【東音社按】本文摘自日經(jīng)BP的《完全讀懂AI應(yīng)用最前線》，經(jīng)東方出版社授權(quán)發(fā)布。人工智能的歷史是“熱潮”與“低谷”交替出現(xiàn)的歷史。發(fā)展熱潮中充滿了無限的期望，但是事與愿違，它迅速走向了衰敗。熱潮與低谷的發(fā)展史，為人工智能的實(shí)用化提供了積極性的參考。
本文，我們將講述人工智能第1次熱潮和低谷以及第2次熱潮初始階段的歷史。
一、初級(jí)階段：聊天機(jī)器人
1956年的達(dá)特茅斯會(huì)議上，“人工智能”一詞登上了歷史的舞臺(tái)。之后，各種人工智能程序陸續(xù)登場(chǎng)，人工智能迎來了第1次發(fā)展熱潮。在這個(gè)時(shí)期，人工智能軟件“Eliza（伊莉莎）”引起了很大的反響。Eliza，是最早的與人對(duì)話程序，從1964年開始，由德國科學(xué)家約瑟夫?魏澤堡主持編寫。當(dāng)時(shí)，使用了專門的編目處理語言“SLIP”進(jìn)行程序開發(fā)，之后的程序開發(fā)則是由LISP主導(dǎo)進(jìn)行的。
Eliza有各種各樣的對(duì)話例子，其中最著名的例子就是模仿心理醫(yī)生的心理輔導(dǎo)。被測(cè)試者都認(rèn)為與自己對(duì)話的是心理醫(yī)生，絲毫沒有懷疑網(wǎng)絡(luò)對(duì)面的是一臺(tái)機(jī)器。
Eliza通過模式匹配與概念詞典技術(shù)模仿與人對(duì)話的程序。它就是之后被稱為“聊天機(jī)器人（chatterbot）”程序的原型。聊天機(jī)器人，雖然是可以模仿人類對(duì)話的程序，但是卻沒有融入人工智能的技術(shù)，只是表面上看起來像是雙方的對(duì)話是成立的。從這種并無才能的角度出發(fā)，它也經(jīng)常被稱為“人工無能”。聊天機(jī)器人多是利用簡單的詞匯識(shí)別和概念詞典編程的。
當(dāng)然，也有人主張“像Eliza這樣的聊天機(jī)器人（人工無能）并不是人工智能”。它既沒有對(duì)智能進(jìn)行定義，也沒有依據(jù)智能進(jìn)行推理，因此至少不能稱之為研究并模仿人的智能的“強(qiáng)人工智能”。另外，聊天機(jī)器人是利用簡單的模式匹配和概念詞典編程的，它的行動(dòng)模式是能夠被人推斷出來的，它看起來就像以if句式區(qū)別意思的決定論式的程序。
但是，以Eliza為代表的聊天機(jī)器人（人工無能），讓世人開始了解人工智能，并促進(jìn)了自然語言處理的迅猛發(fā)展，這也體現(xiàn)了它們的巨大貢獻(xiàn)。我們至少可以稱它們?yōu)槌跫?jí)階段的人工智能。
二、第一次熱潮：弱人工智能階段
在人工智能發(fā)展的第1次熱潮里，有一個(gè)需要介紹的程序，那就是通過符號(hào)處理獲得更加嚴(yán)密的計(jì)算結(jié)果的“計(jì)算機(jī)代數(shù)系統(tǒng)”。比起簡單的數(shù)值計(jì)算程序，該系統(tǒng)可以得到更加嚴(yán)密的計(jì)算結(jié)果。
“Macsyma”，是人工智能發(fā)展初期的具有代表性的計(jì)算機(jī)代數(shù)系統(tǒng)之一，該程序能夠處理多項(xiàng)式以及不定積分。
Macsyma是在1968年以William A. Martin為首的科學(xué)家研發(fā)的一套系統(tǒng)，是以LISP語言編寫，并融入了啟發(fā)法的問題解決方法。啟發(fā)法，是通過探索最接近最優(yōu)解的近似最優(yōu)解的方法來得出問題的答案，而不是搜索所有可能的答案，從而得出最優(yōu)解。
另外，“Reduce”也是該時(shí)期具有代表性的計(jì)算機(jī)代數(shù)系統(tǒng)，是由Anthony C. Hearn于20世紀(jì)60年代開發(fā)編寫的。現(xiàn)在，已經(jīng)開放源代碼，研發(fā)活動(dòng)仍在進(jìn)行中。Reduce程序利用LISP編寫，可以處理不定積分。
Macsyma問世之后，計(jì)算機(jī)代數(shù)系統(tǒng)取得了很大的發(fā)展，美國沃爾夫勒姆研究的“Mathematica”、日本莎益博工程系統(tǒng)的“Maple”等都是之后研發(fā)出來的系統(tǒng)。
