欢迎光临
中国顶尖人工智能与机器人行业新媒体平台

从马文·闵斯基到AlphaGo,人工智能走过了怎样的70年?

  从19前不久,在人工智能领域发生了两件大事,一个就是是伟大的人工智能先驱马文·闵斯基教授逝世,一个是Google AlphaGo 击败欧洲围棋冠军、职业围棋二段樊麾。

  马文·闵斯基教授是几乎见证了从人工智能做为一门学科的兴起,直至今日成就的所有大风大浪的人,或者可以说教授本人就是这些成就的先锋,他对人工智能的发展的影响意义十分深远。而Google AlphaGo 此次取得的成就,也可以算是人工智能领域一次里程碑式的创举,它的成功标志着人工智能领域又进入了一个新高度。这篇文章,我们将从马文·闵斯基还是哈佛大学本科生的时候讲起,一直到今日AlphaGo 的胜利,整理一下人工智能是怎样一步一步走到今日的辉煌成就。

  要是从宏观的角度来讲,人工智能的历史按照所使用的方法,可以分为两个阶段,分水岭大概在1986 年神经网路的回归——

  在前半段历史中,我们主要使用的方法和思路是基于规则的方法,也就是我们试图找到人类认知事物的方法,模仿人类智能和思惟方法,找到一套方法,模拟出人类思惟的过程,解决人工智能的问题。

  后半段的历史,也就是我们现在所处的这个时期,我们主要采取的方法是基于统计的方法,也就是我们现在发现,有的时候我们不需要把人类的思惟过程类比出一套规则来教给电脑,我们可以在一个大的数量集里面来训练电脑,让它自己找到规律从而完成人工智能遇到的问题。

  这个转化也可以用一个形象的例子来描述,就像我们想造出飞机,就观察鸟是怎么样飞的,然后模仿鸟的动作就行,不需要什么空气动力学什么的,这种思想在人类历史上也被称为「鸟飞派」。但是我们都知道,怀特兄弟造出飞机靠的是空气动力学,而不是仿生学。不过我们不能就因为这一点就笑话人工智能前半段各位研究人员和前辈的努力和心血,因为这是人类认知事物的普遍规律,其实现在也有不少人会认为,电脑可以读懂文字、看懂图片靠的是依靠和我们人类一样的认知过程。

  在研究基于规则的探索中,人工智能经历了3 个主要阶段——兴起、繁盛和萧条。会有这样的过程,一个重要原因是基于规则方法的局限性。

一、萌芽阶段

  人工智能的萌芽时期大概出现在19 世纪中叶,第一位需要介绍的人物便是马文·闵斯基。闵斯基于1946 年进入哈佛大学主修物理专业,但他选修的课程相当广泛,从电气工程、数学,到遗传学、心理学等涉及多个学科专业,后来他放弃物理改修数学。

  1950 年,也就是闵斯基本科的最后一年,他和他的同学 Dean Edmonds 建造了世界上第一台神经网路电脑,并命名其为 SNARC(Stochastic Neural Analog Reinforcement Calculator)。这台电脑是由3,000 个真空管和B-24 轰炸机上一个多余的自动指示装置来类比40 个神经元组成网路的。后来,闵斯基又到普林斯顿大学攻读数学博士学位,并以「神经网路和脑模型问题」为题完成博士论文,但是当时的评审委员会并不认为这可以看做是数学。世纪中叶人工智能的萌芽时期,到现今人工智能的重生,从马文·闵斯基到AlphaGo,历史上发生了哪些激动人心的故事?本文以此铺展人工智能发展近70 年来背后发生的故事。

从马文·闵斯基到AlphaGo,人工智能走过了怎样的70年?

▲ 马文·闵斯基

  闵斯基的这些成果虽然可以被称作人工智能的早期工作,但是鉴于当时的闵斯基还是一个青涩的毛头小子,所做的博士论文都不能得到相应的认可,所以影响力有限。

  接着上场的第二位人物影响力就大很多,那就是电脑科学之父艾伦·图灵,他是被认为最早提出机器智能设想的人。图灵在1950 年的时候(也就是闵斯基还在读本科的时候)在杂志《思想》(Mind)发表了一篇名为「电脑与智能」的文章,在文章中,图灵并没有提出什么具体的研究方法,但是文章中提到的好多概念,诸如图灵测试、机器学习、遗传演算法和强化学习等,至今都是人工智能领域十分重要的分支。

从马文·闵斯基到AlphaGo,人工智能走过了怎样的70年?

