AI寒冬史-History of the first AI Winter

　　AI拥有悠久的历史。一种观点认为，在“人工智能”一词被首次提出之前，它就已经存在于故事和后来的机械装置——自动机中。本文仅涵盖了与AI寒冬时期相关的事件，而不追求详尽无遗，以期能从中提取出对今天仍具应用价值的知识。

第一次AI寒冬的导火索

　　为了理解AI寒冬的现象，我们首先要审视导致它们发生的事件。

20世纪50年代的人工智能开端

　　关于思维机器的早期想法，早在20世纪40年代末至50年代期间就已出现，如图灵或冯·诺依曼等人的贡献。图灵试图以不同的方式定义“机器能否思考”的问题，并创造了模仿游戏，即著名的“图灵测试”。

　　1955年，亚瑟·塞缪尔编写了一个下国际跳棋的出色程序。一年后，它甚至出现在电视上。其算法结合了启发式树搜索和学习权重的方法。塞缪尔从跳棋专家的一本著作中汲取灵感，手工设计了启发式方法。他还使用了一种称为“差分学习”的学习算法，通过最初计算的分数与搜索完成后得到的分数之间的“误差”来调整权重。

　　1954年，首次进行了机器翻译实验。该实验使用了一个250词的词典进行翻译，并结合了语法分析，展示了英语和俄语之间的翻译。纽约时报对此评论道：

　　“这无疑是一个逐字进行的粗糙翻译……但研究人员说，它仍然具有很高的价值。对科学家们而言，在翻译外国技术文献时，词汇问题要比语法问题重要的多。”

　　当时，研究人员认为大部分工作已经完成，只需进行一些小的修正。Hutchin指出，这是机器翻译获得的最广泛的报道。因此，它引发了巨大的炒作，并使得这一领域在随后更容易获得资金支持。

　　人工智能研究从美国国防机构（ONR和ARPA，后来被称为DARPA）获得了大量资金，他们希望这些技术能够帮助美国海军。当时，所有人都对人工智能的发展状态充满热情与乐观。在冷战期间，机器翻译显得尤为重要，因为美国政府希望实现俄语到英语的自动翻译。

达特茅斯夏季项目与AI术语的发明

　　早期试验促进了1956年的达特茅斯夏季项目，正是在此项目中，“人工智能”这一术语被发明了出来。该项目的主题是，“学习的每个方面或智能的任何特征都可以被精确地描述，从而使机器能够进行模仿”。项目邀请了来自不同领域的研究人员，提出了许多不同的想法、论文和概念。尽管取得了一些进展，但有些人感到失望。例如，麦卡锡在研讨会上表示，“研讨会没有让我感到满意的主要原因是，人工智能比我们想象的要难得多。”

感知器的发明与神经网络的探索

　　1957年，罗森布拉特发明了感知器——一种神经网络模型，其中二元神经元通过可调节的权重进行连接。他的灵感来自20世纪40年代的神经科学工作，这使他能够粗略地复制大脑中的神经元。

　　他尝试了许多不同的布局和学习算法。其中一种是串联耦合感知器，即今天所说的标准前馈神经网络布局。在这种布局中，有一个被称为alpha感知器的三层串联耦合网络。当时的计算机运行感知器的速度太慢，罗森布拉特建造了一台由小型电机驱动、带有可调电阻器（电位器）的专用机器。该装置能够学习分类不同形状或字母的图像。纽约时报对此进行了报道：

　　“海军透露了电子计算机的雏形，它预期将能够行走、说话、观察、书写、复制自己并意识到自己的存在。”

　　同年（1957年），西蒙对人工智能的当前进展进行了总结：

　　“我的目的不是要让你感到吃惊或震惊……但对此进行最简单的总结就是，在这个世界上，现在已经存在可以进行思考、学习和创造的机器了。此外，它们做事的能力正在迅速增加……”

寂静的十年与AI寒冬的预兆

　　在20世纪50年代和60年代早期对机器翻译进行大量投资后，研究进展停滞不前。哈钦斯将1967年至1976年称为机器翻译的“寂静十年”。Bar-Hillel认为机器翻译不可行。他证明计算机需要太多关于世界的信息才能正确翻译，这在他看来“完全是空想”。自动语言处理咨询委员会在1964年得出结论：没有即时或可预测的有用机器翻译前景。1966年的一份报告总结说，“目前尚无通用科学文本的机器翻译，且短期内无望实现”，这导致所有学术翻译项目的资金被大幅削减。

