又一个人工智能寒冬可能开启人工智能的黑暗时期

自动驾驶汽车。更快的 MRI 扫描，由机器人放射科医生解读。读心术和 X 射线视觉。人工智能有望永久改变世界。（在某些方面，它已经做到了。只要问问这个 AI 调度助手就知道了。）

人工智能有多种形式。但它被粗略地定义为能够处理人类任务（如感官知觉和决策）的计算机系统。自诞生之日起，人工智能就陷入了极度炒作和随后崩盘的循环之中。虽然最近的技术进步可能最终会结束这种繁荣与萧条的模式，即所谓的“人工智能寒冬”，但一些科学家仍然相信寒冬即将再次到来。

什么是人工智能寒冬？

数千年来，人类一直在思考人工智能的潜力。例如，古希腊人相信一个名为塔罗斯的青铜机器人保护克里特岛免受海上敌人的侵扰。但人工智能直到最近半个世纪才从神话世界走向现实世界，始于传奇计算机科学家艾伦·图灵在 1950 年发表的开创性论文，该论文提出了一个极具挑衅性的问题，并提供了一个框架来回答“机器能思考吗？”

当时，美国正处于冷战之中。国会议员决定大力投资人工智能，作为更大安全战略的一部分。当时的重点是翻译，特别是俄译英和英译俄。根据计算语言学家 W. John Hutchins 的机器翻译史，1954 年至 1966 年是“乐观的十年”，因为许多杰出的科学家相信突破即将到来，而资金雄厚的赞助商也为该领域提供了大量资助。

但突破并没有像承诺的那样迅速到来。1966 年，自动语言处理咨询委员会的七位科学家发布了一份政府要求的报告，结论是机器翻译比人工翻译速度慢、成本高、准确性低。哈钦斯写道，资金突然被取消，机器翻译“几乎停用了……十多年”。从那时起，情况只会变得更糟。1969 年，国会要求国防高级研究计划局 (DARPA) 只资助与军事行动直接相关的研究，这阻止了许多探索性和基础科学项目，包括之前由 DARPA 资助的人工智能研究。

华盛顿大学的计算机历史研究表明：“在人工智能寒冬期间，人工智能研究项目不得不改换名称，以便继续获得资助。” （该论文指出，“信息学”和“机器学习”是这个时期出现的委婉说法之一。）20 世纪 70 年代末，Lisp 机器的短暂成功带来了人工智能的温和复苏。Lisp 机器是一种高效、专业且昂贵的工作站，许多人认为它是人工智能硬件的未来。但到了 20 世纪 80 年代末，希望破灭了——这一次是因为台式电脑的兴起以及政府资助机构对人工智能潜力的怀疑情绪再度抬头。第二次寒流持续到 20 世纪 90 年代中期，从那时起，研究人员一直在寻找出路。

过去二十年，人们对人工智能几乎无比乐观。硬件（即高性能微处理器）和新技术（尤其是深度学习领域的技术）终于创造出了让消费者和投资者都赞叹不已的人工智能。神经网络经过现有示例的精心训练后，可以学习任务。举一个现在很经典的例子，你可以向神经网络输入数千张图像，其中一些标记为“猫”，另一些标记为“非猫”，然后训练机器自行识别图片中的“猫”和“非猫”。相关的深度学习策略也支撑着生物信息学和药理学的新兴技术、Alexa 或 Google Home 设备的自然语言处理，甚至自动驾驶汽车用来观察的机械眼。

冬天又来了？

但正是这些自动驾驶汽车让科学家们担心人工智能再次进入寒冬的可能性。2015 年，特斯拉创始人埃隆·马斯克表示，全自动驾驶汽车将于 2018 年上路。（严格来说，他还有四个月的时间。）通用汽车押注 2019 年。福特则表示，2021 年将迎来人工智能。但这些预测看起来越来越误导人。而且，由于这些预测是公开的，它们可能会给该领域带来严重后果。再加上最近亚利桑那州一名行人死亡的事件——3 月份，他被一辆处于无人驾驶模式的 Uber 撞死——应用人工智能的前景似乎越来越冷淡。

对即将到来的寒冬的担忧并非表面现象。人工智能研究员菲利普·皮克涅夫斯基等批评人士认为，近年来深度学习的发展有所放缓。“梯度消失问题”虽然有所缓解，但仍然会阻碍一些神经网络学习到某个点以上，尽管人类训练员已经尽了最大努力，但仍无法取得预期效果。人工智能在“泛化”方面的挣扎依然存在：一台用家猫照片训练过的机器可以识别更多的家猫，但它无法将这些知识推广到四处游荡的狮子身上。

这些问题给自动驾驶汽车带来了根本性问题。卡内基梅隆大学计算机科学系主任安德鲁·摩尔 (Andrew Moore) 在最近一期的 Recode Decode 播客中表示：“如果我们计划在 2020 年代初推出自动驾驶，那么目前每年需要减少 60% 以上的安全驾驶员干预才能将安全率降至 99.9999%。我不认为事情会进展得这么快。”虽然有些年份我们可能会将对人类的需求减少 20%，但在其他年份，这一数字只有个位数，这可能会将自动驾驶的到来日期推迟几十年。

就像实际的季节变化一样，人工智能的寒冬很难预测。更重要的是，每个事件的强度可能相差很大。新兴技术要想取得进展，兴奋是必不可少的，但很明显，防止暴风雪的唯一方法是谨慎的沉默——以及大量的努力。正如 Facebook 前人工智能总监 Yann LeCun 告诉IEEE Spectrum 的那样，“人工智能经历了多次人工智能寒冬，因为人们声称他们无法实现目标。”