楊麗娟

1956年，達特茅斯學院的數(shù)學教授約翰·麥卡錫組織了一次會議，討論了人工智能可能應用的領域。圖片前排分別為賽弗里奇（左一）、紐厄爾（左二）、司馬賀（左三）、香農(nóng)（左四），后排羅奇斯特（左一）、明斯基（左二）、麥卡錫（左三）。

讓我們將視線回溯到1955年，后來被稱為“人工智能之父”的約翰·麥卡錫此時只有28歲。博士畢業(yè)后的麥卡錫前往達特茅斯學院數(shù)學系任職助理。28歲的他滿腔熱血、激情澎湃，對機器模擬人的學習或智能這個問題特別感興趣，經(jīng)常和志同道合的好友討論。后來，他和明斯基、香農(nóng)、羅切斯特4人發(fā)起了申請洛克菲勒基金的提案。在這個提案里，他們前瞻性地提出了7個領域的方向：自動計算機、編程語言、神經(jīng)網(wǎng)絡、計算規(guī)模理論、自我改造、抽象、隨機性與創(chuàng)見性，并最終獲得了7500美元的資助。

2006年當年的部分參會者重聚達特茅斯，照片中由左至右依次為：摩爾、麥卡錫、明斯基、賽弗里奇、所羅門諾夫。

麥卡錫認為利用這筆資金邀請對人工智能感興趣或有想法的科學家們一起工作一段時間，可能會取得重大突破。他的這個想法在1956年實現(xiàn)了，這便是著名的達特茅斯會議。1956年6月，美國新罕布什爾州漢諾威鎮(zhèn)的達特茅斯學院召開了“人工智能夏季研究項目”，會議持續(xù)了2個月。先后有多位著名數(shù)學、心理學、神經(jīng)學、信息科學和計算機科學等方面的杰出科學家參與會議研討。在這次會議上，“人工智能（Artificial Intelligence，縮寫為AI）”一詞被創(chuàng)造性地提了出來，人工智能學科由此誕生，人工智能也從此走上了歷史舞臺。

達特茅斯會議召開50年后，會議的部分組織者和參會者麥卡錫、明斯基、賽弗里奇、所羅門諾夫、摩爾重聚達特茅斯，共同見證了人工智能50年以來從一顆幼苗到不斷茁壯成長的發(fā)展歷史，他們滿頭白發(fā)卻依然精神矍鑠。人工智能先驅(qū)們有的駕鶴西去，有的垂垂老矣，但受他們精神和作品影響的后繼者們繼續(xù)在人工智能領域開疆拓土?？梢哉f，達特茅斯會議是人工智能界公認的偉大會議，被稱為人工智能的起點，1956年也就成了人工智能元年。

人工智能技術(shù)的發(fā)展并不是一帆風順的，事實上，人工智能已經(jīng)經(jīng)歷了“三起兩落”，三次浪潮和兩次寒冬，我們現(xiàn)在所經(jīng)歷的是人工智能的“第三次浪潮”。

1956年人工智能學科誕生，在其后的十多年，很快在數(shù)學定理證明、問題求解、博弈等領域取得了重大突破和進展。這段時期是人工智能發(fā)展的一個黃金時期，在數(shù)學定理證明領域的實際效果最好。達特茅斯會議上確定了符號AI的基本思路，依據(jù)這個思路發(fā)展出了基于符號主義、聯(lián)結(jié)主義的數(shù)學定理證明?！胺栔髁x”和“聯(lián)結(jié)主義”分別是日后“專家系統(tǒng)”與“深度學習”的雛形。

1960—1970年間自動定理證明方法迅速發(fā)展，符號主義和聯(lián)結(jié)主義達到高峰，以美國為代表的發(fā)達國家開始向人工智能領域投入重金，在各國政府、研究機構(gòu)和軍方對人工智能的大力支持下，人工智能研究迎來了第一次浪潮，人工智能因此取得了一系列顯著成果。

例如1956年卡內(nèi)基梅隆大學的“LT程序”證明了數(shù)學家懷特海和羅素合著的《數(shù)學原理》第二章的38條定理，1959年，洛克菲勒大學使用“王算法”證明了《數(shù)學原理》全書的350條定理。1966年名叫伊麗莎的心理治療機器人誕生了，伊麗莎是一名虛擬的心理治療師系統(tǒng)程序，它在計算機“IBM 7090”上運行，這是最早使用晶體管的大型計算機之一，當時的人們對這個人工智能的評價很高，有的病人甚至喜歡和它單獨聊天。人工智能發(fā)展初期被廣泛看好，在其誕生的2年之后，著名的認知心理學家西蒙和紐厄爾提出了一個著名的預言——10年之內(nèi)人工智能將戰(zhàn)勝國際象棋冠軍、證明有意義的數(shù)學定理、譜寫優(yōu)美的樂曲。

