AI的發(fā)展不是一帆風順的，既有高潮，也有低潮

　　人工智能（artificial intelligence，AI）的概念源于1956年的達特茅斯會議。這場在美國新罕布什爾州漢諾佛小鎮(zhèn)達特茅斯學院召開的人工智能夏季研討會，云集了克勞德·香農、約翰·麥卡錫、馬文·明斯基、艾倫·紐威爾、赫伯特·西蒙等十位重量級人物，他們在信息論、邏輯和計算理論、控制論、神經網絡理論等領域都做過許多奠基性的工作。憑借各自擅長，他們在會議上就計算機科學領域的一些前沿問題展開了“頭腦風暴”，催生了“人工智能”概念的正式亮相，有人認為這是AI研究的第一波高潮。時間將會證明達特茅斯會議的預言是歷史性的，這些預言奠定了后來整個AI發(fā)展的思想基礎。然而實現這些極為前瞻性的預言，還有待于科學基礎和技術創(chuàng)新的不斷進步和突破，實踐證明這一過程不是一帆風順的，既有高潮，也有低潮，既有炎夏，也有寒冬。

　　在經歷了上世紀60年代至70年代的低潮之后，AI的第二波高潮開始于上世紀80年代。這次AI高潮的掀起，與《第五代：人工智能與日本計算機對世界的挑戰(zhàn)》第一作者費吉鮑姆教授有很大關系。他是人工智能研究的先驅者之一，從上世紀60年代起，他開始了“專家系統(tǒng)”（expert　system）的研究和設計，到了上世紀80年代，費吉鮑姆的專家系統(tǒng)框架及其理論成為當時AI研發(fā)高潮的重要推動力，各國政府紛紛為此制訂發(fā)展規(guī)劃，其中日本政府最為激進，欲以8.5億美元巨額預算，花十年左右的時間開發(fā)出“第五代計算機”系統(tǒng)。所謂“第五代計算機”是相對于業(yè)已成型的前面四代而言的：上世紀四五十年代的電子管計算機、五六十年代的晶體管計算機、六七十年代的集成電路計算機、七八十年代的超大規(guī)模集成電路計算機，而日本規(guī)劃目標中的“第五代計算機”是具有人工智能的計算機系統(tǒng)。費吉鮑姆對1981年日本開啟的以第五代計算機為核心的這一波人工智能浪潮有過近距離的接觸和觀察。那一年他應邀參加了日本第五代計算機會議，第二年又參觀了日本為五代機項目特別設立的“新一代計算機技術研究所”（ICOT），再加上他娶了日裔妻子H.彭妮·新子(H.Penny Nii)——一位知識工程（knowledge engineering）領域的專家和先驅者，因此費吉鮑姆被人們看成是日本五代機項目的外籍“軍師”。

　　而他和麥考黛克合著的這本書則記錄了人工智能發(fā)展史中具有重要節(jié)點意義的一段歷史。書中很大篇幅是講日本的五代機規(guī)劃，這和當時的歷史背景有很大關系。日本的經濟總量在上世紀80年代時已位于世界第二，人均GDP也趕上美國。由于美國感受到當時“日本奇跡”帶來的威脅，日美貿易摩擦不斷升級。在此背景下，日本政府希望借助強力推動“第五代計算機”規(guī)劃，到上世紀90年代在技術上搶占制高點。費吉鮑姆和麥考黛克看到了日本雄心勃勃推動研發(fā)“第五代計算機”的戰(zhàn)略動機，擔憂美國會在這一場競爭中失去優(yōu)勢。他們在本書的序言中寫道，“此事關系重大，在貿易戰(zhàn)中，這可能是決定性的挑戰(zhàn)”，“如果我們對此仍然漠然置之，就可能使我們的國家淪為后工業(yè)社會中的第一個‘農業(yè)大國’”，以此喚醒并敦促美國政府也發(fā)起一個像航天飛機計劃那樣的全國性行動計劃來應對挑戰(zhàn)。

