官方微信
官方微信
人工智能七十年
發(fā)布時(shí)間：2019-10-23 18:42:28
近期，人工智能頻上熱搜：Facebook直擊現(xiàn)代人“今天穿什么”的痛點(diǎn)，推出Fashion++，通過算法調(diào)整服裝穿搭；美國作家安德魯?卡普蘭則將利用對(duì)話AI技術(shù)和數(shù)字助理設(shè)備在云上實(shí)現(xiàn)“永生”；ZAO利用deepfake技術(shù)實(shí)現(xiàn)視頻換臉，“以假亂真”……
近期，人工智能頻上熱搜：Facebook直擊現(xiàn)代人“今天穿什么”的痛點(diǎn)，推出Fashion++，通過算法調(diào)整服裝穿搭；美國作家安德魯?卡普蘭則將利用對(duì)話AI技術(shù)和數(shù)字助理設(shè)備在云上實(shí)現(xiàn)“永生”；ZAO利用deepfake技術(shù)實(shí)現(xiàn)視頻換臉，“以假亂真”……
從AI換臉到AI試穿，再到AI助“數(shù)字永生”……如今，人工智能正全方位滲透到我們的生活中，重要且不可忽視。
人工智能是如何走到今天的？本期盤點(diǎn)與人工智能發(fā)展相關(guān)的七十余載，看看這些高光與低潮時(shí)刻如何推動(dòng)人工智能不斷“進(jìn)化”，改變?nèi)祟惿畹氖澜纭?
艾薩克·阿西莫夫提出“機(jī)器人三大定律”（1942）
1942年，艾薩克·阿西莫夫（IsaacAsimov）發(fā)表了短篇小說《轉(zhuǎn)圈圈》(Runaround，又譯作《環(huán)舞》)。這位著名的科幻作家首次完整地闡述了他的“機(jī)器人三大定律”：
第一定律：機(jī)器人不得傷害人類，或因不作為而讓人類受到傷害。
第二定律：機(jī)器人必須服從人類的命令，除非這些命令違背了第一定律。
第三定律：在不違背第一與第二定律的前提下，機(jī)器人必須保護(hù)自己。
《轉(zhuǎn)圈圈》講述的是一個(gè)名叫速必?cái)常⊿peedy）的機(jī)器人，它接受了人類的命令，去危險(xiǎn)的硒溶池執(zhí)行采集任務(wù)。當(dāng)它越來越靠近目的地，危險(xiǎn)的程度越來越高，第三定律讓它不得不離開以保護(hù)自己；但當(dāng)它開始遠(yuǎn)離目的地，第二定律又讓它必須服從命令前進(jìn)。因此，它被置于一個(gè)前后兩難的矛盾境地，圍繞著硒溶池不停地轉(zhuǎn)圈圈。
阿西莫夫的“機(jī)器人”系列故事吸引了很多科幻迷，其中的一些科學(xué)家開始思考機(jī)器擁有思考能力的可能性。直到現(xiàn)在，仍有許多人使用阿西莫夫的三大定律，進(jìn)行人工智能的智力練習(xí)。
艾倫·圖靈提出模仿游戲（1950）
1950年，艾倫·圖靈（Alan Turing）寫道：“我提議考慮一個(gè)問題——‘機(jī)器能思考嗎？’”
這句話是其開創(chuàng)性的研究論文《計(jì)算機(jī)器與智能》的開頭。該論文提出了一個(gè)思考機(jī)器智能的模型。他反問道，如果一臺(tái)機(jī)器能夠模仿人類有意識(shí)的行為，難道它不會(huì)有意識(shí)嗎？
受到理論性問題的啟發(fā)，圖靈經(jīng)典的“模仿游戲”誕生了。游戲設(shè)置了三個(gè)角色，人、機(jī)器和人類“詢問者”。“詢問者”需要與其余二者在物理空間上分隔開。“詢問者”發(fā)起提問，且根據(jù)二者的純文本回應(yīng)（避免聲音回答產(chǎn)生干擾），區(qū)分機(jī)器和人。如果一臺(tái)機(jī)器能夠與人類溝通（注：圖靈認(rèn)為理想情況是使用Teleprinter，即“電傳打字機(jī)”），且讓“詢問者”難以分辨人與機(jī)器的分別，那么這臺(tái)機(jī)器就被認(rèn)為具有智能。
