0
| 本文作者： 高婓 | 2016-08-31 18:53 | 專題：他們的人工智能之路 |
1955年8月31日，“人工智能”這個(gè)詞首次出現(xiàn)在一個(gè)持續(xù)2個(gè)月、只有10個(gè)人參加的研討會(huì)提案上。提案撰寫(xiě)者包括John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), 和 Claude Shannon (Bell Telephone Laboratories)等人。在這一年之后的達(dá)特茅斯夏季研討會(huì)（1956）則被廣泛認(rèn)為是人工智能研究的誕生之日。
而就在這份提案中給出了對(duì)于“人工智能”的定義：
嘗試找到如何讓機(jī)器使用語(yǔ)言、形成抽象和概念、解決現(xiàn)在人類還不能解決的問(wèn)題、提升自己等等。對(duì)于當(dāng)下的人工智能來(lái)說(shuō)首要問(wèn)題是讓機(jī)器像人類一樣能夠表現(xiàn)出智能。
以及自己希望的結(jié)果：
“我們認(rèn)為, 如果一組優(yōu)秀的科學(xué)家在一起工作一個(gè)暑假的話，能夠在這些問(wèn)題（一個(gè)或多個(gè)）中取得一個(gè)重大進(jìn)展”。
這一大會(huì)提案提出了在人工智能方向上的研究與思考方向，經(jīng)過(guò)將近一年的醞釀，在1956年的達(dá)特茅斯會(huì)議上的討論引起了計(jì)算機(jī)學(xué)界的關(guān)注和共鳴，從而宣布了“人工智能”這一新興學(xué)科的誕生。對(duì)于這份對(duì)人工智能發(fā)展有著指導(dǎo)性意義的大會(huì)提案，雷鋒網(wǎng)編譯如下：
J.麥卡錫，達(dá)特茅斯學(xué)院
M. L.明斯基，哈佛大學(xué)
N.羅切斯特，I.B.M.公司
C.E。香農(nóng)，貝爾電話實(shí)驗(yàn)室
1955.8.31.
我們提議明年（1956年）暑假期間在新罕布什爾州漢諾威的達(dá)特茅斯學(xué)院進(jìn)行一次為期2個(gè)月、10人參加的人工智能研討會(huì)。我們的研究建立在這樣的一種猜想之上，即（人類的）學(xué)習(xí)的每一方面或者智能的任意一種特征在原則上都能夠被精確描述，并可以由機(jī)器可以用來(lái)模擬學(xué)習(xí)和智能，我們的研究是建立在這一猜想的基礎(chǔ)之上。我們將試圖找到如何讓機(jī)器使用語(yǔ)言、形成抽象和概念、解決現(xiàn)在人類還不能解決的問(wèn)題、提升自己等等。我們認(rèn)為, 如果一組優(yōu)秀的科學(xué)家在一起工作一個(gè)暑假的話，能夠在這些問(wèn)題（一個(gè)或多個(gè)）中取得一個(gè)重大進(jìn)展。
以下是我們對(duì)人工智能方面思考的一些問(wèn)題：
1．自動(dòng)化計(jì)算機(jī)
倘若一臺(tái)機(jī)器可以工作，那么可以對(duì)一臺(tái)自動(dòng)化計(jì)算機(jī)進(jìn)行編程，用來(lái)模擬機(jī)器工作?，F(xiàn)有計(jì)算機(jī)的運(yùn)行速度與內(nèi)存容量可能不能夠支持模擬人類大腦的眾多高級(jí)功能，但是，主要的瓶頸不在于機(jī)器容量小，而在于我們不能夠盡自己所能編寫(xiě)出足以支持計(jì)算機(jī)來(lái)模擬人類大腦高級(jí)功能的強(qiáng)大程序。
2. 如何編程，以使計(jì)算機(jī)具備使用語(yǔ)言的能力？
據(jù)猜測(cè)，人類的大部分思想是由通過(guò)推理與想象來(lái)使用詞匯獲得的。根據(jù)這一觀點(diǎn)，可以得出以下結(jié)論：人類的語(yǔ)言推理歸納能力是通過(guò)允許一個(gè)新詞匯和包含該詞匯的一些句子所暗含的一些語(yǔ)言規(guī)則，或其他句子所暗含的一些語(yǔ)言規(guī)則，進(jìn)入心理詞匯庫(kù)中形成獲得的。不過(guò)，從未有人對(duì)該觀點(diǎn)作過(guò)精確闡釋，也未列舉出相關(guān)語(yǔ)言應(yīng)用實(shí)例。
3. 神經(jīng)元網(wǎng)絡(luò)
如何設(shè)計(jì)排布一組（假定的）神經(jīng)元，使這些神經(jīng)元能夠生成概念？關(guān)于該問(wèn)題Uttley, Rashevsky與其團(tuán)隊(duì)，F(xiàn)arley and Clark, Pitts and McCulloch, Minsky, Rochester and Holland等研究者曾做出大量理論研究和實(shí)驗(yàn)研究。曾獲得了部分研究成果，但是，為了解決該問(wèn)題仍需大量理論研究工作的支持。
4.計(jì)算規(guī)模理論
