什么使电脑通用计算机,陆晨军: 人工智能的简史: 从通用计算机到通用学习机...

01简介: 计算机≠人工智能

在2019年世界人工智能大会上，马云和马斯克的两位互联网大佬关于人工智能(AI)的言论激怒了所有人的食欲，也表明了人们对AI技术未来发展的不同理解.

在开幕式上，“铁人”马斯克坚定地说: “计算机在许多方面已经比人聪明. 人和计算机在与Zeus战斗时像玩Go一样绝望. 我们离得太远了. ”人工智能在越来越少的方面比计算机要好，并且在将来，计算机的每个方面都将越来越多地被人们所肯定. ”

对此，“太极拳七节”的马老师用中国人的独特智慧轻描淡写地反驳说: “用电脑游戏下棋是愚蠢的. 只有愚蠢的人才会与谁竞争那辆汽车”快速”，“人类发明了计算机，我从未见过计算机发明过一个人”，“根据科学，人类永远不会创造出比自己更聪明的动物. ”

当然，马斯克对马云的看法也“非常不同意”. 两者有什么区别？

我们不要说AI将来是否会超越人类，只是两个大佬使用相同的“计算机”一词. 似乎两个“老大哥”都将AI等同于计算机. 如果按照严格的科学定义，计算机被视为严格遵循机械程序执行任务的图灵机，那么从理论上讲，计算机是否可以模仿所有人的能力. 计算机≠人工智能，这是AI世界的主流观点，但人们经常将这两个概念混淆.

计算机与人工智能之间的关系比人们通常理解的要复杂得多. 计算机发展史是人工智能的梦想史. 但是在现实和梦想之间，有一个深不可测的海洋.

02图灵机的起源

在20世纪下半叶，计算机技术的广泛应用和个人计算机(PC)的全球普及也许是人类历史上最深刻的技术革命. 托夫勒称其为“第三波”. 经过农业和工业发展阶段，人类社会进入了信息化阶段. 通用计算机(图灵机)的发明是这一伟大历史转折点的关键.

在计算机方面，人类使用各种计算设备已有很长时间了. 从中国古代算盘，古希腊安提凯希拉天文计算设备到17世纪由Pascal和Leibniz设计的“加法器”，再到19世纪由Babbage设计的“加法器”，再到20世纪上半叶. 世纪Ye IBM的各种机器的早期引入？电子数字计算机毫无例外地具有这些计算设备的共同特征，即它们都是专用计算机，而不是通用计算机. 换句话说，它被设计做的只能做它能做的，其他什么也做不了，其程序和计算是分开的. 因此，如果要解决不同的计算任务，则必须设计和制造不同的计算设备，并且必须再次执行硬件和软件. 但是，人类必须解决的计算任务是无穷无尽的. 原则上，有必要做无限数量的不同计算机. 因此，特种计算机无法普及，生产成本很高. 它们只能用于特殊的计算任务或工业和军事事务中的重要目标.

通用计算机的出现改变了这一技术瓶颈，使普及计算机成为可能. 什么是通用计算机？简而言之，它是一台可以完成任何计算任务的机器. 这样，只要我们在机器内部安装不同的计算程序，它就可以执行任何计算任务，即只需要更换软件，而无需更换硬件. 现在，我们的个人计算机不仅可以听音乐，玩游戏，观看视频，还可以进行数据分析，文字处理，艺术设计，搜索，购物，通讯，远程控制等. 它几乎无处不在，无所不能，一台计算机在这里，世界就能做到. 因此，这是从专用计算机到通用计算机的历史性飞跃，从此人类进入了计算机时代.

通用计算机的发明主要是由于两位才华横溢的数学家-图灵和冯·诺依曼. 图灵被誉为“计算机科学之父”，他制作了通用计算机的数学模型，这就是“图灵机”在永恒的历史中；他在智能机器的基础上，进一步制定了通用的计算机工程框架，即著名的“冯·诺依曼系统”. 直到今天，所有计算机都严格遵循Turing和von Neumann的理论设计.

通用计算机比专用计算机在哪里更好？我们讲一个经典的故事. 世界上第一台电子计算机是Moshili和Eckert在1946年设计的ENIAC(中文翻译为“电子数字集成和计算机”). 由于缺乏通用性，可变性和存储的程序机制，因此功耗高，功耗高. 成本变得难以承受，程序与计算的分离是它的致命缺陷. 据说，一旦ENIAC启动，费城的灯光就会蒙上阴影. 后来，冯·诺依曼(von Neumann)受军队委托改善ENIAC计划. 根据图灵机的概念，他提出了一种新的计算机设计方案EDVAC(译为“离散变量自动电子计算机”)，完美解决了ENIAC的所有问题. 这就是著名的“诺伊曼机器”和世界上第一台通用电子计算机.

诺伊曼机器的最大特点是“程序存储器”，也就是说，它的程序被处理成数据并加载到计算机中，因此计算机可以按顺序自动执行这些指令通用计算机的发展历程，而无需外部接线. 说明. 例如，像ENIAC一样，程序和计算是分开的. 每次更换新命令时，都需要将数百行重新连接到计算机. 一组操作员必须花几天时间才能执行几分钟的计算. 将来，效率太低，能耗也很高. 根据诺伊曼机器的设计方案，只要程序可以存储内存，就可以将其制成芯片并安装在计算机中，并且软件行业得到了发展. 这是现代计算机的核心. 目前，就就业而言，全球硬件工程师人数仅为100万左右，而软件工程师人数却超过1亿，差距很大.

