快訊 來源：虎嗅網(wǎng) 2023-07-06 08:11:58
本文來自微信公眾號(hào)：果殼 （ID：Guokr42），作者：凡塵不清，編輯：睿悅，題圖來自：《回到未來》
(資料圖片)
如今我們對(duì) AI 的想象，其實(shí)一點(diǎn)都不新鮮：模擬人類專家的智能，上世紀(jì) 60 年代有“專家系統(tǒng)”；用自然語言與計(jì)算機(jī)直接交互，80 年代有“第五代計(jì)算機(jī)”；今天 AI 領(lǐng)域讓我們驚嘆的自主推理應(yīng)答、自動(dòng)識(shí)別文字圖像，在你爸媽甚至爺奶年代都有相應(yīng)的研究。
和今天不同的是，那時(shí)唱反調(diào)的人占了多數(shù)。
一位耶魯大學(xué)的研究者在 1985 年指出了一種所有人最不希望看到的 AI 發(fā)展走向：五年內(nèi)，日本和美國主導(dǎo)的人工智能項(xiàng)目無法兌現(xiàn)最初的承諾→政府和投資人撤資→創(chuàng)業(yè)公司倒閉→任何與 AI 相關(guān)的東西都無法獲得融資→所有人立刻修改研究項(xiàng)目的名稱避免與 AI 相關(guān)→AI 研究進(jìn)入“寒冬”。
這位研究者是“真預(yù)言家”?；仡^看，80 年代以第五代計(jì)算機(jī)為代表的人工智能研究的確最終導(dǎo)向了寒冬。
誰知道我們今天是不是也在同樣的路上呢？
“智能”該如何定義？
現(xiàn)在，人們大多將 1956 年召開的達(dá)特茅斯學(xué)術(shù)會(huì)議當(dāng)作人工智能的開端，但那場大佬云集的會(huì)議實(shí)際只提出了“人工智能”這個(gè)概念，對(duì)于如何實(shí)現(xiàn)人工智能，并沒有形成統(tǒng)一意見。
當(dāng)時(shí)的研究者們對(duì)什么算“智能”的回答分三種：第一種認(rèn)為智能的核心在于邏輯推理（符號(hào)主義）；第二種則是試圖通過復(fù)刻人腦的運(yùn)行方式來復(fù)現(xiàn)智能（聯(lián)結(jié)主義）；第三種則注重模仿人類走路、跑跳、視覺、聽覺、觸覺等與環(huán)境的直接交互（行為主義，出現(xiàn)較晚）。
波士頓機(jī)器人走第三種路線
三條路線的研究者們按照各自對(duì)“智能”概念的不同理解開始了分頭行動(dòng)。
第一種率先有動(dòng)靜。1965 年，一位叫費(fèi)根鮑姆的計(jì)算機(jī)科學(xué)家和幾位大學(xué)教授合作開發(fā)了一款名為 DENDRAL 的計(jì)算機(jī)程序，它可以根據(jù)化學(xué)分子在質(zhì)譜儀中的數(shù)據(jù)，自動(dòng)識(shí)別對(duì)應(yīng)化合物的結(jié)構(gòu)圖——高考化學(xué)選修五最難的題也不敢這么考。
這類解決某一專業(yè)領(lǐng)域內(nèi)問題的產(chǎn)品叫“專家系統(tǒng)”，它能為企業(yè)帶來實(shí)在的商業(yè)回報(bào)：美國卡耐基·梅隆大學(xué)在 1978 年為 DEC 公司制造出 XCON 專家系統(tǒng)，系統(tǒng)能依據(jù)用戶的定貨需求，選出最合適的計(jì)算機(jī)硬件，幫助 DEC 公司每年節(jié)約 4000 萬美元左右的費(fèi)用；斯坦福研究院在 1981 年開發(fā)了 PROSPECTOR 專家系統(tǒng)用于礦產(chǎn)勘探，后來人們用它識(shí)別出了華盛頓州托爾曼山脈附近的一個(gè)鉬礦床，這個(gè)礦床價(jià)值 1 億美元。
那是專家系統(tǒng)的黃金年代：到 20 世紀(jì) 80 年代末，世界五百強(qiáng)中有一半的企業(yè)都在發(fā)展或維護(hù)專家系統(tǒng)，對(duì)專家系統(tǒng)的使用以每年 30% 的速度增長。
不過，專家系統(tǒng)怎么就是人工智能了？
“專家”就一定“智能”么？
專家系統(tǒng)模擬了專業(yè)咨詢的三個(gè)方面：專家的經(jīng)驗(yàn)（知識(shí)）、思考方式（推理規(guī)則）、以及專家與咨詢者的互動(dòng)（交互方式）。
專家系統(tǒng)的研究者認(rèn)為，邏輯推理是人類智慧的核心，通過建構(gòu)數(shù)據(jù)和推理規(guī)則，就能讓機(jī)器獲得類似于人類專家的智能。
