1956年的夏天，一場(chǎng)在美國達(dá)特茅斯（Dartmouth）大學(xué)召開的學(xué)術(shù)會(huì)議，多年以后被認(rèn)定為全球人工智能研究的起點(diǎn)。2016年的春天，一場(chǎng)AlphaGo與世界頂級(jí)圍棋高手李世石的人機(jī)世紀(jì)對(duì)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(jìn)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(rèn)知計(jì)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(lán)”。

　　中國有句古話叫做60年一輪回。然而對(duì)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(dòng)”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(dòng)”是一首意大利小提琴名曲，卡耐基·梅隆大學(xué)人工智能教授邢波用這個(gè)名字命名自己研究小組研發(fā)的新一代分布式機(jī)器學(xué)習(xí)系統(tǒng)。“無窮動(dòng)”又是一種寓意，代表了在過去60年間甚至到更遠(yuǎn)的古代，人們對(duì)于智能機(jī)器永無止境的想象以及去實(shí)踐的沖動(dòng)。

　　人們對(duì)于智能機(jī)器的想像永無止境

　　亞里士多德曾說過，如果機(jī)器能干很多活，豈不能讓人類解放出來。《星球大戰(zhàn)》《黑客帝國》《人工智能》等科幻電影，激發(fā)了一代又一代學(xué)者和實(shí)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(lán)”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(xué)習(xí)在自然語言理解、語音識(shí)別、圖像識(shí)別等人工智能基礎(chǔ)領(lǐng)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(xué)習(xí)的未來——擺脫人類“監(jiān)督”的增強(qiáng)學(xué)習(xí)。

　　實(shí)際上，隨著計(jì)算機(jī)的發(fā)明，人們一直在探討，這到底會(huì)導(dǎo)致什么樣的人工智能？一種預(yù)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(xué)習(xí)所廣泛取得的成果。還有一種觀點(diǎn)是人工智能可以模仿人的思維和感情活動(dòng)，這就是無監(jiān)督深度學(xué)習(xí)將要開創(chuàng)的未來。

　　當(dāng)智能機(jī)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(dòng)”到“無窮大”，2016年注定是一個(gè)精彩之年。

　　上篇：前60年“無窮動(dòng)”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(dòng)韻律，尋找著理論與實(shí)踐的最佳結(jié)合點(diǎn)。

　　從清華大學(xué)畢業(yè)后，邢波到Rutgers大學(xué)和伯克利攻讀研究生，之后到卡耐基·梅隆大學(xué)成為一名人工智能領(lǐng)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(xué)。

　　卡耐基·梅隆大學(xué)人工智能教授邢波

　　邢波在卡耐基·梅隆大學(xué)成立了一個(gè)人工智能小組SAILING LAB，試圖在人工智能各個(gè)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(xué)習(xí)、非參數(shù)空間高維推理、非穩(wěn)態(tài)時(shí)間序列分析、非參數(shù)貝葉斯化推理等，應(yīng)用研究包括計(jì)算生物學(xué)、群體遺傳學(xué)、基因組學(xué)、社交網(wǎng)絡(luò)和社交群體、互聯(lián)網(wǎng)級(jí)文本挖掘和自然語言處理、計(jì)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(jìn)了京東集團(tuán)。邢波回顧了全球人工智能歷程，人工智能作為一個(gè)科學(xué)和工程領(lǐng)域，得益于20個(gè)世紀(jì)國際科學(xué)、計(jì)算機(jī)科學(xué)、信息論、控制論等很多科學(xué)發(fā)展的交匯點(diǎn)。人工智能的研究基于一個(gè)很基本的假設(shè)，即認(rèn)為人的思維活動(dòng)可以用機(jī)械方式替代。

　　60年前的全球人工智能大會(huì)

　　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(xué)家、邏輯學(xué)家阿蘭·麥席森·圖靈（1912~1954）提出了一種抽象的計(jì)算模型——圖靈機(jī)（TuringMachine），用紙帶式機(jī)器來模擬人們進(jìn)行數(shù)學(xué)運(yùn)算的過程，圖靈本人被視為計(jì)算機(jī)科學(xué)之父。

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

　　卡耐基·梅隆大學(xué)