在圖靈時(shí)代，沒有一臺(tái)機(jī)器能夠通過這樣的測(cè)試，直到今天也沒有。但他的測(cè)試為區(qū)分機(jī)器是否具有智能提供了一個(gè)簡(jiǎn)單的標(biāo)準(zhǔn)。它幫助塑造了人工智能的哲學(xué)。
達(dá)特茅斯舉辦人工智能大會(huì)（1956）
到1955年，世界各地的科學(xué)家已經(jīng)開始思考一些概念問題，比如神經(jīng)網(wǎng)絡(luò)和自然語言，但還沒有統(tǒng)一的概念來概括這些與機(jī)器智能有關(guān)的領(lǐng)域。
達(dá)特茅斯學(xué)院（Dartmouth College）數(shù)學(xué)教授約翰·麥卡錫（John McCarthy）創(chuàng)造了“人工智能”這個(gè)術(shù)語來囊括這一切。
由麥卡錫領(lǐng)導(dǎo)的一個(gè)小組申請(qǐng)了撥款，在第二年舉辦了一場(chǎng)人工智能大會(huì)。1956年夏天，他們邀請(qǐng)了許多頂尖科研人員到特茅斯禮堂參加會(huì)議。科學(xué)家們討論了人工智能研究諸多的潛在發(fā)展領(lǐng)域，包括學(xué)習(xí)和搜索、視覺、推理、語言和認(rèn)知、游戲（尤其是國際象棋），以及人機(jī)交互（比如個(gè)人機(jī)器人）。
這場(chǎng)討論達(dá)成的普遍共識(shí)是，人工智能具有造福人類的巨大潛力。他們得出了一個(gè)“機(jī)器智能可能產(chǎn)生影響的研究領(lǐng)域”的總體框架。這次會(huì)議規(guī)范并促進(jìn)了作為一門研究學(xué)科的人工智能在此后多年的發(fā)展。
弗蘭克·羅森布拉特創(chuàng)造了感知機(jī) （1957）
神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)被稱為“感知機(jī)”（Perceptron），相當(dāng)于節(jié)點(diǎn)（node），接收一系列輸入并進(jìn)行計(jì)算，對(duì)其進(jìn)行分類和置信水平分析。舉例而言，“輸入”可能會(huì)分析一張圖片的不同部分，并對(duì)圖像中是否有人臉進(jìn)行“投票”。節(jié)點(diǎn)將會(huì)對(duì)投票行為和置信水平進(jìn)行計(jì)算，并得出結(jié)論。今天，在強(qiáng)大的計(jì)算機(jī)上運(yùn)行的人工神經(jīng)網(wǎng)絡(luò)，連接了數(shù)十億計(jì)這樣的結(jié)構(gòu)。
但在強(qiáng)大的計(jì)算機(jī)出現(xiàn)前，感知機(jī)就已經(jīng)存在了。20世紀(jì)50年代末，一位年輕的心理學(xué)家，弗蘭克·羅森布拉特（Frank Rosenblatt），為一臺(tái)名為Mark I的感知機(jī)建立了一個(gè)機(jī)械模型。
這臺(tái)機(jī)器是為圖像識(shí)別而設(shè)計(jì)的。它是一個(gè)模擬神經(jīng)網(wǎng)絡(luò)，其中的感光單元矩陣通過導(dǎo)線與節(jié)點(diǎn)相連。羅森布拉特開發(fā)了一種“感知機(jī)算法”，引導(dǎo)網(wǎng)絡(luò)逐漸調(diào)整其輸入強(qiáng)度，直到它們始終正確地識(shí)別圖像，從而有效地讓它進(jìn)行學(xué)習(xí)。
當(dāng)時(shí)，羅森布拉特受到美國海軍的經(jīng)費(fèi)資助，召開了新聞發(fā)布會(huì)。《紐約時(shí)報(bào)》抓住了發(fā)布會(huì)的要點(diǎn)：“海軍透露了一種電子計(jì)算機(jī)的雛形，希望未來它能夠走、說、寫、看、自我復(fù)制并意識(shí)到自己的存在。”
