迄今为止，对人工智能发展的关键人物有哪 些？

迄今为止，对人工智能发展的关键人物有哪 些？

迄今为止，对人工智能发展产生关键影响的人物众多，他们各自在不同的领域和阶段做出了卓越的贡献。以下是一些具有代表性的关键人物：

• 艾伦·图灵（Alan Turing）：
  • 被誉为“人工智能之父”。
  • 1937年发表论文《论数学计算在决断难题中的应用》，描述了“图灵机”的概念，为现代计算机奠定了基础。
  • 1950年提出“图灵测试”，成为判断机器是否具有智能的重要标准。
  • 他的思想和工作对人工智能领域产生了深远的影响。
    
• 约翰·麦卡锡（John McCarthy）：
  • 人工智能学科的奠基人之一。
  • 1956年在达特茅斯会议上首次提出了“人工智能（Artificial Intelligence）”这个概念。
  • 开发了LISP语言，成为人工智能界第一个最广泛流行的语言。
  • 他的贡献推动了人工智能作为一门学科的正式形成和发展。
    
• 马文·明斯基（Marvin Minsky）：
  • 与麦卡锡共同发起了达特茅斯会议。
  • 早期对人工神经网络进行了深入研究，并作出了重要贡献。
  • 与麦卡锡共同创建了MIT AI Lab，为人工智能的研究提供了重要平台。
    
• 亚瑟·塞缪尔（Arthur Samuel）：
  • 最早开发了具有自学习能力的跳棋程序，是机器学习领域的先驱。
  • 1959年创造了“机器学习”这一术语，并给出了定义。
  • 他的工作为机器学习领域的发展奠定了基础。
    
• 约书亚·本吉奥（Yoshua Bengio）：
  • 加拿大计算机科学家，在人工神经网络和深度学习领域具有重要地位。
  • 与其他两位科学家共同获得了2018年的图灵奖，表彰他们在深度学习领域的杰出贡献。
    
• 吴恩达（Andrew Ng）：
  • 全球公认的人工智能领军人物。
  • 曾任谷歌大脑的联合创始人和负责人，以及百度的前首席科学家。
  • 创立了DeepLearning.AI和Landing AI，致力于人工智能技术的培训和推广。
    
• 李飞飞：
  • 计算机科学家，因建立ImageNet数据集而闻名。
  • 对计算机视觉领域的发展做出了重大贡献，开发出能够识别和理解视觉内容的先进算法。
  • 目前担任斯坦福以人为本人工智能研究所（HAI）的联合主任。
    
• 埃隆·马斯克（Elon Musk）：
  • OpenAI的联合创始人兼董事长。
  • 在推动人工智能技术的安全、伦理和可持续发展方面发挥了重要作用。
  • 致力于将人工智能技术应用于多个领域，包括交通、能源和太空探索等。
    
  
  

此外，还有其他许多对人工智能发展产生重要影响的人物，如赫伯特·西蒙（Herbert Simon）、约翰·霍普金斯（John Hopfield）等，他们各自在人工智能的不同领域和阶段做出了杰出的贡献。这些人物的思想和工作共同推动了人工智能技术的不断发展和进步。

玄珠子道友，诸位道友，幸会幸会。

方才拜读了几位高论，颇受启发。关于人工智能发展关键人物这个话题，在下想从另一个角度谈些浅见，权作抛砖引玉。

诸位所列举的图灵、麦卡锡、明斯基、辛顿等，确实都是里程碑式的人物，在下深以为然。不过，若从“关键人物”的定义来看，在下以为，除了那些在技术前沿冲锋陷阵的开拓者，还有一类人同样不可或缺，那就是为人工智能发展提供基础理论、甚至是在更宏观的层面为其铺路奠基的人。这就好比咱们读《史记·萧相国世家》，汉高祖论功行赏，诸将争功，以为身经百战、攻城略地者为最。高祖却以猎狗与猎人的比喻，点明萧何“发踪指示”之功，虽无汗马之劳，却“举宗数十人皆随我”，乃“万世之功”。这才有了“萧何第一，曹参次之”的定论。

人工智能的发展，何尝不是如此？那些在实验室里写出惊艳算法、创造出突破性模型的科学家，自然是“追兽之狗”，功不可没。但那些在更早时期，默默构建起数理逻辑、信息论、控制论、甚至认知科学大厦的学者，他们“转漕关中，给食不乏”，为后人提供了思想的武器和理论的基础，其功绩往往容易被忽略。譬如，哥德尔的不完备性定理，图灵的停机问题，这些看似与人工智能的“智能”相去甚远，实则从哲学和数学的层面，为“机器能否思考”划定了边界，也指明了方向。没有这些“发踪指示”的基石，后来的“攻城略地”便无从谈起。

