第2章 智慧之门访谈一·人工智能简史
智慧之门是在元宇宙逐步兴盛之时创办的专门跟进科技前沿发展的专业网站。
之前说到的元宇宙三个时期的提法，就是智慧之门的总主编齐绍文最先提出的。
吕思梦作为人工智能硕士出身，一首主攻类脑研究方向的进展。
“林院长，我是智慧之门类脑研究方向的特约专栏作家吕思梦，您叫我小吕就行。”
“好，小吕啊，我们研究院的咖啡味道怎么样？”
林柏翠寒暄起来。
“挺好的。
林院长，感谢您今天给我提供这个机会，我可是准备了不少问题呢!”吕思梦留着短发，今日一袭白色套装，给人一种利落的感觉。
“那好啊，我可是很期待你的各种问题呢，要不咱们就进入正题吧？”
林柏翠一点也不拖泥带水，这让吕思梦也立马精神起来。
吕思梦挺了挺腰身，说道：“林院长，那么我就正式开始我的采访了！”
“第一个问题，请问您当年为什么要回国创办江云大学类脑研究院呢？”
林柏翠仰头思索了一番，然后以问代答：“小吕啊，你知道人工智能到现在经历了几次浪潮吗？”
吕思梦笑着说：“这个大家都知道，己经有三次浪潮了。”
林柏翠点点头，接着说道：“1950年，人工智能之父阿兰·图灵在他的论文《计算机器与智能》中就认为机器可以像人一样思考，并提出了用于测试机器是否具备智能的著名的‘图灵测试’。
但人工智能的第一次浪潮真正始于1956年的达特茅斯暑期会议，也就是在那次会议上，约翰·麦卡锡第一次提出了‘人工智能’这个术语。
这次浪潮的核心是符号主义，也叫逻辑主义。
符号主义主张通过使用逻辑规则在己有的知识库上进行逻辑推理来实现人工智能，其代表性成果就是赫伯特·西蒙和艾伦·纽厄尔开发的‘逻辑理论家’程序。
这个程序证明了罗素和怀特海的《数学原理》的第二章中的38个定理。
当时研究人工智能的头部科学家们雄心勃勃，马文·明斯基甚至对外宣称学术界将‘在三到八年内拥有具有人类思维水准的机器’。
然而，这些科学家的研究后来并没有达到预期，人工智能也在1974年遭遇了第一次寒冬。
“第二次浪潮肇始于1980年代，符号主义和连接主义一起担当了这次浪潮的推动者，计算机算力的进步也为这一次浪潮提供了物质基础。
符号主义的代表，爱德华·费根鲍姆提出的专家系统的衍生品在这一时期得到了商业应用，吸引了工业界的热情。
连接主义是受人脑的神经元连接启发而发展起来的一个学派，代表成果就是神经网络。
那个时期，连接主义的灵魂，神经网络和反向传播算法经过戴维·鲁梅哈特和杰弗里·辛顿等人的实践，被证实确实能学习到有效的数据表征。
而神经网络与大脑神经系统的相似性，使得人们似乎再次看到了破解人类智能的希望。
但是，专家系统的持续成功需要依靠一个优良的领域知识库，而且只适合高度抽象、边界限定良好的问题，想要解决不太好用逻辑语言进行描述的问题就十分困难了。
而且知识库的建立需要耗费大量的人力，当答案可能的情况无限多时——也就是现实生活中的大部分问题，就需要人不停地向知识库添加新的知识，这是无法完成的任务。
连接主义也很快面临困境。
由于当时的计算机算力依然薄弱，神经网络的构造和训练策略也很原始，神经网络在处理稍具规模的数据时就会遇到很大的困难。
第二次兴起的人工智能在火热了数年后，又在1987年遭遇了第二次寒冬。
在这一波浪潮里，还有一个令人唏嘘的故事。
1982年，日本政府开启了他们雄心勃勃的第五代计算机计划。
这个计划的目的是通过开发一种基于逻辑编程的高并发计算系统来达到大幅提升计算机运算速度并使计算机具备人工智能的目的。
这个计划的构想具有一定的颠覆性，他们看到了冯诺依曼架构的局限性，想通过对逻辑编程的硬件支持来赋予机器产生智能的基础。
可惜他们高估了符号主义的能力，对人工智能的本质缺乏更深刻的考量，结果在长达十年的付出和高达4亿美元的投入后，第五代计算机计划还是以失败告终了。”
吕思梦听到这里也感慨道：“这也许就是那个时代的写照吧，人们对人工智能充满了希望和雄心，但却对人类能力的局限缺乏清醒的认识。”
“小吕，你体会得很到位嘛。”
“哪里哪里，我还要多向林院长学习呢。”
林柏翠呷了一口咖啡，接着讲道：“也许就是因为这个项目，在第三次浪潮到来前，人工智能沉寂了很长一段时间。
但是不管结果如何，制造第五代计算机的设想还是对的，由政府主导的大规模智能探索也是推动人工智能前进所需要的。
但需要注意的是，对人工智能的前沿探索是科学研究的‘无人区’，其结果具有不可预测性。
另一方面，由于探索需要的人力物力和时间成本都是极高的，引领这种探索的人需要有勇有谋、循序渐进。
