1956年的夏天，一場在美國達特茅斯（Dartmouth）大學召開的學術(shù)會議，多年以后被認定為全球人工智能研究的起點。2016年的春天，一場AlphaGo與世界頂級圍棋高手李世石的人機世紀對戰(zhàn)，把全球推上了人工智能浪潮的新高。

　　經(jīng)歷了兩次起伏，人工智能現(xiàn)在進入了全球爆發(fā)的前夜。僅在中國就有上億人直接或間接地觀看了AlphaGo與李世石的比賽，而在2016年初，還有IBM在全球大舉推廣基于IBM Watson的認知計算，Watson的前身就是1997年打敗了國際象棋大師卡斯帕羅夫的“深藍”。

　　中國有句古話叫做60年一輪回。然而對于人工智能來說，往后的60年并不僅是輪回，而是新生。前60年的人工智能歷程，可以用“無窮動”來形容；后60年的人工智能發(fā)展，可以用“無窮大”來期許。

　　“無窮動”是一首意大利小提琴名曲，卡耐基·梅隆大學人工智能教授邢波用這個名字命名自己研究小組研發(fā)的新一代分布式機器學習系統(tǒng)。“無窮動”又是一種寓意，代表了在過去60年間甚至到更遠的古代，人們對于智能機器永無止境的想象以及去實踐的沖動。

　　人們對于智能機器的想像永無止境

　　亞里士多德曾說過，如果機器能干很多活，豈不能讓人類解放出來?！缎乔虼髴?zhàn)》《黑客帝國》《人工智能》等科幻電影，激發(fā)了一代又一代學者和實業(yè)家，前伏后繼地投入到人工智能的研究中。AlphaGo算法的主要發(fā)明人，就是受了“深藍”的影響而加入AI的行列。

　　在前60年的發(fā)展中，人工智能研究也取得了階段性成果，特別是有監(jiān)督深度學習在自然語言理解、語音識別、圖像識別等人工智能基礎領域，都已經(jīng)發(fā)展到了成熟階段。接下來，就是AlphaGo開創(chuàng)的無監(jiān)督深度學習的未來——擺脫人類“監(jiān)督”的增強學習。

　　實際上，隨著計算機的發(fā)明，人們一直在探討，這到底會導致什么樣的人工智能？一種預見是可以產(chǎn)生功能性的人工智能，這就是今天有監(jiān)督深度學習所廣泛取得的成果。還有一種觀點是人工智能可以模仿人的思維和感情活動，這就是無監(jiān)督深度學習將要開創(chuàng)的未來。

　　當智能機器可以自己張開眼睛看世界，通過自主探索世界來獲得智能的話，未來可能出現(xiàn)的變化就是“無窮大”了。從“無窮動”到“無窮大”，2016年注定是一個精彩之年。

　　上篇：前60年“無窮動”的韻律

　　人工智能頭60年的發(fā)展，就是在起起伏伏、寒冬與新潮、失望與希望之間的無窮動韻律，尋找著理論與實踐的最佳結(jié)合點。

　　從清華大學畢業(yè)后，邢波到Rutgers大學和伯克利攻讀研究生，之后到卡耐基·梅隆大學成為一名人工智能領域的教授?？突?middot;梅隆是全球重要的人工智能研究基地，很多原創(chuàng)性成果都出自這所大學。

　　卡耐基·梅隆大學人工智能教授邢波

　　邢波在卡耐基·梅隆大學成立了一個人工智能小組SAILING LAB，試圖在人工智能各個方面產(chǎn)生突破，理論研究包括概率圖模型的最大似然和最大間隔學習、非參數(shù)空間高維推理、非穩(wěn)態(tài)時間序列分析、非參數(shù)貝葉斯化推理等，應用研究包括計算生物學、群體遺傳學、基因組學、社交網(wǎng)絡和社交群體、互聯(lián)網(wǎng)級文本挖掘和自然語言處理、計算金融等。

　　2016年3月19日，在AlphaGo戰(zhàn)勝李世石后的第4天，邢波隨著《未來論壇》之理解未來系列講座走進了京東集團。邢波回顧了全球人工智能歷程，人工智能作為一個科學和工程領域，得益于20個世紀國際科學、計算機科學、信息論、控制論等很多科學發(fā)展的交匯點。人工智能的研究基于一個很基本的假設，即認為人的思維活動可以用機械方式替代。

