撐不起未來愿景，人工智能將再一次迎來“凜冬”？

科技云報道原創(chuàng)。

自1950年阿蘭·圖靈在其開創(chuàng)性論文——《計算機器與智能》中首次提出“機器能思考嗎？”這個問題以來，人工智能的發(fā)展并非一帆風(fēng)順，也尚未實現(xiàn)其“通用人工智能”的目標(biāo)。

然而，該領(lǐng)域仍然取得了令人難以置信的進步，例如：IBM深藍(lán)機器人擊敗世界上最優(yōu)秀的象棋手、自動駕駛汽車的誕生，以及谷歌DeepMind的AlphaGo擊敗世界最佳圍棋手……目前的成就展示了過去超過65年來最優(yōu)秀的研發(fā)成果。

值得關(guān)注的是，在這段時間存在有詳細(xì)記錄的“人工智能的冬天（AI Winters）”，幾乎完全推翻了人們早期對人工智能的美好預(yù)期。

導(dǎo)致人工智能冬天的因素之一是炒作與實際的根本進步之間的差距。

過去幾年來，有推測稱另一個人工智能冬天可能正在來臨，那么哪些因素可能引發(fā)人工智能的冰川期？

人工智能的周期性波動

“人工智能冬天（AI Winter）”指的是公眾對人工智能的興趣隨著商業(yè)和學(xué)術(shù)領(lǐng)域?qū)@些技術(shù)的投資逐漸減少的時期。

人工智能最初在20世紀(jì)50年代和60年代得到了快速發(fā)展。盡管在人工智能方面取得了許多進步，但它們大多還是以學(xué)術(shù)性為主。

20世紀(jì)70年代初，人們對人工智能的熱情開始消退，這一灰暗時期持續(xù)到1980年左右。

在這段人工智能的寒冬中，致力于為機器開發(fā)類人智能的活動開始缺乏資金。

1956年夏天，一群數(shù)學(xué)家和計算機科學(xué)家占領(lǐng)了達(dá)特茅斯學(xué)院數(shù)學(xué)系所在大樓的頂層。

在八周的時間里，他們共同想象著一個全新的研究領(lǐng)域。

約翰-麥卡錫(John McCarthy)作為當(dāng)時達(dá)特茅斯大學(xué)的一名年輕教授，他在為研討會設(shè)計提案時杜撰了“人工智能”一詞。

他認(rèn)為，研討會應(yīng)該探索這樣的假說：“人類學(xué)習(xí)的每一個方面或智能的任何其他特征原則上都可以被精確描述，以至于可以用機器來模擬它”。

在那次會議上，研究人員粗略地勾勒出了我們今天所熟知的人工智能。

它催生了第一個人工智能科學(xué)家陣營，“符號主義”是一種基于邏輯推理的智能模擬方法，又稱為邏輯主義、心理學(xué)派或計算機學(xué)派，其原理主要為物理符號系統(tǒng)假設(shè)和有限合理性原理，長期以來一直在人工智能研究中處于主導(dǎo)地位。

他們的專家體系在20世紀(jì)80年代達(dá)到了頂峰。

會議后的幾年里，“聯(lián)結(jié)主義”把人的智能歸結(jié)為人腦的高層活動，強調(diào)智能的產(chǎn)生是由大量簡單的單元通過復(fù)雜的相互聯(lián)結(jié)和并行運行的結(jié)果。

它從神經(jīng)元開始進而研究神經(jīng)網(wǎng)絡(luò)模型和腦模型，開辟了人工智能的又一發(fā)展道路。

長期以來，這兩種方法被認(rèn)為是相互排斥的，雙方都認(rèn)為自己正在走向通用人工智能的路上。

回顧自那次會議以來的幾十年，我們可以看到人工智能研究人員的希望經(jīng)常破滅，而這些挫折并沒有阻止他們發(fā)展人工智能。

今天，盡管人工智能正在給行業(yè)帶來革命性的變化，并有可能顛覆全球勞動力市場，但許多專家仍在思考，今天的人工智能應(yīng)用是否已經(jīng)達(dá)到了極限。

正如查爾斯·崔(Charles Choi)在《人工智能失敗的七種揭示性方式》(Seven Revealed Ways AI Fail)中所描述的那樣，當(dāng)今深度學(xué)習(xí)系統(tǒng)的弱點正變得越來越明顯。