▲ 图灵在1950 年的时候在杂志《思想》(Mind)发表的名为「电脑与智能」的文章。

  介绍完以上两大人物,接下来标志着人工智能做为一个独立领域而诞生的盛会——达特茅斯研讨会就要粉墨登场了。

  不过在介绍达特茅斯研讨会之前,我们不得不介绍这第三位重量级的人物,那就是约翰·麦卡锡,因为他正是这次研讨会的发起人。约翰·麦卡锡于1948 年获得加州理工学院数学学士学位,1951 年获得普林斯顿大学数学博士学位。然后又在那里当了两年老师,接着短暂地在史丹佛大学任职后到了达特茅斯大学,正是这个时期,它组织了达特茅斯研讨会。在这次大会上,麦卡锡的术语人工智能第一次被正式使用,所以麦卡锡也被称作人工智能之父。其实麦卡锡在达特茅斯会议前后,他的主要研究方向正是电脑下棋。

从马文·闵斯基到AlphaGo,人工智能走过了怎样的70年?

▲ 约翰·麦卡锡

  下棋程式的关键之一是如何减少电脑需要考虑的棋步。麦卡锡经过艰苦探索,终于发明了著名的α-β 搜索法,使搜索能有效进行。α-β 搜索法说核心就是,演算法在采取最佳招数的情况下允许忽略一些未来不会发生的事情。说的有点抽象,我们来举个十分简单的例子。

  假如你面前有两个口袋和一个你的敌人,每个口袋放着面值不等的人民币,你来选择口袋,你的敌人决定给你这个口袋里哪张面值的钱。假设你一次只能找一个口袋,在找口袋时一次只能从里面摸出一次。当然你希望面值越大越好,你的敌人自然希望面值越小越好。假如你选择了第一个口袋。现在我们从第一个口袋开始,看每一张面值,并对口袋做出评价。比方说口袋里有一张5 元和一张10 元。如果你挑了这个口袋敌人自然会给你5 元的,10 元的就无关紧要了。

  现在你开始翻第二个口袋,你每次看一张面值,都会跟你能得到的最好的那张面值(5 元)去比较。所以此时你肯定就去找这个口袋里面值最小的,因为只要最少的要比5 元好,那么你就可以挑这个口袋。假如你在第二个口袋摸出一张1 元的,那么你就不用考虑这个口袋了,因为如果你挑了这个口袋,敌人肯定会给你1 元面值的,那当然要选择最小面值是5元的那个口袋啦。

从马文·闵斯基到AlphaGo,人工智能走过了怎样的70年?

▲ 基于α-β 剪枝演算法的智能五子棋。

  虽然有点绕,不过我觉得你应该大概已经理解了这个思路。这就是α-β 搜索法,因为这种演算法在低于或者超过我们搜寻中的α 或者β 值时就不再搜寻,所以这种演算法也称为α-β 剪枝演算法。这种演算法至今仍是解决人工智能问题中一种常用的高效方法。当年IBM 的深蓝国际象棋程式,因为打败世界冠军卡斯帕罗夫而闻名世界,它靠的正是在30 个IBM RS / 6000 处理器的平行电脑上运行的α-β 搜索法。

  但是需要注意的是,前不久的Google AlphaGo,由于棋盘是19×19 的,几乎所有的交叉点都可以走子,初始的分支因数为361,这对于常规的α-β 搜索来说太令人生畏了,所以别看名字里面带了一个α(Alpha,有可能这个名字是为了纪念麦卡锡的α-β 搜索演算法),AlphaGo 采用的是却是蒙地卡罗树状搜寻(MCTS),它是一种随机采样的搜寻树演算法,它解决了在有限时间内要遍历十分宽的树而牺牲深度的问题。