如今，這臺(tái)最早的感知器存放在美國的史密森尼博物院（Smithsonian）中。
直到20世紀(jì)80年代，科學(xué)家們還在激烈地討論感知機(jī)的相關(guān)問題。這對(duì)于創(chuàng)建神經(jīng)網(wǎng)絡(luò)的物理實(shí)體非常重要，而在此之前，神經(jīng)網(wǎng)絡(luò)主要是一個(gè)學(xué)術(shù)概念。
人工智能的第一個(gè)冬天（20世紀(jì)70年代）
人工智能已經(jīng)將其大部分的歷史投入到研究領(lǐng)域中。在20世紀(jì)60年代的大部分時(shí)間里，美國國防部高級(jí)研究計(jì)劃局（DARPA）等政府機(jī)構(gòu)為研究投入大量資金，但對(duì)于最終的回報(bào)要求不多。與此同時(shí)，為了保證經(jīng)費(fèi)充足，人工智能的學(xué)者經(jīng)常夸大他們的研究前景。這一切在60年代末70年代初發(fā)生了改變。
1966年，語言自動(dòng)處理咨詢委員會(huì)（ALPAC）向美國政府提交了一份報(bào)告；1973年，英國科學(xué)研究委員會(huì)（SRC）向英國政府提交了一份由知名應(yīng)用數(shù)學(xué)家James Lighthill爵士帶頭起草的報(bào)告。兩份報(bào)告都對(duì)人工智能研究各個(gè)領(lǐng)域的實(shí)際進(jìn)展提出了質(zhì)疑，它們看待技術(shù)前景的態(tài)度也非常悲觀。Lighthill報(bào)告認(rèn)為，用于語音識(shí)別等任務(wù)的人工智能很難擴(kuò)展到對(duì)政府或軍方有用的規(guī)模。
因此，美國政府和英國政府都開始削減大學(xué)人工智能研究的資金。在上世紀(jì)60年代的大部分時(shí)間里，DARPA一直慷慨地提供人工智能研究經(jīng)費(fèi)。如今，DARPA要求研究計(jì)劃必須有明確的時(shí)間表，并且詳細(xì)描述項(xiàng)目成果。
當(dāng)時(shí)的人工智能似乎是讓人失望的，它的能力可能永遠(yuǎn)達(dá)不到人類的水平。人工智能第一個(gè)“冬天”一直持續(xù)到70年代，并且繼續(xù)蔓延到80年代。
人工智能迎來第二個(gè)冬天（1987）
20世紀(jì)80年代的人工智能發(fā)展，是隨著“專家系統(tǒng)”（Expert Systems）的發(fā)展與大獲成功開始的。
專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)。系統(tǒng)內(nèi)存儲(chǔ)了大量領(lǐng)域知識(shí)，并模仿人類專家來做出決策。
這一系統(tǒng)最初是由卡內(nèi)基梅隆大學(xué)為數(shù)字設(shè)備公司（Digital Equipment Corporation）開發(fā)的，后者迅速采用了這項(xiàng)技術(shù)。
但是專家系統(tǒng)需要昂貴的專用硬件支持，這就出現(xiàn)了一個(gè)問題：當(dāng)時(shí)，Sun Microsystems的工作站、Apple和IBM的個(gè)人電腦都擁有近似的能力，但價(jià)格卻更低。1987年，專家系統(tǒng)計(jì)算機(jī)的市場(chǎng)崩潰了，主要供應(yīng)商黯然離場(chǎng)。
上世紀(jì)80年代初，專家系統(tǒng)的繁榮讓DARPA增加了對(duì)人工智能研究的資金投入。但后來情況再次發(fā)生了改變，除了少數(shù)人為挑選的項(xiàng)目以外，DAPRA再次切斷對(duì)于其他人工智能項(xiàng)目的大部分資助。