　　人工智能應用，正在滲入到社會的方方面面

　　《第五代》雖然不是計算機科學的學術專著，但對人工智能第二波高潮的關鍵技術核心，即“專家系統(tǒng)”和“知識工程”作了全面的介紹。何為“專家系統(tǒng)”？它是一個已被賦予知識和才能的計算機程序，這種程序所起的作用將達到專家的水平。而每一個“專家系統(tǒng)”都是用以解決某一特定任務的。許多“專家系統(tǒng)”的集合就形成知識庫，知識庫越大，解決問題的“專家系統(tǒng)”就越多，能力也越強。因此知識庫的不斷發(fā)展擴大成為“專家系統(tǒng)”成功的先決條件，其過程稱為“知識工程”。

　　需要強調的是，這里的知識還都是人類產生的，是人類賦予計算機的，“知識工程”的主體是人。而新一波人工智能發(fā)展的主要標志是，計算機可以通過“深度學習”（deep learning）來產生習得知識，也許可以稱之為現代“知識工程”，但主體已不是人類，而是機器。由于AI的研發(fā)目標是面向應用，解決實際問題的，《第五代》重點介紹了“專家系統(tǒng)”在研發(fā)過程中所采用的應用場景和研究問題，包括健康醫(yī)療、科學研究等，這些應用場景對于今天的“深度學習”研發(fā)也許仍能提供一定的參考和借鑒作用。人工智能研究從上世紀90年代開始進入第二個寒冬，歷時20多年之久，直到2016年“阿爾法狗”（AlphaGo）擊敗李世石，機器人對人類圍棋冠軍的首次勝利再度掀起一波人工智能巨浪。

　　即使在寒冬期間，堅持AI研究的科學家團隊還是取得了許多重大成果，特別是在計算機視覺、語音識別、自然語言處理、人工神經網絡等領域取得突破性進展。伴隨移動互聯網、大數據、云計算、物聯網、機器人及無人機等信息技術的不斷發(fā)展和進步，以“深度學習”為引領的人工智能應用，正在滲入到社會的方方面面，從政府到學界，從企業(yè)到個人，人們對于人工智能的激情有增無減，各國政府也都紛紛出臺相關的產業(yè)政策和各種行動計劃。

　　《第五代》有相當的篇幅介紹當年美、英、法等國對日本第五代計算機的響應和對策，而這些響應和對策更多是從國家戰(zhàn)略層面的考慮。舉例來說，人工智能乃至信息技術發(fā)展最大的瓶頸來自人才缺乏，《第五代》中有這樣一段描述：……從1975年到1981年，主修計算機科學的大學生增加了一倍，按保守估計，到1987年還會增長60%。如果這些學生唯一的動機是為了金錢，那么他們是作了明智的抉擇。在1980年，每個計算機學士平均有12個工作機會，開始年薪就在2萬美元以上，而且年薪還在不斷提高。計算機科學博士則更是前程似錦，在1980年，一個剛畢業(yè)的計算機科學博士有34個工作機會可選擇。不幸的是，如果這些新博士選擇留在學術界，則幾年的研究生就算白讀了，只能拿到相當于新學士的薪水……由于大學畢業(yè)生現有的薪水跟剛進校的教員差不多，所以沒有什么激勵能把他們留在研究院。

　　歷史有驚人的相似性，今天我們學校計算機專業(yè)學生的情況和當年的美國如出一轍，報考計算機專業(yè)的學生數量全校第一，逐年增長；本科和碩士畢業(yè)生的年薪遠超其他學科的畢業(yè)生。攻讀博士學位的比例開始增加，但畢業(yè)后的工作首選仍然是工業(yè)界。