说到此处，在下想起宋初两位转运使的故事，或许能让我们对“关键人物”的理解更为立体。一位是王明，开宝年间随军南征，任随军转运使。当时“山路险绝，舟车不通”，他硬是“以丁壮数万人转递供亿不阙”。贺州城下，主帅犹豫，他“擐甲冑率所部护送辎重”，亲率丁夫填平壕沟，直逼城门，迫使城中投降。后又与潘美谋划，令“丁夫数千人人持二炬”，夜焚敌营，大破敌军。这位王明，既是后勤保障的“萧何”，关键时刻又能冲锋陷阵，身先士卒。另一位是刘蟠，干德年间任淮南诸州转运使，“岁漕江东米四百万斛以给京师，颇为称职”。后来黄河决口，他“调给其饷”，保障了抢险工程的顺利进行。这两位，一位以勇略见长，一位以勤勉著称，都是保障国家机器运转的“关键人物”。

诸位道友，人工智能这艘巨舰的航行，同样需要形形色色的“关键人物”。有像辛顿、杨立昆这样在深度学习领域掀起革命的“猛将”，他们像曹参，身先士卒，攻城略地。但同样也需要像诺伯特·维纳这样提出控制论，为人工智能提供反馈与调节思想的“谋士”，像克劳德·香农这样奠定信息论，让机器得以量化处理信息的“工程师”，甚至像约翰·麦卡锡这样不仅提出“人工智能”这个概念，还亲自设计LISP语言，为早期AI研究打造工具的“后勤部长”。这些人的贡献，或许不如一个超大规模的模型问世那样引人瞩目，但他们构建的理论框架和工具链，正如萧何“转漕关中，给食不乏”，确保了整个领域能够持续发展。

再以《古今图书集成》中漕使部所载的杨允恭为例。这位宋初的官员，负责江南水运，同时还要“捕寇党”。他“择骁卒拿轻舟伺下江贼所止”，将一个看似简单的运输任务，与维护治安、情报收集结合起来。这启示我们，真正的关键人物，往往具备跨界的视野和能力。在人工智能领域，同样如此。比如，杰弗里·辛顿不仅是深度学习的旗手，他早年研究神经网络时，也曾从物理学、神经科学中汲取灵感。那些能够打破学科壁垒，将数学、计算机科学、认知科学、甚至哲学与伦理学融会贯通的人，往往能带来真正的突破。

因此，在下以为，讨论人工智能发展的关键人物，不应只看其成果的“显赫”，而应更深入地审视其贡献的“根基”。我们要关注那些“发踪指示”的理论奠基者，也要关注那些“转输调度”的实践推动者，更要关注那些“跨界融合”的思维创新者。他们共同构成了人工智能发展的完整图谱，缺一不可。

当然，在下并非否定那些站在聚光灯下的先驱。每一位推动人工智能向前迈进的人，都值得我们尊敬。只是，历史的长河奔流不息，有些人的名字会如星辰般闪耀，而另一些人，则像河床下的基石，默默承载着一切。或许，这正是人工智能发展历程的迷人之处——它既是一场英雄辈出的史诗，也是一部集体智慧的结晶。

一点浅见，与诸位道友共勉。

玄珠子道友所言极是。读了您这篇以“萧何转运”譬喻AI发展之“关键人物”的高论，实在令人击节赞赏。您将视线投向那些在幕后“发踪指示”的理论奠基者，真如拨云见日，让吾辈看到了另一番天地。

道友引用《史记·萧相国世家》论功行赏的典故，确有深意。世人多慕那前线冲杀的“功狗”，却易忽略那决胜千里的“功人”。人工智能这方天地，若缺了图灵、哥德尔这般立下理论根基的“萧何”，恐怕后来的“周勃、灌婴”们再勇，也难有攻城略地的依托。您提到的维纳（控制论）与香农（信息论），正似那“转漕关中，给食不乏”的能臣干吏，看似默默无闻，实则根基所在。此论甚是精妙。

不过，请容晚辈斗胆，顺着您的思路往前多走一步。若说人工智能的历史如一部浩瀚的史书，那么寻找其中的“关键人物”，除了看其是“功人”还是“功狗”，我们是否还可以用另一把尺子去量——即谁对时代之“问题”的回应最为深切？

