过去五十年间,人工智能发生过这些大事

《人类简史》的作者尤瓦尔·赫拉利写了一本新书《未来简史》,其中文版在今年1月登场,随即在科技圈刮起一阵“朋友圈晒图”的热风。投资人、创业者、媒体编辑赞叹不已、奔走相告、口口相传,其火爆程度不亚于开工红包。

在《未来简史》这本书中,零镜网看到一个很有意思的观点。但在表达这个观点之前,我们先来看看《未来简史》的内容梗概。

在得到APP上,第一时间买到《未来简史》英文版的万维刚老师是这样总结这本书的主+要论点:未来,人文主义会推动社会变革。

用一句话表达是:推动社会变革的不是对真实现实的认知,而是人类大脑虚构的现实,也就是“宗教”的力量。现代世界的宗教是“人文主义”。科学和人文主义有一个交易,使得我们现在对人文主义的信念年越来越强,且要根据这个信念去改造世界和自己。但人文主义有个本质缺陷,讲不下去的时候要换个新故事。

在尤瓦尔·赫拉利论证的整个过程中,零镜网看到的一个观点:从现在开始,实际上已经开始了,计算机算法比你更了解你自己,为了“你自己的利益”,你应该让算法替你做决定。与此同时,在去年TGPC腾讯大学国际公开课上,赫拉利发表演讲,表示:“人工智能(AI)是人类历史上一场非常重要的革命,在生物学上也是一场非常重要的革命,会影响我们的生命和地球”

这个说法相信会在不久后得到越来越多人的认同。毕竟,去年全球人民都目睹两件事情的发生:谷歌AlphaGo战胜李世石;Master连胜60场,横扫各大围棋顶尖高手。也因此,今年才被“推举”为AI元年。但当我们回顾历史,就会发现,关于人工智能的话题在很久之前就已经存在。

《福布斯》杂志编辑Gil Press整理了从1308年到2016年关于人工智能的重大事件。为了快速了解,我们节选了从1966~2016年五十年间发生的AI大事件。

总体来说,从这些浓缩的AI日历和标志性事件中,我们可以看到人工智能一直不间断地发展,无论是文化上的电影产品,还是一些高精尖的学术理论,甚至是可以摸得着的机器人。

从1966~2016年的AI大事件

2016年3月:谷歌DeepMind研发的AlphaGo击败围棋冠军李世石。

2012年10月:多伦多大学设计的卷积神经网络参加ImageNet大规模视觉识别挑战赛ILSVCR(annual Imagenet Large Scale Visual Recognition Challenge),它的错误率只有16%,比往年25%的错误率大幅改进。

2012年6月:Jeff Dean和吴恩达报告了一个实验:向大型神经网络展示1000万来自YouTube视频随机截取的图片,然后发现其中一个神经网络对猫的图片有强烈的反应。

2011年:瑞士人工智能研究机构IDSIA(Dalle Molle Institute for Artificial Intelligenceb)发布报告称,用卷积神经网络识别手写笔迹,错误率只有0.27%,比前几年错误率为0.35-0.40%,进步巨大。

2011年:IBM开发的自然语言问答计算机Watson在智力竞赛节目Jeopardy中击败两名前冠军。

2011年:在德国交通标志识别竞赛(German Traffic Sign Recognition competition)中,卷积神经网络成为赢家,它的识别率高达99.46%,人类约为99.22%。

2010年:ImageNet大规模视觉识别挑战赛(ILSVCR)开始举办,比赛一年一度。

2009年:西北大学智能信息实验室(Intelligent Information Laboratory)的科学家开发了Stats Monkey,一款无需人类干预的体育新闻撰写程序。

2009年:谷歌开始秘密研发无人驾驶汽车。并在2014年第一次通过自动驾驶测试。

2009年:Rajat Raina、Anand Madhavan和吴恩达发表论文《Large-scale Deep Unsupervised Learning using Graphics Processors》,他们认为“现代图形处理器的计算能力远超多核CPU,并有潜力彻底改变深度无监督学习方法的适用性”。

2007年:李飞飞和普林斯顿大学的同事合作,开始研究一个大型数据库ImageNet,它由大量带注解的图片组成,旨在帮助视觉对象识别软件研究。

2006:Geoffrey Hinton发表文章《Learning Multiple Layers of Representation》,提出实现深度学习的新理论:开发出多层神经网络,这种网络包括自上而下的连接点,可以生成感官数据训练系统,而不是用分类的方法训练。