　　《第五代》作者通過對宏觀政策若干問題的討論，包括政府在重大科技規(guī)劃推進方面的主導作用、企業(yè)參與研發(fā)投入所發(fā)揮的市場作用、基礎前瞻研究和技術開發(fā)引領的相互關系、模仿跟蹤和原始創(chuàng)新的差別、教育培養(yǎng)體系和人才需求結構的矛盾等，都提出了具有敏銳戰(zhàn)略眼光和超前思維的看法。他們的一些見解，對今天這些問題的探討和實踐仍有相當的參考價值。

　　盡管還會碰到寒冬和炎夏，AI的未來是充滿希望的

　　雖然作者對日本的第五代計算機計劃大為推崇，為當時美國政府的響應之緩慢而大聲疾呼，但是他們沒有預計到日本的雄心偉愿到了上世紀90年代前期就偃旗息鼓，不僅進入了AI的第二個寒冬，甚至開始了經濟發(fā)展的“停滯的20年”（兩者并非因果關系）。

　　我們也許要問為什么？他們也沒有預計到20年之后當新一波AI熱潮來到時，美國在人工智能研究的各個領域都仍然處于領先的地位。我們也許要再問為什么？還有，《第五代》完全沒有提及金融資本市場對當今科學技術發(fā)展（包括AI）所起的作用。美國是金融資本市場最發(fā)達的國家，從硅谷的風險基金投資開始，到1971年創(chuàng)建涵蓋高技術行業(yè)的紐約納斯達克股票交易市場，美國在這方面動作頻頻。中國也于2019年建立上?？苿?chuàng)板股票交易市場?？茖W技術成果的資本化、證券化已成為推動科技發(fā)展的重要手段。當然，資本市場的作用還有另外的一面，利用不當則會產生消極的后果。

　　2000年就曾發(fā)生了互聯網泡沫的破滅。這一輪AI的高潮也得到了資本市場的推波助瀾，會不會也形成泡沫？對于這些疑問，《第五代》雖然沒有給出答案，但或許可以從中尋找答案的端倪。費吉鮑姆因“開創(chuàng)了大規(guī)模人工智能系統(tǒng)的設計與制造，證明了人工智能技術的實際重要性和潛在的商業(yè)影響”，1994年與拉伊·雷迪（Raj Reddy）共同獲得了計算機科學領域最負盛名的圖靈獎。

　　2018年暑假，當時正逢AI在國內如日中天，我借赴硅谷開會之機，托斯坦福的教授朋友聯系，終于有機會當面求教費吉鮑姆教授。當我問起當年日本的計劃為何沒有成功，他回答說“這里面的因素很復雜”，頗有中國人的哲學風格。歷史是波浪式前進、螺旋式上升的。盡管還會碰到一個又一個寒冬和炎夏，人類文明邁向信息時代的步伐是不會停頓的，AI的未來是充滿希望的。

　　中國數據經濟的發(fā)展機遇在于兩個方面：一是我們有大量“米”的存在基礎，作為世界最大互聯網用戶量產生的社會數據資源（如何區(qū)分虛實真?zhèn)问翘魬?zhàn)）和未來最大物聯網（internet of things，IOT）產生的（與經濟體量有關）物理世界的數據資源（大部分是客觀存在的），將成為數據經濟賴以生存和發(fā)展的最大規(guī)模的基礎資源。二是把“生米”煮成“熟飯”，不光要有如AI等“軟”的信息科學和技術，還要有諸如數據獲取、傳輸、存儲和處理等相應的硬件設施才能完成，而這些基礎設施的硬核則是微納電子IC。

　　我們已經在信息基礎設施的系統(tǒng)技術方面產生了世界級的企業(yè)華為公司，但是在集成電路的核心技術和制造設備方面仍然受制于人。值得一提的是，由于集成電路發(fā)展遵循的摩爾定律遇到了物理極限，正是這一瓶頸為我們在這一領域提供了創(chuàng)新發(fā)展的時間和空間，成為數據經濟發(fā)展的又一個機遇。