我看见的世界(11)_李飞飞

一一

　　尽管事实很快证明，开发人工智能的挑战远远超出了创始团队最初的预期，但相关思考仍然让人沉迷，也吸引了越来越多学者参与其中。1959年，麦卡锡和明斯基在麻省理工学院推出非正式的人工智能研究计划，后来发展成为麻省理工学院人工智能实验室。1963年，麦卡锡迁居斯坦福大学，将人工智能探索带到美国西海岸。他在这里成立了斯坦福大学人工智能实验室（Stanford AI Lab，简称SAIL）。到20世纪60年代末，这两个实验室已经成为全球公认的人工智能领域的活动中心，覆盖硬件、软件和机器人技术等多个领域，持续推动相关理论研究、实验探索、激烈辩论和创造性开发。

　　研究人员也从人工智能领域早期的好高骛远中吸取了教训，尤其是在斯坦福大学人工智能实验室。到20世纪60年代，研究人员开始对小型抽象虚拟世界的数字化表示（digital representation）产生兴趣。虚拟世界通常由方块等简单物体构成，这样研究人员就可以专注于智能的基本要素，而不会被日常现实的细节所淹没。最著名的例子是麻省理工学院博士生特里·威诺格拉德（Terry Winograd）开发的一个程序，用户可以用简单的英语命令来操控一组虚拟的彩色方块。有段对话格外令人难忘，以下是部分摘录：

　　用户：找一块比你手中的方块更高的方块，把它放进盒子里。

　　计算机：我想，你说的“它”是指比我手中的方块更高的方块。

　　计算机：好的。

　　用户：盒子里装了什么？

　　计算机：蓝色三角锥和蓝色方块。

　　用户：三角锥是由什么支撑的？

　　计算机：盒子。

　　用户：有多少个方块不在盒子里？

　　计算机：四个。

　　＊

　　即便在人工智能对话模型已经与真人极其接近的今天，上述对话也会让人觉得用户是在跟一个思维健全的对象聊天。毫无意外，威诺格拉德的项目被誉为一项突破性成就。许多观察家相信，人工智能革命近在眼前。然而，事情并没有这么简单。具有讽刺意味的是，程序的流畅性和灵活性恰恰是自身限制条件的产物。虽然程序可以就方块话题高谈阔论，但也仅此而已，它能回答的问题数量有限，提问稍有偏离，程序就可能失效，输出荒谬的答案。不过，将程序局限在狭窄的领域确实有成效；程序能完成的任务不多，但表现非常出色。

　　20世纪70年代，另一位斯坦福大学教授爱德华·费根鲍姆（Edward Feigenbaum）对相关理念进行了更深入的探索。他是斯坦福大学人工智能实验室研究员，经常与约翰·麦卡锡合作。早期人工智能试图从零开始打造通用智能；为了避免重蹈覆辙，费根鲍姆并没有选择拓宽威诺格拉德的程序或类似程序的应用范围，而是直接将其转移到另一个领域。毕竟，谁说计算机强大的语言识别和推理能力不能应用到现实世界呢？谁说计算机不能用来协助体检或金融分析呢？如果不让计算机回答关于几何形状的问题，而是给它一些疾病症状、患者特征数据库、交易记录和季度报告，让它据此回答问题，会产生什么结果？

　　费根鲍姆的创新开启了后来被称为“知识工程”（knowledge engineering）的全新子领域。在这个子领域中，有关特定领域（医学、制药、金融或几乎其他任何领域）的事实被整理成数据库。机器可以读取相关数据，像威诺格拉德的几何形状一样进行分析，并以自然流畅的书面问答形式提供答案，实现了媲美咨询人类专家的自动化体验。

　　这些程序被称为“专家系统”（expert systems）。多年来，它们一直是人工智能在现实世界中执行实用任务的最有力证据，也表明人工智能可以成为企业甚至整个行业的基础。由于人工智能展现出显而易见的商业应用场景，加上计算成本出现历史性下降，在整个20世纪70年代和80年代，涌现出了一批致力于把知识工程的力量进行商业化的公司。

　　在早期的专家系统中，有个叫“内科医生-I”（INTERNIST-I）的程序非常有名，其数据库中包含500种疾病描述和3000种疾病表现。早期的实验结果令人鼓舞，程序能够根据用户（一名真人内科医生）提供的症状观察记录，正确诊断出患者病情，即使在面对复杂的病例时，也能提供有用的信息。其他早期的程序还包括MOLGEN，可以帮助分子遗传学家设计DNA相关实验；还有VM呼吸机管理程序，可以为依赖呼吸机的患者提供临床医生建议；还有SECS化学合成模拟与评估程序，让我们在早期就窥见了人工智能在药物研发方面的应用潜力。

　　尽管专家系统曾经令人兴奋，但由于起始阶段海量信息的组织难度太大，后续开发经常陷入困境。在整合医学教科书、研究论文、医药文献甚至从业者访谈内容时，开发人员遇到的困难越来越多。更糟糕的是，即使这些系统看起来已经拥有足够多的数据，其表现也往往无法与真实的人类专家相媲美。尽管系统掌握了大量信息，检索和处理速度也超人一等，但它们的推理依然呆板而肤浅，过于拘泥于明确定义的规则，缺乏常识，经常被意料之外的盲点所迷惑。

　　随着商业兴趣的减弱和资金的蒸发，许多人得出结论：智能机器的想法固然有趣，但再一次难以成真。无论人工智能未来如何（会是什么形态？未来何时到来？我们如何抵达？），有一点越来越明确：这条道路不会一帆风顺。

　　※

虚阁网(Xuges.com)