自1950年阿兰·图灵在其开创性论文——《计算机器与智能》中首次提出“机器能思考吗?”这个问题以来,人工智能(AI)的发展并非一帆风顺,也尚未实现其“通用人工智能(Artificial General Intelligence)”的目标。
然而,该领域仍然取得了令人难以置信的进步,例如:IBM深蓝机器人击败世界上最优秀的象棋手、自动驾驶汽车的诞生,以及谷歌DeepMind的AlphaGo击败世界最佳围棋手……目前的成就展示了过去超过65年来最优秀的研发成果。
值得关注的是,在这段时间,存在两个有详细记录的“人工智能的冬天(AI Winters)”,几乎完全推翻了人们早期对人工智能的美好预期。导致人工智能冬天的因素之一是炒作与实际的根本进步之间的差距。
过去几年来,有推测称另一个人工智能冬天可能正在来临。那么,哪些因素可能引发下一个人工智能的冬天?有什么能帮助我们避免下一个人工智能的冬天?
1.第一个人工智能冬天
在1974年之前的几年里,人工智能领域的研究乏善可陈,令人失望,在与该领域一直所吹嘘的成果做比较时尤甚。
例如,在1970年,麻省理工学院的一名数学家Marvin Minsky在接受《生活杂志》采访时表示:“在3到8年内,我们将制造出一台具有一个普通人一般智力的机器。”事后看来,这在当时是一个非常大胆,而又莽撞的宣言。
1974年,第一个人工智能的冬天出现,这主要由Lighthill撰写的一篇报告引发。
报告发表于1973年,受英国科学研究委员会委托进行,旨在对当时的人工智能研究状况提供一个公正的评估。
在这份报告中,James Lighthill批评了人工智能并未实现其“宏伟目标”,并高度批判了机器人技术和语言处理等基本领域的基础研究进展。报道指出:“该领域到目前为止没有获得任何其承诺将产生的重大影响的发现。”
Lighthill的报告激起了英国和美国学术机构对人工智能大量的信心丧失,导致大规模的资金消减,最终引发第一个人工智能冬天的到来。
在表象的背后,值得注意的是,致使人工智能产业进入第一个冬天的其实是硬件问题。正如麻省理工学院约翰·麦卡锡的一名博士生——Hans Moravec所述,“计算机距表现出智力,仍有数百万倍的差距。”
2.第二个人工智能冬天
在1980年第一次人工智能冬天结束后,多家公司采用了一种名为“专家系统”的人工智能形式。
专家系统是一种机器,能回答问题,并能解决许多特定领域知识的问题,似乎展示出了人工智能早期做出的承诺。
这些系统运行在名为Lisp的特定人工智能机器上。在很大程度上,Lisp机器价格昂贵,且作为一种高度专业化的机器,其选择了一种狭隘的方式实现人工智能,以利用真实、有用的应用程序来展示解决方案,试图缩小实际成果与期望之间的差距。
在1987年,这种昂贵机器的市场崩塌了。这主要源于苹果公司和IBM公司台式计算机的崛起,为人们提供了更能买得起、更为精密、有更广泛用途的计算机。
与此同时,美国国防部高等研究计划局(DARPA)的新领导层大规模地削减了对人工智能产业的资金注入,因为他们认为专家系统等当前的方法无非就是“聪明的编程”。
这标志着第二个人工智能冬天的开始,这个冬天一直持续到了1993年。
3.第三个人工智能冬天会到来吗?
自1993年以来,人工智能领域取得了越来越令人瞩目的进步。
1997年,IBM公司的深蓝系统成为第一个打败世界象棋冠军加里﹒卡斯帕罗夫的计算机象棋选手。
2005年,一台斯坦福无人驾驶机器人未经“踩点儿”,便经一条沙漠道路自动驾驶131英里,赢得DARPA自动驾驶机器人挑战赛。
最近,在2016年初,谷歌旗下DeepMind的AlphaGo击败了世界最优秀的围棋选手。
这些都是人工智能成绩斐然的极好例子。然而,可以肯定的说,如果没有与之并存的计算机芯片中硅晶体管的指数级增长,也就是俗称的摩尔定律,所有这些成就都不可能发生。
正如前文所强调的,早期人工智能研究面对的一个普遍问题是严重缺乏计算能力,它们受限于硬件,而不是人类智力或能力。
在过去25年里,随着计算能力显著提高,我们在人工智能方面取得的进步也齐头并进。
然而,令人担忧的是,我们正在接近一个芯片上可以安装晶体管数量的理论上的物理界限。事实上,去年,英特尔披露,其正在放缓推出新芯片制造技术的步伐,因其难以在节约成本的情况下继续缩小晶体管体积。简而言之,摩尔定律的终点即将来临。
4.量子计算,防止下一个冬天的到来
有一些短期解决方案将能确保计算能力的继续增长,从而促进人工智能的进步。
例如,在2017年中期,谷歌宣布,其已开发一款专门的人工智能芯片,名为“云TPU”,该芯片对深度神经网络的训练和执行进行了优化。
本月早些时候,亚马逊宣布,其正在为Alexa(人工智能私人助理)开发自已的芯片。同时,目前还有众多初创公司试图调整芯片设计,以适应专门的人工智能应用程序。
然而,这些仅是短期解决方案。当我们用尽了能优化传统芯片设计的方案之后又会怎么样呢?我们会见到另一个人工智能冬天吗?
答案是肯定的,除非量子计算能超越经典计算,并找到更为坚实的答案。量子计算是一种量子比特叠加和纠缠产生的现象,能够大幅减少计算时间。而随着更多量子比特的增加,将带来计算能力的指数级增长。
但是到目前,可实现“量子霸权”、比传统计算机更加高效的量子计算机还不存在。幸运的是,许多不同的科技公司和初创企业正将大量资源投入到建造量子芯片上。
IBM量子计算机原型
回顾人工智能的发展历史,我们已看到人工智能的实际进步并不与其大肆宣传的期望同步的例子。
这种差距很大程度上是因为缺少训练和执行人工智能算法的计算能力而引起的。于是,紧随而来的便是两个人工智能冬天的出现,主要表现为资金投入枯竭和普遍的情绪波动。
如果我们在真正的“量子霸权”到来之前就达到了传统计算能力的极限,恐怕未来还会出现第三个人工智能的冬天。
人工智能研究人员正努力解决的问题日益复杂,并推动着我们去实现阿兰·图灵对人工通用人工智能的愿景。然而,仍存在大量工作要做。同时,没有量子计算的帮助,我们将很能实现人工智能的全部潜力。
-
人工智能
+关注
关注
1791文章
46867浏览量
237590 -
量子计算
+关注
关注
4文章
1081浏览量
34905
原文标题:傅里叶变换和拉普拉斯变换的物理解释及区别
文章出处:【微信号:ittbank,微信公众号:ittbank】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论