AI發展80年的歷程與啓示

在人工智能（AI）領域的80年發展歷程中,我們可以汲取諸多寶貴經驗。這段歷程見證了資金投入的起起落落、研究與開發方法的多樣化,以及公衆情緒從好奇到焦慮再到興奮的變遷。

AI的歷史可以追溯到1943年12月,當時神經生理學家麥卡洛克和邏輯學家皮茨發表了一篇關於數理邏輯的開創性論文。他們提出了理想化和簡化的神經元網路模型,描述了這些網路如何通過傳遞或不傳遞脈衝來執行簡單的邏輯運算。盡管這篇論文的假設後來未能通過實證檢驗,但它卻成爲了現代深度學習的靈感來源。

在AI發展的過程中,我們需要警惕將工程學與科學混爲一談,將科學與推測混爲一談,以及將科學與充滿數學符號和公式的論文混爲一談。更重要的是,我們應該抵制"人類可以創造出與自身無異的機器"這種錯覺的誘惑。這種頑固且普遍存在的傲慢心理在過去80年裏一直是科技泡沫和AI週期性狂熱的催化劑。

通用AI(AGI)的概念,即很快就會出現具有類人智能甚至超級智能的機器,一直是AI領域的熱門話題。然而,歷史上關於AGI即將實現的預測屢屢落空。從1957年赫伯特·西蒙宣稱"世界上已有了能思考、學習和創造的機器",到1970年馬文·明斯基預言"三到八年內就會出現具有普通人智力的機器",再到近期OpenAI聲稱超級智能AI可能在本十年內出現,這些預測都反映了對AI能力的過度樂觀。

我們應該謹慎對待那些看似革命性的新技術,仔細審視它們是否真的與之前關於機器智能的猜測有本質區別。正如深度學習專家Yann LeCun所言,我們仍然缺少一些關鍵要素來實現像人類和動物那樣高效學習的機器。

AI發展史上的"第一步謬論"值得我們警惕。這種謬論認爲,只要計算機能夠完成一項原本被認爲無法完成的任務,即使完成得很糟糕,通過進一步的技術發展,它最終就能完美地完成該任務。然而,現實往往證明,從無法做某事到做得不好,通常比從做得不好到做得很好的距離要短得多。

在AI發展的不同階段,硬件、軟件和數據收集都扮演了重要角色。20世紀60年代中期開始流行的專家系統,將注意力轉向了獲取和編程現實世界知識。然而,到90年代初,這場AI熱潮最終破滅,暴露出知識獲取和維護的巨大挑戰。這提醒我們,初步的成功和廣泛採用並不能保證一個"新產業"的持久性,泡沫終究會破裂。

AI研發方法的爭論長期存在,主要在基於規則的符號AI和基於統計的聯結主義之間展開。近年來,AI研發重心從學術界轉向私營部門,但整個領域仍然傾向於追隨單一研究方向。這提醒我們不應將所有希望寄托在單一的AI開發方法上。

展望未來,無論是英偉達這樣的硬件巨頭,還是專注於AGI的初創公司,都應該從AI的發展歷程中汲取經驗教訓。保持警惕,多元化發展,避免陷入單一技術路線的陷阱,這些都是確保在AI領域長期成功的關鍵。