今天有多火熱，曾經(jīng)就有多寒冷。

如今我們對(duì) AI 的想象，其實一點都(dōu)不新鮮：模拟人類專家的智能(néng)，上世紀 60 年代有“專家系統”；用自然語言與計算機直接交互，80 年代有“第五代計算機”；今天 AI 領域讓我們驚歎的自主推理應答、自動識别文字圖像，在你爸媽甚至爺奶年代都(dōu)有相應的研究。

和今天不同的是，那時唱反調的人占了多數。

一位耶魯大學(xué)的研究者在 1985 年指出了一種(zhǒng)所有人最不希望看到的 AI 發(fā)展走向(xiàng)：五年内，日本和美國(guó)主導的人工智能(néng)項目無法兌現最初的承諾→政府和投資人撤資→創業公司倒閉→任何與 AI 相關的東西都(dōu)無法獲得融資→所有人立刻修改研究項目的名稱避免與 AI 相關→AI 研究進(jìn)入“寒冬”。

這(zhè)位研究者是“真預言家”。回頭看，80 年代以第五代計算機爲代表的人工智能(néng)研究的确最終導向(xiàng)了寒冬。

誰知道(dào)我們今天是不是也在同樣(yàng)的路上呢？

“智能(néng)”該如何定義？

現在，人們大多將(jiāng) 1956 年召開(kāi)的達特茅斯學(xué)術會議當作人工智能(néng)的開(kāi)端，但那場大佬雲集的會議實際隻提出了“人工智能(néng)”這(zhè)個概念，對(duì)于如何實現人工智能(néng)，并沒(méi)有形成(chéng)統一意見。

當時的研究者們對(duì)什麼(me)算“智能(néng)”的回答分三種(zhǒng)：第一種(zhǒng)認爲智能(néng)的核心在于邏輯推理（符号主義）；第二種(zhǒng)則是試圖通過(guò)複刻人腦的運行方式來複現智能(néng)（聯結主義）；第三種(zhǒng)則注重模仿人類走路、跑跳、視覺、聽覺、觸覺等與環境的直接交互（行爲主義，出現較晚）。

波士頓機器人走第三種(zhǒng)路線｜Giphy

三條路線的研究者們按照各自對(duì)“智能(néng)”概念的不同理解開(kāi)始了分頭行動。

第一種(zhǒng)率先有動靜。1965 年，一位叫(jiào)費根鮑姆的計算機科學(xué)家和幾位大學(xué)教授合作開(kāi)發(fā)了一款名爲 DENDRAL 的計算機程序，它可以根據化學(xué)分子在質譜儀中的數據，自動識别對(duì)應化合物的結構圖——高考化學(xué)選修五最難的題也不敢這(zhè)麼(me)考。

這(zhè)類解決某一專業領域内問題的産品叫(jiào)“專家系統”，它能(néng)爲企業帶來實在的商業回報：美國(guó)卡耐基·梅隆大學(xué)在 1978 年爲 DEC 公司制造出 XCON 專家系統，系統能(néng)依據用戶的定貨需求，選出最合适的計算機硬件，幫助 DEC 公司每年節約 4000 萬美元左右的費用；斯坦福研究院在 1981 年開(kāi)發(fā)了 PROSPECTOR 專家系統用于礦産勘探，後(hòu)來人們用它識别出了華盛頓州托爾曼山脈附近的一個钼礦床，這(zhè)個礦床價值 1 億美元。

那是專家系統的黃金年代：到 20 世紀 80 年代末，世界五百強中有一半的企業都(dōu)在發(fā)展或維護專家系統，對(duì)專家系統的使用以每年 30% 的速度增長(cháng)。

不過(guò)，專家系統怎麼(me)就是人工智能(néng)了？

“專家”就一定“智能(néng)”麼(me)？

專家系統模拟了專業咨詢的三個方面(miàn)：專家的經(jīng)驗（知識）、思考方式（推理規則）、以及專家與咨詢者的互動（交互方式）。

專家系統的研究者認爲，邏輯推理是人類智慧的核心，通過(guò)建構數據和推理規則，就能(néng)讓機器獲得類似于人類專家的智能(néng)。

但僅有推理規則還(hái)不足以支撐一場判斷，知識也很重要。研究者認爲，知識不僅僅是數據或信息，還(hái)是一種(zhǒng)映射關系——對(duì)一名外科醫生來說，患者的情況（病曆信息、藥物過(guò)敏史、當前藥物及反應等）是數據，根據該數據，聯想到該疾病的病理特征及治療方法才是知識。

