张耀铭 张路曦:人工智能:人类命运的天使抑或魔鬼

——兼论新技术与青年发展
选择字号:   本文共阅读 2022 次 更新时间:2019-01-11 21:00:21

进入专题: 人工智能   人类命运   青年发展  

张耀铭   张路曦  
日本和欧美国家推出这样与那样的计划,在主次、先后、强弱等不同维度上或许有些差别,但相同的是都想用10年左右的黄金时间,抢先营建好自己坚不可摧的围城,让别人签城下之盟。

  

   人工智能进入第二个高速发展期的第二个标志,是“反向传播算法”(BP算法)的提出与应用让人工神经网络再次引起了人们的广泛关注。1986年7月,杰弗里·辛顿与戴维·鲁梅尔哈特等合作在《自然》杂志上发表了一篇《反向传导误差的学习表征》论文,系统地提出了应用反向传播算法,把纠错的运算量下降到只和神经元数目成正比。同时,通过在神经网络里增加一个所谓隐层,反向传播算法解决了感知器无法解决的异或门难题。

  

   20世纪80年代到90年代初是人工智能研究者和产品开发者的一个黄金时代。但从整体上看,人工智能的第二次浪潮仍然笼罩着浓厚的学术研究和科学实验色彩,虽然激发了大众的热情,但远没有达到与商业模式、大众需求接轨并稳步发展的地步。

  

   (4)人工智能的低谷(1993—2005)

  

   人工智能第二次低谷的起点之所以划在1993年,主要考虑5个关键节点:日本第五代计算机研究开发计划的幻灭、“专家系统”风光不再、反向传播算法遇到了梯度消失难题、万维网的流行与“奇点理论”的提出。

  

   第一,日本第五代计算机研究开发计划的幻灭。据《日本经济新闻》报道,第五代计算机计划的最终目标是组装1 000台要素信息处理器来实现并行计算,解题和推理速度达到每秒10亿次;与此相连接的是容量高达10亿信息组的数据库和知识库,包括1万个日语和外国语言的基本符号,以及语法规则2000条,可以分析95%以上的文章,自然语言识别率达到95%。此外,还将配置语音识别装置和储存10万个图像的模式识别装置等。然而,这一计划从一开始就不顺利。按照进度要求,至1987年应当组装出有500台处理器的并行计算机,但实际组装的不到100台。到1992年3月底预定结束时间,渊一博研究团队组装的并行计算机中最大的3台仅有256个处理器,也就是只达到预定目标的四分之一[14]。总之,因最终没能突破关键性的技术难题,运算速度太慢,无法实现自然语言人机对话等目标,日本第五代计算机开发计划宣告失败。

  

   第二,“专家系统”风光不再。专家系统经历了10年的黄金期,除了计算机软硬件本身的限制外,也逐渐暴露出系统存在的发展瓶颈。“比如每个公司和研究团队研发的专家系统都是自成体系的封闭系统,没有开源软件和公开的数据标准来共享数据和策略,所以任何2个专家系统之间无法相互协作。” [15]另外,专家系统的成功再次引发了学术泡沫,不少人开始膨胀,认为专家系统可以很快应用到软件开发上,实现软件开发的自动化。对此种论调,IBM 大型电脑之父弗雷德里克·布鲁克斯1986年发表论文《没有银弹:软件工程的本质性与附属性工作》予以批评。他甚至预言:“在10年内无法找到解决软件危机的银弹”。这篇著名论文影响力惊人,最终导致了专家系统权威性的动摇。随着20世纪80年代末全球金融危机的持续,资本的逐利性很快对专家系统失去耐心,大幅度压缩投资,泡沫急速破碎,公司频临破产,人工智能又一次成为了欺骗与失望的代名词。

  

   第三,反向传播算法遇到了梯度消失难题。20世纪90年代初,传统神经网络的反向传播算法遇到了本质难题——梯度消失。这个问题在 1991年被德国学者霍克赖特第一次清晰提出并阐明原因。“简单地说,成本函数从输出层反向传播时,每经过一层,梯度衰减速度极快,学习速度变得极慢,神经网络很容易停滞于局部最优解而无法自拔。同时,算法训练时间过长会出现过度拟合,把噪音当成有效信号。”[16]当大家对反向传播算法失去信心时,支持向量机(SVM)因在解决小样本、非线性及图像和语音识别中表现出许多特有的优势,从而得到主流的追捧,这在客观上也使得神经网络的研究重新陷入低潮。

  