但這個時期人工智能推理邏輯的缺陷也很明顯，例如邏輯計算能力不足，應用能力弱，幾乎無法解決任何實際的問題，達不到預期結(jié)果。1969年，明斯基和麻省理工學院的教授佩普特合作寫了《感知機：計算幾何學》一書，幾乎完全否定了人工神經(jīng)網(wǎng)絡的作用。人工智能應用的局限和學界的廣泛質(zhì)疑，導致神經(jīng)網(wǎng)絡和深度學習技術(shù)的研究進入了將近20年的低谷期。

剛出生就處于黃金時期的人工智能，讓科學家們高估了科學技術(shù)的發(fā)展現(xiàn)狀和速度，定下了過于樂觀的目標。當時的人工智能受限于性能和算法問題，能做的事情十分有限，沒有有效發(fā)揮其價值。預期目標無法實現(xiàn)時，就引發(fā)了人們對人工智能的懷疑，隨之而來的是資金上的困難。著名數(shù)學家拉特希爾在1973年向英國政府提交了名為《人工智能：一般性的考察》的研究報告，在報告中對當時的機器人技術(shù)、語言處理技術(shù)和圖像識別技術(shù)進行了嚴厲的批評，認為人工智能根本無法解決實際問題，人工智能的項目就是浪費錢?；诖?，英國政府停止了對愛丁堡、薩斯克斯、埃塞克斯三所大學的人工智能項目的資助，美國國家科學委員會和其他國家也大幅削減或停止了對人工智能領域的投入。

到1974年人工智能幾乎已經(jīng)成了資本的棄兒，人工智能的研究進入停滯狀態(tài)。這次寒冬并不是偶然的，在人工智能長達近20年的黃金時代，創(chuàng)造的各種軟件和硬件以及機器人，實際上的性能等同于玩具，和實用的工業(yè)產(chǎn)品相比，產(chǎn)生的價值微乎其微，并沒有真正推進人們的生產(chǎn)、生活的發(fā)展。對于研究人工智能的科學家們來說，他們遇到了不可戰(zhàn)勝的困難——因為當時的人工智能的發(fā)展，很大程度上受限于龐大的計算量，而人工智能需要足夠的計算力才能真正發(fā)揮作用。1976年，美國科學家莫拉維克做了個類比：人工智能需要強大的計算力，就像飛機需要大功率動力才能飛離地面一樣，低于門檻的時候是無法實現(xiàn)的。

馬文·明斯基發(fā)明的通過攝像頭技術(shù)與蛇形液壓機械臂組合的機器人裝置。

心理治療機器人程序“伊麗莎”就安裝在這臺IBM7090計算機上。

戈登·摩爾，摩爾定律的創(chuàng)始人。

1997年，美國IBM公司制造的超級電腦“深藍”戰(zhàn)勝了俄羅斯著名國際象棋大師卡斯帕羅夫，此場對戰(zhàn)堪稱人類與AI的首次對決，影響和意義極為深遠。

第二次人工智能熱潮隨著計算機的普及出現(xiàn)在上世紀80年代，機器學習取代了邏輯計算，解決了上一次人工智能寒冬所面臨的問題。進化后的符號主義開始復蘇，“專家系統(tǒng)”程序的知識處理開始被全世界的科學家所接受，成為人工智能領域的焦點?！皩＜蚁到y(tǒng)”是一個智能計算機程序系統(tǒng)，內(nèi)部含有大量的某個領域?qū)＜宜降闹R和經(jīng)驗，能夠利用人類專家的知識來解決該領域的問題。此外，基于“聯(lián)結(jié)主義”使用程序模擬人腦神經(jīng)元的工作原理等多重因素讓人工智能重新煥發(fā)活力。這一階段的代表有“專家系統(tǒng)”和日本的第五代計算機。

基于“專家系統(tǒng)”的研究成果有美國數(shù)字設備公司和卡內(nèi)基梅隆大學合作開發(fā)的“XCON-R1專家系統(tǒng)”，這個系統(tǒng)是為美國數(shù)字設備公司打造的裝配系統(tǒng)，系統(tǒng)會根據(jù)用戶的訂單給出一個配置的清單，包含應該使用的處理器，儲存器以及外部電纜等，并給出這些部件裝配的關(guān)系圖，以便技術(shù)人員進行裝配，這個系統(tǒng)每年為這家公司節(jié)省數(shù)百萬美元。與第一次浪潮相比，這次浪潮的人工智能的性能得到了一定的提高，但同時也存在輸入知識的程序過于復雜，難度高等問題。即使當時已有商業(yè)應用的成功實例，但應用的范疇卻及其有限，并沒有廣泛運用到人們的生產(chǎn)、生活中，而且更新迭代和維修的成本非常高昂，第二次熱潮也因此逐漸消退。