但僅有推理規(guī)則還不足以支撐一場判斷，知識(shí)也很重要。研究者認(rèn)為，知識(shí)不僅僅是數(shù)據(jù)或信息，還是一種映射關(guān)系——對(duì)一名外科醫(yī)生來說，患者的情況（病歷信息、藥物過敏史、當(dāng)前藥物及反應(yīng)等）是數(shù)據(jù)，根據(jù)該數(shù)據(jù)，聯(lián)想到該疾病的病理特征及治療方法才是知識(shí)。
將患者的數(shù)據(jù)與已有的臨床知識(shí)匹配（推理），并將對(duì)應(yīng)的診療方法用恰當(dāng)?shù)姆绞礁嬖V患者（交互），這才是一次完整的診療。
于是人們模仿醫(yī)生的診斷過程，將知識(shí)庫、推理規(guī)則、交互界面交給計(jì)算機(jī)，一個(gè)“有智能”的專家系統(tǒng)就搭建好了。
一個(gè)1984年的專家系統(tǒng)平臺(tái)｜wikimedia commons
實(shí)際上，我們今天也在用類似思路實(shí)現(xiàn)人工智能。往簡單了說，ChatGPT 也就是識(shí)別用戶輸入的文字或圖片，通過某種映射規(guī)則把問題與預(yù)訓(xùn)練模型中的知識(shí)匹配，再返還一個(gè)“最大正確概率”的結(jié)果。
區(qū)別在于，當(dāng)時(shí)專家系統(tǒng)的推理規(guī)則過于死板，嚴(yán)格遵守“如果……那么……”的邏輯，比起智能，更像程序。而且專家系統(tǒng)所有的操作假設(shè)、規(guī)則和程序，都依賴人工錄入，機(jī)器無法自動(dòng)完成這個(gè)過程。
而 ChatGPT 運(yùn)用的深度學(xué)習(xí)方式，需要經(jīng)過層層神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整。機(jī)器推理的過程早已如同“黑箱”一般，變得無法解釋——這更接近人類智能的表現(xiàn)方式，畢竟我們也解釋不清楚自己腦袋里每天冒出的想法是哪來的。
但回到上世紀(jì) 80 年代，研究者認(rèn)為專家系統(tǒng)就是人工智能的典范，狂喜的氛圍從科學(xué)界傳遞到社會(huì)，甚至還開啟了經(jīng)濟(jì)大國為爭奪人工智能話語權(quán)的一場混戰(zhàn)。
教練，我想整超級(jí)人工智能
專家系統(tǒng)是一個(gè)精彩的故事，自然吸引到了政府的注意。
1982 年，日本政府正式制定“第五代計(jì)算機(jī)系統(tǒng)研發(fā)項(xiàng)目”（Fifth Generation Computer Systems，簡稱FGCS），花十年時(shí)間，制作出一種“超級(jí)計(jì)算機(jī)”。
日本政府設(shè)想中這種計(jì)算機(jī)“會(huì)思考”，能輔助人類的腦力勞動(dòng)，還能聽懂說話、讀懂文字，進(jìn)行聯(lián)想、推論和學(xué)習(xí)；專業(yè)應(yīng)用上，“第五代計(jì)算機(jī)”則要能滿足航空航天、核聚變、天氣預(yù)測這些高精尖領(lǐng)域的需求——這些要求即使放在今天都是對(duì)計(jì)算機(jī)的巨大考驗(yàn)。
“第五代計(jì)算機(jī)”還承諾，不需要懂得任何編程知識(shí)，普通人就可以操作它，甚至還能通過它獲得醫(yī)生、律師、工程師等專業(yè)領(lǐng)域的問題解答——要知道在當(dāng)時(shí)，計(jì)算機(jī)連可視化操作系統(tǒng)都沒有普及。
從使用器件角度而言，第一代計(jì)算機(jī)為電子管計(jì)算機(jī)、第二代為晶體管計(jì)算機(jī)、第三代為中小規(guī)模集成電路計(jì)算機(jī)、第四代為大規(guī)模和超大規(guī)模集成電路計(jì)算機(jī)，圖為首部晶體管計(jì)算機(jī)｜wikimedia commons
即使在今天看來，這種全能型的 AI 也足夠野心勃勃，但當(dāng)時(shí)的參與者卻信心滿滿。日本政府分階段投入了540億日元預(yù)算（約 2.2 億美元，按1982年匯率換算）作為研發(fā)費(fèi)用。
