原標題:「人工智能」六十多年了,而我們又走了多遠了,? 雷鋒網(wǎng) AI 科技評論按:這幾天,,機器學習圈子的日常話題忽然刮起了一股「懷舊」風。 在 GANs 的余溫逐漸冷卻,,基于深度學習設(shè)計的解決方案仍然在信息與計算機領(lǐng)域之外的問題上苦苦掙扎,,機器學習理論研究相比于單個方法和任務(wù)更關(guān)注不同方法和任務(wù)之間關(guān)系的大畫卷,強化學習一面在前所未有的算力的支撐下不斷斬獲新的成績,、一面仍然因為學習范式固有的不穩(wěn)定和低樣本效率廣為詬病的這個 2018 年夏天,,突然有人想起六十多年前的,、1955 年的那個夏天,。 「人工智能」的誕生 1956 年達特茅斯學院夏季人工智能科研項目其中五位參與者,,在 2006 年 7 月的 AI@50 論壇上重逢。從左起: Trenchard More,、 John McCarthy、 Marvin Minsky,、 Oliver Selfridge和 Ray Solomonoff 1955 年夏天,幾位計算機科學與信息學大拿,、人工智能先驅(qū) John McCarthy,、Marvin Minsky,、Nathaniel Rochester,、Claude Elwood Shannon 在達特茅斯發(fā)起了一個夏季科研項目提議,首次提出了「人工智能 Artificial Intelligence」的概念,。在這個 workshop 的倡議書中他們寫道:「我們將試圖找出一種方法,,能讓機器使用語言,、形成抽象概念和觀念,、幫助人類解決不同種類的問題,并且能夠自我改進……現(xiàn)階段人工智能研究的目標是,,試圖讓機器做出能被人類稱為『智能』的行為,。」而那個夏天,,他們希望討論的話題就已經(jīng)是(翻譯成現(xiàn)代研究人員使用的詞匯之后):自我編程計算機,、自然語言,、神經(jīng)網(wǎng)絡(luò),、計算復(fù)雜度,、自我改進,、表征(本體論),、隨機性與創(chuàng)造力,。 《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》, 1955, J. McCarthy, et.al 他們還寫道「我們認為,,只要一群精挑細選的優(yōu)秀的科學家一起研究一個夏天,,我們就可以在其中的至少一個問題上做出重要的突破」。相應(yīng)地,,他們在預(yù)算中準備了 6 位教授和2 位博士生的薪水,,與其他開銷以及意外預(yù)留費用加起來,,一共 13500 美元,;只看預(yù)算的數(shù)額都覺得寒酸(即便當年的美元比現(xiàn)在的值錢),。 結(jié)局我們自然知道,,這些問題的廣度與深度都遠超「一小群科學家」和「一個夏天」所能掌握的,,即便到了今天其中的多個問題都是人工智能/機器學習領(lǐng)域熱門的未解難題,,甚至于,如果在某個小規(guī)模的機器學習會議中看到的討論議題就是這 7 個(的現(xiàn)代版),,也并不會覺得分外奇怪吧。 不過反過來說,,六十多年前的 workshop 提出的研究課題直到現(xiàn)在都有還未解決的,、還在熱烈討論研究的,,不禁讓人嘴角上揚。這當然說明了幾位先驅(qū)的高瞻遠矚,,但這是否也說明在如今滿天飛的論文中,真正有開創(chuàng)新的,、觸及本質(zhì)的研究還是太少呢,?我們也許給一些問題給出了更好的答案,但許多方面我們還未能提出更好的問題,。 1956 年達特茅斯的 AI 會議正式召開并開創(chuàng)了人工智能 Artificial Intelligence 這個詞之后,,無數(shù)計算機科學家、電子科學家,、語言學家,、神經(jīng)科學家、心理學家等等匯聚在這面大旗下,,嘗試推動智能系統(tǒng),、計算理論,、生物智慧、仿人類智慧系統(tǒng)設(shè)計的研究,,不過一如大家所見,太多的問題和概念都一股腦裝在了「人工智能」這個大筐里,,普通民眾也養(yǎng)成了用「機器夠不夠像人」和「機器和人誰厲害」評價技術(shù)成果的壞習慣,。 有一些做機器學習,、智能系統(tǒng)的科學家其實感到很頭疼:如果當年達特茅斯的幾個人提出的詞是「計算智能 Computational Intelligence」而不是「人工智能 Artificial Intelligence」,能表明重現(xiàn)人類的智慧不是唯一的目標,、甚至都不一定是最重要的目標,,就好了…… 從這個角度來講,,也許還是能夠說明幾位先驅(qū)們對這個方向的認識過于簡單和樂觀,沒有意識到「生物智能」與「機器智能」,、「復(fù)雜的人類社會文化」與「確定可解析的機器計算」,、「模仿生物智能」與「幫助人類完成任務(wù)的智能系統(tǒng)」之間深遠的鴻溝。后來的機器學習「祖師爺」,、「人工智能界的邁克爾喬丹的」Michael I. Jordan 也撰文仔細解釋過相關(guān)話題,,感興趣的讀者可以閱讀雷鋒網(wǎng) AI 科技評論往期文章 Michael I. Jordan 撰文:不要被深度學習一葉障目不見泰山。 后來的兩個夏天的故事 「人工智能」概念在 1955 年提出,而后逐漸發(fā)展出了經(jīng)典的,、基于規(guī)則的機器學習系統(tǒng),;這當然是深度學習時代來臨之前的事情。 如果回看 1955 年的「人工智能」研究課題我們覺得眼熟的話,回看 1980 年代的機器學習系統(tǒng)會是什么感覺呢,?華盛頓大學計算機科學與工程學教授 Pedro Domingos 也給了自己的觀點: 看起來似乎不太樂觀,,似乎深度學習只是以往的機器學習方法的再次錯誤重現(xiàn),。不過也有許多人反駁,雖然認同兩個時代的智能系統(tǒng)都面向非常狹窄的任務(wù),、都非常脆弱,但如今的系統(tǒng)已經(jīng)確實廣泛運用在了各種系統(tǒng)中,,為全世界人民提供了實實在在的價值,。 Keras 作者 Fran?ois Chollet 也表示:「就像人們傾向于高估當代的 AI 系統(tǒng)的覆蓋范圍和智慧水平,他們也會低估這些簡單,、面向狹窄任務(wù)的系統(tǒng)能做到多少事情,只要它們被擴展到了合適的規(guī)模,、被廣泛地部署使用。深度學習確實從各個角度看起來都很蠢,,而且它也并不能構(gòu)成一條通向人工智能的有意義的路徑,,但同時,,深度學習非常的重要,,它有潛力對大多數(shù)行業(yè)產(chǎn)生難以忽視的影響,。它不需要很聰明就已經(jīng)可以很有用,。」 Fran?ois Chollet 的話非常中肯,,深度學習距離「人工智能」的目標還太遠了,,但以深度學習為核心的解決方案已經(jīng)在許多領(lǐng)域生根發(fā)芽。今年其實有人擔心神經(jīng)網(wǎng)絡(luò),、人工智能的第三次寒冬是不是快要來了,,但既然包括神經(jīng)網(wǎng)絡(luò)模型在內(nèi)的各種機器學習方法除了學術(shù)界的廣泛研究之外也還得到了企業(yè)的廣泛使用,,那么所謂寒冬就不用害怕,。 這個夏天,,很熱。而且以后的夏天也會像以前的夏天一樣,,充滿故事。 《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》PDF 下載:http://jmc./articles/dartmouth/dartmouth.pdf 雷鋒網(wǎng) AI 科技評論報道,。 |
|