扒扒“人工智能”的黑历史，这位老司机的过去不一般

今年是人工智能诞生60周年不管是在世界互联网大会还是今年其他的科技高峰论坛上人工智能（AI）都是备受瞩目的热...

| 达特茅斯学院

1950年，图灵发表了一篇划时代的论文，文中预言了创造出具有真正智能的机器的可能性。他提出了著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。图灵测试是人工智能哲学方面第一个严肃的提案。

上世纪50年代中期，随着数字计算机的兴起，一些科学家直觉地感到可以进行数字操作的机器也应当可以进行符号操作，而符号操作可能是人类思维的本质。这是创造智能机器的一条新路。

在1956年的达特茅斯会议上，AI的名称和任务最终得以确定。这一时期还出现了最初的成就和最早的一批研究者，因此这一事件被广泛承认为AI诞生的标志。

达特茅斯会议之后的数年是大发现的时代。对许多人而言，这一阶段开发出的程序堪称神奇：计算机可以解决代数应用题，证明几何定理，学习和使用英语。当时大多数人几乎无法相信机器能够如此“智能”。研究者们在私下的交流和公开发表的论文中表达出相当乐观的情绪，认为具有完全智能的机器将在二十年内出现。 ARPA（国防高等研究计划署）等政府机构向这一新兴领域投入了大笔资金。

这一时期，经费几乎是无条件地提供的：时任ARPA主任的J. C. R. Licklider相信他的组织应该“资助人，而不是项目”，并且允许研究者去做任何感兴趣的方向。这导致了MIT无约无束的研究氛围及其hacker文化的形成，但是好景不长。

由于人工智能研究者们对项目难度评估不足，这除了导致承诺无法兑现外，还让人们当初的乐观期望遭到严重打击。到了上世纪70 年代，人工智能开始遭遇批评，研究经费也被转移到那些目标明确的特定项目上。

在当时，由于计算机性能的瓶颈、计算复杂性的指数级增长、数据量缺失等问题，一些难题看上去好像完全找不到答案。比如像今天已经比较常见的机器视觉功能在当时就不可能找到一个足够大的数据库来支撑程序去学习，机器无法吸收足够的数据量自然也就谈不上视觉方面的智能化。

项目的停滞不但让批评者有机可乘——1973 年 Lighthill 针对英国 AI 研究状况的报告批评了 AI 在实现其“宏伟目标”上的完全失败，也影响到了项目资金的流向。人工智能在这一时期遭遇了 6 年左右的低谷。

小时候看电视时，不少节目都给人留下了“日本的机器人技术比中国先进”的印象，其实这并不是凭空发生的。1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目，目标是制造出能够与人对话、翻译语言、解释图像，并且能像人一样推理的机器。随后，英国、美国也纷纷响应，开始向 AI 和信息技术领域的研究提供大量资金。

在这个阶段，诸多公司开始采纳一种名为“专家系统”的人工智能程序。这套系统可以简单理解为“知识库+推理机”，是一类具有专门知识和经验的计算机智能程序系统，“知识处理”随之也成为了主流 AI 研究的焦点。

好景不长，上世纪80年代中商业机构对AI的追捧与冷落符合经济泡沫的经典模式，泡沫的破裂也在政府机构和投资者对AI的观察之中。尽管遇到各种批评，这一领域仍在不断前进。来自机器人学这一相关研究领域的Rodney Brooks和Hans Moravec提出了一种全新的人工智能方案。

现在大家谈到人工智能、机器学习时，往往会说这并不是一个新概念，在上世纪 90 年代就有了。的确，AI已经成为现实。如今，人工智能已经处在离大家最近的一个阶段。

人工智能在近年来已经进入了我们生活的方方面面。用百度搜索时，选择“语音识别”，用说话代替打字；或者上传一张照片，系统就能判断出这是哪位明星——这些功能的实现都有赖于被称为“百度大脑”的人工智能。“高精尖”是现在人工智能追求的一个方向，但不是全部。图灵奖获得者、人工智能专家雷伊·雷蒂正在思考如何让更多的老人、小孩以及其他弱势群体能够使用互联网。雷蒂提醒说，“这些人群很多不会打字，但可以说话，他们需要的不是更精确的语音识别，而是更易用的语音识别。”这番话引起多位专家共鸣。说到底，能够给人们帮上忙的人工智能，才是好的人工智能。

（创新浙江）

    关注 丽水科普