人工智能會(huì)再一次跌進(jìn)谷底嗎？
人工智能的兩次大起大落
1956年人工智能首次在達(dá)特茅斯會(huì)議中被提出，JohnMcCarthy、MarvinMinsky、AllenNewell、ArthurSamuel以及HerbertSimon五人順勢(shì)成為當(dāng)時(shí)這一領(lǐng)域的領(lǐng)軍人物。緊接著人工智能開始醞釀其第一次浪潮，庫(kù)卡機(jī)器人何服電機(jī)維修，人工智能實(shí)驗(yàn)室在全球各地扎根。
直到1973年《萊特希爾報(bào)告》宣稱AI領(lǐng)域的任何一部分都沒有能產(chǎn)出人們當(dāng)初承諾的有主要影響力進(jìn)步，象征著人工智能正式進(jìn)入寒冬。
而到了20世紀(jì)80年代，人工智能的關(guān)鍵應(yīng)用專家系統(tǒng)得以發(fā)展，人工智能迎來第二春，但是由于數(shù)據(jù)較少，難以捕捉專家的隱性知識(shí)，建造和維護(hù)大型系統(tǒng)的復(fù)雜性和成本也使得人工智能漸漸不被主流計(jì)算機(jī)科學(xué)所重視。
Gartner模型
為了更好地理解人工智能的兩次大起大落，我們有必要引入Gartner模型。該模型呈現(xiàn)的是先迅猛爆發(fā)而后跌入谷底再慢慢抬升的技術(shù)發(fā)展趨勢(shì)。該模型曾因成功預(yù)言互聯(lián)網(wǎng)泡沫而一戰(zhàn)成名，20多年來一直是投資人最常引用的模型之一。
在許多技術(shù)發(fā)展的歷史進(jìn)程中都會(huì)看到Gartner曲線的影子，比如Web技術(shù)，Amazon和Yahoo在1998年-2005年間的股價(jià)變動(dòng)就和Gartner曲線的走勢(shì)非常類似。
要用Gartner曲線去理解人工智能的發(fā)展，我們還需要理解Gartner曲線背后的邏輯。Gartner曲線實(shí)際上是由兩條曲線疊加而成的，第一條是社會(huì)輿論對(duì)新技術(shù)期望值與實(shí)際水平的差距（HypeLevel），第二條則對(duì)應(yīng)新技術(shù)的真實(shí)發(fā)展水平（EngineeringorBusinessMaturity），二者疊加所對(duì)應(yīng)的正是y軸，代表社會(huì)上對(duì)新技術(shù)的實(shí)際期望。HypeLevel先升后降的邏輯在于新技術(shù)出來之后。由于媒體本身的屬性，必然會(huì)導(dǎo)致新技術(shù)社會(huì)期望的過度拔高，而隨著技術(shù)的落地與試錯(cuò)，社會(huì)對(duì)新技術(shù)的期望會(huì)逐漸回歸理性。因而HypeLevel曲線會(huì)呈現(xiàn)先升后降再回歸正常水平的線形。而EngineeringorBusinessMaturity曲線的逐步提升與技術(shù)隨時(shí)間逐漸提升的常識(shí)也是相吻合的。
如此，我們用Gartner模型來分析，便不難理解人工智能發(fā)展歷史的兩次大起大落。人工智能的第一春，起于人工智能的首次提出為人類社會(huì)帶來了人工智能時(shí)代的美好想象，但在1973年英國(guó)發(fā)表的《萊特希爾報(bào)告》報(bào)告指出，在人工智能三大基礎(chǔ)研究中，工業(yè)機(jī)器人維修，自動(dòng)機(jī)和中央神經(jīng)系統(tǒng)雖有研究?jī)r(jià)值，但進(jìn)展令人失望，而機(jī)器人領(lǐng)域是沒有研究?jī)r(jià)值，建議取消機(jī)器人的研究。