為什么要投入如此大規(guī)模的金額？一方面是當(dāng)時(shí)的日本舉國發(fā)展 DRAM（動(dòng)態(tài)隨機(jī)存儲(chǔ)器，半導(dǎo)體行業(yè)重要分支）技術(shù)，一躍成為全球最大 DRAM 生產(chǎn)國。這樣的成功，激勵(lì)著日本繼續(xù)舉國進(jìn)軍其他計(jì)算機(jī)領(lǐng)域的目標(biāo)。況且當(dāng)時(shí)日本的 GDP 總量超過蘇聯(lián)，成為全球第二大經(jīng)濟(jì)體，有錢有實(shí)力。
1981年（約）摩托羅拉 16 Kib 動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器芯片陣列｜wikimedia commons
即便目標(biāo)高遠(yuǎn)，決心和金錢的投入已經(jīng)足夠讓人害怕。1983 年，專家系統(tǒng)之父費(fèi)根鮑姆去日本考察，發(fā)現(xiàn)“第五代計(jì)算機(jī)”宣稱能實(shí)現(xiàn)的很多功能設(shè)計(jì)他想都不敢想。
回來后，費(fèi)根鮑姆在《第五代：人工智能與日本計(jì)算機(jī)對(duì)世界的挑戰(zhàn)》一書中憂心忡忡地感嘆：“如今我們的確掌控著所有重要現(xiàn)代技術(shù)的思想和市場，但是明天呢？”
其他國家在日本的大膽設(shè)想下也紛紛跟注，生怕失去進(jìn)入新產(chǎn)業(yè)的機(jī)會(huì)：80 年代初期，美國國防部計(jì)劃資助戰(zhàn)略天網(wǎng)系統(tǒng)（人工智能防御系統(tǒng)），同一年代還有自動(dòng)駕駛、互聯(lián)網(wǎng)、作戰(zhàn)環(huán)境建模規(guī)劃平臺(tái)、AI 輔助推測敵方戰(zhàn)術(shù)等計(jì)劃，雨露均沾。
歐共體開展了 ESPRIT 項(xiàng)目，以促進(jìn)科研機(jī)構(gòu)和企業(yè)在信息技術(shù)上的合作；英國則啟動(dòng) Alvey 計(jì)劃，擬投資 3.6 億美元開發(fā)研究軟件工程、人機(jī)接口、智能系統(tǒng)和超大規(guī)模集成電路。
中國也在 90 年代成立“國家智能計(jì)算機(jī)研究開發(fā)中心”，重點(diǎn)任務(wù)就是開發(fā)高性能計(jì)算機(jī)。
這個(gè)架勢，像不像如今各國各廠紛紛涌現(xiàn)出來的大語言模型？
真正的時(shí)代需求
“第五代計(jì)算機(jī)”的一個(gè)重要特征是支持并行計(jì)算和并發(fā)處理。它把一個(gè)復(fù)雜的問題分解成許多簡單的子問題，并用大量處理單元（如并行處理器）同時(shí)解決這些子問題，以提升運(yùn)算速度。
計(jì)劃提出的六年后，在一場國際會(huì)議上，日本展示了他們的研究成果——64 個(gè)并行處理器。只是效果低于預(yù)期，60 多個(gè) CPU 一起跑，效果卻只達(dá)到一個(gè)普通處理器的三倍多。
PIM/p 并行推理機(jī)｜IPSJ Computer Museum
實(shí)際情況離原定目標(biāo)相差甚遠(yuǎn)——當(dāng)時(shí)所有追求機(jī)器智能的項(xiàng)目基本都面臨著這種情況。這固然有組織架構(gòu)、投資、科技政策等外部原因，但核心還是因?yàn)槿鄙偃斯ぶ悄芗夹g(shù)發(fā)展所需的基礎(chǔ)能力。
首先是小得可憐的數(shù)據(jù)庫。1980 年第一款面向臺(tái)式機(jī)的硬盤規(guī)格只有 5MB，它甚至裝不下你現(xiàn)在手機(jī)里的一張清晰圖片。這讓當(dāng)時(shí)“專家系統(tǒng)”可以調(diào)用的“知識(shí)”變得相當(dāng)有限。
其次是運(yùn)算速度。1974 年性能最高的 8080 芯片頻率是 2MHz，而如今隨便一臺(tái)筆記本的處理器就有八核、2GHz，更不要說超級(jí)計(jì)算機(jī)。
實(shí)際即便在今天，算力依舊是制約人工智能發(fā)展的重要因素。
GPT-4 推出后不到兩周，OpenAI 便對(duì)用戶進(jìn)行訪問限制，從第一天的 150msg/4hr，到 100msg/4hr，50msg/3hr，直到 25msg/3hr，閾值一路下降。4 月還因訪問需求量太大，一度暫停 Plus 付費(fèi)購買功能。AI 的加速發(fā)展，對(duì)運(yùn)算需求的要求也隨之加碼。
首臺(tái)圖形界面的個(gè)人電腦 Lisa｜wikimedia commons
