我们是否处在新一轮人工智能的泡沫中?

【前言】:可能在当下人工智能大热之时去提泡沫这词,显得有点逆势而思。可是人类历史的教训告诉我们,大捧往往跟随着大落。大爱是理性的去看待这一领域所取得的成就,为之欢呼和呐喊,也要为之保持警醒。对追随这一领域多年的人们来说,历史上出现过的人工智能冬天(AI Winter),是我们每一个人都不愿意再次看到的。

如果问及当下科技圈哪个词汇最火,十有八九会是“人工智能”。隔三差五,你就会看到主流媒体和业界大亨抛出这个词汇,宣称人工智能是人类当下最大的机会,是下一个风口,大家要提前做好布局,把你们的猪放上去等待翱翔云云。

然而在人类历史上,人工智能并不是第一次吸引到全球火热的目光和关注。在过往岁月的长河里,这个领域起起伏伏,经历过多次的高潮与低潮,才蹒跚而又坚定的走到了今天。如今这一领域又一次迎来自己的春天,而且似乎快过度到火热得可以直通秋天的夏天。

人工智能这个词汇于我们每个人并不陌生 — 无论你是否上过大学,是否接触过计算机文化,从我们人类多年的文化作品中,你总可以接触到这个听起来科幻感十足的词汇。因为很久以前媒体就开始铺垫渲染它,而且2001年大导演斯皮尔伯格拍了一部以此为名的大片,横扫全球。以九千万美元的拍摄成本一举拿下了全球两亿三千万的票房。片中对于机器人表现出人类情感之后,与人类现有文化产生冲突的细致刻画,给观众们留下了深刻印象。

虽然用计算机来模拟人脑思想、实现人脑基本功能这一人工智能的朴素想法,早在阿兰·图灵于上个世纪40年代提出的图灵机通用计算模型时,就为科学界所预见,但是直到1956年,达特茅斯会议才第一次将“人工智能”(Artificial Intelligence)这一词汇定义并推举了出来。人工智能这一领域,开始正式受到科学界的广泛关注,并逐渐形成了一个备受媒体和大众关注的研究领域。当年参加会议的人工智能五巨头— John McCarthy, Marvin Minsky, Allen Newell, Arthur Samuel以及Herbert Simon, 渐渐成为了这一领域的领军人物。多年之后,他们和他们的徒子徒孙们孜孜不倦的在这块从一开始就备受人类关注的领域辛勤耕耘,发明了能够下棋、猜词、证明逻辑定理以及讲英文的计算机程序。

正是从那时候开始起,人工智能就开始酝酿其第一次浪潮。到了上个世纪六十年代,整个美国的人工智能研究达到了一个新的高度 — 美国国防部资助了这一领域的大部分研究,而紧随其后的是全球范围类建立起了许多人工智能实验室。

在那个人工智能的风口浪尖上,领袖们开始对这个领域的发展前景表现出极其的乐观。五巨头之一的Herbert Simon预言说 “机器在二十年内将会能够做任何人类能够做的事情”。 说这话的时候,是上个世纪六十年代中期,也就是说到大约上个时代八十年代中期,机器将能够全面实现强人工智能。

而另一巨头Marvin Minsky不仅严重同意这个预言,还补充说“在我们这一代人的努力下,不久以后“创造人工智能”这一难题将会从根本上被解决掉。” Minsky老爷子在MIT工作多年,直到今年(2016年)一月份,在当下人工智能的最热时期与世长辞,享年88岁。虽然人工智能离他们几位巨头所定义的彻底解决还非常遥远,但是老爷子看到大家如此关注人工智能,并且全人类为之嗨了又嗨好几回的历史情形,应该是比较欣慰的。

在那个时代人工智能第一波狂热的背景下,各资本主义主要强国都争先恐后的资助人工智能相关研究,想要抢占这一科学技术的制高点。然而几年过后,世界就意识到人们不过是受人工智能部分进展的鼓舞,产生了盲目的乐观,并没有深刻认识到人工智能尚遗留的诸多问题的真正难度。整个领域的研究在1974年左右就陷入了缓慢的泥沼,热情基本消退,整个领域面临社会严苛的拷问。

