人工智能是怎样“炼成的”？

杨丽娟

1956年，达特茅斯学院的数学教授约翰·麦卡锡组织了一次会议，讨论了人工智能可能应用的领域。图片前排分别为赛弗里奇（左一）、纽厄尔（左二）、司马贺（左三）、香农（左四），后排罗奇斯特（左一）、明斯基（左二）、麦卡锡（左三）。

让我们将视线回溯到1955年，后来被称为“人工智能之父”的约翰·麦卡锡此时只有28岁。博士毕业后的麦卡锡前往达特茅斯学院数学系任职助理。28岁的他满腔热血、激情澎湃，对机器模拟人的学习或智能这个问题特别感兴趣，经常和志同道合的好友讨论。后来，他和明斯基、香农、罗切斯特4人发起了申请洛克菲勒基金的提案。在这个提案里，他们前瞻性地提出了7个领域的方向：自动计算机、编程语言、神经网络、计算规模理论、自我改造、抽象、随机性与创见性，并最终获得了7500美元的资助。

2006年当年的部分参会者重聚达特茅斯，照片中由左至右依次为：摩尔、麦卡锡、明斯基、赛弗里奇、所罗门诺夫。

麦卡锡认为利用这笔资金邀请对人工智能感兴趣或有想法的科学家们一起工作一段时间，可能会取得重大突破。他的这个想法在1956年实现了，这便是著名的达特茅斯会议。1956年6月，美国新罕布什尔州汉诺威镇的达特茅斯学院召开了“人工智能夏季研究项目”，会议持续了2个月。先后有多位著名数学、心理学、神经学、信息科学和计算机科学等方面的杰出科学家参与会议研讨。在这次会议上，“人工智能（Artificial Intelligence，缩写为AI）”一词被创造性地提了出来，人工智能学科由此诞生，人工智能也从此走上了历史舞台。

达特茅斯会议召开50年后，会议的部分组织者和参会者麦卡锡、明斯基、赛弗里奇、所罗门诺夫、摩尔重聚达特茅斯，共同见证了人工智能50年以来从一颗幼苗到不断茁壮成长的发展历史，他们满头白发却依然精神矍铄。人工智能先驱们有的驾鹤西去，有的垂垂老矣，但受他们精神和作品影响的后继者们继续在人工智能领域开疆拓土。可以说，达特茅斯会议是人工智能界公认的伟大会议，被称为人工智能的起点，1956年也就成了人工智能元年。

人工智能技术的发展并不是一帆风顺的，事实上，人工智能已经经历了“三起两落”，三次浪潮和两次寒冬，我们现在所经历的是人工智能的“第三次浪潮”。

1956年人工智能学科诞生，在其后的十多年，很快在数学定理证明、问题求解、博弈等领域取得了重大突破和进展。这段时期是人工智能发展的一个黄金时期，在数学定理证明领域的实际效果最好。达特茅斯会议上确定了符号AI的基本思路，依据这个思路发展出了基于符号主义、联结主义的数学定理证明。“符号主义”和“联结主义”分别是日后“专家系统”与“深度学习”的雏形。

1960—1970年间自动定理证明方法迅速发展，符号主义和联结主义达到高峰，以美国为代表的发达国家开始向人工智能领域投入重金，在各国政府、研究机构和军方对人工智能的大力支持下，人工智能研究迎来了第一次浪潮，人工智能因此取得了一系列显著成果。

例如1956年卡内基梅隆大学的“LT程序”证明了数学家怀特海和罗素合著的《数学原理》第二章的38条定理，1959年，洛克菲勒大学使用“王算法”证明了《数学原理》全书的350条定理。1966年名叫伊丽莎的心理治疗机器人诞生了，伊丽莎是一名虚拟的心理治疗师系统程序，它在计算机“IBM 7090”上运行，这是最早使用晶体管的大型计算机之一，当时的人们对这个人工智能的评价很高，有的病人甚至喜欢和它单独聊天。人工智能发展初期被广泛看好，在其诞生的2年之后，著名的认知心理学家西蒙和纽厄尔提出了一个著名的预言——10年之内人工智能将战胜国际象棋冠军、证明有意义的数学定理、谱写优美的乐曲。