《萊特希爾報(bào)告》完全打碎了當(dāng)時(shí)社會(huì)對(duì)人工智能的期望，人工智能隨即進(jìn)入嚴(yán)冬。而在人工智能的第二次大起大落中，人工智能崛起于專家系統(tǒng)技術(shù)的發(fā)展，但隨著日本第五代智能計(jì)算機(jī)研制的失敗，人們開始意識(shí)到人工智能并非靠硬件來支撐而要靠知識(shí)、軟件和創(chuàng)新，進(jìn)而轉(zhuǎn)向研究知識(shí)百科，但收效甚微，研究斷斷續(xù)續(xù)。直至90年代后期，由于搜索引擎的強(qiáng)勢(shì)崛起，互聯(lián)網(wǎng)顯示了強(qiáng)大威力，知識(shí)百科開始衰敗，人工智能徹底進(jìn)入寒冬。
人工智能的第三春
但是知識(shí)百科的嘗試并不是徒勞，它讓我們意識(shí)到知識(shí)不能靠已有知識(shí)的表達(dá)，需要靠自動(dòng)學(xué)習(xí)來驅(qū)動(dòng)。九十年代后期，計(jì)算機(jī)計(jì)算能力已經(jīng)得到大幅提高，以數(shù)據(jù)挖掘和商業(yè)診斷為主要代表的應(yīng)用成功，使人工智能重回人們的視野。
在研究領(lǐng)域，雖然神經(jīng)網(wǎng)絡(luò)模型在漫長(zhǎng)的計(jì)算機(jī)發(fā)展歷史中得以長(zhǎng)足發(fā)展，從理論到應(yīng)用算法都有了長(zhǎng)足進(jìn)步，但因?yàn)橛?jì)算復(fù)雜等原因，逐漸被向量機(jī)模型（SVM）學(xué)派超越。此后，各種學(xué)派的研究成果迅速更新迭代，人工智能逐漸復(fù)興。
直至2006年訓(xùn)練高層神經(jīng)網(wǎng)絡(luò)算法的出現(xiàn)，人工智能迎來了第三春。神經(jīng)網(wǎng)絡(luò)算法在圖像識(shí)別領(lǐng)域的表現(xiàn)一下子推進(jìn)到了靠近突破人類表現(xiàn)的邊緣，引起了整個(gè)科研界的狂熱。披著深度學(xué)習(xí)這件華麗新衣的神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺，自然語(yǔ)言處理和語(yǔ)音處理等領(lǐng)域同樣表現(xiàn)出色，人工智能迎來了前所未有的發(fā)展高潮。
2016年10月，美國(guó)白宮連發(fā)兩份報(bào)告《美國(guó)國(guó)家人工智能研發(fā)戰(zhàn)略計(jì)劃》和《為未來人工智能做好準(zhǔn)備》，對(duì)當(dāng)前人工智能發(fā)展現(xiàn)狀進(jìn)行了調(diào)研，并闡述了人工智能帶來的若干政策機(jī)遇。同年12月，白宮再次發(fā)布報(bào)告《人工智能、自動(dòng)化與經(jīng)濟(jì)》，機(jī)器人維修，提出了應(yīng)對(duì)人工智能驅(qū)動(dòng)自動(dòng)化經(jīng)濟(jì)的三大策略。可見美國(guó)政府發(fā)展人工智能的決心。
再看中國(guó)，2015年2月工程院就人工智能正式立項(xiàng)，2016年3月正式啟動(dòng)，同年8月在北京研討會(huì)上以史無前例的速度進(jìn)入了6+9專項(xiàng)和國(guó)家十三五、十四五和十五五行動(dòng)計(jì)劃，我國(guó)也把人工智能的發(fā)展提到了戰(zhàn)略的高度。
