人工智能通识文章索引
image.png
出生就遇到黄金时代的人工智能，过度高估了科学技术的发展速度，太过乐观的承诺无法按时兑现的时候，就引发了全世界对人工智能技术的怀疑。
image.png
1973年，著名数学家拉特希尔向英国政府提交了一份关于人工智能的研究报告，对当时的机器人技术、语言处理技术和图像识别技术进行了严厉的批评，尖锐的指出人工智能那些看上去宏伟的目标根本无法实现，研究已经完全失败。此后，科学界对人工智能进行了一轮深入的拷问，使AI的遭受到严厉的批评和对其实际价值的质疑。
随后，各国政府和机构也停止或减少了资金投入，人工智能在70年代陷入了第一次寒冬。
image.png
这次寒冬不是偶然的。在人工智能的黄金时代，虽然创造了各种软件程序或硬件机器人，但它们看起来都只是“玩具”，要迈进到实用的工业产品，科学家们确实一些遇到了不可战胜的挑战。
让科学家们最头痛的就是虽然很多难题理论上可以解决，看上去只是少量的规则和几个很少的棋子，但带来的计算量增加却是惊人的增长，实际上根本无法解决。就像26个字母魔法般的组合成数万个单词，进而在不同语境下组合成无限种句子。比如运行某个有2的100次方个计算的程序，即使用现在很快的计算机也要计算数万亿年，这是不可想象的。
image.png
就像飞机需要有足够的马力才能从跑道上起飞，人工智能也需要足够的计算力才能真正发挥作用。当时有科学家计算得出，要用计算机模拟人类视网膜视觉至少需要执行10亿次指令，而1976年世界最快的计算机Cray-1造价数百万美元，但速度还不到1亿次，普通电脑的计算速度还不到一百万次。
五十年后，现在我们的笔记本或者手机能够依赖摄像头轻松实现人脸识别，这些设备的运算速度其实都已经超过百亿次，当然没有压力。
image.png
人工智能还需要大量的人类经验和真实世界的数据，要知道即使一个三岁婴儿的智能水平，也是观看过数亿张图像之后才形成的。由于当时计算机和互联网都没有普及，或者如此庞大数据是不可能的任务。
image.png
很多人工智能科学家开始发现，数学推理、代数几何这样的人类智能，计算机可以用很少的计算力轻松完成，而对于图像识别、声音识别和自由运动这样人类无须动脑，靠本能和直觉就能完成的事情，计算机却需要巨大的运算量才可能实现。
这个论调一方面让人怀疑早期神经网络算法的有效性和实用性，另一方面也导致人工智能技术向更加功利化、实用化方向发展，不再像黄金时代那样充满想象，充满对模拟通用人类智能的追求。
image.png
曾经一度被非常看好的神经网络技术，过分依赖于计算力和经验数据量，因此长时期没有取得实质性的进展，1969年马文敏斯基与人合著的《感知器》一书，这本书阐明了神经网络现阶段的真实能力，也表明之前很多过于乐观的预测是难以实现的理论。尽管书中内容科学客观，但也对神经网络技术产生了毁灭性的打击，后续十年内几乎没人投入更进一步的研究。
当然，十年河东十年河西，数十年后，神经网络又已经成我们现在人工智能的关键技术。
image.png
1979年，斯坦福大学制造了有史以来最早的无人驾驶车Stanford Cart，它依靠视觉感应器能够在没有人工干预的情况下，自主的穿过散乱扔着椅子的房间，虽然可能有点慢，需要几个小时才能完成。
image.png
专家系统在这个时代的末尾出现，并开启了下一个时代。
1978年，卡耐基梅隆大学开始开发一款能够帮助顾客自动选配计算机配件的软件程序XCON，并且在1980年真实投入工厂使用，这是个完善的专家系统，包含了设定好的超过2500条规则，在后续几年处理了超过80000条订单，准确度超过95%，每年节省超过2500万美元。
人工智能通识文章索引
每个人的智能决策新时代
如果您发现文章错误，请不吝留言指正；
如果您觉得有用，请点喜欢；
如果您觉得很有用，欢迎转载~
END
网友评论