人工智能簡史（下）

從古代希臘神話中的機(jī)械巨人到 20 世紀(jì) 40 年代的第一臺可編程計(jì)算機(jī)，人工智能的概念經(jīng)歷了漫長的演變，并終于在 1965 年正式誕生為一門現(xiàn)代學(xué)科。在人工智能簡史（上）中，我們介紹了人工智能的誕生， AI 的第一次熱潮以及緊隨其后的第一次 AI 寒冬。人工智能的發(fā)展充滿曲折。接下來我們就來說說之后的故事。

圖片來源：pixabay

一、“連結(jié)主義”的復(fù)興

一個(gè)普遍的看法是，第一次 AI 寒冬在 1980 年結(jié)束，當(dāng)時(shí)一種名叫專家系統(tǒng)的軟件點(diǎn)燃了 AI 的復(fù)興。這種軟件具有大量人類知識和經(jīng)驗(yàn)，人們希望機(jī)器模擬專家進(jìn)行決策的邏輯過程，解決診斷血液病、識別化學(xué)物質(zhì)等局限在特定知識領(lǐng)域的問題。機(jī)器不需要具備常識，避開了導(dǎo)致人工智能上次失敗的一大障礙。這一時(shí)期，知識成為了人工智能的研究重點(diǎn)。

1980 年，卡耐基梅隆大學(xué)為生產(chǎn)小型計(jì)算機(jī)的美國數(shù)字設(shè)備公司開發(fā)了專家系統(tǒng)XCOM，專門處理需求各異的計(jì)算機(jī)采購訂單，自動向客戶提供符合要求的軟硬件搭配。它擁有大約 2500 條規(guī)則，準(zhǔn)確率達(dá)到 95% 至98%。到 1986 年， Etzcom 為數(shù)字設(shè)備公司節(jié)約了 4000 萬美元。這一巨大成功，使得世界各地的公司都開始開發(fā)和部署專家系統(tǒng)。1985 年時(shí)，全世界每年花在專家系統(tǒng)上的錢達(dá)到 10 億美元。

“連結(jié)主義“也在 80 年代迎來了復(fù)興，物理學(xué)家約翰霍普菲爾德證明了神經(jīng)網(wǎng)絡(luò)能以全新的方式學(xué)習(xí)和處理信息，而杰弗里辛頓等人讓反向傳播方法應(yīng)用于神經(jīng)網(wǎng)絡(luò)，極大提升了神經(jīng)網(wǎng)絡(luò)的性能。 90 年代，神經(jīng)網(wǎng)絡(luò)開始用于光學(xué)字符識別和語音識別，取得了商業(yè)上的成功。專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)第一次在現(xiàn)實(shí)世界掀起了 AI 的商業(yè)浪潮。實(shí)現(xiàn)經(jīng)濟(jì)騰飛的日本也在 80 年代加入了全球人工智能競賽。日本政府撥款 8. 5 億美元打造第五代計(jì)算機(jī)，這是一種能像人類一樣對話、翻譯、解釋、圖片和推理的機(jī)器，這被英美視作對其技術(shù)主導(dǎo)地位的挑戰(zhàn)。作為回應(yīng)，英國政府耗資 3. 5 億美元啟動了 Alphi 項(xiàng)目，旨在發(fā)展計(jì)算機(jī)視覺和語音識別。

二、凜冬再至

在美國，商業(yè)公司組成的行業(yè)聯(lián)盟開始投資AI，而 DARPA 也啟動了一項(xiàng)戰(zhàn)略計(jì)算計(jì)劃，意圖在 1983- 1993 年間投入 10 億美元資助先進(jìn)計(jì)算硬件和人工智能研究。到 1985 年， DARPA 已經(jīng)向美國的工業(yè)及學(xué)術(shù)界投入1億美元，但其雄心勃勃的十年計(jì)劃很快遭遇滑鐵盧。軍方原本想造出一種機(jī)器，每秒可以運(yùn)行 100 億條指令，能像人一樣看、聽說和思考，集成程度與人腦相媲美。但他們很快發(fā)現(xiàn)，這根本不可能實(shí)現(xiàn)。同一時(shí)期，專家系統(tǒng)開始暴露出無法解決的弱點(diǎn)，它的維護(hù)太過昂貴，很難更新，無法學(xué)習(xí)，魯棒性差，并且只能適配極少數(shù)的商業(yè)場景。專家系統(tǒng)背后的專用 AI 硬件市場隨之崩潰，許多公司破產(chǎn)。到 1992 年，日本的第五代計(jì)算機(jī)計(jì)劃也已失敗告終，至此，曇花一現(xiàn)的復(fù)興結(jié)束，人工智能跌入第二個(gè)寒冬。人工智能的發(fā)展呈現(xiàn)出高度的周期性，這從一個(gè)側(cè)面印證了人類對 AI 無法放棄的熱情，即便曾經(jīng)歷失敗，也堅(jiān)信它改變世界的巨大潛力。