“人工智能”一詞再次成為研究領(lǐng)域的禁忌。為了避免被視為不切實(shí)際、渴求資助的“夢(mèng)想家”，科研人員開始為人工智能相關(guān)的研究冠上不同的名稱——比如“信息學(xué)”、“機(jī)器學(xué)習(xí)”和“分析學(xué)”。
第二個(gè)“人工智能冬天”延續(xù)到了2000年代。
IBM的深藍(lán)擊敗卡斯帕羅夫（1997）
1997年，當(dāng)IBM的深藍(lán)國際象棋（Deep Blue chess）電腦在國際象棋比賽中擊敗了當(dāng)時(shí)的世界冠軍加里?卡斯帕羅夫（Garry Kasparov）時(shí)，人工智能的公眾形象大幅提升。
在電視直播的六場(chǎng)比賽中，深藍(lán)贏了兩場(chǎng)，卡斯帕羅夫贏了一場(chǎng)，其中三場(chǎng)以平局告終。在前一年，卡斯帕羅夫擊敗了早期版本的“深藍(lán)”。
深藍(lán)擁有強(qiáng)大的計(jì)算能力，它使用了一種“蠻力”的方法，每秒評(píng)估2億種可能的走法，從而找到最佳走法。而人類每回合只能檢查大約50步。深藍(lán)達(dá)到的效果就像人工智能一樣，但是計(jì)算機(jī)此時(shí)還并沒有真正地在下棋中思考策略、自主學(xué)習(xí)。
盡管如此，深藍(lán)的勝利還是將人工智能非常高調(diào)地帶回了公眾視野。有人很著迷，也有人則對(duì)機(jī)器打敗頂尖的人類棋手這件事感到很不自在。令投資者難以忘懷的是：深藍(lán)的勝利推動(dòng)IBM股價(jià)上漲了10美元，創(chuàng)下了歷史新高。
神經(jīng)網(wǎng)絡(luò)看到貓（2011）
到2011年，世界各地的科學(xué)家都在討論并創(chuàng)造神經(jīng)網(wǎng)絡(luò)。那一年，谷歌工程師杰夫·迪恩（Jeff Dean）遇到了斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授吳恩達(dá)（Andrew Ng）。兩人萌生了建立一個(gè)大型神經(jīng)網(wǎng)絡(luò)的想法，利用谷歌的服務(wù)器資源為其提供強(qiáng)大的計(jì)算能力，并向它輸送海量的圖像數(shù)據(jù)集。
他們建立的神經(jīng)網(wǎng)絡(luò)在16000個(gè)服務(wù)處理器上運(yùn)行。他們隨機(jī)上傳了1000萬張沒有標(biāo)簽的來自YouTube的截圖。杰夫和吳恩達(dá)并沒有要求神經(jīng)網(wǎng)絡(luò)提供任何特定信息，或標(biāo)記圖像。當(dāng)神經(jīng)網(wǎng)絡(luò)在“無監(jiān)督”的狀態(tài)下運(yùn)行時(shí)，它們自然會(huì)試圖在數(shù)據(jù)找到模式，并形成分類。
神經(jīng)網(wǎng)絡(luò)對(duì)圖像數(shù)據(jù)進(jìn)行了為期三天的處理。然后，它返回了一個(gè)輸出，該輸出包含了三個(gè)模糊圖像，這些圖像描述了它在測(cè)試圖像中一次又一次看到的“圖案”——人臉、人體和貓。
在計(jì)算機(jī)視覺任務(wù)中使用神經(jīng)網(wǎng)絡(luò)和無監(jiān)督學(xué)習(xí)，該研究是一個(gè)重大突破。這個(gè)事件也標(biāo)志著“谷歌大腦項(xiàng)目”（Google Brain Project）的開始。
杰弗里·辛頓解放了深層神經(jīng)網(wǎng)絡(luò)（2012）
