AI發展80年的經驗與教訓

AI領域已經走過了80年的發展歷程。在這期間,資金投入時高時低,研究方法千差萬別,公衆對AI的態度也時而好奇,時而焦慮,時而興奮。回顧這段歷史,我們可以總結出一些寶貴的經驗教訓。

AI的歷史可以追溯到1943年12月,當時神經生理學家麥卡洛克和邏輯學家皮茨發表了一篇關於神經元網路的論文。這篇論文雖然缺乏實驗依據,但卻啓發了後來被稱爲"深度學習"的AI分支。然而,我們要警惕將工程學與科學混爲一談,將推測當作科學結論。更重要的是,要抵制"人類能創造出像人類一樣的機器"這種錯覺。

過去80年裏,這種傲慢一直是科技泡沫和AI週期性狂熱的催化劑。比如,通用AI(AGI)的概念,即認爲很快就會出現具有人類級智能甚至超級智能的機器。從1957年赫伯特·西蒙到1970年馬文·明斯基,再到近年來的各種預測,AGI似乎總是"即將到來"。然而,事實一再證明這些預測過於樂觀。

我們要謹慎審視那些看似光鮮的新技術。它們往往與之前關於機器智能的種種猜測並無本質區別。正如深度學習專家Yann LeCun所言,我們仍然缺少讓機器像人類那樣高效學習的關鍵要素。

AI發展中的"第一步謬論"也值得警惕。從無法完成某項任務到勉強完成,通常比從勉強完成到完美完成的距離要短得多。我們不應過分樂觀地認爲,只要耐心等待,AI就一定能達到人類水平。

硬件性能的提升曾讓人誤以爲AI智能會隨之同步發展。但事實證明,軟件和數據同樣重要。20世紀80年代風靡一時的專家系統最終因知識獲取和維護的困難而衰落,這也說明了初步成功並不能保證一個新產業的持久發展。

長期以來,基於規則的符號AI和基於統計的聯結主義兩種方法一直在競爭。學術界往往傾向於非此即彼的選擇,但近年來AI研發重心已轉向私營部門。然而,整個領域仍過於依賴單一研究方向,這是值得警惕的。

最後,英偉達的成功固然值得稱贊,但我們不應忘記AI發展歷程中的起起落落。保持警惕,吸取歷史教訓,或許能幫助英偉達在未來的AI浪潮中繼續保持領先地位。