原標(biāo)題：「人工智能」六十多年了，而我們又走了多遠了？
AI 科技評論按：這幾天，機器學(xué)習(xí)圈子的日常話題忽然刮起了一股「懷舊」風(fēng)。
在 GANs 的余溫逐漸冷卻，基于深度學(xué)習(xí)設(shè)計的解決方案仍然在信息與計算機領(lǐng)域之外的問題上苦苦掙扎，機器學(xué)習(xí)理論研究相比于單個方法和任務(wù)更關(guān)注不同方法和任務(wù)之間關(guān)系的大畫卷，強化學(xué)習(xí)一面在前所未有的算力的支撐下不斷斬獲新的成績、一面仍然因為學(xué)習(xí)范式固有的不穩(wěn)定和低樣本效率廣為詬病的這個 2018 年夏天，突然有人想起六十多年前的、1955 年的那個夏天。
「人工智能」的誕生
1956 年達特茅斯學(xué)院夏季人工智能科研項目其中五位參與者，在 2006 年 7 月的 AI@50 論壇上重逢。從左起： Trenchard More、 John McCarthy、 Marvin Minsky、 Oliver Selfridge和 Ray Solomonoff
1955 年夏天，幾位計算機科學(xué)與信息學(xué)大拿、人工智能先驅(qū) John McCarthy、Marvin Minsky、Nathaniel Rochester、Claude Elwood Shannon 在達特茅斯發(fā)起了一個夏季科研項目提議，首次提出了「人工智能 Artificial Intelligence」的概念。在這個 workshop 的倡議書中他們寫道：「我們將試圖找出一種方法，能讓機器使用語言、形成抽象概念和觀念、幫助人類解決不同種類的問題，并且能夠自我改進……現(xiàn)階段人工智能研究的目標(biāo)是，試圖讓機器做出能被人類稱為『智能』的行為。」而那個夏天，他們希望討論的話題就已經(jīng)是（翻譯成現(xiàn)代研究人員使用的詞匯之后）：自我編程計算機、自然語言、神經(jīng)網(wǎng)絡(luò)、計算復(fù)雜度、自我改進、表征（本體論）、隨機性與創(chuàng)造力。
《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》,1955,J. McCarthy,et.al
他們還寫道「我們認為，只要一群精挑細選的優(yōu)秀的科學(xué)家一起研究一個夏天，我們就可以在其中的至少一個問題上做出重要的突破」。相應(yīng)地，他們在預(yù)算中準(zhǔn)備了 6 位教授和2 位博士生的薪水，與其他開銷以及意外預(yù)留費用加起來，一共 13500 美元；只看預(yù)算的數(shù)額都覺得寒酸（即便當(dāng)年的美元比現(xiàn)在的值錢）。
結(jié)局我們自然知道，這些問題的廣度與深度都遠超「一小群科學(xué)家」和「一個夏天」所能掌握的，即便到了今天其中的多個問題都是人工智能/機器學(xué)習(xí)領(lǐng)域熱門的未解難題，甚至于，如果在某個小規(guī)模的機器學(xué)習(xí)會議中看到的討論議題就是這 7 個（的現(xiàn)代版），也并不會覺得分外奇怪吧。
不過反過來說，六十多年前的 workshop 提出的研究課題直到現(xiàn)在都有還未解決的、還在熱烈討論研究的，不禁讓人嘴角上揚。這當(dāng)然說明了幾位先驅(qū)的高瞻遠矚，但這是否也說明在如今滿天飛的論文中，真正有開創(chuàng)新的、觸及本質(zhì)的研究還是太少呢？我們也許給一些問題給出了更好的答案，但許多方面我們還未能提出更好的問題。
1956 年達特茅斯的 AI 會議正式召開并開創(chuàng)了人工智能 Artificial Intelligence 這個詞之后，無數(shù)計算機科學(xué)家、電子科學(xué)家、語言學(xué)家、神經(jīng)科學(xué)家、心理學(xué)家等等匯聚在這面大旗下，嘗試推動智能系統(tǒng)、計算理論、生物智慧、仿人類智慧系統(tǒng)設(shè)計的研究，不過一如大家所見，太多的問題和概念都一股腦裝在了「人工智能」這個大筐里，普通民眾也養(yǎng)成了用「機器夠不夠像人」和「機器和人誰厲害」評價技術(shù)成果的壞習(xí)慣。