世界上兩大經(jīng)濟(jì)強(qiáng)國(guó)都如此看好人工智能的未來，我們有信心說在未來兩到三年人工智能仍會(huì)處于黃金的發(fā)展時(shí)期。
那么我們不禁會(huì)問，繁榮過后，人工智能的第三春會(huì)因?yàn)楸桓吖蓝^續(xù)掉進(jìn)Gartner曲線的循環(huán)中還是會(huì)像互聯(lián)網(wǎng)技術(shù)發(fā)展一樣迎來指數(shù)式增長(zhǎng)呢？
我們認(rèn)為目前已經(jīng)初步具備人工智能發(fā)展的信息環(huán)境，但AI仍然存在很多問題，人工智能是否會(huì)掉進(jìn)Gartner曲線的循環(huán)還很難說。
回顧人工智能60年來的大起大落，我們可以看到，人工智能的失敗往往是因?yàn)槠渑c快速變化的信息環(huán)境不符，這是因?yàn)槿斯ぶ悄苓M(jìn)步的動(dòng)力不僅來自于學(xué)術(shù)研究的內(nèi)在動(dòng)力，更重要的是來自整體信息環(huán)境改變與需求的外部驅(qū)動(dòng)力。而當(dāng)前人工智能恰好面臨著劇烈變化的龐大信息環(huán)境與信息需求。
當(dāng)前的信息環(huán)境相較于80年代已經(jīng)發(fā)生了巨大而深刻的變化，計(jì)算機(jī)已經(jīng)與人類相伴，各種移動(dòng)終端、傳感器和可穿戴設(shè)備等智能硬件構(gòu)成了一個(gè)龐大的網(wǎng)絡(luò)，個(gè)體與個(gè)體、個(gè)體與群體以及人與物體史無前例地連接在一起，世界已經(jīng)從二元的PH空間結(jié)構(gòu)（Physics、HumanSociety）演變成三元的CPH空間結(jié)構(gòu)（Cyber），人以及萬事萬物都處于回路中。
在此環(huán)境下，人類社會(huì)對(duì)人工智能的需求開始大爆發(fā)，人工智能的研究已經(jīng)逐漸從學(xué)術(shù)牽頭轉(zhuǎn)變成需求牽頭，眾多國(guó)內(nèi)外科技巨頭開始入場(chǎng)真實(shí)地印證了這一趨勢(shì)。智能城市、智能醫(yī)療、智能交通、智能物流、無人駕駛、智能制造等諸多領(lǐng)域都迫切地需要人工智能的發(fā)展。在智能制造領(lǐng)域人工智能已經(jīng)真真切切地提高了社會(huì)生產(chǎn)力。
人工智能的目標(biāo)與理念也發(fā)生了變化，從過去追求用計(jì)算機(jī)模擬人的智能逐漸改變?yōu)闄C(jī)器+人的人機(jī)融合智能系統(tǒng)、機(jī)器+人+網(wǎng)絡(luò)的智能系統(tǒng)以及人+機(jī)+網(wǎng)+物的智能城市系統(tǒng)等等。
最后，也是最為直接的條件，人工智能所需的數(shù)據(jù)環(huán)境也逐漸形成。人工智能的基本方法是數(shù)據(jù)驅(qū)動(dòng)的算法，未來將迎來大數(shù)據(jù)、傳感器和網(wǎng)絡(luò)以及跨媒體驅(qū)動(dòng)的計(jì)算，到時(shí)大數(shù)據(jù)智能、感知融合智能和跨媒體智能將不可避免地到來，傳統(tǒng)的機(jī)器智能測(cè)試圖靈方法將受到挑戰(zhàn)。
但是我們不得不承認(rèn)人工智能仍然存在許多問題，目前神經(jīng)網(wǎng)絡(luò)算法需要的大量的數(shù)據(jù)進(jìn)行訓(xùn)練，難以實(shí)現(xiàn)無監(jiān)督學(xué)習(xí)，這已經(jīng)成為制約人工智能發(fā)展的關(guān)鍵因素。