。今天数据足够多了，运算能力大幅上升，使得优化模型的速度加快。最近量子计算机带来更强大的运算能力的希望。