在1970年左右,著名英国应用数学家James Lighthill受英国科学研究委员会(Science Research Council)之托,开始全面审核调查人工智能领域学术研究的真实状况。三年之后,历史上赫赫有名的《莱特希尔报告》(Lighthill Report)正式出炉。这篇报告严厉批判了人工智能领域里的许多基本研究,特别是机器人和自然语言处理等知名子领域,并宣称”AI领域的任何一部分都没有能产出人们当初承诺的有主要影响力进步“。另外,报告特别指出人工智能的研究者并没有能够解决将AI应用于真实世界里必然会遇到的组合爆炸问题。整个报告基本表达了对AI研究在早期兴奋期过后的全面悲观。

正是基于莱特希尔报告的结论,英国政府决定停止资助除三所大学(Edinburgh, Sussex and Essex)以外的所有与人工智能相关的研究。而美国政府因为受到来自国会的压力,大规模削减了对人工智能探索性研究的投资,转而资助那些被认为更容易取得有影响力进展的领域。

于是,在接下来的几年里,人工智能经历了其在人类历史上的第一次寒冬,史称”人工智能冬天“ (AI Winter)。

然而,这次的寒冬并没有宣告人工智能的死刑,只是热潮之后人们感到极度失望的一种反应。人工智能开始了自己缓慢而又艰辛的前行历程。

到了八十年代,由于专家系统的崛起,人工智能迎来了一次久旱之后的甘霖期,也是一个新的高潮。专家系统是通过整理专家在某个领域的知识,然后基于知识表示建立一个逻辑推理引擎,从而在某些领域能够达到专家级水平的软件系统方法。这些专家系统如果效果好,可以很直接的商业化,并且能够很大程度上取代极其稀缺的专家资源。到八十年代中期,人工智能的商业市场曾经一度达到过10亿美元的规模。

正是在八十年代的人工智能第二波高潮期,日本政府从长远考虑,想要占领这一未来潜在应用价值极其巨大的领域,雄心勃勃的于1982年开始投入巨额资金研发”第五代电脑“,即人工智能电脑计划。这一计划想要通过制造大规模的并行计算电脑,为未来人工智能的蓬勃发展提供平台基础。该计划原来准备实施十年, 但是最后还是以失败而告终。虽然由此带来的影响是日本在硬件级别的研究突飞猛进,但是人们意识到人工智能的问题不是硬件问题,而更加是软件以及算法层面的挑战没有突破。

于是,随着1987年基于通用计算的Lisp机器在商业上的失败,人工智能再次滑入了低迷期。

到了上世纪九十年代后期,随着摩尔定律所指引下的计算机硬件的高速发展,计算机计算能力的不断提高,人工智能再次卷土重来。以数据挖掘和商业诊断为主要代表的应用非常成功,使人工智能重回人们的视野。

在研究领域,神经网络模型(现代深度学习的前身)在漫长的计算机发展历史中得以长足发展,从理论到应用算法都有了长足进步,但因为深层神经网络的理论研究结果表明其发展非常有限,加上计算复杂度高,它渐渐被后来以Vapnik为代表的支持向量机模型(SVM)学派超越。SVM因为其理论的完备性,算法的高效性,以及核方法的良好适配性,在许多公开数据集和人工智能任务上表现非常优异,加上后来的Boosting方法,贝叶斯采样推理等,以及蓬勃发展的统计机器学习领域的崛起,人工智能达到了一个全新的高度。这一时期,研究成果推陈出新速度很快,各种应用领域的研究也风起云涌,人类对于人工智能的火热开始逐渐升温,涌入这一领域的研究人员和经费也越来越多。

这一时期的典型代表事件,就是1997年IBM的深蓝计算机在国际象棋项目上战胜了人类世界冠军卡斯帕洛夫。这成为人工智能发展历史上的一个巨大的里程碑。因为这是在公认的人类高级智力任务上,计算机第一次击败人类,这也是许多人认为机器具备”思考能力“的一个很直接的”证据“。深蓝计算机俨然成为了人工智能的最佳代言实体。

这一时期人工智能的狂热在政府层面上并没有达到前两次高潮那样的热度。相反,商业公司在其研究进展上的推动作用越来越大,故也没有出现类似以前的AI冬天。

而真正的高潮,是在AI继续发展的过程中,以Geoff Hinton代表的研究人员于2006年发现了训练高层神经网络的有效算法,并且随着进一步的研究和扩展,于2012年在图像识别这一非常具有人工智能特色的领域里面大大突破了以前的算法,将最好结果一下子推进到了靠近突破人类最佳表现的边缘。

此后,披着深度学习这件华丽新衣的神经网络继续往前高歌猛进,以其极具特色的“特征自学习”和“模仿人脑神经结构”的炫酷外表,披荆斩棘的攻下了多个人工智能任务上的新制高点,比如计算机视觉任务,自然语言处理任务,语音处理技术任务等等,引起了整个科研界的狂热。