　　60年前的全球人工智能大會

　　談到人工智能，就不能不提到鼻祖式人物：圖靈。1936年，英國數(shù)學家、邏輯學家阿蘭·麥席森·圖靈（1912~1954）提出了一種抽象的計算模型——圖靈機（TuringMachine），用紙帶式機器來模擬人們進行數(shù)學運算的過程，圖靈本人被視為計算機科學之父。

　　1959年，圖靈發(fā)表了一篇劃時代的論文《計算機器與智能》，文中提出了人工智能領域著名的圖靈測試——如果電腦能在5分鐘內(nèi)回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認為是人類所答，則電腦就通過測試并可下結(jié)論為機器具有智能。

　　卡耐基·梅隆大學

　　圖靈測試的概念極大影響人工智能對于功能的定義，在這個途徑上，卡耐基·梅隆兩位科學家A.Newell和H.Simon的“邏輯理論家”程序非常精妙地證明了羅素《數(shù)學原理》52道中的38道。Simon宣稱在10年之內(nèi)，機器就可以達到和人類智能一樣的高度。

　　第一批人工智能探索者找到共同的語言后，于整整60年前的1956年，在美國達特茅斯大學開了一次會，希望確立人工智能作為一門科學的任務和完整路徑。與會者們也宣稱，人工智能的特征都可以被精準描述，精準描述后就可以用機器來模擬和實現(xiàn)。后來普遍認為，達特茅斯會議標志著人工智能的正式誕生。

　　人工智能第一次浪潮和寒冬

　　達特茅斯會議推動了全球第一次人工智能浪潮的出現(xiàn)，即為1956年到1974年。當時樂觀的氣氛彌漫著整個學界，在算法方面出現(xiàn)了很多世界級的發(fā)明，其中包括一種叫做增強學習的雛形（即貝爾曼公式），增強學習就是谷歌AlphaGo算法核心思想內(nèi)容?，F(xiàn)在常聽到的深度學習模型，其雛形叫做感知器，也是在那幾年間發(fā)明的。

　　60年前的達特茅斯大學

　　除了算法和方法論有了新的進展，在第一次浪潮中，科學家們還造出了聰明的機器。其中，有一臺叫做STUDENT（1964）的機器能證明應用題，還有一臺叫做ELIZA（1966）的機器可以實現(xiàn)簡單人機對話。于是，人工智能界認為按照這樣的發(fā)展速度，人工智能真的可以代替人類。

　　第一次人工智能冬天出現(xiàn)在1974年到1980年。這是怎么回事呢？因為人們發(fā)現(xiàn)邏輯證明器、感知器、增強學習等等只能做很簡單、非常專門且很窄的任務，稍微超出范圍就無法應對。這里面存在兩方面局限：一方面，人工智能所基于的數(shù)學模型和數(shù)學手段被發(fā)現(xiàn)有一定的缺陷；另一方面，有很多計算復雜度以指數(shù)程度增加，所以成為了不可能完成的計算任務。

　　先天缺陷導致人工智能在早期發(fā)展過程中遇到瓶頸，所以第一次冬天很快到來，對人工智能的資助相應也就被縮減或取消了。

　　現(xiàn)代PC“促成”第二次人工智能寒冬

　　進入20世紀80年代，卡耐基·梅隆大學為DEC公司制造出了專家系統(tǒng)（1980），這個專家系統(tǒng)可幫助DEC公司每年節(jié)約4000萬美元左右的費用，特別是在決策方面能提供有價值的內(nèi)容。受此鼓勵，很多國家包括日本、美國都再次投入巨資開發(fā)所謂第5代計算機（1982），當時叫做人工智能計算機。

　　在80年代出現(xiàn)了人工智能數(shù)學模型方面的重大發(fā)明，其中包括著名的多層神經(jīng)網(wǎng)絡（1986）和BP反向傳播算法（1986）等，也出現(xiàn)了能與人類下象棋的高度智能機器（1989）。此外，其它成果包括能自動識別信封上郵政編碼的機器，就是通過人工智能網(wǎng)絡來實現(xiàn)的，精度可達99%以上，已經(jīng)超過普通人的水平。于是，大家又開始覺得人工智能還是有戲。

　　早期的專家系統(tǒng)Symbolics 3640

　　然而，1987年到1993年現(xiàn)代PC的出現(xiàn)，讓人工智能的寒冬再次降臨。當時蘋果、IBM開始推廣第一代臺式機，計算機開始走入個人家庭，其費用遠遠低于專家系統(tǒng)所使用的Symbolics和Lisp等機器。相比于現(xiàn)代PC，專家系統(tǒng)被認為古老陳舊而非常難以維護。于是，政府經(jīng)費開始下降，寒冬又一次來臨。