如前所述，Macsyma和Reduce都是利用LISP編寫的，因此我們也可以說LISP作為人工智能的匯編語言發(fā)揮了巨大作用。反過來也可以說，計(jì)算機(jī)代數(shù)系統(tǒng)就像一個(gè)LISP的巨大的應(yīng)用程序，LISP處理系統(tǒng)需要將這些程序成功運(yùn)轉(zhuǎn)起來。
其公式處理方法用的是啟發(fā)法，完全不同于只是基于if句式的決定論式的程序。它至少可以稱得上是一個(gè)模仿專家思考行為的“弱人工智能”。
繼聊天機(jī)器人和計(jì)算機(jī)代數(shù)系統(tǒng)之后，在人工智能發(fā)展的第一次熱潮期間誕生的還有專家系統(tǒng)這套程序。
專家系統(tǒng)，正如其名，它是一套將人類專家的知識(shí)和經(jīng)驗(yàn)變成數(shù)據(jù)形式，然后通過數(shù)據(jù)進(jìn)行推理的系統(tǒng)。初期的專家系統(tǒng)中比較有名的是“Mycin”系統(tǒng)，它是由以美國科學(xué)家Edward Shortliife為首的團(tuán)隊(duì)在1970年初期研發(fā)的。Mycin系統(tǒng)是通過與患者進(jìn)行人機(jī)對(duì)話的形式來診斷病情，也是利用LISP來編寫的。它擁有500多條規(guī)則，可以進(jìn)行較為簡單的推理。
它的特點(diǎn)是，導(dǎo)入了被稱為“確信度”的系數(shù)這一概念來判斷診斷的準(zhǔn)確度。但是也有人主張，導(dǎo)入這一概念容易給推理過程造成一定的干擾。
專家系統(tǒng)，不僅在第1次人工智能熱潮中得到發(fā)展，在第2次人工智能熱潮中也繼續(xù)流行。
三、人工智能的瓶頸初現(xiàn)端倪
在第1次人工智能發(fā)展熱潮中誕生的各種人工智能程序，只是進(jìn)行簡單推理的程序較多，在發(fā)展過程中，瓶頸也就逐漸地顯現(xiàn)出來了。
早在第1次發(fā)展熱潮之前，馬文?明斯基和西摩爾?派普特著手的人工神經(jīng)網(wǎng)絡(luò)研究就指出了人工智能發(fā)展可能出現(xiàn)的瓶頸問題。具體來說，由輸入系統(tǒng)和輸出系統(tǒng)組成的簡單感知器，作為人工神經(jīng)網(wǎng)絡(luò)的一種形式，無法解決“不可分的問題”。
在這里我們不做詳細(xì)說明，但是線性不可分問題的確在很多地方都存在，它也顯示出只是導(dǎo)入了簡單感知器的人工智能的弊端，這也導(dǎo)致了世人對(duì)人工神經(jīng)網(wǎng)絡(luò)的期待急速地降低。
最近流行的多層人工神經(jīng)網(wǎng)絡(luò)（深度學(xué)習(xí)模型），隨著學(xué)習(xí)運(yùn)算法則的不斷進(jìn)化，線性不可分的問題也逐漸被解決。這一點(diǎn)我們將在后面的篇章里做詳細(xì)解釋。
四、經(jīng)歷“低谷時(shí)代”，進(jìn)入第2次發(fā)展熱潮
人工智能發(fā)展的第1次熱潮，從1956年一直持續(xù)到70年代前期。這一時(shí)期研發(fā)的專家系統(tǒng)等人工智能系統(tǒng)，因受到計(jì)算機(jī)處理性能的制約，只能處理一定數(shù)量的規(guī)則，并且是在特定的領(lǐng)域、特定的環(huán)境下才能夠發(fā)揮作用。
人們?cè)趯?duì)人工智能充滿期待的同時(shí)，對(duì)研發(fā)出來的缺乏實(shí)用性的系統(tǒng)也充滿了失望，因此，國家以及企業(yè)在人工智能方面的預(yù)算也越來越少。這一時(shí)期，也就是20世紀(jì)70年代后期被稱為人工智能發(fā)展的“ 第1次低谷”。
但是，進(jìn)入20世紀(jì)80年代后，人工智能很快再次迎來了新的發(fā)展熱潮。
本次發(fā)展熱潮的主角是在第1次發(fā)展熱潮時(shí)誕生的專家系統(tǒng)。因處理美國迪吉多公司（DEC）的VAX系統(tǒng)的各種訂單并取得非常成功的專家系統(tǒng)受到廣泛關(guān)注，各IT供應(yīng)商迅速導(dǎo)入專家系統(tǒng)。