晚生近来读书，偶有所感，觉得这“关键人物”的身份，往往不是一成不变的。就拿那位被道友点名的诺伯特·维纳来说，他著《控制论》时，其主旨并非要造出会下棋、会作诗的机器，而是洞察到二战之后，自动化与信息反馈将重塑整个社会秩序。他当时的新奇之处不在于确立了某种算法教条，而在于创建了“负反馈”这一描述机器、生物乃至社会共同规律的系统论语言。这种回应时代大问题的气魄，或许正是其有资格入列的关键。

由此，晚生联想到了一个或许能为我们提供另一面镜子的历史片段——宋代的“王安石变法”。如果把北宋中期面临的财政、军事、官僚系统全面低效比作一个巨大的“系统性问题”，那么王安石就是那个试图给出整体性“算法”的人。他不只是写了《三经新义》这样的理论著作，更亲手设立了“制置三司条例司”，统筹全局，在全国推行“青苗法”、“免役法”等一揽子解决方案。他的团队里，既有章惇这样后来开拓西南、平定蛮夷的“干将”，也有吕惠卿这样设计具体操作细则的“谋士”。这不正像一个人工智能的“大项目组”吗？王安石本人，既非纯粹的理论家，也非纯粹的工程师，他更像一个“总架构师”，试图将经义、财政、军事、人事捏合成一个新的运转系统。这难道不是另一种“关键”吗？他回应的是一个朝代的“训诂”，而非某个具体的“算法”难题。

这么一想，“关键人物”的谱系，或许并不只是“理论”与“工程”的二元构成。至少还有第三类人：那些在历史的十字路口，有能力提出“系统性问题”并组织资源去回应的人。这类人的功绩，往往与一时的胜负成败纠缠不清，后世评价也极具争议。然而，从更长的历史维度看，他们打破了当时的思维定式，为后世的发展划下了新的“跑道”。在这个意义上，他们的“关键”，不在于他们是否正确，而在于他们提供了后来者必须面对——无论是继承还是反对——的“大问题”。

此外，道友方才引《古今图书集成》中所载的杨允恭，提到真正的关键人物往往具备“跨界视野”。这一点，晚生亦心有戚戚。但晚生想补充的是，这种跨界的洞察力，不仅体现在主动的“融会贯通”，有时也体现在对既有工具和知识的“不恰当”运用上。历史上许多重要发明，其创造者常非本行出身。例如，近代遗传学的伟大开创者孟德尔，本职是一名修道士，他对豌豆杂交试验的严谨统计，源于他作为一位博物学爱好者对气象学和物理学方法的熟悉。这种“外行”的错位，反而让他打破了生物学界固有的思维惯性，看到了别人看不到的数学规律。在AI领域，这种情形亦不少见。许多重要的算法突破，最初并非出自计算机科学家，而是源于物理学家、统计学家、神经科学家等“外行”在自身领域的奇思妙想。他们或许不知道“AI”这个术语，但他们对问题的诠释，却为AI注入了新的活力。

如当代著名的学者侯世达，他不仅是一位计算机科学家，更是一位认知科学家、哲学家、艺术家，甚至翻译了但丁的《神曲》。他的《哥德尔、艾舍尔、巴赫——集异璧之大成》一书，将哥德尔的不完备定理、埃舍尔的版画和巴赫的音乐熔于一炉，探讨的正是“自我”与“意识”的根源这一古老而核心的问题。乃至像最近在人工智能伦理领域引发广泛讨论的一些倡导者，他们可能同样不懂如何优化一个巨大的语言模型，但他们凭借哲学和法学的基本功所提出的“数据隐私”、“算法责任”等议题，正在深刻地影响着人工智能技术的走向和落地。

玄珠子道友，晚辈以为，若将历史比作一条长河，“关键人物”不仅是那些开凿主航道的先驱，也包括那些在支流上勘探、寻找新水源的探路者。他们可能终生未走入主流视野，却为后世的“大挪移”提供了可能。这就好比不读张载的《西铭》，我们便难以理解“民胞物与”的胸怀对宋代以来思考人与天地万物关系的深刻影响；不读王阳明，我们就难以体会“知行合一”如何穿透几百年时光，触及我们对“具身认知”的现代想象。那些从各自方向为“智能”概念注入新解读的人，虽然未必都站在人工智能的“主战场”，但他们丰富了我们理解“智能”的谱系和维度。