从专用计算机到通用计算机，不仅是科学的飞跃，而且是技术的革命. 如果说蒸汽机是18世纪的通用技术，而动力是19世纪的通用技术，那么计算机就是20世纪的通用技术. 它不仅改变了人类的社会组织，而且改变了人类的日常生活.

03机器学习的艰难崛起

那么，计算机如何吸引人工智能？如果通用计算机功能非常强大，则可以用来模拟所有人类行为. 该研究方向是人工智能. 根据“人工智能之父”约翰·麦卡锡(John McCarthy)的解释，“(我们的目标是远离人类行为的研究，并使用计算机作为解决某些问题的工具. 通过这种方式，人工智能将成为一台计算机，而不是一台计算机. 心理学的一个分支. ”

图灵是计算机和人工智能领域的思维先驱. 他首先提出了使用计算机模拟人类思维的想法. 1936年，年仅24岁的图灵(Turing)撰写了他的著名著作“关于可计算数及其在可判定性问题中的应用”，其中对“机械计算”进行了严格定义，这就是“图灵机”的概念. 1950年，图灵(Turing)发表了AI历史上的经典论文“计算机与智能”. 一开始，他问: “机器可以思考吗？”这始终是指基本问题. 在文中，他特别指出机器是指“数字计算机”，并设计了一个模仿游戏来验证机器是否具有思考能力，这就是著名的“图灵测试”. 机器是否具有真正的思维能力是图灵留下的思维难题.

整个人类科学史几乎都是天才原创思想的历史. 在广阔的宇宙中，思想之光就像一颗明亮的星星，指引着人类探索的方向. 图灵的天才思想激发了后来的数学家对设计“智能机器”的强烈渴望，这正是人工智能的起源，正如麦卡锡所定义的那样: “人工智能是发展智能机器的科学和技术. ”

第二次世界大战后，随着学术界和工业界的共同推动，人工智能技术迅速兴起并形成了第一波人工智能热潮. 1956年，在麦卡锡(McCarthy)和马文·明斯基(Marvin Minsky)的赞助下，达特茅斯会议以深远的意义举行了. 与会者都是当时的计算机科学，认知科学和信息科学领域的顶级专家，信息理论的创始人Shannon也参加了会议，IBM赞助了这次会议. 麦卡锡在会议上首次提出“人工智能”一词，标志着该学科的正式诞生.

开始时，每个人都对AI技术抱有很高的期望和信心，认为可以很快设计出智能机器. 在1967年接受记者采访时，明斯基还发誓: “再过3到8年，我们将制造出一种能够达到人类一般智力水平的机器. 我的意思是，该机器可以阅读莎士比亚的著作《润滑汽车》，玩手腕，讲笑话和与人玩机器. 那时，机器可以以惊人的速度自行学习，几个月后，它将达到天才的水平，再过几个月，它的能力将不可估量. “当时，这句话简直是个幻想，即使到现在，这仍然是一个无法实现的目标.

人工智能领域的第一个重大进展是机器证明(ATP). 1959年，美籍华裔数学家王浩用计算机证明了罗素的《数学原理》中的350个定理. 只花了9分钟，但拉塞尔(Russell)和怀特黑德(Whitehead)花了10年时间共同编写了这本书. 在国际象棋游戏中通用计算机的发展历程，该机还显示出很高的“智能”. 1997年，IBM超级计算机“深蓝”击败了世界象棋冠军卡斯帕罗夫(Kasparov)，这也是AI历史上的里程碑式事件. 但是除了专家系统之外，早期的AI技术也没有成功，特别是在具有商业价值的项目中，例如机器翻译，图像识别和语音识别. 当时，人工智能技术根本无法解决它，导致了2005年的“人工智能冬季”持续了30多年.

为什么会这样？正是每个人的研究方向都偏离了. 当时，人工智能的研究方法主要有两种观点: “象征主义”和“联系主义”. 象征主义主张，如果我们使计算机编程变得非常全面和强大，那么使用纯逻辑编程方法，机器就可以模拟人类的所有行为，参加达特茅斯会议的科学家几乎都是象征主义的拥护者. 通过. 连接主义采取了另一条技术路线. 它提倡模拟人类神经网络，并通过机器学习方法实现AI的所有目标.

有趣的是，在漫长的“人工智能冬天”中，象征主义是绝对的主流，但随后逐渐消失，而连接主义则是少数. 只有它在严寒中幸存下来，终于迎来了灿烂的满春.

为什么会这样？现在回首这段历史，就更清楚了: 符号学是设计和编程人类行为的所有问题. 这是确定性的机器识别过程，它由功能强大且通用的计算机组成，可以实现它；连接主义不是预先设计和编程所有问题，而是通过模仿神经元的连接来模拟人类的学习过程. 这是机器识别的不确定过程，但也意味着神经网络可能根本不是图灵机. 简而言之，学习机可以自动编程，但计算机只能手动编程. 两者是不同的概念.

象征主义和联系主义之间的根本区别在于，我们不可能预先设计和编程所有问题. “通用算法”不存在. 通过仿真，计算机只能像人脑一样复杂. 神经网络连接方法可以激发一种“超级计算”的自组织行为，它可能具有真实的思考能力.

本文来自电脑杂谈，转载请注明本文网址：

http://www.pc-fly.com/a/jisuanjixue/article-206317-1.html