人工智能的冬天

　　中国智能化产业与产品网讯：如今的人工智能火得不像话，俨然处于一个炎热的夏天。杨强却问：“夏天来了，冬天还会远吗?”

　　杨强是香港科技大学计算机系主任，曾创建了华为诺亚方舟实验室，在经历过人工智能的大起大落之后，他对这个领域的发展非常谨慎。

　　上世纪80年代，杨强在美国读计算机。选择研究方向的时候，他咨询同学的意见，大家异口同声地说人工智能。那时也可说是人工智能的夏天，他的导师说以后工厂里会没有工人，连设计都是机器人来做。当时有个做专家诊断系统的教授有医学和计算机的双博士学位，他也认为以后一半是机器、一半是医生为病人诊断。于是，杨强毫不犹豫地迈入了人工智能的大门。

　　但是到了80年代末，许多人工智能公司纷纷倒闭，大家开始对这个领域产生质疑，投资瞬间消失，政府大量削减了对于人工智能项目的经费支持，尤其是自20世纪50年代起就对人工智能研究提供了极大支持的美国国防部高级研究计划局(DARPA)。人工智能的冬天到来了。“学生的感觉很明显，学人工智能的博士毕业生找不到工作，找不到教职和研究所的工作，更不用提本科生了。”幸运的是，杨强1989年毕业后在加拿大的滑铁卢大学找到助理教授的工作，至今仍在人工智能领域耕耘。

　　北京邮电大学教授钟义信回忆当时的情况，说：“人工智能本身的研究在上世纪80年代碰到了比较大的问题――知识瓶颈。人工智能是利用知识来解决问题。但是知识这个问题很复杂，比如你要解决一个问题到底用哪些知识?用多少知识?知识的边界在哪里?怎么去得到这些知识?能不能用机器来得到这些知识?这些困难时的知识变成了非常难处理的一个问题。所以人工智能在上世纪80年代初期进入了一个困难时期。”

　　“随着技术的进步和人们认识的加深，人工智能的研究有三个发展过程：推理期、知识期和学习期。”南京大学计算机系教授周志华说。最初人们觉得数学家很聪明，人工智能学界希望借鉴数学家高度的逻辑推理能力，以为机器只要有逻辑推理能力了，做事情就能聪明起来，所以第一个阶段是“推理期”。到了上世界60年代中期，计算机的逻辑推理能力已经达到了非常高的人类水平，比如西蒙(Simon)和纽厄尔(Newell)做出的“逻辑理论家”程序在1952年证明了著名数学家罗素和怀特海花了10年时间所做的名著《数学原理》中的38条定理，在1963年证明了全部的52条定理，而且定理2.85甚至比罗素和怀特海证明得更巧妙。为此，纽厄尔和西蒙获得了1975年的图灵奖。

　　但是到了这个时候，人工智能学界却发现机器做事情的能力依然有限，自然而然地想到即便是数学家，也需要有深厚的知识才能证明定理。所谓“知识就是力量”，在图灵奖得主、“知识工程”之父费根鲍姆等人的推动下，从20世纪70年代中期开始，人工智能研究进入了“知识期”，大家想办法把知识总结出来输入到程序里。在这一时期，大量专家系统问世，并在很多领域做出了非常大的贡献。费根鲍姆作为“知识工程”之父在1994年获得了图灵奖。再到后来，大家发现靠人来总结知识很困难，然后自然就想到，能不能让计算机自己来“学习”?于是进入了以机器学习为核心的“学习期”。

　　上一次人工智能的寒冬，让科学家认为知识并非无所不能。在那个时期，一类名为“专家系统”的人工智能程序开始为全世界的公司所采纳，“知识处理”成了主流人工智能研究的焦点。当时的研究人员期待专家系统能够实现人工智能，认为计算机只要掌握了足够多的知识，就能完成一定的工作，通过知识工程，人工智能可以把这些专家们头脑里的智慧放到计算机里，并通过逻辑推理加以无限扩展。这样，那些需要大量时间训练的职业，比如医生、律师、工程师等都可以由这些专家系统来担任。

　　但是专家并不会用计算机语言描述他们是怎样思考的，所以这个领域当时出现一个新的职业，叫作知识工程师，任务是和专家交流，把专家的知识从大脑中提取出来，用计算机语言重新描述。“当时很多报道说知识工程师是未来的希望，就如同今天说数据科学家是未来的希望一样。”杨强说。后来人们发现，知识工程师也无法起到很好的作用，他们和专家交流的过程中发现几种情况，一是专家说不清楚自己是怎样解决问题的;二是专家不愿意说，因为专家怀疑机器会不会抢自己的饭碗;三是即使专家能说出来，也无法描述全部的想法。