將(jiāng)患者的數據與已有的臨床知識匹配（推理），并將(jiāng)對(duì)應的診療方法用恰當的方式告訴患者（交互），這(zhè)才是一次完整的診療。

于是人們模仿醫生的診斷過(guò)程，將(jiāng)知識庫、推理規則、交互界面(miàn)交給計算機，一個“有智能(néng)”的專家系統就搭建好(hǎo)了。

一個1984年的專家系統平台｜wikimedia commons

實際上，我們今天也在用類似思路實現人工智能(néng)。往簡單了說，ChatGPT 也就是識别用戶輸入的文字或圖片，通過(guò)某種(zhǒng)映射規則把問題與預訓練模型中的知識匹配，再返還(hái)一個“最大正确概率”的結果。

區别在于，當時專家系統的推理規則過(guò)于死闆，嚴格遵守“如果……那麼(me)……”的邏輯，比起(qǐ)智能(néng)，更像程序。而且專家系統所有的操作假設、規則和程序，都(dōu)依賴人工錄入，機器無法自動完成(chéng)這(zhè)個過(guò)程。

而 ChatGPT 運用的深度學(xué)習方式，需要經(jīng)過(guò)層層神經(jīng)網絡的參數調整。機器推理的過(guò)程早已如同“黑箱”一般，變得無法解釋——這(zhè)更接近人類智能(néng)的表現方式，畢竟我們也解釋不清楚自己腦袋裡(lǐ)每天冒出的想法是哪來的。

但回到上世紀 80 年代，研究者認爲專家系統就是人工智能(néng)的典範，狂喜的氛圍從科學(xué)界傳遞到社會，甚至還(hái)開(kāi)啓了經(jīng)濟大國(guó)爲争奪人工智能(néng)話語權的一場混戰。

教練，我想整超級人工智能(néng)

專家系統是一個精彩的故事(shì)，自然吸引到了政府的注意。

1982 年，日本政府正式制定“第五代計算機系統研發(fā)項目”(Fifth Generation Computer Systems，簡稱FGCS)，花十年時間，制作出一種(zhǒng)“超級計算機”。

日本政府設想中這(zhè)種(zhǒng)計算機“會思考”，能(néng)輔助人類的腦力勞動，還(hái)能(néng)聽懂說話、讀懂文字，進(jìn)行聯想、推論和學(xué)習；專業應用上，“第五代計算機”則要能(néng)滿足航空航天、核聚變、天氣預測這(zhè)些高精尖領域的需求——這(zhè)些要求即使放在今天都(dōu)是對(duì)計算機的巨大考驗。

“第五代計算機”還(hái)承諾，不需要懂得任何編程知識，普通人就可以操作它，甚至還(hái)能(néng)通過(guò)它獲得醫生、律師、工程師等專業領域的問題解答——要知道(dào)在當時，計算機連可視化操作系統都(dōu)沒(méi)有普及。

從使用器件角度而言，第一代計算機爲電子管計算機、第二代爲晶體管計算機、第三代爲中小規模集成(chéng)電路計算機、第四代爲大規模和超大規模集成(chéng)電路計算機，圖爲首部晶體管計算機｜wikimedia commons

即使在今天看來，這(zhè)種(zhǒng)全能(néng)型的 AI 也足夠野心勃勃，但當時的參與者卻信心滿滿。日本政府分階段投入了540億日元預算（約 2.2 億美元，按1982年彙率換算）作爲研發(fā)費用。

爲什麼(me)要投入如此大規模的金額？一方面(miàn)是當時的日本舉國(guó)發(fā)展 DRAM（動态随機存儲器，半導體行業重要分支）技術，一躍成(chéng)爲全球最大 DRAM 生産國(guó)。這(zhè)樣(yàng)的成(chéng)功，激勵著(zhe)日本繼續舉國(guó)進(jìn)軍其他計算機領域的目标。況且當時日本的 GDP 總量超過(guò)蘇聯，成(chéng)爲全球第二大經(jīng)濟體，有錢有實力。