但这个时期人工智能推理逻辑的缺陷也很明显，例如逻辑计算能力不足，应用能力弱，几乎无法解决任何实际的问题，达不到预期结果。1969年，明斯基和麻省理工学院的教授佩普特合作写了《感知机：计算几何学》一书，几乎完全否定了人工神经网络的作用。人工智能应用的局限和学界的广泛质疑，导致神经网络和深度学习技术的研究进入了将近20年的低谷期。

刚出生就处于黄金时期的人工智能，让科学家们高估了科学技术的发展现状和速度，定下了过于乐观的目標。当时的人工智能受限于性能和算法问题，能做的事情十分有限，没有有效发挥其价值。预期目标无法实现时，就引发了人们对人工智能的怀疑，随之而来的是资金上的困难。著名数学家拉特希尔在1973年向英国政府提交了名为《人工智能：一般性的考察》的研究报告，在报告中对当时的机器人技术、语言处理技术和图像识别技术进行了严厉的批评，认为人工智能根本无法解决实际问题，人工智能的项目就是浪费钱。基于此，英国政府停止了对爱丁堡、萨斯克斯、埃塞克斯三所大学的人工智能项目的资助，美国国家科学委员会和其他国家也大幅削减或停止了对人工智能领域的投入。

到1974年人工智能几乎已经成了资本的弃儿，人工智能的研究进入停滞状态。这次寒冬并不是偶然的，在人工智能长达近20年的黄金时代，创造的各种软件和硬件以及机器人，实际上的性能等同于玩具，和实用的工业产品相比，产生的价值微乎其微，并没有真正推进人们的生产、生活的发展。对于研究人工智能的科学家们来说，他们遇到了不可战胜的困难——因为当时的人工智能的发展，很大程度上受限于庞大的计算量，而人工智能需要足够的计算力才能真正发挥作用。1976年，美国科学家莫拉维克做了个类比：人工智能需要强大的计算力，就像飞机需要大功率动力才能飞离地面一样，低于门槛的时候是无法实现的。

马文·明斯基发明的通过摄像头技术与蛇形液压机械臂组合的机器人装置。

心理治疗机器人程序“伊丽莎”就安装在这台IBM7090计算机上。

戈登·摩尔，摩尔定律的创始人。

1997年，美國IBM公司制造的超级电脑“深蓝”战胜了俄罗斯著名国际象棋大师卡斯帕罗夫，此场对战堪称人类与AI的首次对决，影响和意义极为深远。

第二次人工智能热潮随着计算机的普及出现在上世纪80年代，机器学习取代了逻辑计算，解决了上一次人工智能寒冬所面临的问题。进化后的符号主义开始复苏，“专家系统”程序的知识处理开始被全世界的科学家所接受，成为人工智能领域的焦点。“专家系统”是一个智能计算机程序系统，内部含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识来解决该领域的问题。此外，基于“联结主义”使用程序模拟人脑神经元的工作原理等多重因素让人工智能重新焕发活力。这一阶段的代表有“专家系统”和日本的第五代计算机。

基于“专家系统”的研究成果有美国数字设备公司和卡内基梅隆大学合作开发的“XCON-R1专家系统”，这个系统是为美国数字设备公司打造的装配系统，系统会根据用户的订单给出一个配置的清单，包含应该使用的处理器，储存器以及外部电缆等，并给出这些部件装配的关系图，以便技术人员进行装配，这个系统每年为这家公司节省数百万美元。与第一次浪潮相比，这次浪潮的人工智能的性能得到了一定的提高，但同时也存在输入知识的程序过于复杂，难度高等问题。即使当时已有商业应用的成功实例，但应用的范畴却及其有限，并没有广泛运用到人们的生产、生活中，而且更新迭代和维修的成本非常高昂，第二次热潮也因此逐渐消退。

