计算机网络技术人工智能发展史,人工智能发展史

今天我们接着聊基础创新能力的弱势。

人工智能的神经网络方法的祖师爷之一，特伦斯·谢诺夫斯基写过一本书《深度学习》。这本书回顾了使用神经网络和深度学习算法实现了人工智能的科技发展史。我先用最简单的方式讲一遍这个故事。

最早的时候，人们设想人工智能就是一套基于基本规则的专家系统。你先把一系列规则都给说明白了，然后拿一个东西来，看它是否符合规则。这个做法已经都能用来证明数学定理，但是却不能用来做计算机的图形识别。

人们对计算机视觉的难度估计过低。1960年代美国军方给了麻省理工学院一笔钱，要求他们研发一个会打乒乓球的机器人。大家都觉得这个应该很简单，居然把这个任务交给了一个本科生……结果做起来才知道这件事到底有多难。你连怎么让计算机从一张图片中找到乒乓球都不知道。

但是早在1950年代，就已经有一些人想到，能不能通过模拟人脑来解决计算机的视觉问题呢？人脑识别一个什么东西根本就不是基于什么明确的规则，我们都是直觉判断，是特别匹配。这就是“神经网络算法”的最初思想。有人发明了“感知器”——神经网络的前身——用于给图形分类，然后又有数学家在1957年证明了“感知器收敛定理”。不过这些思想都属于非主流，感知器有些根本性的困难，被认为没有前途。

1980年代，谢诺夫斯基曾经到麻省理工学院做了一个报告，他说现在最强的计算机比苍蝇的大脑要复杂得多，那为什么苍蝇的大脑能能够在飞行的过程中很好地识别各种物体，避免撞上，而计算机做不到呢？因为大脑的神经网络系统是固定的，是演化的产物，而计算机的系统是通用的。这一派的想法是设一些虚拟的神经元，形成一个网络，就好像大脑一样，然后根据具体的问题对神经网络进行训练。

这有点仿生学家的意思。其实谢诺夫斯基本来是个生物学家，他曾经是哈佛大学医学院的神经生物学博士后。他完全凭兴趣写了一篇有关用计算机实现神经网络的小论文，然后就被邀请和搞人工智能的科学家开会交流，属于是跨界。

而这个跨界思想一直到八十年代都是被主流打压的对象，拿经费、发论文都很困难。不过当时主流学界也没有更好的办法，人们普遍认为人工智能的寒冬到来了。此消彼长，非主流渐渐有了发展空间。

包括一位最着名生物学家、DNA双螺旋的发现者之一，弗朗西斯·克里克，也参与进来。人们甚至借助了无脊椎动物的脑神经系统这种非常专业的生物学知识，把生物视觉和计算机视觉放在一起研究。就这样，计算机科学家、生物学家和数学家合作，奠定了现代神经网络的理论基础。

而这个思想不但解决了计算机视觉问题，而且被用于语音识别、计算机翻译、医学诊断众多领域，包括阿尔法狗，也是这个思想的产物。

我们可以从这段历史中总结三个特点。

第1， 学者搞研究是为了解决问题，而不是为了发表论文。

第2， 现在如日中天的思想，刚出来的时候在领域内属于非主流。用谢诺夫斯基的原话来说，这是一个“一小群人在对抗建制派”的故事。

第3， 成功来自计算机科学家、生物学家、脑科学家、和数学家的跨学科合作，而这个合作完全是自发的。

这是一个来自于上世纪五十年代美国的故事。那我们今天的中国，能不能发生这样的故事呢？我认为比较难。

我们明天接着聊。

明天见。