|
今天主要給大家做一個關(guān)于人工智能的歷史和發(fā)展現(xiàn)狀的分享。人工智能可能對絕大多數(shù)同學(xué)來說比較陌生，所以我會盡可能地做到通俗易懂。 （一）達特茅斯會議 人工智能的英文叫做“Artificial Intelligence”，這個名詞的提出可以追溯到1955年，在具有歷史意義的達特茅斯會議（在達特茅斯大學(xué)舉辦）上由青年教師John McCarthy聯(lián)合其他四位專家提出的。 1955年，第一臺通用計算機ENIAC剛剛問世九年時間（1946年）。可以看到，在這一年，達特茅斯學(xué)院的老師在思考“人工智能”概念的前瞻性，讓人驚嘆。也就是說，他們在思考剛剛被造出來的這個27噸的龐然大物，究竟能在多大程度上能夠改變我們的生活，能夠替代甚至超越人所能做到的智能的事情。 1946年造成的世界上第一臺計算機ENIAC。這臺機器占地180平米，用了18,000個真空管，重量近50噸。 實際上，1955年這個會議提出的proposal是舉辦十個人參與，歷時兩個月的小型閉門會議。因為學(xué)校有兩個月的暑假，希望對“Artificial Intelligence”這個概念做一個比較深入的討論。 1955年的達特茅斯之夏：人工智能發(fā)展史上里程碑式的會議紀(jì)要 和很多大而空的會議不同，麥卡錫在proposal中列舉了7個具體希望討論解決的問題：如邏輯推斷與語言的關(guān)系，隨機性和創(chuàng)造性的關(guān)系等。他希望這十個專家經(jīng)過兩個月的閉門會議的討論后，可以解決其中的一到兩個問題。
后見之明來看，希望能夠在兩個月時間完整解決哪怕是任何一個問題都是樂觀的。在2016年的今天，很多當(dāng)年所提出的問題仍然在不斷被研究者探索。 （二）奇人麥卡錫 麥卡錫的才華，在其童年時代就得以彰顯。上高中時，他就開始自學(xué)加州理工（Caltech）的數(shù)學(xué)課程，所以后來他正式進入加州理工大學(xué)學(xué)習(xí)時直接跳過了前兩年的課程。可惜由于他的體育課程沒有達到成績，最終也花了約5年的時間才畢業(yè)。完成普林斯頓大學(xué)的博士學(xué)習(xí)之后，正式加入達特茅斯大學(xué)成為一名老師，其后加入麻省理工學(xué)院（MIT）。 當(dāng)麥卡錫提出“人工智能”這個概念及相關(guān)思考的時候年方二八。 我有個有意思的觀察：青年教師，與功成名就的學(xué)者（established researcher）有很大的區(qū)別。大家可能知道，美國當(dāng)老師是終身制(tenure track)的，也就是說，當(dāng)學(xué)校在聘任一個老師大概在第六年或第七年的時候，若他們認(rèn)為這個老師是一個合格的老師的話，沒有特別的理由，學(xué)校是不能開除這個老師的。這樣的制度對于保證老師的學(xué)術(shù)獨立很有意義。 成為終身教師并不容易，各學(xué)校會有其嚴(yán)格的考核來驗證一個教師是否定達到了相應(yīng)的學(xué)術(shù)標(biāo)準(zhǔn)，包括老師每年發(fā)表論文，提出的proposal等。像MIT這一類的大學(xué)，他們對自己教師的篩選是非常嚴(yán)格的。不過，這樣的制度并非無懈可擊。為了得到終身職位，有不少年輕老師在自己研究生涯的前五六年會以一種超負(fù)荷的形式在思考研究，發(fā)文著書。但一旦目標(biāo)達成，塵埃落定，他的研究心態(tài)就會發(fā)生很大變化，失去了原有的沖勁和動力。我自己喜歡的一個MIT教授就有這樣的情況。 我們國家衡量老師，喜歡用“教授”“博導(dǎo)”“院士”這樣的頭銜去衡量其能力。實際情況可能恰恰相反，做出最優(yōu)創(chuàng)建型的貢獻的人的年齡往往不是特別高，多集中于二三十歲的年紀(jì)。如果大家選擇導(dǎo)師，不要太在意其頭銜，要更多了解其研究能力。 (三）黃金十年 談回人工智能，達特茅斯會議與會的十個研究者其實在人工智能領(lǐng)域做出了非常多的貢獻。麥卡錫本人也在1971年問鼎圖靈獎。1960年到1970年進入到人工智能研究的一個高峰期。一方面是美國政府包括NASA和美國國防部等對人工智能的研究給予了足夠多的資金和項目支持。 當(dāng)年的研究者有一個很樂觀的判定。他們當(dāng)時有一句話是說“machines will be capable, within twenty years, of doing any work aman can do”在二十年以內(nèi)，他們希望造出來的計算機就已經(jīng)可以做到人所能做到的事情，就包括對圖片的理解，對音頻的識別，對自然語言的理解等問題。
