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

来自专栏新智元

【重磅】2017奥斯卡大奖揭晓,群集智能AI成功预测12项(技术解析)

【新智元导读】 2017年2月27日,第89界奥斯卡诸项大奖名单新鲜出炉,《月光男孩》战胜呼声甚高的《爱乐之城》拿下最佳影片。大奖公布之前,著名的群体智能预测网...

2895
来自专栏新智元

【智驾深谈】羡慕Tesla全自动系统?不能错过这五篇经典(全文下载)

【新智元导读】Tesla发布了新版AutoPilot系统,还发布了一段从家到公司的全自动驾驶视频,伴随着Musk一句“我们能五级全自动了”,业界开始争论不休。这...

3308
来自专栏数据的力量

10个HR不可不知的职场最流行测评工具

13110
来自专栏PPV课数据科学社区

大数据时代世界教育发展的新趋势

? 人才培养更加关注信息素养 最近20年,计算机和网络技术取得了飞速发展和巨大成就,知识和信息呈指数级增长,教学目标从传统的学生掌握知识转化为培养学生有效获取...

3769
来自专栏专知

“有心”评审成就创新初心 ——把握“三评”要求 练好“相马”内功

改革关乎国运,创新决胜未来。科技领域是最需要不断改革的领域,“三评”即项目评审、人才评价、机构评估,是科技改革的“众矢之的”。近日,党中央、国务院印发《关于深化...

780
来自专栏前沿科技

中兴智能视觉大数据:3场演唱会抓3个逃犯,“逃犯克星”

中兴智能视觉大数据报道:张学友的演唱会三次抓捕了三名疑犯。官媒称,原因是会场入口的安检安装了人脸识别系统。中国正在大规模普及人脸识别,所以这并不令人感到多少意外...

1821
来自专栏量子位

数据工厂里的年轻人

672
来自专栏灯塔大数据

灯塔原创 | 《猩球崛起3》人猿终极一战,刷脸时代到来,你该如何面对这个科技社会

导读:目前图像识别技术在很多专业的图像预测领域已经达到甚至超过人类的识别标准,人脸识别的技术目前已经相对成熟,一般对于面部的识别能达到很高的识别准确率。 9月...

3156
来自专栏大数据文摘

汤晓鸥与MIT、宾大教授共话AI:热潮终将退去,人工智能的中国式文艺复兴

1598
来自专栏AI科技评论

洪小文独家解读: 直到AI可以自己编程,它才有资格跟 “路人甲” 比智能

一种普遍被认同的观点是:AI的发展速度会是指数式的,可能现在它看起来还很蠢,但是在你意识到它已经变强之前它就会越过那个“奇点”,迅速超过你,然后将你远远的甩在后...

2634

扫描关注云+社区