回答:
20世紀半ばからの多くの出版物は、AIがすぐに意識的になり、自己認識し、そしてスマートになるというのは、その期間中に広く信じられていた信念だったという質問者の声明を証明しています。
大成功
フォンノイマン汎用コンピューティングアーキテクチャの開発後、その世紀の終わりまでに、人間の知性の排他的領域であった多くのタスクと専門知識の形式は、その世紀の終わりまでに、多かれ少なかれコンピュータの排他的領域になりました。これらはほんの数例です。
失望（これまでのところ）
この印象的な一連の成功とは対照的に、失敗した期待の同様に長いリストがあります。
ドメインとドメインフリーの区別
チェスのようなゲームをマスターするプログラムを考案した結果、プログラムの対象となっているようなゲームにのみ適用されるソフトウェア設計が生まれることはいつ明らかになりましたか？
一般の人々は、サイバネティックチェスマスターも他の方法では人よりも賢いと考えていたかもしれませんが、これらのプログラムを作成する人々は、チェスで卓越したソフトウェアを開発するソフトウェアの開発と、その能力を発揮するソフトウェアの開発の違いをよく知っていましたチェスのプレーを学び、初心者から繰り返し卓越性を開発する。
最終目標は、常に強力な一般情報でした。投資家への進歩の実証を促進するために、より短期の達成可能な目標が作成されました。それは軍からの研究資金の継続的な流れを維持する唯一の方法でした。
最初のマイルストーンは、機械学習なしで単一のゲームを習得することでした。次に、研究はドメイン知識の構築に移り、戦争の最中にリアルタイムで解決策のクラス、適応、および計画の形式を実現できるようにしました。20世紀の第3四半期に経済支配が軍事支配よりも好まれるようになると、AIのビジョンは経済学と天然資源管理の領域を包含するように拡大しました。
自動化の成熟度のこの範囲を検討してください。
最初は簡単です。最後は非常に挑戦的です。
自動化の成熟度のこれらのフェーズの違いが明らかになり、研究グループが複雑な確率関数であるそれらの違いが人々にどの程度明確になったか。
主な貢献者
人間のような一般的なインテリジェンスとドメイン固有のインテリジェンスの違いを最初に認識した人物は誰ですか？
ノーバートウィーナーは、リレーの電子制御（クロードシャノンによって理論的に調査された）と閉ループ制御の違いを深く理解した最初の人であったと思われます。彼の著書であるサイバネティックスは、主に数学的研究であり、自己修正および適応システムの基盤を正確に確立しました。ジョンフォンノイマンは、優れたゲームプレイのプログラミングと優れたゲームプレイを学ぶ人間の能力の違いを理解しており、このトピックについて多くを発表しました。
ゲームプレイングソフトウェアと機械学習の違いの最初の印象的なデモンストレーションを実際に書いたのはアーサーリーサミュエルでした。ウィーナーの作品を現代のデジタルコンピューターと橋渡しし、最初に機械学習という用語を作り出したのは彼でした。
本物の研究と革新の歪められた言い直し
AI革命：ブロガーのティムアーバンによるスーパーインテリジェンスへの道（ハフィントンポスト、ザブログ、2/10 / で提案されたカテゴリ）2015年、2015年4月12日更新）は複数の場所でAI Stack Exchangeで参照されていますが、これらのカテゴリの違いは正確に定義されておらず、そこに含まれるアイデアは他の調査や統計によって査読も検証もされていません。
この作品は、平凡なサイエンスフィクションと同じくらい推測に値します。ある程度の人気を得るのに十分面白いですが、繰り返し可能な実験やランダム化された研究から導かれた合理的な結論にはなりません。この記事で提供するトレンドグラフは、実際のデータをグラフで表したものではなく、発明された形をしています。
科学的研究の多くの平信者の解釈やSF作家の未来的な考えの場合のように、一部の資料は後でその中にいくつかの真実があることがわかるかもしれません。ただし、資料の多くは誤解や誤った主張につながります。
私はこの質問に対する非常に正確な答えが時間の砂の中に失われる可能性があることを期待していますが、誰かがそのような答えを与えることができることを願っています。それまでの間、これが道のりの手がかりの1つです... 2007年のこの論文集は、次のあいまいさから始まります。
この編集されたボリュームを作成する際の私たちの目標は、その重要性にもかかわらず、これまで科学および知的コミュニティ。この一連の作業には、以前に名前が付けられていません。この本では、「人工一般情報」（AGI）と名付けました。AGIの作業と一般的な「人工知能」の研究との違いは、短期的には一般的な知能のエンジニアリングに明確に焦点を当てていることです。
しかし、これが「人工一般知能」という特定の語句の起源であるとしても、人々が「一般知能」と「タスク固有」の技法をずっと以前に区別していたと私は確信しています。
AGIに関するWikipediaの記事にも手掛かりがあり、次のように述べられています。
