深度学习已经触到天花板了吗

大数据文摘出品

编译：小蒋、lvy、王嘉仪

经过了多波浪潮的人工智能这次能够有新的突破吗?还是，历史依然会重演呢?岁末年初，本文作者Thomas Nield从历史上的英国讲起，进而探讨了人工智能到底是什么，以及这一波人工智能浪潮又有哪些不同。

许多人认为算法将会超越人类的认知意识：机器可以在没有人为干预的情况下辨别和学习任务，并将大规模地替换掉工人;他们完全可以“思考”;许多人甚至提出了我们是否可以将机器人作为配偶的问题。

但这不是什么新颖的想法，早在20世纪60年代，当时的人工智能先驱Jerome Wiesner、Oliver Selfridge和Claude Shannon已经很坚信，这种情况会在不久的将来发生。

快进到1973年，AI的炒作给英国带来了适得其反的结果。

在这种AI热潮下，英国议会不会无动于衷，他们委任当时的人工智能专家，James Lighthill爵士撰写一份英国的AI研究现状报告。

在这份研究报告中，James Lighthill非常激烈地批评了当时被给予厚望的人工智能研究。Lighthill还指出，专业程序(或人)是如何比他们的“AI”同行表现得更好的。

这份报告被称为Lighthill Report，也正因为这份报告，当时的英国政府取消了所有人工智能研究经费(英国的研究在20世纪80年代再次兴起，Alvey项目是对日本的第五代计算机项目的回应)。

点击查看当时关于Lighthill报告的辩论：https://youtu.be/03p2CADwGF8

1965年突破性的“MAC Hack VI

同一时间在大西洋彼岸，美国国防部在人工智能研究上投入了大量资金，随后由于同样的挫折，几乎取消了所有资金：人工智能能力的夸大，高成本且无回报，以及在现实环境中价值前景存疑。

在20世纪80年代，日本积极尝试用第五代计算机项目大胆刺激“AI”。然而，这最终也是一次耗资8.5亿美元的失败。

第一轮AI寒冬

20世纪80年代末迎来了第一轮AI寒冬。这是计算机科学的一个黑暗时期，组织和政府面临“人工智能”研究失败和沉没成本，也由此导致人工智能研究停滞了数十年。

到了1990年代初，“AI”变成了一个肮脏的词，这一状况持续到了2000年。人们普遍认为“人工智能不起作用”。编写看似智能程序的软件公司使用了“搜索算法”、“业务规则引擎”、“约束求解器”和“运筹学”等术语。值得一提的是，这些宝贵的工具确实来自人工智能研究，但由于未能实现更宏大的目的，它们现在被重新命名。

但在2010年左右，情况开始发生变化。人们对AI的兴趣再次迅速增长，关于图像分类的竞赛引起了媒体的关注。硅谷第一次通过使用足够大的数据使神经网络发挥作用。

到2015年，“AI”研究获得了许多财富500强企业的巨额预算。通常情况下，这些公司是由FOMO(fear of missing out)驱动而不是实际的案例，担心他们会被自动化的竞争对手所抛弃。毕竟，让神经网络识别图像中的物体真是令人印象深刻!对于非专业人士来说，SkyNet的能力肯定是下一个。但这真的是迈向真正的人工智能的一步吗，或者是历史重演?

所以，什么是AI呢?

很长一段时间，我一直不喜欢“人工智能”这个词。

它太模糊且深奥，这还更多的是由营销人员而不是科学家定义的。当然，市场营销和流行语可以说是促进改变和接受新思维的必要条件。然而，流行语的混杂不可避免地导致了混乱。我的新华硕智能手机就被称作具有“AI铃声”功能，而也就是可以动态调整铃声音量，使其在环境噪音中足够响亮。我猜想一些可以用一系列“if”条件或简单的线性函数进行编程的东西，都被称为“AI”。

有鉴于此，“AI”的定义受到广泛争议也就不足为奇了。我喜欢Geoffrey De Smet的定义，该定义指出AI解决方案适用于具有不确定性答案和/或不可避免的误差范围的问题。这将包括从机器学习到概率和搜索算法的各种工具。