　　为了获取更多的知识，1984年美国科学家道格拉斯・里南(Douglas Lenat)发起了“超级知识库”项目，试图建立一个所有常识的巨型数据库，并给它起了个名字叫Cyc(大百科全书“encyclopedia”的简称)。说到底，这就是将几百万条常识定律用形式语言表现出来的过程，比如“猫有4条腿”、“理查德・尼克松是第37届美国总统”。运用形式逻辑，Cyc的知识库可以进行推理，它可以推断《尤利西斯》一书的作者身高不过8英尺。但并非所有的事实都这么黑白分明，比方说“猫有4条腿”这句陈述，但有的猫只有3条腿，也可能会发生突变出现5条腿。因此Cyc需要更复杂的规则，比如“大多数猫有4条腿，但有些猫因为受伤可能不够4条腿，长有4条以上腿的猫也不是完全没有可能的”。这样一来，把规则和例外都确定清楚，给编程带来了巨大的工作量。

　　人们很快就发现，虽然手里有非常强大的专家系统，但它毕竟只是一个外壳。“专家系统所需要的知识就像天上的云，看得见但是抓不住。”杨强还记得当时“压垮骆驼的最后一根稻草”来自美国军方在80年代美国和伊朗的一次海湾战争中，一个装有专家系统的导弹驱逐舰错把一架波音747飞机识别成F14战斗机，自行决定越过舰长发射两枚导弹，造成了300多平民死亡的惨剧。美国各家媒体立马对罪魁祸首进行了调查，专家系统也蒙上了污点。

　　此后的形势便江河日下。到了80年代末，人工智能和专家系统所产生出来的效益远远不如当初人们所预期的那样好，就像一个远未达到评论员预期的股票，被产业界所卖空，“人工智能的冬天”到来了。

　　“人们对人工智能理解最大的误区，是由于人工智能领域外人士的过度演绎，使得大众对人工智能研究产生不切实际的幻想和不可能达到的期望，最终发现期望与实际有巨大差距，然后就产生巨大的怀疑，对人工智能研究冷淡、嘲弄甚至打击，造成人工智能研究的冬天。”周志华说，“这在历史上已多次发生。著名的‘月亮梯子’笑话就是这样来的。这笑话是说，人工智能的目标是要到月亮上去，结果人工智能研究者做了个梯子出来糊弄大家。”

　　在他眼里，这些不切实际的期望都源于误解。“人工智能要做的其实有点像‘仿生学’。”他常打的一个比方是人工智能好比造飞机，“人类发明了飞机，但如果造飞机的人当时给这个学科起名叫‘人工鸟’而不是‘空气动力学’，人们就会想，飞机虽然能飞，但它不会扇动翅膀，也不会生小鸟，所以你们做得不对。还有一些人会认为空气动力学的研究真是想造出个鸟来，然后就开始担心了：人造鸟做出来之后鸟类世界是不是要出问题?生态系统会不会被破坏?是不是要给人类带来大灾难?其实根本不是这回事。”

　　在仿生学中，机器模仿生物并非通过一模一样的机制，比如我们制造出像猎豹一样飞奔的机器，但是并没有模仿它的四条腿，而是发明了轮子，这个方法并没有因为是非自然进化的结果而失去它的精彩。一些研究思维的哲学家喜欢用“认知轮子”来比喻对某个问题的人工智能解决办法，尽管这个办法和大脑的工作原理大不相同，但同样出色。也就是说，如果使用某个有局限但是有效的程序，使得某个人物的输出结果接近甚至超过人类的表现，那么这个程序和大脑的功能就不相上下了。

　　“如果你很困惑所见的人工智能都不是你所想象的那种具有思维能力的智能，你可以换一种想法来理解。你可以把图灵认为的那种人工智能叫作人工智能A，把实际科学研究的人工智能叫作人工智能B，这样就没有困惑了。智能究竟是什么?到现在依然没有定论。归根结底，我们用一个名词来描述N个概念，所以才产生了困惑。”杨强顿了顿又道，“不知道这样说大家能不能理解。”

　　他所说的人工智能A和人工智能B，即是所谓的强人工智能和弱人工智能。强人工智能指的是能真正进行推理和解决问题的人工智能，这样的机器能将被认为是有知觉的、有自我意识的；弱人工智能指的是看起来像是智能的，但是并不真正拥有智能，也不会有自主意识的人工智能。目前，所有的人工智能都处于弱人工智能阶段。

　　1956年那次标志人工智能学科诞生的达特茅斯会议上，美国科学家约翰・麦卡锡给这个学科起名为“人工智能”，后来他被称为“人工智能之父”。到了上世纪90年代，麦卡锡自己也承认这个名字取得有点后悔，因为给外界带来了太大的遐想空间。当然，这个名字也带来了巨大的好处，使得这个学科在成立初期就吸引了诸多的关注。

　　人工智能，一个新的夏天(一)：http://ciiip.com/news-7775-511.html

　　人工智能，一个新的夏天(三)：http://ciiip.com/news-7777-511.html