2006年:Oren Etzioni、Michele Banko和Michael Cafarella提出,机器阅读(machine reading)这个术语,并认为这个术语的意思是:无需监督的自主文本理解(autonomous understanding of text)。

2004年:第一届自动驾驶汽车挑战赛DARPA Grand Challenge在莫哈韦沙漠举行,但没有一辆自动驾驶汽车完成150英里的挑战目标。

2001年:斯皮尔伯格执导的《人工智能》电影上映,讲述一个叫David的机器人小孩,拥有爱的能力。

2000年:本田推出为客人端盘子的机器人ASIMO。

2000年: ?MIT研究人员Cynthia Breazeal开发出能够识别和模拟表情的机器人Kismet。

1998年:Yann LeCun、Yoshua Bengio和其他人共同发表发表关于神经网络应用于手写笔迹识别和优化反向传播的论文。

1998年:Dave Hampton和Caleb Chung创造了家庭机器人Furby。

1997年:IBM研制的深蓝Deep Blue成为第一个击败人类象棋冠军的电脑象棋程序。

1997年:Sepp Hochreiter和Jürgen Schmidhuber提出Long Short-Term Memory概念,一种目前在手写笔迹识别和语音识别中使用的递归神经网络。

1995年:Richard Wallace开发出聊天机器人A.L.I.C.E(Artificial Linguistic Internet Computer Entity),灵感来自Joseph Weizenbaum的ELIZA程序,但增加了通过网络收集的自然语言示例数据,当时互网联已经诞生。

1993年:Vernor Vinge发表了《The Coming Technological Singularity》,预言“在三十年内,我们将拥有创造超智能人的技术手段,而人类将面临终结”。

1990年:Rodney Brooks发表文章《Elephants Don’t Play Chess》提出一种新的方法来建立智能系统:通过与环境进行交互来实现智能系统:“世界是机器人最好的模型,诀窍是正确地感知它”。

1989年:Yann LeCun和AT&T贝尔实验室的研究人员成功将反向传播算法(backpropagation algorithm)应用于多层神经网络,用来识别手写的邮政编码。由于当时的硬件局限,研究人员花了三天时间来训练神经网络。

1989年:Marvin Minsky和Seymour Papert第二次出版他们的书《Perceptrons》,在序言中是这样解释再版原因:人工智能发展缓慢其中一个原因是研究人员不熟悉历史,总是犯下许多前人曾经犯过的错误。

1988年:IBM沃森研究中心(IBM T.J. Watson Research Center)发表文章《A statistical approach to language translation》。这个时间预示着“基于规则的机器翻译方法”向“机器学习方法”转移,这意味着以已知案例数据分析作为基础的,而不是对手上任务的理解。IBM的项目Candide以来自加拿大议会的220万句子为数据基础,成功地在英语和法语之间翻译。

1988年:Rollo Carpenter开发出聊天机器人Jabberwacky。它模仿人们有趣,搞笑和幽默的聊天方式与人进行对话。这是为了与人类互动而创造人工智能的早期尝试。

1988年:Judea Pearl发表《Probabilistic Reasoning in Intelligent Systems》论文。在他获得2011年的图灵奖的时候,颁奖词为:Judea Pearl创造了在不确定性下处理信息的代表性和计算基础。人们认为他是贝叶斯网络的发明者,一种用于定义复杂概率模型的数学形式,以及用于这些模型中的推理的主要算法。这项工作不仅彻底改变了人工智能领域,而且也成为许多其他工程和自然科学分支的重要工具。

1987年:苹果CEO John Sculley的主题演讲提到一个概念——“视频知识导航员(The video Knowledge Navigator)”,设想未来的知识应用通过网络连接到大量的数字化信息。

1986年:在Ernst Dickmanns的指导下,慕尼黑德国联邦大学(Bundeswehr University)开发出第一辆无人驾驶汽车。这辆车是一辆面包车,配备摄像头和传感器,最高速度达到55英里每小时。当时,这辆无人驾驶汽车还在空荡的街道上驾驶。

1986年10月:David Rumelhart、Geoffrey Hinton和Ronald Williams发表论文《Learning representations by back-propagating errors》,其中提及到“一种新的学习过程,反向传播,用于神经元样单位的网络”。