回到當(dāng)時(shí)，真正的時(shí)代需求在不久后出現(xiàn)。1983 年，蘋果推出世界首臺(tái)圖形界面的個(gè)人電腦 Lisa，人機(jī)交互不再只能通過純文字的命令行進(jìn)行；四年后，微軟推出鼠標(biāo)，它像一只電子手臂，允許人們?cè)趫D形界面拖拽，點(diǎn)選，迅速成為電腦的標(biāo)配器件。
是的，在那個(gè)時(shí)代，簡單易用、走進(jìn)家庭才是主流人群對(duì)電腦的普遍期待。
第五代計(jì)算機(jī)的終局
1994年，在實(shí)際花費(fèi)超過 3.2 億美元后，日本第五代計(jì)算機(jī)項(xiàng)目落幕。日本表示愿意將該項(xiàng)目開發(fā)的軟件贈(zèng)送給任何想要它的人，甚至是外國人。
1987 年，美國 DARPA 項(xiàng)目也決定停止投資，選擇專注于短期內(nèi)前景更好的技術(shù)；英國 Alvey 計(jì)劃也只持續(xù)了五年，在消耗 2 億英鎊的公共資金以及 1.5 億英鎊的工業(yè)投資后不了了之。
與英美相比，中國成立的“國家智能計(jì)算機(jī)研究開發(fā)中心”，本想研究智能計(jì)算機(jī)，但“五代機(jī)”在其他各國的遭遇都已證明其應(yīng)用市場狹窄、維護(hù)費(fèi)用高昂，里面最實(shí)用的是針對(duì)日語的自然語言處理，顯然和中國國情不太相符，于是及時(shí)轉(zhuǎn)向，改為研究超級(jí)計(jì)算機(jī)。
像多米諾骨牌的倒塌，專家系統(tǒng)在第五代計(jì)算機(jī)的潰敗后，成為過街老鼠。許多相關(guān)項(xiàng)目擔(dān)心項(xiàng)目沾上“專家系統(tǒng)”或者“人工智能”而不被社會(huì)支持，甚至專門改名為“機(jī)器學(xué)習(xí)”“信息學(xué)”“知識(shí)處理系統(tǒng)”“模式識(shí)別”等。
而人工智能，也進(jìn)入了歷史上寒冬。
計(jì)算機(jī)哭泣｜wikimedia commons
在每個(gè)激動(dòng)人心的技術(shù)熱潮中，技術(shù)概念總會(huì)被泛化。面對(duì)同一個(gè)概念，不同的人想著不同的故事。
技術(shù)專家討論人工智能/專家系統(tǒng)時(shí)，往往聚焦于具體的數(shù)學(xué)模型和輸出質(zhì)量，側(cè)重點(diǎn)在技術(shù)的解決方案，或者對(duì)某個(gè)理論的佐證意義；投資者——無論是商業(yè)公司、金融機(jī)構(gòu)還是政府——談?wù)摷夹g(shù)時(shí)，則更關(guān)注投資回報(bào)和商業(yè)利益；普通民眾聽到機(jī)器人或人工智能，本能反應(yīng)是它會(huì)不會(huì)取代自己……
在某個(gè)時(shí)刻，所有人都對(duì)技術(shù)發(fā)展有了明確預(yù)期，技術(shù)的功用和價(jià)值被包裝到前所未有的高度。這時(shí)，原本狹窄的應(yīng)用被所有參與者包裝成每個(gè)人都能投入想象的科幻故事。
念念不忘的回響
“第五代計(jì)算機(jī)”項(xiàng)目失敗，當(dāng)時(shí)的許多“成果”也并未沿用，但并不意味著當(dāng)時(shí)所有對(duì)人工智能的描繪都徹底失敗。
以專家系統(tǒng)為代表的人工智能第一條路線“隱退”時(shí)，第二三條路線的研究者們依舊堅(jiān)持“讓機(jī)器有智能”的努力。秉承復(fù)刻人腦運(yùn)行方式來復(fù)現(xiàn)智能的聯(lián)結(jié)主義，在上世紀(jì) 90 年代取得諸多突破，并發(fā)展出深度學(xué)習(xí)方法，直接催化 AlphaGo、ChatGPT 等這個(gè)時(shí)代的代表 AI 產(chǎn)品的產(chǎn)生。
較晚成型的行為主義學(xué)派，則將目光投向機(jī)器人和游戲，波士頓動(dòng)力公司那些行為逼真的機(jī)器人就是這個(gè)路線下的產(chǎn)物，誰說未來的“超級(jí) AI”不會(huì)是一個(gè)既能幫你泡咖啡，又能解決霍奇猜想的機(jī)器人呢。