　　圖靈測(cè)試的概念極大影響人工智能對(duì)于功能的定義，在這個(gè)途徑上，卡耐基·梅隆兩位科學(xué)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(xué)原理》52道中的38道。Simon宣稱在10年之內(nèi)，機(jī)器就可以達(dá)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(dá)特茅斯大學(xué)開了一次會(huì)，希望確立人工智能作為一門科學(xué)的任務(wù)和完整路徑。與會(huì)者們也宣稱，人工智能的特征都可以被精準(zhǔn)描述，精準(zhǔn)描述后就可以用機(jī)器來模擬和實(shí)現(xiàn)。后來普遍認(rèn)為，達(dá)特茅斯會(huì)議標(biāo)志著人工智能的正式誕生。

　　人工智能第一次浪潮和寒冬

　　達(dá)特茅斯會(huì)議推動(dòng)了全球第一次人工智能浪潮的出現(xiàn)，即為1956年到1974年。當(dāng)時(shí)樂觀的氣氛彌漫著整個(gè)學(xué)界，在算法方面出現(xiàn)了很多世界級(jí)的發(fā)明，其中包括一種叫做增強(qiáng)學(xué)習(xí)的雛形（即貝爾曼公式），增強(qiáng)學(xué)習(xí)就是谷歌AlphaGo算法核心思想內(nèi)容?，F(xiàn)在常聽到的深度學(xué)習(xí)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(dá)特茅斯大學(xué)

　　除了算法和方法論有了新的進(jìn)展，在第一次浪潮中，科學(xué)家們還造出了聰明的機(jī)器。其中，有一臺(tái)叫做STUDENT（1964）的機(jī)器能證明應(yīng)用題，還有一臺(tái)叫做ELIZA（1966）的機(jī)器可以實(shí)現(xiàn)簡單人機(jī)對(duì)話。于是，人工智能界認(rèn)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?yàn)槿藗儼l(fā)現(xiàn)邏輯證明器、感知器、增強(qiáng)學(xué)習(xí)等等只能做很簡單、非常專門且很窄的任務(wù)，稍微超出范圍就無法應(yīng)對(duì)。這里面存在兩方面局限：一方面，人工智能所基于的數(shù)學(xué)模型和數(shù)學(xué)手段被發(fā)現(xiàn)有一定的缺陷；另一方面，有很多計(jì)算復(fù)雜度以指數(shù)程度增加，所以成為了不可能完成的計(jì)算任務(wù)。

　　先天缺陷導(dǎo)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(duì)人工智能的資助相應(yīng)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(jìn)入20世紀(jì)80年代，卡耐基·梅隆大學(xué)為DEC公司制造出了專家系統(tǒng)（1980），這個(gè)專家系統(tǒng)可幫助DEC公司每年節(jié)約4000萬美元左右的費(fèi)用，特別是在決策方面能提供有價(jià)值的內(nèi)容。受此鼓勵(lì)，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(jì)算機(jī)（1982），當(dāng)時(shí)叫做人工智能計(jì)算機(jī)。

　　在80年代出現(xiàn)了人工智能數(shù)學(xué)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(luò)（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(jī)器（1989）。此外，其它成果包括能自動(dòng)識(shí)別信封上郵政編碼的機(jī)器，就是通過人工智能網(wǎng)絡(luò)來實(shí)現(xiàn)的，精度可達(dá)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(dāng)時(shí)蘋果、IBM開始推廣第一代臺(tái)式機(jī)，計(jì)算機(jī)開始走入個(gè)人家庭，其費(fèi)用遠(yuǎn)遠(yuǎn)低于專家系統(tǒng)所使用的Symbolics和Lisp等機(jī)器。相比于現(xiàn)代PC，專家系統(tǒng)被認(rèn)為古老陳舊而非常難以維護(hù)。于是，政府經(jīng)費(fèi)開始下降，寒冬又一次來臨。

　　那時(shí)，甚至學(xué)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(shí)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(gè)現(xiàn)實(shí)的途徑就是像人類造飛機(jī)一樣，從生物界獲得啟發(fā)后，以工程化方法對(duì)功能進(jìn)行簡化、部署簡單的數(shù)學(xué)模型以及開發(fā)強(qiáng)大的飛機(jī)引擎。