人工智能的第二次浪潮归功于其商业价值获得企业的认可和追捧，然而这种热度并没有持续太久。“专家系统”从原始数据获取知识主要靠人工，效率很低且知识不足，很多专家自己无法清晰、准确地描述出问题的思考和解决过程，知识推理很难实现逻辑化，系统经常出现各种奇奇怪怪的问题，没法达到人们对AI的预期。与此同时，日本第5代计算机工程宣布失败，当年定下的目标迟迟没有实现，人工智能性能瓶颈仍无法突破，最终导致日本政府大幅削减了对人工智能的资金投入。人工智能再次陷入困难中，一夜之间，这个价值约5亿美元的产业土崩瓦解。人工智能的第二次浪潮不断消退的同时，个人电脑的性能却在不断提升，个人电脑实质上并没有运用到人工智能技术，但性能上却远远超过价格昂贵、体型庞大的人工智能。因此当时的人们觉得人工智能就是骗人的，根本不实用，人工智能因此迎来了第二次寒冬。

摩尔定律（人工智能作为学科确立以来，其计算能力约每两年就增长一倍，使得大数据和复杂算法成为可能，计算性能的基础性障碍已逐渐被克服）、大数据（人工智能学习依赖于大量的数据，仅在过去几年的时间里，就产生了世界90%的数据）和高性能计算机的发展、深度学习的突破让基于“联结主义”和“经验主义”的人工智能在语言识别和图像识别等领域达到或接近人类的水平，在一定程度上可以通过商业化实现自我造血，人工智能及其性能不断得到突破，让人们重燃了对它的热情。

2008年谷歌的一个图片识别项目，通过让人工智能的神经网络在社交媒体油管（YouTube）上观看一周视频学会了如何辨别“猫”这种动物。机器通过大量的观看学习就能进行精准识别，这在当时引起了极大的轰动，项目负责人之一的吴恩达表示：这项技术会运用到谷歌无人驾驶汽车上，用来识别汽车周围出现的是儿童还是其他动物，避免事故发生。2016年微软将英语语音识别错误率降至5.9%，可与人类相媲美。同年，一款人工智能程序阿尔法围棋（AlphaGo）打败多位围棋职业选手，再度使人工智能收获空前的关注。2017年也被称为人工智能产业化元年。2022年美国“OpenAI公司”研发的聊天机器人程序“ChatGPT”迅速在社交媒体上走红，它的功能不止限于聊天，还可以撰写邮件、视频脚本、代码等任务，人工智能的发展再次取得了新的突破。

谷歌搜索项目中的“谷歌图片识别”，可以让你使用自己拍摄或从其他网站获得的照片或图片，搜索查找类似或完全匹配的图像。

人形机器人“Peppe”，配备了语音识别技术、关节技术，以及分析表情和声调的情绪识别技术，可与人类进行交流。

人脸识别系统是一项生物识别技术，融合了计算机图像处理技术与生物统计学原理。

回顾人工智能的发展史不难发现，人们有时会把发展中的人工智能想得过于强大，给予的期望过于高，从而产生了对“人工智能会思考并解决问题吗？”“人工智能会取代人类吗？”“人工智能会统治地球吗？”这些问题的思考，并且当人工智能没有取得很大或实质进展时，人们会轻易否定人工智能。实质上，这些问题属于人们遐想的强人工智能。即使目前的人工智能事业已经取得很大进步，但现阶段的人工智能依旧属于弱人工智能，距强人工智能还有很大差距。

人工智能现在已经不再是一个名词概念，也不单是一门学科，而是真正拥有技术基础和商业环境相结合的社会经济发展进步的新引擎，无论是学术界还是产业界都在努力让人工智能创造出更大的价值。人工智能的“三起两落”表明了人工智能的“炼成”绝非一气呵成。那人工智能是否会迎来第三次寒冬？我们尚未知晓。但回望两次寒冬，我们要做的是对科技事业和科学家们多一些信心，不应该给他们过多否定的声音。对于当下人工智能的发展，可以借用亮风台联合创始人廖春元的话：“有热情，有期待，有冷静的心态。”

（责编：南名俊岳）