回顧這段歷史，我們發(fā)現(xiàn)不要說五十年前，即便在2016年的今天，尤其是在這兩年，雖然AI取得了令人矚目的成果，但很多我們?nèi)四茏龅氖聶C器還是沒法完全替代。 （四）70后的失落 在經(jīng)歷60年代的一個相對比較過分樂觀時期后，從74年開始，人工智能不論在美國還是其他國家，都經(jīng)歷了一個funding cut的階段。包括美國國防部在內(nèi)，投了很多錢后發(fā)現(xiàn)，當(dāng)時樂觀的科學(xué)家所立項的機器翻譯，語音識別等項目，最終結(jié)果遠未到可用。舉例來講，機器翻譯概念在1940年代就已經(jīng)提出來了，逐步產(chǎn)生了一些研究工作和成績。但即便到今天的AI巨頭Google、百度所實現(xiàn)的英漢翻譯結(jié)果，還是不倫不類，離人工翻譯還有很大差距。 所以在1974年到往后的十年間，由于產(chǎn)出低于預(yù)期，人工智能的投入就有很大的減少，特別是政府投入。再后來日本提出第五代機器人的研究，又有了一些新的政府投入產(chǎn)生。整個AI的研究經(jīng)費多次起伏。所以說大家可以看到雖然現(xiàn)在AI有比較大的成功，在很多問題上取得突破性進展，本身的發(fā)展并不是一帆風(fēng)順的。 并且，在學(xué)術(shù)界拿funding也是有很多技巧與注意事項。比如人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeural Network)領(lǐng)域的研究，在90年代很難拿到資助和發(fā)表文章，但到2006年以后，隨著深度學(xué)習(xí)（Deep Learning）方法的崛起，目前各大AI相關(guān)會議雜志都被深度學(xué)習(xí)占去半壁江山。 可能有同學(xué)玩過我們的編詩姬，這個小程序是基于深度學(xué)習(xí)理論中特定的一類神經(jīng)網(wǎng)絡(luò)，叫Recurrent Neural Network(RNN)所實現(xiàn)的。這個程序自己閱讀了全唐詩五萬首詩，學(xué)習(xí)相應(yīng)的一個語言模型，然后對于一個意象能逐字填出一首詩，而沒有建立任何人工的規(guī)則。有網(wǎng)友評價我們的編詩姬說對平仄的處理有些問題，有時沒有嚴(yán)格地按照韻腳來押韻。其實這也是我們在寫這個程序時刻意不去做的事情。因為我們希望程序在學(xué)習(xí)了幾萬手詩的樣本后可以自動地學(xué)習(xí)出詩歌的意象，對仗規(guī)則，標(biāo)點使用，押韻等。 如果大家對這個方面比較熟悉感興趣，在1月28日自然雜志nature剛剛發(fā)表了一篇Google DeepMind團隊的文章：基于深度神經(jīng)網(wǎng)絡(luò)做出來的圍棋程序，第一次打敗了人類的職業(yè)選手。這件事在整個科技界圍棋界，引起了軒然大波。
2015年1月《自然》雜志的封面文章 最近幾年，深度學(xué)習(xí)方法絡(luò)對于語音識別，圖片識別，自然語言處理，和類似圍棋的博弈游戲，都產(chǎn)生了很大的推動。
深度學(xué)習(xí)會作為人工智能的終極主算法（Master Algorithm）嗎？我認(rèn)為不是。相比于很多理論數(shù)學(xué)分支，AI還是一個很年輕的領(lǐng)域，在理論基礎(chǔ)和實際應(yīng)用上都還有大量空白等待填補。相信在未來的十年里，AI會滲透到大家生活的方方面面。 |
|
|