1981年（約）摩托羅拉 16 Kib 動态随機存取存儲器芯片陣列｜wikimedia commons

即便目标高遠，決心和金錢的投入已經(jīng)足夠讓人害怕。1983 年，專家系統之父費根鮑姆去日本考察，發(fā)現“第五代計算機”宣稱能(néng)實現的很多功能(néng)設計他想都(dōu)不敢想。

回來後(hòu)，費根鮑姆在《第五代：人工智能(néng)與日本計算機對(duì)世界的挑戰》一書中憂心忡忡地感歎：“如今我們的确掌控著(zhe)所有重要現代技術的思想和市場，但是明天呢？”

其他國(guó)家在日本的大膽設想下也紛紛跟注，生怕失去進(jìn)入新産業的機會：80 年代初期，美國(guó)國(guó)防部計劃資助戰略天網系統（人工智能(néng)防禦系統），同一年代還(hái)有自動駕駛、互聯網、作戰環境建模規劃平台、AI 輔助推測敵方戰術等計劃，雨露均沾。

歐共體開(kāi)展了 ESPRIT 項目，以促進(jìn)科研機構和企業在信息技術上的合作；英國(guó)則啓動 Alvey 計劃，拟投資 3.6 億美元開(kāi)發(fā)研究軟件工程、人機接口、智能(néng)系統和超大規模集成(chéng)電路。

國(guó)家智能(néng)計算機研究開(kāi)發(fā)中心｜百度百科

中國(guó)也在 90 年代成(chéng)立“國(guó)家智能(néng)計算機研究開(kāi)發(fā)中心”，重點任務就是開(kāi)發(fā)高性能(néng)計算機。

這(zhè)個架勢，像不像如今各國(guó)各廠紛紛湧現出來的大語言模型？

真正的時代需求

“第五代計算機”的一個重要特征是支持并行計算和并發(fā)處理。它把一個複雜的問題分解成(chéng)許多簡單的子問題，并用大量處理單元 (如并行處理器) 同時解決這(zhè)些子問題，以提升運算速度。

計劃提出的六年後(hòu)，在一場國(guó)際會議上，日本展示了他們的研究成(chéng)果——64 個并行處理器。隻是效果低于預期，60 多個 CPU 一起(qǐ)跑，效果卻隻達到一個普通處理器的三倍多。

PIM/p 并行推理機｜IPSJ Computer Museum

實際情況離原定目标相差甚遠——當時所有追求機器智能(néng)的項目基本都(dōu)面(miàn)臨著(zhe)這(zhè)種(zhǒng)情況。這(zhè)固然有組織架構、投資、科技政策等外部原因，但核心還(hái)是因爲缺少人工智能(néng)技術發(fā)展所需的基礎能(néng)力。

首先是小得可憐的數據庫。1980 年第一款面(miàn)向(xiàng)台式機的硬盤規格隻有 5MB，它甚至裝不下你現在手機裡(lǐ)的一張清晰圖片。這(zhè)讓當時“專家系統”可以調用的“知識”變得相當有限。

其次是運算速度。1974 年性能(néng)最高的 8080 芯片頻率是 2MHz，而如今随便一台筆記本的處理器就有八核、2GHz，更不要說超級計算機。

實際即便在今天，算力依舊是制約人工智能(néng)發(fā)展的重要因素。

GPT-4 推出後(hòu)不到兩(liǎng)周，OpenAI 便對(duì)用戶進(jìn)行訪問限制，從第一天的 150msg/4hr，到 100msg/4hr，50msg/3hr，直到 25msg/3hr，阈值一路下降。4 月還(hái)因訪問需求量太大，一度暫停 Plus 付費購買功能(néng)。AI 的加速發(fā)展，對(duì)運算需求的要求也随之加碼。

首台圖形界面(miàn)的個人電腦 Lisa｜wikimedia commons

回到當時，真正的時代需求在不久後(hòu)出現。1983 年，蘋果推出世界首台圖形界面(miàn)的個人電腦 Lisa，人機交互不再隻能(néng)通過(guò)純文字的命令行進(jìn)行；四年後(hòu)，微軟推出鼠标，它像一隻電子手臂，允許人們在圖形界面(miàn)拖拽，點選，迅速成(chéng)爲電腦的标配器件。

是的，在那個時代，簡單易用、走進(jìn)家庭才是主流人群對(duì)電腦的普遍期待。

第五代計算機的終局

1994年，在實際花費超過(guò) 3.2 億美元後(hòu)，日本第五代計算機項目落幕。日本表示願意將(jiāng)該項目開(kāi)發(fā)的軟件贈送給任何想要它的人，甚至是外國(guó)人。