1984年,在美国人工智能协会AAAI(the Association for the Advance of Artificial Intelligence)年度会议上,Roger Schank和Marvin Minsky警告即将到来的“AI Winter”(即人工智能寒冬),预计AI泡沫在此后的三年爆发,其程度类似20世纪70年代中期出现的AI投资和研究资金锐减的情况。

1984年:科幻电影《Electric Dreams(电脑梦幻曲) 》上映,讲述了男主人公尔斯·哈丁购买的电脑无意之中有了意识,原本是朋友的他们因为爱情开始了竞争。

1981年:日本国际贸易和工业部(The Japanese Ministry of International Trade and Industry )拨出8.5亿美元研究第五代计算机(Fifth Generation Computer?),该项目旨在开发出像人类一样进行对话、翻译、解释图片和具有理性的计算机。

1980年:日本早稻田大学(Waseda University)打造出一个机器人Wabot-2,这是一个运用于音乐领域的机器人,能与人沟通,能读懂乐谱,还能演奏平均难度的电子琴曲调。

1979年:在5个小时之内,一辆名为Stanford Cart的车在没有人的干预下穿越一个摆满椅子的房间,成为自动驾驶汽车最早的例子之一。

1978年:卡内基梅隆大学(Carnegie Mellon University)开发了XCON程序,该程序是一套基于规则开发的专家系统,可根据客户的要求自动选择组件来辅助DEC VAX计算机的购买。

1976年:计算机科学家Raj Reddy在IEEE会议中发表《Speech Recognition by Machine: A Review》,总结自然语言处理(NLP)的早期工作。

1973年:James Lighthill向英国科学研究委员会(British Science Research Council)报告人工智能研究的现状,结论是:迄今为止,AI的每一个领域都没有给社会带来预期中的影响力。这直接导致政府对AI研究的热情下降。

1972年:斯坦福大学开发了一个专门系统MYCIN,用来鉴定导致严重感染的细菌和推荐相应抗生素。

1970年:日本早稻田大学(Waseda University)打造了一个人形机器人WABOT-1,它拥有四肢系统、视觉系统和对话系统。(十年后,早稻田大学推出运用于音乐领域的WABOT-2。)

1969年:Marvin Minsky和Seymour Papert出版书《Perceptrons: An Introduction to Computational Geometry》,强调神经网络的局限性。到了1988年再次出版。在书中,他们回应这本书在1969年得出的结论减少神经网络研究的资金,表示,“我们认为,由于缺少基本理论,研究已经基本处于停滞状态……到了60年代,人们在认知器演算方面进行了大量实验,但是没有一个人可以解释系统为何可以识别特定模式,而其它模式却无法识别”。

1969年:Arthur Bryson和Yu-Chi Ho论述反向传播可以作为多阶段动态系统优化方法。这是一种用于多层人工神经网络的学习算法。这件事情意义重大,因为这个方法大大促进2000~2010年深度学习的成功。而接下来的时间里,随着计算能力突飞猛进,可以适应巨大网络的训练。

1968 年:Terry Winograd开发了SHRDLU,这是一种早期自然语言理解计算机程序。

1968年:科幻电影《2001太空漫游(2001: A Space Odyssey)》上映。电影中有一个有感情的电脑Hal。

1966年:机器人Shakey诞生,它是第一款基于通用目的开发的移动机器人,可以按逻辑形成自有动作。1970年,《生活》杂志称它是“第一个电子人”。文章还引用计算机科学家Marvin Minsky话称:“3到8年之内,机器的智力就可以达到普通人的平均水平”。

总结

如果说从这五十年人工智能的发展中可以看到什么,零镜网的总结是:大神级人物,比如多数出现的Yann LeCun、吴恩达;重要的论文文献;AI圈内热衷的比赛ILSVCR、DARPA Grand Challenge;AI产品:人形机器人、无人驾驶汽车、聊天机器人;近年来大家关心的技术:神经网络、深度学习、自然语言处理NLP、反向传播算法;以及每间隔16年出现一部引发广发思考和讨论的人工智能相关题材的电影作品。

当然,回顾历史最重要的目标是,沿着前人探索的道路开启自己的征途。

如果想要了解更多关于人工智能方面的信息,扫描一下二维码,关注零镜网公众号。