   第四,“奇点理论”的提出。奇点这个词来自于天体物理学:它指的是时空中(例如黑洞内部)所有物理理论都失效的一点。然而,奇点这个概念在现代语境中的流行却主要归功于美国计算机科学家兼著名科幻作家弗诺·文奇。1993年,他写了《即将到来的技术奇点:后人类时代如何求生》,首次提到了人工智能的“奇点”概念。论文开头就危言耸听地写道:“在未来30年间,我们将有技术手段来创造超人的智慧。不久后,人类的时代将结束。” [17]弗诺·文奇是最早的人工智能威胁论提出者,此后这把摇摇欲坠的达摩克利斯之剑一直高悬在人类的头顶上,令许多人心惊肉跳。

  

   第五,万维网的流行与“信息高速公路”的实施。1993年1月,美国伊利诺伊大学为浏览万维网站开发的UNIX版本马赛克浏览器被放到计算机中心的免费服务器上,不到两个月就被下载了上万次。4月,欧洲核子研究组织宣布万维网向所有人免费开放,引爆了万维网的普及。马赛克刚出现时,全世界只有50个万维网服务器。随着马赛克浏览器的流行,万维网服务器的数量在当年10月达到500个,不久增加到2738个,呈现指数级增长趋势。9月,美国政府发布实施“国家信息基础设施”计划(简称NII),也就是我们常说的信息高速公路。重视电子计算机与建设信息高速公路成为美国掌握未来世界竞争先机的枢纽。12月,《纽约时报》的商业版头版介绍了马赛克浏览器,称其将创造一个全新的产业。马赛克浏览器的流行使得覆盖互联网的万维网成为新的连接世界的平台,也引发了以硅谷为中心的电子商务革命。在这种大的背景下,DARPA的新任领导认为人工智能并非“下一个浪潮”,因此大幅度地削减了资助,AI研究再次遭遇经费危机陷入低谷,并在漫长的寒冬中蛰伏起来。

  

     (5)人工智能的第三次浪潮(2006年至今)

  

   科学每经历一次葬礼,就前进一步。20世纪末,人工智能的发展虽然处于低谷,但却并没有停止。1997年5月,IBM推出的深蓝(Deep Blue)超级计算机成功战胜人类国际象棋世界冠军卡斯帕罗夫。2000年后,成千上万台计算机组成的大规模计算集群早已不再是稀罕物,尤其是以亚马逊、谷歌、微软为代表的前沿科技公司开始向用户提供云计算服务。2005年,谷歌在机器翻译专家弗朗兹·奥科的主持下,使用上万倍于通常的数据量训练出了一个六元模型。在美国国家标准与技术研究所对全世界多种机器翻译系统的评测中,这个“六元模型”以巨大的优势打败了所有机器翻译系统,一跃成为领头羊。据此,有学者将这年定义为“大数据元年”。大数据和云计算为深度学习提供了海量数据和近乎无限的计算能力,打破了限制人工智能发展的两个主要瓶颈,为其重出江湖准备好了足够的能量。

  

   2006年是深度学习发展史上的分水岭。这一年,杰弗里·辛顿及其合作者在《科学》杂志上发表《利用神经网络刻画数据维度》的论文,探讨了应用人工神经网络刻画数据的学习模型,正式提出了深度学习(Deep Learning)的概念和计算机深度学习模型,立即在学术圈引起了巨大的反响。这篇论文的主要观点体现在两个方面:首先,多隐藏层的人工神经网络具有很强的学习能力,学习到的特征对数据有更本质的刻画;其次,深度神经网络可以通过“逐层初始化”来有效克服训练和优解的难度,这有助于突破浅层学习模型。这一年,人工智能领域的大咖如尤舒亚·本吉奥、杨乐昆、尤尔根·施米德休伯等人也发表了一批关于神经网络研究的重要学术论文,在基本理论方面取得了若干重大突破,深度学习也由此进入了高速发展的全盛期。

  