而專家系統(tǒng)，也從未退出舞臺(tái)，而且正在與其他路線的人工智能方法結(jié)合。在新冠疫情期間，人工智能的圖像識(shí)別可用于輔助診斷，協(xié)助醫(yī)生快速預(yù)判病患是否存在肺部感染；微軟最近的產(chǎn)品中，可以接入包含不同行業(yè)信息的專家系統(tǒng)插件，普通用戶也可以用自然語言與專家系統(tǒng)對(duì)話、咨詢，獲得自己想要的答案，包括但不限于智能推薦房地產(chǎn)項(xiàng)目、自動(dòng)修改法律文書、生成旅行攻略等等。
與傳統(tǒng)的產(chǎn)品相比，新一代專家系統(tǒng)既能主動(dòng)從數(shù)據(jù)中學(xué)習(xí)，也擁有專家般推理和解決問題的“能力”。
我們正在接力 80 年代人類對(duì)超級(jí)計(jì)算機(jī)的期盼。
也許科技發(fā)展最有魅力的地方正在于此：歷史充滿偶然，但人們總是懷著改造世界的愿望，一步一步地嘗試、反思再嘗試，在過程中離目標(biāo)越來越近。
參考文獻(xiàn)
[1]https://pdf.dfcfw.com/pdf/H3_AP202303211584424592_1.pdf?1679411782000.pdf
[2] https://www.reuters.com/article/idCNnCN098325720100414
[3] McDermott， D.， Waldrop， M. M.， Chandrasekaran， B.， McDermott， J.， & Schank， R. (1985). The Dark Ages of AI: A Panel Discussion at AAAI-84. AI Magazine， 6(3)， 122.
[4] https://doi.org/10.1609/aimag.v6i3.494
[5] Van Melle， W. (1978). MYCIN: a knowledge-based consultation program for infectious disease diagnosis. International Journal of Man-Machine Studies， 10(3)， 313–322. doi:10.1016/s0020-7373(78)80049-2
[6] https://www.shmj.or.jp/english/trends/trd80s.html
[7] Edward Feigenbaum and Pamela McCorduck. 1983. The fifth generation: artificial intelligence and Japan's computer challenge to the world. Addison-Wesley Longman Publishing Co.， Inc.， USA.
[8] http://www.360doc.com/content/22/0731/22/64987316_1042128204.shtml
[9] https://www.guokr.com/article/438745/
[10] http://www.ict.ac.cn/liguojiewenxuan_162523/wzlj/lgjsg/201912/t20191227_5476616.html
[11] https://www.sohu.com/a/341710542_120008071
[12] https://www.nngroup.com/articles/trip-report-fifth-generation/
[13] https://scottlocklin.wordpress.com/2019/07/25/the-fifth-generation-computing-project/
[14] https://www.newscientist.com/article/mg13017682-400-alvey-the-betrayal-of-a-research-programme/
[15] https://www.nytimes.com/1992/06/05/business/fifth-generation-became-japan-s-lost-generation.html
本文來自微信公眾號(hào)：果殼 （ID：Guokr42），作者：凡塵不清，編輯：睿悅
標(biāo)簽：
免責(zé)聲明：市場有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。