  后来麦卡锡有从达特茅斯搬到了MIT,在那里他又做出了3 项十分重要的贡献。第一个是他定义了高阶语言Lisp 语言,从此Lisp 语言长期以来垄断着人工智能领域的应用,而且人们也有了可以拿来用的得力工具了,但是稀少而且昂贵的计算资源仍是问题。于是麦卡锡和他的同事又发明了分时技术。然后,麦卡锡发表了题为「有常识的程式」的文章,文中他描述了一种系统,取名为意见接收者,任务是使用知识来搜寻问题的解答,这个假想也被看成是第一个完整的人工智能系统。

  同年,闵斯基也搬到了MIT,他们共同创建了世界上第一座人工智能实验室——MIT AI Lab 实验室。尽管后来麦卡锡和闵斯基在某些观点上产生了分歧,导致他们没有继续合作,但这是后话。

从马文·闵斯基到AlphaGo,人工智能走过了怎样的70年?

▲ MIT AI Lab 实验室

二、人工智能的诞生

  好了,前期的一些大人物介绍完了,让我们一起回到1956 年那个意义非凡的夏天。

  那年,28 岁的约翰·麦卡锡,同龄的马文·闵斯基,37 岁的罗彻斯特和40 岁的夏农一共4 个人,提议在麦卡锡工作的达特茅斯学院开一个脑力激荡式的研讨会,他们称之为「达特茅斯夏季人工智能研究会议」。参加会议的除了以上这4 人,还有6 名年轻的科学家,其中包括40 岁的赫伯特·西蒙和28 岁的艾伦·纽维尔。在这次研讨会上,大家讨论了当时电脑科学领域尚未解决的问题,包括人工智能、自然语言处理和神经网路等。人工智能这个提法便是这次会议上提出的,上文也有提到。在这个具有历史意义的会议上,闵斯基的SNARC、麦卡锡的α-β 搜索法,以及西蒙和纽维尔的「逻辑理论家」是会议的3 个亮点。下面我们来看一下西蒙和纽维尔的「逻辑理论家」是什么。

  西蒙和纽维尔均是来自卡内基美隆大学(当时还叫卡内基技术学院)的研究者,他们的研究成果在这次盛会上十分引人注意。「逻辑理论家」是西蒙和纽维尔研究出来的一个推理程式,他们声称这个程式可以进行非数值的思考。然后在这次研讨会之后不久,他们的程式就能证明罗素和怀特海德的《数学原理》第二章的大部分定理。但是历史往往对新鲜事物总是反应迟缓,他们将一篇与逻辑理论家合着的论文提交到《符号逻辑杂志》的时候,编辑们拒绝了他们。

  我们现在来看看这个研讨会的成果,或者说叫意义。遗憾的是,由于历史的局限,这个世界上最聪明的头脑一个月的火花碰撞,并没有产生任何新的突破,他们对自然语言处理的理解,合在一起甚至不如今天一名世界上一流大学的博士毕业生。但是这次研讨会却让人工智能领域主要的人物基本上全部登场,在随后的20 年,人工智能领域就被这些人以及他们在MIT、CMU、史丹佛和IBM 的学生和同事们支配了。

  我们看看这10 个人,除了夏农,当时其实大多数都没什么名气,但是不久之后便一个个开始崭露头角,其中包括四点阵图灵奖的获得者(麦卡锡、闵斯基、西蒙和纽维尔),这四位也是我上文主要介绍的四个人。当然,香农也不用得图灵奖,作为资讯理论的发明人,他在科学史上的地位也图灵也差不多了。

从马文·闵斯基到AlphaGo,人工智能走过了怎样的70年?

▲ 夏农

三、短暂的繁荣与困境

  从这次会议之后,人工智能迎来了它的春天,因为鉴于电脑一直被认为是只能进行数值计算的机器,所以,它稍微做一点看起来有智能的事情,人们都惊讶不已。

  因为鉴于当时简单的电脑与程式设计工具,研究者们主要着眼于一些比较特定的问题。例如Herbert Gelernter 建造了一个几何定理证明器,可以证明一些学生会感到棘手的几何定理;亚瑟·萨缪尔编写了西洋跳棋程式,水准能达到业余高手;James Slagle 的SAINT 程式能求解大学一年级的闭合式微积分问题;还有就是结合了多项技术的积木世界问题,它可以使用一只每次能拿起一块积木的机器手按照某种方式调整这些木块。

赞(0) 关注公众号

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

公众号也精彩

微信扫一扫打赏