圖 6人工智能演變

 

　　人工智能的先驅(qū)亞瑟·塞繆爾（Arthur Samuel）于1952年開發(fā)了一個(gè)玩跳棋的計(jì)算機(jī)程序，它被公認(rèn)為是第一個(gè)獨(dú)立學(xué)習(xí)的計(jì)算機(jī)程序，也是第一個(gè)機(jī)器學(xué)習(xí)程序。后來出現(xiàn)了專家系統(tǒng)和決策支持系統(tǒng)，如MYCIN、CADUCEUS和INTERNIST-I，這是我們之前討論過的。

 

　　20世紀(jì)早期的許多人工智能活動(dòng)都使用過程編程邏輯作為主要的編程技術(shù)，需要人類繁重的工作和基礎(chǔ)設(shè)施支持。這股浪潮的標(biāo)志性可能是IBM的深藍(lán)電腦[[1]]擊敗了國際象棋界人類最偉大的冠軍之一加里·卡斯帕羅夫（Gary Kasparov）。當(dāng)時(shí)，我們認(rèn)為這是人工智能趕上人類智能的標(biāo)志。IBM的深藍(lán)需要很多繁重的工作；這是一臺(tái)專門設(shè)計(jì)的計(jì)算機(jī)，許多人認(rèn)為它在硬件和軟件上都展示出強(qiáng)大的能力。值得一提的是，深藍(lán)的一位程序員在被問及對(duì)人工智能投入了多少精力時(shí)，回答是“沒有投入”。他形容深藍(lán)是一個(gè)超級(jí)計(jì)算機(jī)系統(tǒng)，是人類用“類似窮舉的方法”，把這一步棋的每一種落子的下法全部算清楚，然后找出最優(yōu)解。

 

　　人工智能冬季是對(duì)人工智能研究和開發(fā)階段的一個(gè)隱喻性描述，該階段的興趣和資金水平大幅下降。20世紀(jì)初對(duì)人工智能的炒作和夸大適得其反，因?yàn)槭诸^的技術(shù)未能達(dá)到預(yù)期。

 

　　算法人工智能并沒有超越人類?？苹?a href="http://www.baoxianwx.cn/video/list-1410.html" target="_blank">電影中描繪的人工智能不是真實(shí)的。

 

　　1966年，政府停止資助NLP研究，因?yàn)闄C(jī)器翻譯比使用人工翻譯更昂貴。政府取消了人工智能研究，人工智能研究人員發(fā)現(xiàn)很難找到工作。這是人工智能的黑暗時(shí)期，一個(gè)冬天。交付失敗、項(xiàng)目失控以及政府和行業(yè)的成本沉沒導(dǎo)致了第一個(gè)人工智能冬天。AI是一個(gè)夢(mèng)想，它成為一個(gè)共識(shí)，即AI起不了什么作用。這種認(rèn)知一直持續(xù)到分析變成普通詞。機(jī)器學(xué)習(xí)技術(shù)和預(yù)測(cè)分析誕生了，第二次人工智能轉(zhuǎn)型正在進(jìn)行中。

 

　　2011年，IBM Watson計(jì)算機(jī)系統(tǒng)參加了Jeopardy！，IBM再次展示了人工智能的標(biāo)志性成果，對(duì)陣傳奇冠軍布拉德·魯特和肯·詹寧斯并獲勝！這個(gè)2011年的IBM Watson系統(tǒng)花了幾年時(shí)間才建成，在硬件實(shí)現(xiàn)中再次使用了蠻力，而在工程方面使用了大量的數(shù)學(xué)、機(jī)器學(xué)習(xí)和NLP。圖形處理器單元（GPU）和21世紀(jì)人工智能的深度學(xué)習(xí)特性都沒有任何吸引力。對(duì)于普通觀眾來說，參加Jeopardy！的IBM Watson是對(duì)話式AI，但事實(shí)并非如此，因?yàn)镮BM Watson并未聆聽和處理音頻。相反，傳輸?shù)氖茿SCII文件。

 

　　公平地說，IBM Watson及其贏得Jeopardy!的系統(tǒng)，其在自然語言理解方面的創(chuàng)新工作推動(dòng)了該領(lǐng)域的發(fā)展。

 

　　我們今天可以用人工智能做的事情當(dāng)然與我們?cè)?950年代、1960年代、1970年代、1980年代、1990年代和2000年代初期可以做的事情不同。盡管我們使用了許多相同的算法和許多相同的計(jì)算機(jī)科學(xué)，但人工智能領(lǐng)域發(fā)生了大量創(chuàng)新。深度學(xué)習(xí)、新算法、GPU和大數(shù)據(jù)是關(guān)鍵區(qū)別。工業(yè)界和學(xué)術(shù)界出現(xiàn)了新思維的爆炸式增長，而今天人工智能又重新熱起來，這主要是因?yàn)樯疃葘W(xué)習(xí)。

 

