课程首页：MIT OpenCourseWare-Artificial Intelligence
网易公开课：《麻省理工学院公开课：人工智能》
授课教授：Professor Patrick Winston
参考书目：Winston, Patrick Henry. Artificial Intelligence. 3rd ed. Addison-Wesley, 1992. ISBN: 9780201533774.
------Lecture 1. Introduction and scope------2018.08.07------
这一讲首先介绍了人工智能的定义[0:00:00]。
之后，教授讲解了生成测试法，并详细谈到了给事物命名的重要性：“给某种事物命名后，你就对它拥有了力量”[0:11:30]。
再后，教授介绍了人工智能发展的简史，讲到了本课程中将会接触到的各种人工智能程序[0:20:28]。
最后，教授展望了人工智能的未来并讲了一些课程事务信息[0:32:40]
首先，什么是人工智能？！Professor Winston给出了定义：Algorithms enabled by constraints exposed by representations that support models targeted at thinking, perception, and action。人工智能这门课是一门专门针对思维，感知和行动而建模的课程（建模是MIT的根本）。除了建模，我们还需要有支持模型建立的表示系统（why? 教授用陀螺仪和“农夫狐狸鹅和稻谷过河的故事”来举例说明表示系统的作用），而有了表示系统，约束条件就会呈现。最后，我们需要创建程序或算法来实现。
一个简单的例子就是“生成测试法”（generate and test），如想知道一片树叶的学名，可以翻开一本介绍树叶的书，一页页比对，测试是否相同。概括起来就是：生成器生成一些可能的答案，输入到一个测试器里进行测试，其中大部分会失败，偶尔有部分会得到满意的答案。我们把这种方法命名为“生成测试法”，是很有必要的。Once you hava a name for something, you get power over it。有了名字，你就可以谈论它，名字给了你力量，这就是Rumpelstiltskin原则。这正如我们有了数学符号，我们就可以描述，谈论和发展数学。
举个例子：如果教授提问学生“赤道线穿过了几个非洲国家？”，这是教授通过语言和学生交流，而学生的语言系统会向视觉系统发出指令，让它执行一个程序，沿着赤道线扫描地图，确认结果后反馈给语言系统，让学生回答说六个。生活中简单的事件，细细想来却是多么的神奇！如果没办法理解这种奇迹，就没办法理解智能的含义！
然后，教授简单介绍了下人工智能的发展史，从1842年埃达·洛夫莱斯编写第一段计算机语言，到1950年艾伦·图灵写的著名的关于图灵测试的论文（speculation age），现代的纪元真正开启于1960年马文·闵斯基写的《通向人工智能的步骤》，之后一位近乎失明的研究生James Slagle写的积分程序（之后会回顾），并演示了黎明（dawn age）早期和晚期的一些有趣的程序或系统。之后进入了推土机时期（bulldozer age）,即专家系统和商业时期之后的一个时期，例如深蓝。现在正处于正路时期（right way），一个重要的关键词就是imagination。
之后教授又重申了语言的重要作用，他指出人类进化过程中，将我们与黑猩猩区分开来的是一小部分人获得了一种能力，能将两种概念合并为第三种概念，同时又不会无限制地破坏原有的两种概念。这让我想起了《人类简史》里提到的类似的描述“人类语言真正最独特的功能，并不在于能够传达关于人或狮子的信息，而是能够传达关于一些根本不存在的事物的信息。”语言的作用在于（一）向上，让人类能够描述见到的事情，具有讲故事的能力，而讲故事和理解故事正是教育的全部；（二）向下，让人类能够想象语言描述的场景，例如：没有人告诉我们提着装满水的水桶在大街上跑会发生什么，但是我们很容易就可以联想到结果（你的大腿可能会被淋湿）。如果不能理解这个，我们将永远无法理解人类智能！
最后讲了一下课程相关事项，这里不赘述。
PS. 课程中提到的一个概念，值得深思：简单（Simple）与微不足道（Trivial）的区别：简单也可能强大，微不足道不仅简单，而且无价值。很多MIT人错过机会的原因在于，认为只有复杂的概念才是重要的概念。实际上，人工智能中最简单的概念通常都是最强大的。人工智能课程中，可以包含很多数学，成为数学系课程，但这会让概念不必要地复杂化，不必要地数学化。