人工智能發(fā)展迎來第2次熱潮，最大的一個(gè)原因在于計(jì)算機(jī)性能的大幅提高。進(jìn)入20世紀(jì)80年代，基于復(fù)雜規(guī)則的專家系統(tǒng)也可以在計(jì)算機(jī)上運(yùn)行。由此，逐漸實(shí)現(xiàn)了專家系統(tǒng)的商業(yè)性使用。
隨著專家系統(tǒng)的興盛，制定專家系統(tǒng)運(yùn)行規(guī)則的工程師也被稱為“知識(shí)工程師”，并且一時(shí)間成為炙手可熱的職業(yè)，就像在今天，數(shù)據(jù)科學(xué)家這個(gè)職業(yè)相當(dāng)流行，受到人們的追捧。
知識(shí)工程師的主要工作是聽取用戶的業(yè)務(wù)內(nèi)容并對(duì)其進(jìn)行分析，從中抽出明顯的規(guī)則與隱藏的規(guī)則，然后進(jìn)行分類。
當(dāng)時(shí)，科學(xué)家們研發(fā)出了各種專家系統(tǒng)。初期的各種專用專家系統(tǒng)大都是利用LISP編程，隨著技術(shù)的革新，慢慢地發(fā)生了變化，通用的引擎部分依然利用LISP編程，規(guī)則部分則是知識(shí)工程師利用外部數(shù)據(jù)進(jìn)行編程。并且，用LISP編程的引擎部分，利用C語言進(jìn)行編程的開發(fā)研究也已經(jīng)展開了。
專家系統(tǒng)的編程由專用LISP語言向普通的C語言過渡，該系統(tǒng)也變成了一般的程序員編寫的一般系統(tǒng)，其新意也就逐漸淡化了。
由此，專家系統(tǒng)也就從人工智能程序變成了決定論式的普通程序。隨著這一變化，專家系統(tǒng)的作用效果也變得非常明確，但是其發(fā)展瓶頸也開始顯現(xiàn)出來。
五、人工神經(jīng)網(wǎng)絡(luò)的發(fā)展
在人工智能發(fā)展的第2次熱潮中，人工神經(jīng)網(wǎng)絡(luò)也發(fā)生了很大的變化。第1次發(fā)展熱潮時(shí)，馬文?明斯基等就已經(jīng)指出，僅憑簡單的人工神經(jīng)網(wǎng)絡(luò)還有很多無法解決的問題。為了解決這一大難題，多層化的人工神經(jīng)網(wǎng)絡(luò)開始受到關(guān)注。但是，如何實(shí)現(xiàn)多層人工神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)，還沒有一個(gè)固定的模式。
之后，被稱為反向傳播（Backpropagation）的算法問世，打破了這種僵局的持續(xù)。反向傳播是人工神經(jīng)網(wǎng)絡(luò)的一種自我學(xué)習(xí)算法，基于這種算法，多層人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)實(shí)現(xiàn)了定式化。該算法通過在輸入層和輸出層之間設(shè)定一個(gè)中間層（隱藏層），以反向傳播的方式實(shí)現(xiàn)機(jī)器的自我學(xué)習(xí)。
基于反向傳播的形式逐漸形成固定的模式，人工神經(jīng)網(wǎng)絡(luò)的發(fā)展也進(jìn)入了興盛期。線性不可分的問題也開始得到解決，人工智能也實(shí)現(xiàn)了進(jìn)一步的發(fā)展。
在人工智能的第2次發(fā)展熱潮時(shí)，筆者有幸參與了作為人工智能機(jī)的LISP專用機(jī)的研發(fā)工作。LISP專用機(jī)，也就是一種被稱為“AI工作站”的新型計(jì)算機(jī)。當(dāng)時(shí)，各企業(yè)都爭相研發(fā)各種人工智能專用機(jī)，一時(shí)間，形成了一股熱潮。
人工智能專用機(jī)誕生之初的價(jià)格大約在1000萬日元，之后價(jià)格急速下降，使得人工智能專用機(jī)在一定程度上得到了普及。在人工智能專用機(jī)上運(yùn)行的程序就有專家系統(tǒng)?？梢栽谌斯ぶ悄軐Ｓ脵C(jī)上直接編寫專家系統(tǒng)，也可以先編寫通用的專家系統(tǒng)，然后再將各種規(guī)則編入系統(tǒng)中。