しかし、1970年代の初めには、研究者がプロジェクトの難しさを著しく過小評価していたことが明らかになりました。AIに資金を提供した機関は強力なAIに懐疑的になり、研究者を有用な技術、つまり「応用AI」を生み出すようにますます圧力にさらしました。
そのセクションでは、この本をそのステートメントのサポートとして引用しています。そして確かに、それは以下の表現を含んでいます：
AI分野の創設者のほとんどは、人間と機械の知能に関する基本的な質問を追求し続けましたが、一部の学生や他の第2世代の研究者は、AIの方法と実際の問題に取り組むためのアプローチの方法を模索し始めました。彼らのイニシアチブは、それ自体だけでなく、研究のより応用された領域に向けた資金調達環境の段階的ではあるが重大な変化を示していたため、重要でした。SAILのDENDRALなどのエキスパートシステムの開発は、この傾向の一例にすぎません。
DENDRALが1965年頃に始まったことを考えると、一部の重要な研究者（または少なくとも資金提供者）は、1960年代の終わり頃のどこかで「一般情報」と「応用AI」の研究の違いを強く意識するようになったようです。読み続けると、他の文章は、DARPAが1970年代を通じてAI研究に対してより「適用された」アプローチを推進し始めたという概念を支持します。
したがって、明確な答えではありませんが、「人工一般知能」という用語の使用はより最近の造語であるように見えますが、区別は既知であり、少なくとも1970年まで考慮に入れられたと言えます。
1973年、イギリス政府はジェームズライトヒル卿を雇い、人工知能の状態に関する「一般調査」を委託しました。彼の報告は現在のAI研究の非難であり、AI科学者と最初のAI冬の間で悲観論の波を導いた。ここでライトヒルのレポート（および彼のレポートに対する現代の批評）を見ることができますが、ライトヒルのキーポイントを要約します。
James Lighthill卿はAIを3つのカテゴリーに分けました：
Advanced Automation（または「適用AI」）は明らかに便利です。人間の知性についてもっと知りたいので、コンピュータベースのCNS研究は役に立ちます。AIの両方の分野でいくつかの成功がありましたが、その実践者は過度に楽観的であり、それらの分野で失望に至りました。ただし、ジェームズライトヒル卿は、これら2つの分野の研究を非常に支持していた。
一方、ロボットの構築？ジェームズライトヒル卿はこのアイデアに対して非常に敵対的でした。おそらく他の2つのカテゴリよりも過度に宣伝されており、貴重な出力が最も少ないためです。
彼は、「ロボット」研究が失敗した例として、特にチェスに言及しました。レポートが公開された時点では、チェスのエンジンは「イングランドの郡のクラブプレーヤーに特徴的な経験豊富なアマチュア標準」のレベルでした。ただし、これらのチェスをするエンジンは、人間が作成したヒューリスティックに依存していました。エンジンはまったくインテリジェントではありませんでした...それらは、インテリジェントな人間によって作成されたヒューリスティックに従っているだけです。ロボットがテーブルにもたらす唯一の利点は「速度、信頼性、入札能力」であり、それでもチェスのグランドマスターを倒すには十分ではありませんでした。
さて、今日、私たちはおそらくチェスを汎用的な問題解決の例として扱いません。私たちはそれをより正確に「高度な自動化」、つまり一般的な問題解決のより広い実世界の含意から切り離された「狭いAI」の問題として分類します。しかし、ジェームズ・ライトヒル卿はおそらく私たちに同意するでしょう。彼は「狭いAI」と「AGI」という用語を使用したことはありませんが（これらの用語はまだ存在していません）、次のように書きます。
要約すると、過去25年間にカテゴリB内でAIの作業について現在の作成者が調査したこの証拠およびその他すべては、プログラミングが非常に専門的である場合、高度に専門化された問題領域で実行するように作成されたプログラムをある程度奨励しています。関連するドメイン内の人間の経験と人間の知性の結果を説明しますが、かなり広い分野で人間のCNSアクティビティの問題解決の側面を模倣しようとする汎用プログラムについては完全に落胆しています。AIアクティビティの長期的な目標であるこのような汎用プログラムは、これまでになく遠くにあるようです。
ジェームズライトヒル卿は、高度なオートメーションとコンピュータベースのCNS研究を結びつける唯一のものは、Building Roobtsの「ブリッジ」カテゴリの存在であると信じていました。しかし、彼はこのカテゴリーが実際に価値のある何かを生み出すことについて非常に悲観的です。したがって、代わりに、AIフィールドは、独自の構成部分（自動化と研究）に分割する必要があります。構築されたロボットはすべて、そのサブフィールドに特化することができます...産業オートメーションまたはCNS研究のいずれか。「汎用プログラム」の聖杯を作ろうとしても、少なくとも当分は無意味です。