1990 年代后期和 21 世紀(jì)初期，互聯(lián)網(wǎng)的高速發(fā)展為人工智能提供了海量的數(shù)據(jù)和更多更好的研究資源。搜索引擎、社交網(wǎng)絡(luò)等互聯(lián)網(wǎng)應(yīng)用也豐富了人工智能的商業(yè)化場景。誕生于第一次 AI 浪潮中的“連結(jié)主義”，在幾經(jīng)沉浮、不斷演進(jìn)之后，成為了 21 世紀(jì)人工智能浪潮的主旋律。

三、神經(jīng)網(wǎng)絡(luò)的時(shí)代

杰弗里辛頓等人在 90 年代初復(fù)興神經(jīng)網(wǎng)絡(luò)，之后，卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)等模型相繼出現(xiàn)，使得神經(jīng)網(wǎng)絡(luò)可以處理更復(fù)雜的數(shù)據(jù)和任務(wù)。2012 年，辛頓及其學(xué)生亞歷克斯克里澤夫斯基、伊利亞蘇茨克維提出了基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型Alexnet，在 Imagenet 比賽中大幅超越了傳統(tǒng)圖像分類方法，標(biāo)志著深度學(xué)習(xí)登上了人工智能核心技術(shù)的寶座。深度學(xué)習(xí)技術(shù)大幅提高了機(jī)器的感知能力。在 21 世紀(jì)的前 20 年， AI 在文字識別、語音識別、圖像識別和語言理解上相繼實(shí)現(xiàn)突破，不斷逼近可與人類相提并論的水平，并成功實(shí)現(xiàn)商業(yè)應(yīng)用，帶來了可觀的回報(bào)。更重要的是，深度學(xué)習(xí)將人工智能從感知時(shí)代帶入了生成時(shí)代。

神經(jīng)網(wǎng)絡(luò)的發(fā)展非常直觀地反映在了 AI 的圖像生成能力上。到 2017 年， AI 已經(jīng)可以生成以假亂真的人像和物像照片，并且性能還在不斷提升。2022 年 11 月， OpenAI 推出了基于大型語言模型的人工智能聊天機(jī)器人ChatGPT，令全世界嘆為觀止。 ChatGPT 實(shí)現(xiàn)了人類長久以來對于人工智能的期待，它可以快速地響應(yīng)人類的定制化需求，為寫作或編程等各式問題提供跨越多個(gè)知識領(lǐng)域的詳細(xì)答案。人們競相在社交網(wǎng)絡(luò)上展示 ChatGPT 根據(jù)自己的要求創(chuàng)作的音樂程序代碼、論文、詩詞、童話故事甚至電視劇劇本。研究人員在醫(yī)學(xué)等專業(yè)領(lǐng)域測試 ChatGPT 的能力，發(fā)現(xiàn) ChatGPT 能得到驚人優(yōu)異的成績。

各國政府和科技公司紛紛宣布將大力投入大型語言模型的研發(fā)，生成式人工智能已經(jīng)成為新的技術(shù)主旋律。人工智能已經(jīng)成為全球競爭的重要領(lǐng)域，各國政府和企業(yè)都加大對人工智能的投資和研究，以爭奪在這一領(lǐng)域的先發(fā)優(yōu)勢。人工智能還會經(jīng)歷下一次寒冬嗎？深度學(xué)習(xí)時(shí)代長久以來，困擾研究者的技術(shù)局限仍然存在，人工智能對于復(fù)雜問題的處理能力仍具有不確定性。通用人工智能仍未出現(xiàn)。深度學(xué)習(xí)的許多算法都不可解釋數(shù)據(jù)隱私問題，也困擾著全世界的消費(fèi)者和監(jiān)管機(jī)構(gòu)。人工智能帶來的無限可能性，人會刺激人性，吹起不切實(shí)際的泡沫，陳舊的頑疾和不可預(yù)見的新麻煩仍然可能導(dǎo)致人工智能再次陷入寒冬。想要創(chuàng)造一個(gè)人工智能與人類和諧相處的美好社會，需要我們持續(xù)關(guān)注、研究并嘗試解決這些問題。

文章由科普中國-星空計(jì)劃（創(chuàng)作培育）出品，轉(zhuǎn)載請注明來源。

作者：管心宇 科普作者

審核：于旸 騰訊玄武實(shí)驗(yàn)室負(fù)責(zé)人