其父其子:AI之父们和他们孩子的坎坷成长之路

GAIR

今年夏天,雷锋网将在深圳举办一场盛况空前的“全球人工智能与机器人创新大会”(简称GAIR)。大会现场,谷歌,DeepMind,Uber,微软等巨头的人工智能实验室负责人将莅临深圳,向我们零距离展示国外人工智能震撼人心、撬动地球的核心所在。在此之前雷锋网将网罗全国顶尖的人工智能和机器人专家和各大公司的首席科学家,同这些国际大拿同台交流。如果你不想错过这个机会,请用邮件直戳我心,lizongren@leiphone.com

人们通常习惯称某事物的发现者为XX之父,但事实上,历史上很多具有深远影响的发明都不是由单独一个人创立的。AI也是这样,严格来说,AI的创造者有两人,这两人分别都为后世对AI的研究做出了巨大的贡献,如果不考虑性别,或许可以分别称他们为AI之父和AI之母。但即使有两位大神的加持,人工智能的道路也经历了诸多磨难,也正是这些磨难和最终的崛起,让人工智能的诞生有了几分传奇和精彩。正值父亲节,也让我们在此简单回顾一下两位“AI之父”和他们不平凡的一生。

最成功的失败者:Lisp

人工智能的雏形出现的远比大家想象的早,甚至可以追溯到计算机刚出现的那几年。1948年,时年21岁的约翰·麦卡锡,也就是我们故事中的“人工智能之父”,在加州理工大学的“行为的大脑机制西克森研讨会(Hixon Symposiumon Cerebral Mechanism in Behavior at CalTech)”,在那里著名的冯·诺依曼给与会者看了他的关于“自复制自动机”(就是一种可以自我复制的机器)的论文,这让麦卡锡对研究机器的智能产生了兴趣。

1955年,麦卡锡和香农、明斯基(后面也会提到他)和罗彻斯特联合发起了达特茅斯项目,第二年这个项目正式启动,它是计算机发展史上的一个里程碑,目的是在2个月内建立相关理论并制造出一台模拟人类学习特征的机器。当然我们都知道,如此宏大的目标是不可能在两个月内实现的。最终他们完全没有达到会议的目标。但是它确立了一些研究方法和目标,为后世的研究奠定了坚实的基础。

不过这还不是麦卡锡做出的最大的贡献。麦卡锡为人工智能,乃至整个世界做出的最大的贡献无疑是创造了Lisp语言。这种语言几乎可以划为最高级和简洁的编程语言了。其理念之超前,功能之强大,直到今天主流的编程语言才慢慢赶上。甚至有人称,Lisp根本不是一种编程语言,而是一种数学。而数学是永远不会落伍的,所以Lisp才能在50年以上的尺度中不仅没有落伍,反而走在了所有人的前面。

然而Lisp并没能一扫计算机领域,成为所有人的标准选择。究其原因令人讽刺:Lisp的没落反而正是因为它太过强大。由于其实现的机理过于基本、能力太过强大、而使用方式又如此自由,以至于几乎每一个人想要做的每一件事都能让人想到无数种方法去实现。而这导致了Lisp没有一个标准化的教学模板可循,倒成了阻碍Lisp普及的最大理由。

虽然Lisp没有普及,但是学习它的人都成了它的死忠。很多年后,Lisp的几种“方言”(变种)终于开始有了崛起的趋势,许多主流语言也开始借鉴Lisp的优秀之处。而这距离Lisp问世已经过去太久了。我们只能慨其不幸了。但同时我们也相信,金子总能发光。

险被埋没的未来

Lisp的遭遇对人工智能的发展的挫折其实倒并不是太直接,毕竟就算没有太先进的语言,人们用低级一点的语言总也能实现。但人工智能的另一位父亲(或者说母亲)则亲手断送了自己过孩子十年的前程。直接导致了一段AI研究的时间超长的低潮期。

马文·明斯基于1946年进入哈佛大学,1950年毕业并进入普林斯顿大学研究生院深造。1951年他创建了世界上第一个神经网络模拟器,能够学习如何穿越一个迷宫。前面提到,他也是当年达特茅斯会议的参会者之一。