然而，研究人員并沒有對人工智能的未來感到悲觀。在不久的將來，我們可能會迎來另一個人工智能的冬天。

但這也許正是靈感迸發(fā)的人工智能工程師們最終引領(lǐng)我們進入機器思維永恒之夏的時刻。

計算機視覺與人工智能專家Filip Piekniewski一篇《AI凜冬將至》的文章在網(wǎng)上引起了熱議。

該文主要對深度學(xué)習(xí)的炒作提出了批評，認(rèn)為這項技術(shù)遠(yuǎn)算不上革命性，而且正面臨發(fā)展瓶頸。

各大公司對人工智能的興趣其實正在收斂，人工智能的又一次凜冬可能要來了。

? 人工智能凜冬會到來嗎？

自1993年以來，人工智能領(lǐng)域取得了越來越令人矚目的進步。

1997年，IBM公司的深藍(lán)系統(tǒng)成為第一個打敗世界象棋冠軍加里﹒卡斯帕羅夫的計算機象棋選手。

2005年，一臺斯坦福無人駕駛機器人未經(jīng)“踩點兒”，便經(jīng)一條沙漠道路自動駕駛131英里，贏得DARPA自動駕駛機器人挑戰(zhàn)賽。

2016年初，谷歌旗下DeepMind的AlphaGo擊敗了世界最優(yōu)秀的圍棋選手。

圖片來源：DARPA Grand Challenge 2005

在過去二十年里，一切都變了。

特別是互聯(lián)網(wǎng)的蓬勃發(fā)展，讓人工智能行業(yè)有足夠多的圖片、聲音、視頻等各類數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)并進行廣泛應(yīng)用。

但深度學(xué)習(xí)領(lǐng)域不斷擴大的成功依賴于增加神經(jīng)網(wǎng)絡(luò)的層數(shù)，以及增加用于訓(xùn)練它們的GPU時間。

人工智能研究公司OpenAI的一項分析顯示，訓(xùn)練最大的人工智能系統(tǒng)所需的計算能力每兩年翻一番，之后的每3-4個月翻一番。

正如尼爾·湯普森(Neil C. Thompson)和他的同事在《深度學(xué)習(xí)的收益遞減》一書中所寫，許多研究人員擔(dān)心，人工智能的計算需求正處于一個不可持續(xù)的軌道上。

早期人工智能研究面對的一個普遍問題是嚴(yán)重缺乏計算能力，它們受限于硬件，而不是人類智力或能力。

在過去25年里，隨著計算能力顯著提高，我們在人工智能方面取得的進步也齊頭并進。

然而，面對洶涌而至的海量數(shù)據(jù)和不斷復(fù)雜的算法，全球每年新增數(shù)據(jù)20ZB，AI算力需求每年增長10倍，這一速度已經(jīng)遠(yuǎn)超摩爾定律關(guān)于性能翻倍的周期。

我們正在接近一個芯片上可以安裝晶體管數(shù)量的理論上的物理極限。

比如英特爾正在放緩?fù)瞥鲂滦酒圃旒夹g(shù)的步伐，因其難以在節(jié)約成本的情況下繼續(xù)縮小晶體管體積。簡而言之，摩爾定律的終點即將來臨。

圖片來源：Ray Kurzwell, DFJ

有一些短期解決方案將能確保計算能力的繼續(xù)增長，從而促進人工智能的進步。

例如，在2017年中期，谷歌宣布，其已開發(fā)一款專門的人工智能芯片，名為“云TPU”，該芯片對深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和執(zhí)行進行了優(yōu)化。

亞馬遜為Alexa（人工智能私人助理）開發(fā)自已的芯片。同時，目前還有眾多初創(chuàng)公司試圖調(diào)整芯片設(shè)計，以適應(yīng)專門的人工智能應(yīng)用程序。

然而，這些僅是短期解決方案。

當(dāng)我們用盡了能優(yōu)化傳統(tǒng)芯片設(shè)計的方案之后又會怎么樣呢？我們會見到另一個人工智能冬天嗎？答案是肯定的，除非量子計算能超越經(jīng)典計算，并找到更為堅實的答案。

但直到目前，可實現(xiàn)“量子霸權(quán)”、比傳統(tǒng)計算機更加高效的量子計算機還不存在。

如果我們在真正的“量子霸權(quán)”到來之前就達(dá)到了傳統(tǒng)計算能力的極限，恐怕未來還會出現(xiàn)人工智能的又一個冬天。

人工智能研究人員正努力解決的問題日益復(fù)雜，并推動著我們?nèi)崿F(xiàn)阿蘭·圖靈對人工通用人工智能的愿景。然而，仍存在大量工作要做。

同時，沒有量子計算的幫助，我們將很能實現(xiàn)人工智能的全部潛力。

沒有人能肯定地說，人工智能冬天是否即將到來。

但是，重要的是要意識到潛在的風(fēng)險并密切關(guān)注跡象，以便我們可以在它確實發(fā)生時做好準(zhǔn)備。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。