在杰夫和吳恩達(dá)取得突破性進(jìn)展之后的一年，多倫多大學(xué)教授杰弗里·辛頓（Geoffrey Hinton）和他的兩個(gè)學(xué)生建立了名為AlexNet的計(jì)算機(jī)視覺神經(jīng)網(wǎng)絡(luò)模型。2012年，在著名的ImageNet的圖像識(shí)別大賽當(dāng)中，AlexNet一舉奪冠。參賽者必須使用自己的系統(tǒng)來處理數(shù)百萬的測(cè)試圖像，并且以盡可能高的準(zhǔn)確率進(jìn)行識(shí)別。AlexNet贏得了比賽，錯(cuò)誤率不到亞軍的一半。AlexNet的Top-5錯(cuò)誤率是15.3%；而在2012年以前，最好成績(jī)是26%的錯(cuò)誤率。
注：Top-5錯(cuò)誤率是ImageNet大賽的評(píng)價(jià)標(biāo)準(zhǔn)之一。簡(jiǎn)而言之，大賽給圖片類別設(shè)置了近千項(xiàng)“分類”，而模型識(shí)別圖片時(shí)，會(huì)給出其預(yù)測(cè)的“分類”概率排名。對(duì)于某個(gè)圖片，如果該模型預(yù)測(cè)結(jié)果中，預(yù)測(cè)概率最大的前5項(xiàng)都不吻合實(shí)際結(jié)果，則算“錯(cuò)誤”。
這一成功有力地證明，深度神經(jīng)網(wǎng)絡(luò)在對(duì)圖像進(jìn)行準(zhǔn)確識(shí)別和分類方面遠(yuǎn)遠(yuǎn)優(yōu)于其他系統(tǒng)。這次奪冠影響極其深遠(yuǎn)，使深度神經(jīng)網(wǎng)絡(luò)得以復(fù)興，也為辛頓贏得了“深度學(xué)習(xí)教父”的綽號(hào)。
辛頓和他的同事約舒亞·本喬（Yoshua Bengio）、揚(yáng)·勒昆（Yann LeCun）一起獲得了2018年圖靈獎(jiǎng)。
AlphaGo打敗人類圍棋冠軍（2016）
早在2013年，一家名為DeepMind的英國初創(chuàng)公司的研究人員發(fā)表了一篇論文，展示了他們?nèi)绾问褂蒙窠?jīng)網(wǎng)絡(luò)來贏得50種老式的雅達(dá)利游戲（Atari）。令人印象深刻的是，谷歌以4億美元的價(jià)格收購了這家公司。
不過，DeepMind的光輝歲月還未到來。
幾年后，DeepMind的科學(xué)家們（現(xiàn)屬于谷歌）從雅達(dá)利游戲轉(zhuǎn)向人工智能的長(zhǎng)期挑戰(zhàn)之一——圍棋。他們開發(fā)了一個(gè)名為AlphaGo的神經(jīng)網(wǎng)絡(luò)模型用于玩圍棋，并通過玩來學(xué)習(xí)。該模型與其他版本的AlphaGo進(jìn)行了數(shù)千場(chǎng)比賽，學(xué)習(xí)AlphaGo的輸贏策略。
它居然成功了。2016年3月，AlphaGo在一系列比賽中以4比1擊敗了世界上最偉大的韓國棋手李世石（Lee Sedol）。整個(gè)事件被拍成了紀(jì)錄片。
觀看這部片子的時(shí)候，我們很難忘記李世石被擊敗時(shí)的悲傷。看起來就好像人類——而不僅僅是一個(gè)人——被打敗了。
在深度學(xué)習(xí)產(chǎn)生了廣泛影響的同時(shí)，人工智能的故事只是剛剛開始。
我們已經(jīng)進(jìn)入一個(gè)嶄新的時(shí)代。人工智能仍將充滿希望，裹挾著炒作與浮躁。它所帶來的，也許將遠(yuǎn)遠(yuǎn)超過個(gè)人計(jì)算和互聯(lián)網(wǎng)在過去30年對(duì)世界造成的改變。帶著對(duì)未來的期許，讓我們回到圖靈一開始提的問題：“機(jī)器能思考嗎？”
可能不需要再次歷經(jīng)70年的求索，答案也許就在這個(gè)十年。