由于基于深度学习的机器学习模型与算法在实际数据集上的良好表现,与以往不同的是,对于技术进步越来越敏感的科技产业界,在当下新的这波浪潮中扮演了力引狂澜的角色。典型的代表是以Google和Facebook为代表的高科技公司,纷纷花重金从学界挖走机器学习的领军人物,用于研究更猛的人工智能引擎和方法,以期占领技术制高点,从而在未来转化为巨大的商业价值。

Geoff Hinton,Yann LeCun,Yoshua Benjo以及后起之秀Andrew Ng等,都成了这一波人工智能浪潮发展的焦点人物。而这波趋势在2015年到2016年间,更是发展到了一个全新的高度。无论是在美国,还是在互联网科技发展势头不错的中国、以色列等国的科技公司,人们纷纷投入巨额资金抢人才、圈地盘,进军人工智能可能产生深远影响的领域,比如无人车,智能医疗,以及人工智能驱动的数据科学等等。

毫无疑问,深处硅谷科技圈,笔者也感受到了那种无法阻挡的火热。比如最近刷爆朋友圈的李飞飞加盟Google云计算部门等有关人物的消息,以及已经白热化的Google,Apple,Uber,Tesla以及百度等科技巨头在无人车战场上的竞争相关消息,几乎刺激着每一个科技产业相关人员的肾上腺和脑神经。

甚至在公司,许多人一言不合就鼓吹机器学习,仿佛机器学习能够预测所有的事情,解决所有人当前还不知道如何去解决的数据问题。更有甚者,上周有位产品经理还咨询笔者是否可以用机器学习去预测每个project的进度和最可能完成的时间,好用来管理手下的项目。这种火热可见一斑。

我们其实很幸运,赶上了这波人工智能大浪潮。许多科技公司越来越重视对人才的吸引和保留,纷纷提高待遇,给予很多资源上的倾斜,敢于去做一些富有挑战和风险的项目。但同时,我们需要合理认识这一波由深度学习带起来的浪潮。

深度学习和人脑思维过程极其不同,虽然取得了让人深受鼓舞的成绩,但是过分的吹捧和过分的贬低一样会对这个领域带来后续伤害。这和过往由以SVM,Boosting,Sparse model带来的突破和进展在历史发展的角度并无天壤之别。今天Alpha Go在围棋上战胜围棋九段李世石并没有和当年IBM战胜卡斯帕洛夫有云泥之分。我们应该合理的对待进展,并且努力让公众和政府对于人工智能有合理的期待和支持。比如,当下还远远不是鼓吹人工智能威胁论的时候。许多业界的领军人物都开始在冷静的思考,比如机器学习大师Michael Jordan,以及最近Andrew Ng等业界领袖也纷纷开始反思深度学习以及更广义上的机器学习的局限性。

毫无疑问,当许多连人工智能机器学习的基本知识都不太了解的人们开始大肆鼓吹AI至上的时候,我们无法避免的进入了一定程度上的泡沫期。但这个泡沫有多大,破坏性有多少,就是仁者见仁智者见智的事情。

无论历史如何发展,人类社会接下来在人工智能技术上如何推进与突破,或继续高潮,或平稳着陆,或陷入低迷期,都不会阻止人类对于追求更先进人工智能的渴望与梦想。学界和业界也会继续合作,推动人工智能的长足进步。同时,以Elon Musk等人为代表的有识之士也会继续为人工智能界定合理的安全边界,以保证技术的进步服务于人类社会,而不是颠覆并凌驾于人类之上。OpenAI和大规模机器学习平台的开源,都是这一波历史浪潮里表现出来的显著进步。

当未来走进现实,这场浪潮将如何退却,我们拭目以待。

作者简介:李宏伟,获伯克利加州大学统计学博士学位,中国科学技术大学计算机硕士和本科学位,主要领域为理论与应用统计,数据科学,人工智能与机器学习,众包学习,大数据。目前在Uber任Data Scientist,主要负责大规模实时任务智能调度系统的设计与研发。

1 1 收藏 评论

关于作者:伯乐在线读者

① 本账号用于发布那些在伯乐在线无账号的读者的投稿,包括译文和原创文章。② 欢迎加入伯乐在线专栏作者:http://blog.jobbole.com/99322/ 个人主页 · 我的文章 · 32

相关文章

可能感兴趣的话题



直接登录
跳到底部
返回顶部