联结主义的衰落与反向传播算法的诞生

　　1969年，明斯基和帕佩尔出版了《感知器》一书，对罗森布拉特的感知器进行了严厉批评。他们证明感知器只能解决线性可分问题。例如，非线性可分问题中最令人沮丧的一个例子是异或（XOR）问题。一个能成功解决XOR问题的网络只有在其一个输入为真且另一个输入为假时输出才为真。这对联结主义者来说是一个巨大的打击。明斯基和帕佩尔知道多层感知器能够解决这一问题，但当时没有训练这种网络的算法。直到17年后才出现了这种算法——现在被称为反向传播算法。后来人们发现这种算法其实早就存在过。实际上，《感知器》一书出版之前就已经有人发明了反向传播算法。（只是没有人认识到这一点）

莱特希尔报告及其后果

　　莱特希尔报告（1973年出版）为英国科学研究理事会所撰写，对当时人工智能的发展状况进行了评估。该报告得出结论：人工智能研究人员的承诺被夸大了：“在该领域的任何部分中，迄今为止的发现都没有产生当时所承诺的重大影响。”虽然它指出最令人失望的研究领域是机器翻译（其“耗费了大量资金但成果甚微”），但报告作者詹姆斯·莱特希尔认为未能克服“组合爆炸”是问题的核心所在。“组合爆炸”是指搜索空间（如树）中的问题，即树向下延伸时节点数量呈指数级增长。例如在国际象棋中，Shannon证明游戏的可能状态数量从第一次移动时的20增加到第二次移动时的400；到第五次移动时已经有4865609种可能状态了——这就是所谓的组合爆炸。

　　当时有很多人批评了莱特希尔报告；BBC甚至为此拍摄了一场辩论但未能播出。一些评论认为与其他科学领域相比不应期待如此迅速的结果。尽管这些评论可能是正确的但莱特希尔报告仍然得到了执行：该报告发布后英国政府削减了除两所大学以外所有在该领域的研究资金这一举措引发的浪潮席卷了整个欧洲甚至影响了美国并导致了第一次AI寒冬的来临随着莱特希尔报告的发布第一次AI寒冬在1973年左右降临该报告影响了相关项目的资金支持因此人工智能研究变得更加困难DARPA开始将更多资金投向应用人工智能项目而减少对基础研究工作的资助AI寒冬持续了好几年但在20世纪80年代初人工智能领域又迎来了另一个高潮但在第二次AI寒冬到来之前也发生了一些重要事件……[注：此段内容略长且未完全展开因此直接续写如下部分]……随着第一次AI寒冬的影响逐渐减弱又一个人工智能的新时代开始了这次人们将更多精力放在创造商业产品上此外大型会议如AAAI也在20世纪80年代初期开始并经历了门票销量的快速增长整个行业和政府官员都开始重新关注人工智能技术在这一商业化浪潮中专家系统成为核心这些系统通过调查专家并据此创建“如果-那么”规则集来手工制作许多人称这种方法为“自上而下”的人工智能方法并相信专家知识是创建人工智能的最佳途径专家系统被应用于金融规划、医疗诊断、地质勘探和微电子电路设计等领域《商业周刊》也加入了炒作行列于1984年发表了题为《AI：它在这》的头条文章同时许多公司也做出了非凡的宣称比如“我们制造了一个更好的大脑”并宣称“[现在]可以将人类的知识和经验编入计算机……人工智能终于成熟了”然而随着对人工智能的炒作增加研究人员开始担心该领域可能无法实现预期的结果在1984年AAAI会议上的一次小组讨论中科学家们讨论了能否预防即将到来的AI寒冬他们表示：“这种不安源于对人工智能期望过高的担忧担心这最终会导致灾难我认为重要的是我们应采取行动确保AI寒冬不会发生……”事实证明他们的担忧是正确的因为当不切实际的期望无法达成时资金将再次枯竭这导致了第二次AI寒冬在接下来的几年里关于人工智能系统能力的宣传逐渐面对现实革命中心的专家系统面临许多问题1984年约翰·麦卡锡批评了专家系统因为它们缺乏常识和对自己局限性的了解他描述了为协助医生而开发的专家系统MYCIN的情况并设想了一个病人肠道内感染霍乱弧菌的情况当被问及治疗方案时系统建议服用两周的四环素这很可能会杀死所有细菌但病人很可能在此之前就已经死亡此外许多任务过于复杂工程师无法手动设计相关规则视觉和语音系统包含太多特例情况……[注：此处省略了后续内容以保持文章的连贯性]……总之随着期望的破灭对人工智能的普遍兴趣逐渐减弱许多人工智能公司倒闭了而AAAI会议从1986年吸引超过6000名参观者迅速减少到1991年的仅2000人同样从1987年开始纽约时报上关于AI的文章数量也开始减少并在1995年达到最低点这标志着第二次AI寒冬的到来及其影响之深远