他在神经网络方面做出的研究在后世被证明至少是AI研究领域绝佳的尝试之一。然而这位神经网络的重要缔造者,却几乎曾亲手将这个理论送进了坟墓。1969年,明斯基被授予了计算机界的至高荣誉:图灵奖。但也就是在同一年,他与西蒙·派帕特(Seymour Papert)合著了一本名为“感知机”的书。明斯基在其中断定神经网络不是未来人工智能的方向,由于他在学界内具有相当的权威,因此这本书立刻导致与神经网络相关的研究陷入了一个长时间的低潮。

明斯基对此给出的理由是:

一:单层神经网络无法处理“异或”电路;

二,当时的计算机缺乏足够的计算能力,满足大型神经网络长时间运行的需求。

事实证明,人们对于科学的未来的估计要么就是过于乐观,要么就是过于悲观。而很少有人能做出准确的预测。毫无疑问明斯基的预测也过于悲观了。很快随着计算机运算速度的飞速发展,他提出的这两个问题很快不再是问题。但当时人们没法预测到这些,70年代成为了人工智能的寒冬,只有除了包括后来加入谷歌的专家杰弗里·辛顿(Geoffrey Hinton)等少数人仍在坚持进行神经网络的研究,知道1978年,事情才迎来转机。在许多科学家的不懈努力之下,才有了人工智能后来取得的一系列成就,包括深蓝和后来的AlphaGo。

Timing means a lot

在这两个故事里,我们最大的感慨还是“时机”的重要性,Lisp和神经网络可以说都是划时代的作品和概念,甚至各自代表着各自领域内的未来,但是都因为出现的太早而遭受冷落,甚至被自己的作者认为没有前途。但我们也不用担心人类会因此错过什么伟大的发明,因为未来总会到来。一切的不合时宜最终都会变成天时地利。如果你仍在某个领域苦苦奋斗而没有太多成效,不用心急,或许只是你的时代还没有到来罢了~

号外

Facebook大神Yoshua Bengio 与谷歌 DeepMind 研究科学家等人合作的研究论文来自国际机器学习大会(ICML)事先提交的论文,此大会即将于6月19日-24日在纽约召开,也就是今天北京时间21:30的时候开始。

作为国际机器学习学会(IMLS)主办的年度机器学习国际顶级会议,如果你关注ICML大会,请加雷锋网ICML 2016精华群获得大会最新信息。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-06-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据的力量

什么才是你的不可替代性和核心竞争力

1397
来自专栏机器之心

报名 | UAI人工智能成长系列课程:AI 成长社

很多想学人工智能的人会有一个疑问,就是我该怎么学?是自学还是跟着老师学,如果是跟着老师学,我该跟着哪位老师学? 一直以来,人工智能界都存在两个现象,一方面有一些...

2658
来自专栏数据的力量

想摆脱枯燥学习?你最想知道的3大新学习模式

1739
来自专栏华章科技

在被算法取代前,程序员或将因为物理学家而更早消失

你可能不知道,设计最早的计算机 ENIAC 的 John Mauchly 是物理学家,发明 C 语言的 Dennis Ritchie 也是物理学家。相比没有太多...

693
来自专栏大数据文摘

菲尔兹奖得主维拉尼:七个点子帮你找到科研灵感

1556
来自专栏CVer

聊聊找AI算法岗工作

首先,本文不是为了增加大家的焦虑感,而是站在一名学生的角度聊聊找AI算法岗位的那些事儿(不喜请喷)。

1180
来自专栏机器之心

抵制Nature机器智能期刊,维护学界开放:百名学者签署联合声明

1446
来自专栏量子位

Goodfellow说,聊失败才不是在秀优越...

Ian Goodfellow是来自谷歌大脑的科学家。作为GAN的爸爸,他也是MIT科技评论选中的“35 under 35”中的一员。

661
来自专栏数据的力量

图解德鲁克强调的管好自己的六个重要维度

1606
来自专栏企鹅号快讯

浅思录 为什么人工智能时代我们更需要学外语

我所说的一切都可能是错的! 即使你赞同我的观点,你的生活也不会因此有任何改变! 除非——你采取了相应的行动。 (本文约3000字,请花6分钟来阅读。) 引子 人...

3738

扫码关注云+社区