　　那時，甚至學者們都不太好意思說是從事人工智能研究的。人們開始思考人工智能到底往何處走，到底要實現(xiàn)什么樣的人工智能。

　　現(xiàn)代AI的曙光：新工具、新理念和摩爾定律

　　如何在有限的資源下做有用的事情，這是人工智能一直以來的挑戰(zhàn)。一個現(xiàn)實的途徑就是像人類造飛機一樣，從生物界獲得啟發(fā)后，以工程化方法對功能進行簡化、部署簡單的數(shù)學模型以及開發(fā)強大的飛機引擎。

　　現(xiàn)代AI的曙光發(fā)生在這個階段，出現(xiàn)了新的數(shù)學工具、新的理論和摩爾定律。人工智能也在確定自己的方向，其中一個選擇就是要做實用性、功能性的人工智能，這導致了一個新的人工智能路徑。由于對于人工智能任務的明確和簡化，帶來了新的繁榮。

　　基于神經(jīng)元網(wǎng)絡的深度學習算法示意圖

　　在新的數(shù)學工具方面，原來已經(jīng)存在于數(shù)學或者其他學科的文獻中的數(shù)學模型，被重新發(fā)掘或者發(fā)明出來。當時比較顯著幾個成果包括最近獲得圖靈獎的圖模型以及圖優(yōu)化、深度學習網(wǎng)絡等，都是大約在15年前重新被提出來，重新開始研究。

　　在新的理論方面，由于數(shù)學模型對自然世界的簡化，有著非常明確的數(shù)理邏輯，使得理論分析和證明成為可能，可以分析出到底需要多少數(shù)據(jù)量和計算量來以得期望的結(jié)果，這對開發(fā)相應的計算系統(tǒng)非常有幫助。

　　在更重要的一方面，摩爾定律讓計算越來越強大，而強大計算機很少被用在人工智能早期研究中，因為早期的人工智能研究更多被定義為數(shù)學和算法研究。當更強大的計算能力被轉(zhuǎn)移到人工智能研究后，顯著提高了人工智能的研究效果。

　　由于這一系列的突破，人工智能又產(chǎn)生了一個新的繁榮期。最早的結(jié)果即為1997年IBM深藍戰(zhàn)勝國際象棋大師。在更加通用型的功能性方面，機器在數(shù)學競賽、識別圖片的比賽中，也可以達到或者超過人類的標準。

　　人工智能的繁榮也促進了機器人的進步，包括把人工智能原理用在機器狗的設計上。無論是人工智能狗還是無人車駕駛，都不是用編程方法寫出來，而是通過一套學習算法在模擬器中不斷的走路和開車，讓機器自己產(chǎn)生行為策略，這是人工智能和原先控制論最不同的地方。

　　2011年，F(xiàn)acebook的挑戰(zhàn)

　　在2011年的時候，邢波迎來做教授的第一次學術(shù)休假，美國教授大概每6年可以做一次休假。邢波選擇去了一家很年輕的公司做客座教授，這就是當時的Facebook。那個時候只有500人的Facebook在斯坦福大學的倉庫里搭起了自己的實驗室，當時Facebook提出希望連接上億用戶，也希望能夠運用人工智能投放有價值的廣告以增加公司收入。

　　Facebook當時的目標為在不久的將來把用戶從1億增長到10億，邢波的任務就是幫助Facebook實現(xiàn)這個愿景。作為Facebook的第一個客座教授，他的第一個任務要把用戶在社交網(wǎng)絡里連接起來，然后把這種連接投射到社交空間中，從而做社群檢測并把社群檢測用來實現(xiàn)用戶分組和特征化。

　　這個任務并不難，可以通過混合成員隨機區(qū)塊模型來實現(xiàn)，這是2011年最好的處理網(wǎng)絡數(shù)據(jù)的AI算法。但其中有一個問題，即計算的復雜度呈平方級現(xiàn)象，即用戶數(shù)每增加10倍就需要100倍的CPU和存儲，因此單機最多處理1萬人，這是當時最大問題。

　　邢波于是通過研究算法模型實現(xiàn)計算加速，包括在社交網(wǎng)絡抽取比“邊”更強大的特征叫做“三角形”，模型也從混合塊模型升級到混合三角模型。混合算法實現(xiàn)了顯著的革新，計算復雜度在不斷下降。當時的研究成果被用于全球電影明星網(wǎng)絡研究，大約在100萬人左右的網(wǎng)絡，可實時展示人們在模型驅(qū)動下不斷在社交空間找朋友并落入到不同的社交群。