两度堕入寒冬的 AI，如何完成伟大逆袭？ | 总编专栏

陈宗周是《环球科学》杂志社社长，《电脑报》创始人。

吴恩达预言AI寒冬不会再出现，潜台词是曾经有过寒冬。的确，很少有某一科学领域像AI这样，在漫漫发展历程中，经历那么多的大起大落。中国科学院自动化研究所研究员王飞跃这样形容： 人工智能发展似乎没有经历春秋两季，只有夏天和冬天，忽冷忽热 。

一般认为，AI的起点在1956年夏季，在美国东北部风景如画的新罕布什尔州汉诺佛（Hanover ） 小镇。这年夏季，小镇上历史悠久的常春藤联盟大学达特茅斯学院（Dartmouth College）聚集了一群人。正是他们，开启了波澜壮阔而又起伏跌宕的AI壮丽史诗序幕。

2006年达特茅斯会议当事人重聚，

左起：摩尔、麦卡锡、明斯基、塞弗里奇、所罗门诺夫

与会十来人，其中马文·明斯基（Marvin Minsky）、约翰·麦卡锡（John McCarthy）、艾伦·纽厄尔（Allen Newell） 、 赫伯特·西蒙 （Herbert A Simon）四人之后获得了图灵奖。中文名字叫司马贺的西蒙，还获得了诺贝尔经济学奖。其余几位还包括：信息论创立者克劳德·香农(Claude Shannon)、刚开发出跳棋程序打败自己的阿瑟·塞缪尔（Arthur Samuel）等等。

灵魂人物、会议召集者麦卡锡当时是达特茅斯学院的数学系年轻助教，1955年8月31日，他起草了由他和香农等四人联合签名的建议书，提议在第二年夏季召开一次人工智能会议，Artificial Intelligence（AI）概念第一次在这份历史性的建议书中出现。也正由于这份建议书，有人坚持认为AI的起点应该在这里，在1955年。尽管晚年麦卡锡曾坦承，AI并不是他的首创，是从什么地方搬来，出处自己也记不清了。无论他说什么，“人工智能之父”的桂冠，早已经牢牢地戴在他头上。

麦卡锡的构想非常宏大，建议书里开列了翌年会议研讨的七个领域：自动（即可编程）计算机、编程语言、神经网络、计算规模（即复杂性）理论、自我改进（即机器学习）、抽象、随机性和创见性。这些领域几乎勾勒出今后人工智能研究的雄伟轮廓。

1956年，达特茅斯会议如期在夏天举行。“解决AI领域一个或更多问题”的会议目标虽然无法实现，但 西蒙 和 纽厄尔 的启发式程序“逻辑理论家”（Logic Theorist），证明了 名著 《数学原理》第二章52个定理中的38个；麦卡锡介绍了下棋程序中α—β搜索法、明斯基带来了学习通过迷宫的Snarc学习机雏形，这些成果，开拓了AI最初的学科研究疆界。

会议期间，AI名称确定（尽管当时也有争论），任务得以初步明确，并出现了最初成果和最早一批研究者。 这都被广泛认为是AI诞生的标志。

达特茅斯会议合影

之后的十多年，AI在人类智能的一些领域不断取得突破，涌现了大批成功的AI程序和新研究方向。

尽管当时编程工具十分初级，AI研究人员，还只能够着眼于一些特定问题，但那时出现的几何定理证明器，已可以证明一些棘手的几何定理；西洋跳棋程序，水平进化到打败州冠军；程序已能求解大学一年级的一些微积分问题；积木系统，可以用机械手每次拿起一块积木，按照指定方式调整积木堆。原以为只能进行数值计算的机器，已经能做一些原属于人类智能的事情。

AI专门研究机构开始创建，资助经费大量到来。麦卡锡和明斯基跳槽到MIT（麻省理工学院），创建了第一个AI实验室。1963年，刚成立的ARPA（先进研究计划署，是因特网的始创者）立刻给予MIT的AI研究220万美元，后来追加到每年300万美元。 纽厄尔 和西蒙所在的卡内基梅隆大学以及斯坦福大学的AI项目，同样得到ARPA的经费资助。美国国家科学委员会（NRC）对机器翻译等AI项目提供了2000万美元资助经费。在英国，另一个重要的AI实验室于1965年在爱丁堡大学建立，也得到充足经费支持。

总之，达特茅斯会议之后的十多年，AI研究不断取得进展，鼓励前沿探索研究的资助经费源源不断，有人把这段时间称为 AI的黄金十年 。

当时的AI研究人员和领军人物对未来极其乐观。1958年西蒙预言“十年之内，计算机将成为国际象棋世界冠军。” 纽厄尔则说 “十年之内，计算机将发现并证明一个重要数学定理。”1965年，西蒙认为“二十年内，机器将能完成人能做到的一切工作。”到1967年， 明斯基更大胆判断：“在我们这一代人的努力下，创造人工智能难题将会从根本上被解决。” 这就是所谓的“一代人解决AI问题”豪言 。

但是，70年代初，AI遭遇了瓶颈，问题和批评接踵而来。

AI研究人员遭遇的最重要瓶颈是当时 计算机能力 严重不足 ，有限的处理速度和内存不足以解决许多实际的AI问题。例如，自然语言处理方面，内存只能容纳含20个单词的词汇表，只能应付表演。更有人从理论上证明，AI有关的许多问题只能在指数时间内获解（处理时间与处理规模的幂成正比）。按这样的理论，解决稍微复杂一点的问题，几乎需要无限长的时间。这意味着，AI中的许多程序理论上就只能停留在简单玩具阶段，不会发展为实用工具。

另一方面，初创的AI那时也实在肤浅。

这就是AI，仿佛条条路都可以通往人脑核心，但再往前走，却发现高墙林立。

冰冷的寒风吹来了。著名应用数学家莱特希尔爵士（James Lighthill）受英国科学研究委员会（Science Research Council）之托，全面审核调研AI领域学术研究的状况。1973 年，历史上赫赫有名《莱特希尔报告》（ Lighthill Report ） 推出。报告批评了机器人和自然语言处理等AI领域里的许多基本研究，结论十分严厉——“ AI领域的任何一部分都没有能产出人们当初承诺的有主要影响力进步 ”。整个报告，流露出对AI研究在早期兴奋期过后的全面悲观。《莱特希尔报告》一出，英国政府停止了除三所大学之外的全部AI相关研究的资助。

同样，美国政府受到来自国会的压力，大规模削减了AI探索性研究经费，转而资助那些被认为更容易取得有影响力进展的领域。

各国政府纷纷仿效，如同釜底抽薪，曾经火热的AI一下子从云端跌落，经历第一次 “ 人工智能寒冬 ”（AI Winter）。之后十来年，AI几乎淡出人们视野。

AI的第二次高潮，在上世纪80年代初开始，引领力量是 知识工程和专家系统 。专家系统实际上是一套程序软件，能够从专门的知识库系统中，通过推理找到一定规律，像人类专家那样解决某一特定领域的问题。简单说，专家系统等于知识库加上推理机。

这一次AI复兴，与斯坦福大学教授爱德华 · 费根鲍姆（Edward Feigenbaum ） 有很大关系。由于对AI的贡献，他获得了1994年的图灵奖。

早在1965年，他和诺贝尔奖得主莱德伯格（Joshua Lederberg ）