所以，我主张在大规模硬件验证之前一定要做好长期的理论建设和论证，并且验证的过程要采用迭代的方式来掌控进退。
我想这就是我们可以从第五代计算机计划中学到的经验和教训。
“说回人工智能发展史，在第三次浪潮到来前的这段时间里，人工智能的发展并未停滞。
在这个时期，人工智能主要以统计性机器学习的面目呈现在大家面前，人工设计的特征，非神经网络的统计模型取得了各种应用场景的优势。
人工智能的研究重点也转向更加具体的问题，例如文字识别、人脸识别和自然语言处理等问题。
虽然在学术上，技术在不断进步，但是对现实世界的影响力却很小。
唯一有影响力的事件是1997年，深蓝击败世界象棋冠军卡斯帕罗夫。
不过深蓝的胜利更多的是硬件的进步，在理论层面并没有什么创新。
在这一时期，另一个可以与符号主义和连接主义相提并论的人工智能学派也出现在了世人面前，那就是行为主义学派。
其标志性的成果就是麻省理工的罗德尼·布鲁克斯的六足机器人，该机器人可以在复杂的环境中自由行走，体现出了行为智能。
行为主义者并不看重构建一个像大脑一样复杂的机器大脑，而是注重控制智能代理——也就是实体或虚拟的机器人——对不同的感知输入做出不同的行为，只要行为能适应复杂的环境或者完成一个具体的任务就可以了。
行为主义的智能代理并不需要对知识表征和逻辑推理进行显式学习，智能代理的训练也不需要大量的数据，而是需要在具体环境中进行大量的试错。
这种通过在环境中交互试错而取得进步的训练方法被称为强化学习，它在训练数据难以获取的领域十分有用。
总的来说，行为主义的成功主要是在智能代理对自身的行为控制上，对大脑更高级的认知和思维能力的解析依然要回到符号主义和连接主义。
“首到2006年的时候，第三次浪潮的潮头才终于涌现了出来。
杰弗里·辛顿，约书亚·本吉奥和杨立昆接连发表了有关深度学习进展的论文。
深度学习使用的就是超多层次的神经网络，图像卷积算子也被加入神经网络，用以适应图像处理中庞大的数据量。
至此，神经网络再次获得学术界的青睐，笃信连结主义的科学家们重新拿起神经网络的武器，开始反攻丢失的学术阵地。
2012年，在图像识别竞赛I***geNet中，卷积神经网络AlexNet击败了所有的人工特征加非神经网络模型的组合，再次确立了神经网络在人工智能领域的统治地位。
2016年，基于卷积神经网络技术和强化学习的AlphaGo以4:1的压倒性优势战胜了围棋世界冠军李世石，震惊了全世界。
与此同时，GPU的算力也得到极大的发展，人们甚至开始定制专门用于卷积神经网络的人工智能并行计算芯片。
人工智能商业应用也开始蓬勃发展，人脸识别技术和各种语音助手被大量应用于生活场景，智能机器人出现在商场和酒店中，各种自动驾驶技术研发公司如雨后春笋般冒了出来，大型智能计算中心裹挟着人工智能和云计算的响亮名头出现在各个城市的高新开发区，人们似乎真的要迎来一个智能时代了！”
林柏翠讲到这里，情绪有点激动了，他顿了顿，又喝了一口咖啡。
吕思梦乘机问道：“林院长，这个时期出现了2019年开始的新冠疫情，那么疫情对人工智能的发展是否产生了影响呢？”
林柏翠感叹了一下，说道：“这次新冠疫情算得上是人类社会有史以来影响范围最大的一次瘟疫。
不过从人工智能的发展来说，疫情反而带来了积极的影响。
为了降低感染风险，一些机器人和无人车被派往一线执行病毒检测和物资配送工作，这客观上促进了对人工智能的投入和技术的进步。
我2027年回国创办江云大学类脑研究院也跟疫情在2026年基本结束有关。
言归正传。
可惜的是啊，第三次浪潮终究还是没能升华连接主义的内涵，首到2027年，人工智能的研究依然属于弱人工智能的范畴，人们充满期待的自动驾驶和自然语言处理领域并没有达到预想的高度。”
见林柏翠的发言告一段落，吕思梦把控了一下节奏：“林院长对人工智能史的回顾真是将人带到一个全局的高度，让我的内心都跌宕起伏起来。
我猜想正是对人工智能的完整发展史进行了深入的思考后，林院长才做出创办江云大学类脑研究院的决定吧？”
林柏翠点了点头，肯定了吕思梦的想法。
他接着说：“大概在2024年的时候，我去麻省理工学院参加一个人工智能的暑期会议，并在那里住了半个月。
那个时候，元宇宙的应用己经十分广泛了，会议举办方在元宇宙做了一个跨越时空的虚拟鸡尾酒会，他们不仅邀请了麻省理工从事人工智能研究的历届优秀校友，还专门制作了己过世校友的虚拟数字人，让我们在虚拟现实里跟他们把酒言欢。
在这场虚拟鸡尾酒会里，我遇到了计算神经科学的创始人‘大卫·马尔’，并跟‘他’进行了一场意外的交谈。”