人工智能的第二次浪潮歸功于其商業(yè)價值獲得企業(yè)的認可和追捧，然而這種熱度并沒有持續(xù)太久?！皩＜蚁到y(tǒng)”從原始數(shù)據(jù)獲取知識主要靠人工，效率很低且知識不足，很多專家自己無法清晰、準確地描述出問題的思考和解決過程，知識推理很難實現(xiàn)邏輯化，系統(tǒng)經(jīng)常出現(xiàn)各種奇奇怪怪的問題，沒法達到人們對AI的預期。與此同時，日本第5代計算機工程宣布失敗，當年定下的目標遲遲沒有實現(xiàn)，人工智能性能瓶頸仍無法突破，最終導致日本政府大幅削減了對人工智能的資金投入。人工智能再次陷入困難中，一夜之間，這個價值約5億美元的產(chǎn)業(yè)土崩瓦解。人工智能的第二次浪潮不斷消退的同時，個人電腦的性能卻在不斷提升，個人電腦實質(zhì)上并沒有運用到人工智能技術(shù)，但性能上卻遠遠超過價格昂貴、體型龐大的人工智能。因此當時的人們覺得人工智能就是騙人的，根本不實用，人工智能因此迎來了第二次寒冬。

摩爾定律（人工智能作為學科確立以來，其計算能力約每兩年就增長一倍，使得大數(shù)據(jù)和復雜算法成為可能，計算性能的基礎性障礙已逐漸被克服）、大數(shù)據(jù)（人工智能學習依賴于大量的數(shù)據(jù)，僅在過去幾年的時間里，就產(chǎn)生了世界90%的數(shù)據(jù)）和高性能計算機的發(fā)展、深度學習的突破讓基于“聯(lián)結(jié)主義”和“經(jīng)驗主義”的人工智能在語言識別和圖像識別等領域達到或接近人類的水平，在一定程度上可以通過商業(yè)化實現(xiàn)自我造血，人工智能及其性能不斷得到突破，讓人們重燃了對它的熱情。

2008年谷歌的一個圖片識別項目，通過讓人工智能的神經(jīng)網(wǎng)絡在社交媒體油管（YouTube）上觀看一周視頻學會了如何辨別“貓”這種動物。機器通過大量的觀看學習就能進行精準識別，這在當時引起了極大的轟動，項目負責人之一的吳恩達表示：這項技術(shù)會運用到谷歌無人駕駛汽車上，用來識別汽車周圍出現(xiàn)的是兒童還是其他動物，避免事故發(fā)生。2016年微軟將英語語音識別錯誤率降至5.9%，可與人類相媲美。同年，一款人工智能程序阿爾法圍棋（AlphaGo）打敗多位圍棋職業(yè)選手，再度使人工智能收獲空前的關(guān)注。2017年也被稱為人工智能產(chǎn)業(yè)化元年。2022年美國“OpenAI公司”研發(fā)的聊天機器人程序“ChatGPT”迅速在社交媒體上走紅，它的功能不止限于聊天，還可以撰寫郵件、視頻腳本、代碼等任務，人工智能的發(fā)展再次取得了新的突破。

谷歌搜索項目中的“谷歌圖片識別”，可以讓你使用自己拍攝或從其他網(wǎng)站獲得的照片或圖片，搜索查找類似或完全匹配的圖像。

人形機器人“Peppe”，配備了語音識別技術(shù)、關(guān)節(jié)技術(shù)，以及分析表情和聲調(diào)的情緒識別技術(shù)，可與人類進行交流。

人臉識別系統(tǒng)是一項生物識別技術(shù)，融合了計算機圖像處理技術(shù)與生物統(tǒng)計學原理。

回顧人工智能的發(fā)展史不難發(fā)現(xiàn)，人們有時會把發(fā)展中的人工智能想得過于強大，給予的期望過于高，從而產(chǎn)生了對“人工智能會思考并解決問題嗎？”“人工智能會取代人類嗎？”“人工智能會統(tǒng)治地球嗎？”這些問題的思考，并且當人工智能沒有取得很大或?qū)嵸|(zhì)進展時，人們會輕易否定人工智能。實質(zhì)上，這些問題屬于人們遐想的強人工智能。即使目前的人工智能事業(yè)已經(jīng)取得很大進步，但現(xiàn)階段的人工智能依舊屬于弱人工智能，距強人工智能還有很大差距。

人工智能現(xiàn)在已經(jīng)不再是一個名詞概念，也不單是一門學科，而是真正擁有技術(shù)基礎和商業(yè)環(huán)境相結(jié)合的社會經(jīng)濟發(fā)展進步的新引擎，無論是學術(shù)界還是產(chǎn)業(yè)界都在努力讓人工智能創(chuàng)造出更大的價值。人工智能的“三起兩落”表明了人工智能的“煉成”絕非一氣呵成。那人工智能是否會迎來第三次寒冬？我們尚未知曉。但回望兩次寒冬，我們要做的是對科技事業(yè)和科學家們多一些信心，不應該給他們過多否定的聲音。對于當下人工智能的發(fā)展，可以借用亮風臺聯(lián)合創(chuàng)始人廖春元的話：“有熱情，有期待，有冷靜的心態(tài)。”

（責編：南名俊岳）