1987 年，美國(guó) DARPA 項目也決定停止投資，選擇專注于短期内前景更好(hǎo)的技術；英國(guó) Alvey 計劃也隻持續了五年，在消耗 2 億英鎊的公共資金以及 1.5 億英鎊的工業投資後(hòu)不了了之。

與英美相比，中國(guó)成(chéng)立的“國(guó)家智能(néng)計算機研究開(kāi)發(fā)中心”，本想研究智能(néng)計算機，但“五代機”在其他各國(guó)的遭遇都(dōu)已證明其應用市場狹窄、維護費用高昂，裡(lǐ)面(miàn)最實用的是針對(duì)日語的自然語言處理，顯然和中國(guó)國(guó)情不太相符，于是及時轉向(xiàng)，改爲研究超級計算機。

像多米諾骨牌的倒塌，專家系統在第五代計算機的潰敗後(hòu)，成(chéng)爲過(guò)街老鼠。許多相關項目擔心項目沾上“專家系統”或者“人工智能(néng)”而不被(bèi)社會支持，甚至專門改名爲“機器學(xué)習”、“信息學(xué)”、“知識處理系統”、“模式識别”等。

而人工智能(néng)，也進(jìn)入了曆史上寒冬。

計算機哭泣｜wikimedia commons

在每個激動人心的技術熱潮中，技術概念總會被(bèi)泛化。面(miàn)對(duì)同一個概念，不同的人想著(zhe)不同的故事(shì)。

技術專家讨論人工智能(néng)/專家系統時，往往聚焦于具體的數學(xué)模型和輸出質量，側重點在技術的解決方案，或者對(duì)某個理論的佐證意義；投資者——無論是商業公司、金融機構還(hái)是政府——談論技術時，則更關注投資回報和商業利益；普通民衆聽到機器人或人工智能(néng)，本能(néng)反應是它會不會取代自己……

在某個時刻，所有人都(dōu)對(duì)技術發(fā)展有了明确預期，技術的功用和價值被(bèi)包裝到前所未有的高度。這(zhè)時，原本狹窄的應用被(bèi)所有參與者包裝成(chéng)每個人都(dōu)能(néng)投入想象的科幻故事(shì)。

念念不忘的回響

“第五代計算機”項目失敗，當時的許多“成(chéng)果”也并未沿用，但并不意味著(zhe)當時所有對(duì)人工智能(néng)的描繪都(dōu)徹底失敗。

以專家系統爲代表的人工智能(néng)第一條路線“隐退”時，第二三條路線的研究者們依舊堅持“讓機器有智能(néng)”的努力。秉承複刻人腦運行方式來複現智能(néng)的聯結主義，在上世紀 90 年代取得諸多突破，并發(fā)展出深度學(xué)習方法，直接催化 AlphaGo、ChatGPT 等這(zhè)個時代的代表 AI 産品的産生。

較晚成(chéng)型的行爲主義學(xué)派，則將(jiāng)目光投向(xiàng)機器人和遊戲，波士頓動力公司那些行爲逼真的機器人就是這(zhè)個路線下的産物，誰說未來的“超級 AI”不會是一個既能(néng)幫你泡咖啡，又能(néng)解決霍奇猜想的機器人呢。

會跳舞也行｜Giphy

而專家系統，也從未退出舞台，而且正在與其他路線的人工智能(néng)方法結合。在新冠疫情期間，人工智能(néng)的圖像識别可用于輔助診斷，協助醫生快速預判病患是否存在肺部感染；微軟最近的産品中，可以接入包含不同行業信息的專家系統插件，普通用戶也可以用自然語言與專家系統對(duì)話、咨詢，獲得自己想要的答案，包括但不限于智能(néng)推薦房地産項目、自動修改法律文書、生成(chéng)旅行攻略等等。

與傳統的産品相比，新一代專家系統既能(néng)主動從數據中學(xué)習，也擁有專家般推理和解決問題的“能(néng)力”。

我們正在接力 80 年代人類對(duì)超級計算機的期盼。

也許科技發(fā)展最有魅力的地方正在于此：曆史充滿偶然，但人們總是懷著(zhe)改造世界的願望，一步一步地嘗試、反思再嘗試，在過(guò)程中離目标越來越近。