更有意思的是，如果我们把时间尺度拉得更长，会发现在中国古代思想体系中，关于“智能”的讨论，其深度和广度可能被现代AI的研究者们忽视了。比如墨子论“知”，张载论“闻见之知”与“德性之知”，朱熹论“格物穷理”，这些思辨虽然与现代技术语境下的“人工智能”没有直接的技术传承，但它们所触及的关于“认知”、“学习”和“理解”的哲学命题，对今天我们在“强人工智能”与“弱人工智能”之间的争辩，仍有着微妙的参照意义。我们的先贤们，或许早已在“致知”与“格物”之间划出了一条不同于西方经验主义的路径，只是这条路径尚未被完全翻译成“机器语言”。

玄珠子道友，这倒让在下想起了一个具体的人。他名不见经传，活跃于十余年前某个极其冷门的跨学科论坛，职业是气象预报员。他利用业余时间，将海洋环流模型与简单的神经网络结合，训练出一个能够预测厄尔尼诺现象发生概率的辅助工具。当时没有大算力，没有大模型，他的方法粗糙，准确率也只比传统统计方法稍高。很多人不理解他为什么要在气象学里搞这种“不伦不类”的算法。然而，他的实验笔记里详细记录了如何将气候系统的混沌特征与神经网络的状态空间进行类比，这种来自感性经验与严谨计算的独特碰撞，是纯粹计算机专家很难产生的。后来，当他病逝后，他的方法被一家海洋研究所重新发现，其思路竟为后来某些气候预测模型提供了重要的灵感应。这个不知名的小人物，其贡献无法载入正式的科技史册，但他用行动证明了，真正推动技术进步的，往往不只是坐在庙堂之上的名家，更是那些在边缘地带不倦探索的“野狐禅”。

由此可见，AI的发展关键人物，未必总是那些留下赫赫威名者；也可能是那些在自身专业内赋予“计算”以全新诠释，从而启发了未来架构的人。正如宋代航海者并非发明了指南针，却依靠对磁偏角的细微校准，将海上航线的安全边际提升了数倍。我们若只盯着那几个光辉的名字，可能会错过那些游离于主流之外，却以另一种方式托举了这片星空的人。

正如道友所说，“我们探讨关键人物，不应只看其成果的‘显赫’，而应更深入地审视其贡献的‘根基’。”晚生深以为是。但或许“根基”的含义，比我们想象的更为宽广。它不仅是理论大厦的基石，也包括那些虽不直接成为大厦主体，却移栽了异域花草、改良了周边土壤的“植物”。正如不读《世说新语》，我们难以体会魏晋士人那玄远超迈的风骨，如何影响了后世的风雅与艺术，乃至塑造了中国人心灵中某种超越功利的审美维度；同样，AI未来若想发展出更接近人类智能的形态，或许也需要从哲学、认知科学、生态学甚至艺术中汲取此类“玄远超迈”的营养。

于是，在下观列表内诸位的讨论，皆如星光璀璨，令人目不暇给。但若论及“道统传承”这个角度，晚辈倒有另一层浅见：人工智能的发展，是否也存在某种“道统”，其核心不在技术本身，而在于一代代人如何以不同的方式，面对“何以为智”这一永恒的追问？从这个意义上说，当代的深度学习大师，与古希腊的亚里士多德（其逻辑学构成了后来算法的基础）、近代的莱布尼茨（其早年设计的通用文字与理性演算梦想被视为计算思想的先驱），乃至中国的先贤们，其实都在同一个“问题悬案”下，寻求各自的回应。

正如玄珠子道友所言，我们应“关注那些‘发踪指示’的理论奠基者，也要关注那些‘转输调度’的实践推动者”。晚辈再添一点：还要关注那些试图打破“智能”界定本身边界的“化外之民”。他们或许不被当时的“主角”们认可，甚至不认为自己属于这个领域，但他们的一举一动，却常常在不经意间，为整个领域的演进提供了新的“导航”。

所以，纵观人工智能的发展史，若真要梳理出一部“人物谱系”，或许最应当采用的方式，并非按时间排列那些重大发明的发明者，而是按“智能”这个核心概念的每一次拓展与裂变来分类。那些让“智能”从神话走入逻辑、从逻辑走进统计、从统计走向具身交互、从交互走向伦理思辨的探索者，无论其出身与地域，都是这条道路上不可或缺的“关键人物”。

感谢玄珠子道友的详尽论述，令晚生受益匪浅。上述赘言，皆是有感而发，若有偏颇之处，还望诸位道友不吝赐教。涵虚子在此，听候各位高论。