所谓的“人工智能寒冬”,其显著特征就是投入的研发资金快速下降,而这恰恰反映着人类自身对技术的认知变化,而非人工智能技术真实的发展情况。
2016年人工智能(AI)的爆发,让公众对其的关注,更多集中于人工智能时代是否降临,即人类是否会因为人工智能技术而失去工作,甚至是为AI所统治。但三年后的今天,“人工智能寒冬”的声音悄然而至。
自1956年AI“诞生”以来,其发展经历了两次“寒冬”,分别处于上世纪的70年代和80年代。虽然技术上的缺陷或障碍,似乎是直接导致这两次“寒冬”出现的原因,但更为深层的原因恐怕还是人类自身的认知所引发的。
换句话说,所谓的“人工智能寒冬”,更像是一种人类心理现象的反映,而非人工智能技术真实的发展情况。
为什么这么说呢?就技术而言,任何技术的发展路径必然是螺旋式的,不可能一帆风顺。
就像促成这次人工智能浪潮的深度学习一样,虽然目前已在很多领域应用,但机器智能并不会随着其深度(层次)越多,而呈现出指数级的发展。它同样存在极限,并非大家所预期的那样,可以无限延展下去。
因此,即使是深度学习之父的Geoffrey Hinton也在转而寻找其他方法。比如,他提出的胶囊网络技术,就被视为用于补充,甚至挑战深度学习地位的算法实现方式。而用深度学习创造出AlphaGo的DeepMind公司,则转向强化学习。
所以,从技术发展的角度,我们可以认为AI并不存在所谓的“寒冬”。但从投入的研发资金上看,AI确实又经历着过山车似的曲线。
如今所谓的“人工智能寒冬”,其显著特征就是投入的研发资金快速下降。而这恰恰反映着人类自身对技术的认知变化:当人类对AI的发展过度乐观,便会产生过度承诺,引发众多资金争相涌入。而一旦这种承诺无法兑现,产生悲观的预期,又导致投入资金急剧减少。第一次“人工智能寒冬”正是这种过程的真实体现。
有着“人工智能之父”之称的麻省理工学院数学家马文・明斯基在1970年对媒体表示,“在三到八年内,我们将拥有一台具有普通人类智能的机器”。现在看来,这显然是一个非常大胆的预言。因此,当这种说法被证伪之时,也就导致了后面随之而来的“寒冬”。
1973年,受英国科学研究委员会的委托,詹姆斯・莱特希尔爵士对AI的情况进行评估。在报告中,他批评AI未能实现其“宏伟目标”。正是这份报告,导致英美学术机构对AI失去信心,进而导致资金大量减少。第一次“人工智能寒冬”降临。
换句话说,存在技术障碍不可怕,可怕的是缺乏资金投入来克服这些困难。就此而言,无论是乐观的预言,还是“寒冬”的声音,背后所反映的只是人类本身对AI技术的不确定性,进而导致在评估效益时产生了波动,从而影响了公众对其整体性的认知,也才有了所谓的“春天”和“寒冬”。
对比过去,当前AI已经有很多改善。比如,现在投入AI的研发资金不再像以往那样,主要依赖政府投入;并且,现在人工智能的不少领域都出现了直接的应用产品,实用性的人工智能解决方案不断产生,如此可以保证其不断从市场上获得资金。就此而言,或许我们可以认为,人工智能的“寒冬”不会到来,至少不会很快到来。
该文观点仅代表作者,本站仅提供信息存储空间服务,转载请注明出处。若需了解详细的安防行业方案,或有其它建议反馈,欢迎联系我们。