　　神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)算法的演示，以及人類視覺、聲音和語言理解感知的實(shí)現(xiàn)，掀起了學(xué)術(shù)界和科技公司人工智能研發(fā)的巨大浪潮。互聯(lián)網(wǎng)提供了大量的數(shù)據(jù)，GPU提供了計(jì)算能力，第三次人工智能的轉(zhuǎn)變由此到來。

 

　　2015年10月，最初的AlphaGo成為第一個(gè)無障礙擊敗人類職業(yè)圍棋選手的計(jì)算機(jī)系統(tǒng)。2017年，一位繼任者AlphaGo大師在三場(chǎng)比賽中擊敗了世界排名第一的選手。AlphaGo使用深度學(xué)習(xí)，是人工智能的另一個(gè)標(biāo)志性展示。2017年，DeepMind推出了AlphaZero，這是一個(gè)人工智能系統(tǒng)，它從零開始自學(xué)如何玩和掌握國際象棋和圍棋，并隨后擊敗世界冠軍。值得注意的是，這個(gè)系統(tǒng)是在沒有向it提供領(lǐng)域知識(shí)的情況下建立的，而僅僅是游戲規(guī)則?？吹揭豢罹哂歇?dú)特、動(dòng)態(tài)和創(chuàng)造性游戲風(fēng)格的電腦游戲也很吸引人。AlphaZero展示了人工智能的力量。

 

　　許多公司很有可能（甚至能預(yù)料）看到他們的人工智能計(jì)劃和實(shí)現(xiàn)失敗。深度學(xué)習(xí)和人工智能的局限性為研究人員、博客作者和許多專家所熟知，例如，深度學(xué)習(xí)本身無法解釋它是如何得出答案的。深度學(xué)習(xí)沒有因果關(guān)系，與人類不同的是，它不能讓人類進(jìn)行推理，或許多人所說的常識(shí)。深度學(xué)習(xí)需要成千上萬的圖像來學(xué)習(xí)和識(shí)別特定的物體，比如確定貓的類型或者從照片中識(shí)別你的母親。人類只需要幾個(gè)例子，幾秒鐘就能做到。人類知道鼻子在嘴下面的臉的圖像是不正確的。任何接近人類推理的東西目前都不適用于人工智能；這將是第四次過渡。

 

圖 7 人工智能從弱到強(qiáng)

 

　　人工智能已經(jīng)取得了驚人的進(jìn)步，但要實(shí)現(xiàn)人類水平的智能，我們還有一段路要走。研究繼續(xù)推進(jìn)人工智能。人工智能是有抱負(fù)的，它努力在人工智能的連續(xù)體上盡可能地向右移動(dòng)，并且盡可能快，如圖 7所示。

 

　　與Ex Machina或2001：A Space Odyssey等電影相比，人工智能超越了人類智能（反映了強(qiáng)大的人工智能），我們還沒有到達(dá)那里——我們今天擁有弱人工智能，或者一些人稱之為狹義人工智能。它的范圍很窄，因?yàn)槔?，我們?xùn)練機(jī)器學(xué)習(xí)模型來檢測(cè)肺炎，但相同的模型無法檢測(cè)X射線中的腫瘤性癌癥。也就是說，經(jīng)過訓(xùn)練可以做一件事的系統(tǒng)將很快中斷相關(guān)但略有不同的任務(wù)。今天，當(dāng)我們主要針對(duì)人工智能明確定義的問題時(shí)，需要人們來確保人工智能是正確的。人類必須訓(xùn)練AI模型并管理AI開發(fā)從出生到死亡的整個(gè)生命周期。

 

　　人工智能的新創(chuàng)新將使我們沿著連續(xù)體進(jìn)一步向右移動(dòng)，也許因果關(guān)系將在我們的視線之內(nèi)。例如，我們將開始了解，長途飛行前服用的阿司匹林是否確實(shí)起到了血液稀釋劑的作用，從而降低了受試者在旅行期間因不動(dòng)而形成血栓的風(fēng)險(xiǎn)。這與目前建議航空公司乘客服用阿司匹林作為預(yù)防措施的做法形成對(duì)比。

 

　　深度學(xué)習(xí)很可能會(huì)通過新的研究和創(chuàng)新進(jìn)行改造。硬件會(huì)有所改善。將會(huì)有另一個(gè)如圖 6所示的AI過渡，它將加速AI沿著圖 7所示的連續(xù)體進(jìn)一步向右移動(dòng)。今天，人工智能和人類必須攜手合作解決問題。在醫(yī)療保健方面AI可能會(huì)出錯(cuò)，我們需要具有直覺和經(jīng)驗(yàn)的臨床醫(yī)生幫助增強(qiáng)AI。

 

　　[]深藍(lán)是美國IBM公司生產(chǎn)的一臺(tái)超級(jí)國際象棋電腦，重1270公斤，有32個(gè)大腦（微處理器），每秒鐘可以計(jì)算2億步。“深藍(lán)”輸入了一百多年來優(yōu)秀棋手的對(duì)局兩百多萬局。 ↑