　　現(xiàn)代AI的曙光發(fā)生在這個(gè)階段，出現(xiàn)了新的數(shù)學(xué)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(gè)選擇就是要做實(shí)用性、功能性的人工智能，這導(dǎo)致了一個(gè)新的人工智能路徑。由于對(duì)于人工智能任務(wù)的明確和簡化，帶來了新的繁榮。

　　基于神經(jīng)元網(wǎng)絡(luò)的深度學(xué)習(xí)算法示意圖

　　在新的數(shù)學(xué)工具方面，原來已經(jīng)存在于數(shù)學(xué)或者其他學(xué)科的文獻(xiàn)中的數(shù)學(xué)模型，被重新發(fā)掘或者發(fā)明出來。當(dāng)時(shí)比較顯著幾個(gè)成果包括最近獲得圖靈獎(jiǎng)的圖模型以及圖優(yōu)化、深度學(xué)習(xí)網(wǎng)絡(luò)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(xué)模型對(duì)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(jì)算量來以得期望的結(jié)果，這對(duì)開發(fā)相應(yīng)的計(jì)算系統(tǒng)非常有幫助。

　　在更重要的一方面，摩爾定律讓計(jì)算越來越強(qiáng)大，而強(qiáng)大計(jì)算機(jī)很少被用在人工智能早期研究中，因?yàn)樵缙诘娜斯ぶ悄苎芯扛啾欢x為數(shù)學(xué)和算法研究。當(dāng)更強(qiáng)大的計(jì)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(gè)新的繁榮期。最早的結(jié)果即為1997年IBM深藍(lán)戰(zhàn)勝國際象棋大師。在更加通用型的功能性方面，機(jī)器在數(shù)學(xué)競(jìng)賽、識(shí)別圖片的比賽中，也可以達(dá)到或者超過人類的標(biāo)準(zhǔn)。

　　人工智能的繁榮也促進(jìn)了機(jī)器人的進(jìn)步，包括把人工智能原理用在機(jī)器狗的設(shè)計(jì)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(xué)習(xí)算法在模擬器中不斷的走路和開車，讓機(jī)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(shí)候，邢波迎來做教授的第一次學(xué)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(dāng)時(shí)的Facebook。那個(gè)時(shí)候只有500人的Facebook在斯坦福大學(xué)的倉庫里搭起了自己的實(shí)驗(yàn)室，當(dāng)時(shí)Facebook提出希望連接上億用戶，也希望能夠運(yùn)用人工智能投放有價(jià)值的廣告以增加公司收入。

　　Facebook當(dāng)時(shí)的目標(biāo)為在不久的將來把用戶從1億增長到10億，邢波的任務(wù)就是幫助Facebook實(shí)現(xiàn)這個(gè)愿景。作為Facebook的第一個(gè)客座教授，他的第一個(gè)任務(wù)要把用戶在社交網(wǎng)絡(luò)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(cè)并把社群檢測(cè)用來實(shí)現(xiàn)用戶分組和特征化。

　　這個(gè)任務(wù)并不難，可以通過混合成員隨機(jī)區(qū)塊模型來實(shí)現(xiàn)，這是2011年最好的處理網(wǎng)絡(luò)數(shù)據(jù)的AI算法。但其中有一個(gè)問題，即計(jì)算的復(fù)雜度呈平方級(jí)現(xiàn)象，即用戶數(shù)每增加10倍就需要100倍的CPU和存儲(chǔ)，因此單機(jī)最多處理1萬人，這是當(dāng)時(shí)最大問題。

　　邢波于是通過研究算法模型實(shí)現(xiàn)計(jì)算加速，包括在社交網(wǎng)絡(luò)抽取比“邊”更強(qiáng)大的特征叫做“三角形”，模型也從混合塊模型升級(jí)到混合三角模型?；旌纤惴▽?shí)現(xiàn)了顯著的革新，計(jì)算復(fù)雜度在不斷下降。當(dāng)時(shí)的研究成果被用于全球電影明星網(wǎng)絡(luò)研究，大約在100萬人左右的網(wǎng)絡(luò)，可實(shí)時(shí)展示人們?cè)谀Ｐ万?qū)動(dòng)下不斷在社交空間找朋友并落入到不同的社交群。