有一些做機器學(xué)習(xí)、智能系統(tǒng)的科學(xué)家其實感到很頭疼：如果當(dāng)年達特茅斯的幾個人提出的詞是「計算智能 Computational Intelligence」而不是「人工智能 Artificial Intelligence」，能表明重現(xiàn)人類的智慧不是唯一的目標(biāo)、甚至都不一定是最重要的目標(biāo)，就好了……
從這個角度來講，也許還是能夠說明幾位先驅(qū)們對這個方向的認識過于簡單和樂觀，沒有意識到「生物智能」與「機器智能」、「復(fù)雜的人類社會文化」與「確定可解析的機器計算」、「模仿生物智能」與「幫助人類完成任務(wù)的智能系統(tǒng)」之間深遠的鴻溝。后來的機器學(xué)習(xí)「祖師爺」、「人工智能界的邁克爾喬丹的」Michael I. Jordan 也撰文仔細解釋過相關(guān)話題，感興趣的讀者可以閱讀 AI 科技評論往期文章 Michael I. Jordan 撰文：不要被深度學(xué)習(xí)一葉障目不見泰山。
后來的兩個夏天的故事
「人工智能」概念在 1955 年提出，而后逐漸發(fā)展出了經(jīng)典的、基于規(guī)則的機器學(xué)習(xí)系統(tǒng)；這當(dāng)然是深度學(xué)習(xí)時代來臨之前的事情。
如果回看 1955 年的「人工智能」研究課題我們覺得眼熟的話，回看 1980 年代的機器學(xué)習(xí)系統(tǒng)會是什么感覺呢？華盛頓大學(xué)計算機科學(xué)與工程學(xué)教授 Pedro Domingos 也給了自己的觀點：
看起來似乎不太樂觀，似乎深度學(xué)習(xí)只是以往的機器學(xué)習(xí)方法的再次錯誤重現(xiàn)。不過也有許多人反駁，雖然認同兩個時代的智能系統(tǒng)都面向非常狹窄的任務(wù)、都非常脆弱，但如今的系統(tǒng)已經(jīng)確實廣泛運用在了各種系統(tǒng)中，為全世界人民提供了實實在在的價值。
Keras 作者 Fran?ois Chollet 也表示：「就像人們傾向于高估當(dāng)代的 AI 系統(tǒng)的覆蓋范圍和智慧水平，他們也會低估這些簡單、面向狹窄任務(wù)的系統(tǒng)能做到多少事情，只要它們被擴展到了合適的規(guī)模、被廣泛地部署使用。深度學(xué)習(xí)確實從各個角度看起來都很蠢，而且它也并不能構(gòu)成一條通向人工智能的有意義的路徑，但同時，深度學(xué)習(xí)非常的重要，它有潛力對大多數(shù)行業(yè)產(chǎn)生難以忽視的影響。它不需要很聰明就已經(jīng)可以很有用。」
Fran?ois Chollet 的話非常中肯，深度學(xué)習(xí)距離「人工智能」的目標(biāo)還太遠了，但以深度學(xué)習(xí)為核心的解決方案已經(jīng)在許多領(lǐng)域生根發(fā)芽。今年其實有人擔(dān)心神經(jīng)網(wǎng)絡(luò)、人工智能的第三次寒冬是不是快要來了，但既然包括神經(jīng)網(wǎng)絡(luò)模型在內(nèi)的各種機器學(xué)習(xí)方法除了學(xué)術(shù)界的廣泛研究之外也還得到了企業(yè)的廣泛使用，那么所謂寒冬就不用害怕。
這個夏天，很熱。而且以后的夏天也會像以前的夏天一樣，充滿故事。歡迎在評論區(qū)留下你的觀點。
《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》PDF 下載：http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf
AI 科技評論報道。
想知道關(guān)于人工智能的更多知識？返回搜狐，查看更多
責(zé)任編輯：