   2009年,斯坦福大学的李飞飞和普林斯顿大学的李凯合作建成了一个大型注释图像数据库,使得计算机通过监督学习方式识别包含各种物体的图像,而且能够用自然语言生成对每个图像中的物体关系进行简单描述。这一成果为后来图象识别能力的突飞猛进打下了基础。2011年2月,IBM人工智能系统沃森(Watson)挑战美国综艺节目《危险边缘》,战胜了两位人类高手——最高奖金得主和连胜纪录保持者。谷歌最早将“人工智能优先”设定为公司的科技发展战略,由科学家杰夫·迪恩与吴恩达团队建立谷歌大脑。2012年,谷歌大脑使用了一个拥有16000个处理器组成的集群,并向其展示了数百万张图片,结果计算机通过深度学习算法居然成功提炼出了猫的一般特征,并构建了一个带有梦幻色彩的猫咪的数字影像。科学家们将这种机制形容为大脑视觉皮层“控制论的表亲”。这是深度学习的成功案例,它意味着人工智能开始有了一定程度的“思考”能力。2013年,世界对神经网络的兴趣从涓涓细流发展成了汹涌洪流。能够轻易获取的互联网大数据与低成本的众包劳动,为神经网络研究带来了训练所需的计算和人力资源。2014年IBM生产了一款大脑神经形态芯片,赋予计算机认知能力,可以探测和预测数据中的规律和模式,大大释放了机器学习软件的工作效率。2015年,谷歌开发了利用大量数据直接就能训练计算机来完成任务的第二代机器人学习平台Tensor Flow,支持异构设备分布式计算,它能够在各个平台上自动运行模型。2016年3月,由谷歌旗下DeepMind公司戴密斯·哈萨比斯团队开发的阿尔法狗与围棋世界冠军、职业九段棋手李世石进行了五场人机大战,结果阿尔法狗以4比1的总比分获胜。人工智能战胜人类围棋高手,这是AI发展史上最重要的里程碑,也因此极大地激发了人们思考科技对于人类命运的特殊意义。

  

   人工智能已经成为当前毫无争议的最大热点和前沿技术,各国政府高度重视,纷纷出台本国发展战略,参与国际竞争。2012年,英国政府将智能机器人和人工智能技术列为英国最重要的八大技术之一。2013年,欧盟启动了未来新兴计划(FET)旗舰“人脑项目”,这是全球最重要、最前沿的人类大脑研究项目之一,其目标就是要建立人工智能全脑模型。2015年,日本文部科学省提出,将在未来10年内,投入1 000亿日元用于人工智能的研究和开发。2016年,美国白宫发布《为人工智能的未来做好准备》和《国家人工智能研究与开发战略规划》两份重要报告,详细阐述了美国在发展人工智能方面的整体框架及未来人工智能发展的七大战略。2016年,韩国未来创造科学部公布2017年财政预算方案,拟大力扶持人工智能和机器人等最新技术的研发。《德国工业4.0》的核心也是发展人工智能,重点包括智能工厂、智能生产和智能物流。

  

资本的嗅觉总是最灵敏的,在全球人工智能崛起之时,大量的风投资本涌入这个新兴的技术领域,引发了一波又一波的抢人大战。“一方面,科技巨头将开源作为加速技术创新、抢占技术高地、构建技术生态的重要手段,并且在硬件开源方面进行尝试,以提升运算速度;另一方面,企业重金投入研发,通过建立人工智能实验室、持续收购等方式提高技术及人才实力,开展从人工智能技术、整体解决方案、云平台到硬件和产业的全方位布局。”[18]2012年以来,谷歌共收购了15家AI公司,其中收购英国著名的Deep Mind公司,把深度学习专家戴密斯·哈萨比斯等人揽入怀中,就花了6.25亿美元。2010年至今,IBM已出资超过120亿美元完成了对40多家公司的并购,并购业务涵盖了云计算、智慧地球和人工智能等方向[19]。(点击此处阅读下一页)

    进入专题: 人工智能   人类命运   青年发展  

本文责编:limei
发信站:爱思想(http://www.aisixiang.com),栏目:天益笔会 > 科学精神 > 科学评论
本文链接:http://www.aisixiang.com/data/114486.html
文章来源: 中国青年社会科学 公众号

3 推荐

在方框中输入电子邮件地址,多个邮件之间用半角逗号(,)分隔。

爱思想(aisixiang.com)网站为公益纯学术网站,旨在推动学术繁荣、塑造社会精神。
凡本网首发及经作者授权但非首发的所有作品,版权归作者本人所有。网络转载请注明作者、出处并保持完整,纸媒转载请经本网或作者本人书面授权。
凡本网注明“来源:XXX(非爱思想网)”的作品,均转载自其它媒体,转载目的在于分享信息、助推思想传播,并不代表本网赞同其观点和对其真实性负责。若作者或版权人不愿被使用,请来函指出,本网即予改正。
Powered by aisixiang.com Copyright © 2019 by aisixiang.com All Rights Reserved 爱思想 京ICP备12007865号 京公网安备11010602120014号.
易康网