AI发展80年的经验与教训

AI领域已经走过了80年的发展历程。在这期间,资金投入时高时低,研究方法千差万别,公众对AI的态度也时而好奇,时而焦虑,时而兴奋。回顾这段历史,我们可以总结出一些宝贵的经验教训。

AI的历史可以追溯到1943年12月,当时神经生理学家麦卡洛克和逻辑学家皮茨发表了一篇关于神经元网络的论文。这篇论文虽然缺乏实验依据,但却启发了后来被称为"深度学习"的AI分支。然而,我们要警惕将工程学与科学混为一谈,将推测当作科学结论。更重要的是,要抵制"人类能创造出像人类一样的机器"这种错觉。

过去80年里,这种傲慢一直是科技泡沫和AI周期性狂热的催化剂。比如,通用AI(AGI)的概念,即认为很快就会出现具有人类级智能甚至超级智能的机器。从1957年赫伯特·西蒙到1970年马文·明斯基,再到近年来的各种预测,AGI似乎总是"即将到来"。然而,事实一再证明这些预测过于乐观。

我们要谨慎审视那些看似光鲜的新技术。它们往往与之前关于机器智能的种种猜测并无本质区别。正如深度学习专家Yann LeCun所言,我们仍然缺少让机器像人类那样高效学习的关键要素。

AI发展中的"第一步谬论"也值得警惕。从无法完成某项任务到勉强完成,通常比从勉强完成到完美完成的距离要短得多。我们不应过分乐观地认为,只要耐心等待,AI就一定能达到人类水平。

硬件性能的提升曾让人误以为AI智能会随之同步发展。但事实证明,软件和数据同样重要。20世纪80年代风靡一时的专家系统最终因知识获取和维护的困难而衰落,这也说明了初步成功并不能保证一个新产业的持久发展。

长期以来,基于规则的符号AI和基于统计的联结主义两种方法一直在竞争。学术界往往倾向于非此即彼的选择,但近年来AI研发重心已转向私营部门。然而,整个领域仍过于依赖单一研究方向,这是值得警惕的。

最后,英伟达的成功固然值得称赞,但我们不应忘记AI发展历程中的起起落落。保持警惕,吸取历史教训,或许能帮助英伟达在未来的AI浪潮中继续保持领先地位。