假定我們要解決一個(gè)非常棒的問(wèn)題（需要嚴(yán)格測(cè)試一個(gè)富有建議性的答案是否有效），一種解決方案是一次測(cè)試所有的答案。這種方案效率低，但是，為了排除該解決方案，我們需要制定出一些關(guān)于高效計(jì)算方法的標(biāo)準(zhǔn)。我們?cè)紤]到，為了衡量一種計(jì)算方法的效率，有必要制定出一套用來(lái)衡量計(jì)算設(shè)備復(fù)雜性的方法，要制定出這樣一套方法，需要提出一個(gè)關(guān)于功能復(fù)雜性的理論。Shannon與McCarthy就該問(wèn)題開(kāi)展研究，并獲得了部分成果。
5.自我提升
一臺(tái)真正意義上的智能機(jī)器可能會(huì)執(zhí)行一些活動(dòng)，這些活動(dòng)在很大程度上可以成為自我提升，為了實(shí)現(xiàn)該目的，已經(jīng)有人提出了一些方案，并值得作進(jìn)一步研究。該問(wèn)題也可以作抽象層面的研究。
6.抽象概念
大量的“抽象概念”類型可以得到清楚地定義，也存在一些“抽象概念”類型難以明白無(wú)誤地定義。值得直接嘗試劃分這些“抽象概念”類型，并描述從感觀數(shù)據(jù)或其他數(shù)據(jù)來(lái)源獲取抽象概念的機(jī)器方法。
7. 隨機(jī)性與創(chuàng)造性
針對(duì)創(chuàng)造性思維與缺乏想象力的有主觀決定權(quán)的思維之間的差異，我們有一個(gè)非常誘人的，但不甚完善的構(gòu)想，即兩者之間的差異在于隨機(jī)性。這種隨機(jī)性伴隨直覺(jué)產(chǎn)生，并具有效率。換言之，一般來(lái)講，受到限制的隨機(jī)性是有序思考的產(chǎn)物，但是，經(jīng)過(guò)思考的猜想或預(yù)感反而包括這種隨機(jī)性。
除了上述由我們共同提出的供研究的問(wèn)題，我們也邀請(qǐng)參加該項(xiàng)目的個(gè)體成員來(lái)陳述他們各自的研究側(cè)重點(diǎn)。該項(xiàng)目的四位發(fā)起者的演講見(jiàn)附錄。
本次大會(huì)提議的發(fā)起者如下：C. E. Shannon，M. L. Minsky, N. Rochester, J. McCarthy。洛克菲勒基金會(huì)為本項(xiàng)目提供了相關(guān)費(fèi)用支持。
我希望自己今后的研究專注于以下列舉的一個(gè)或兩個(gè)研究論題。
1. 將信息理論概念應(yīng)用到計(jì)算機(jī)器與大腦模型中。信息理論存在的一個(gè)主要問(wèn)題是通過(guò)一個(gè)噪音渠道可靠傳播信息。計(jì)算機(jī)器存在一個(gè)相似的問(wèn)題，即運(yùn)用不可靠的元素進(jìn)行可靠地計(jì)算。關(guān)于該問(wèn)題，von Neumann, Shannon 與Moore曾做出過(guò)研究，但是，仍然存在一些開(kāi)放性問(wèn)題亟待解決。關(guān)于幾種元素，與渠道容量相似的概念發(fā)展問(wèn)，所要求冗余的上下限深刻分析等問(wèn)題都被列為重要問(wèn)題。另一個(gè)問(wèn)題與信息網(wǎng)絡(luò)理論有關(guān)，在該網(wǎng)絡(luò)中信息在許多閉合圈內(nèi)流通（這種信息流通方式與通訊理論通常所主張的簡(jiǎn)易單一渠道信息流通方式形成對(duì)比）。在閉合圈中，信息流通延遲問(wèn)題成為重要研究對(duì)象，有必要提出一個(gè)全新的途徑。當(dāng)一個(gè)信息集合的部分過(guò)去信息為已知時(shí)，這將涉及到局部熵等概念問(wèn)題。
2.與機(jī)器人相匹配的環(huán)境-大腦模型。通常一臺(tái)機(jī)器或動(dòng)物只能在有限的環(huán)境里運(yùn)轉(zhuǎn)或只能適應(yīng)有限的環(huán)境。即便是復(fù)雜的人類大腦最初也是先適應(yīng)其存在環(huán)境的一些簡(jiǎn)單特征，逐漸適應(yīng)其他復(fù)雜的環(huán)境特征。我提議，通過(guò)研究一系列相匹配（理論層面上）的環(huán)境和與之相適應(yīng)的大腦模型兩者的并行發(fā)展，進(jìn)而綜合研究大腦模型。研究的重點(diǎn)是對(duì)該環(huán)境模型進(jìn)行分類，并用數(shù)學(xué)結(jié)構(gòu)來(lái)表示該模型。通常在討論機(jī)械化智能時(shí)，我們會(huì)聯(lián)想到能夠進(jìn)行諸如證明某些原理，創(chuàng)作音樂(lè)，或下棋等高級(jí)人類思維活動(dòng)的機(jī)器。在此，我提議，從簡(jiǎn)單的環(huán)境模型入手，當(dāng)環(huán)境變得有利（只是無(wú)關(guān)緊要）或不那么復(fù)雜時(shí)，從一系列簡(jiǎn)易模型開(kāi)始研究，慢慢朝向那些高級(jí)活動(dòng)的研究邁進(jìn)。
要設(shè)計(jì)出具備以下學(xué)習(xí)能力的機(jī)器并非難事。為機(jī)器配備輸入與輸出渠道，及一種為輸入信息提供各種輸出反應(yīng)的內(nèi)部方法，如此，機(jī)器能夠通過(guò)試錯(cuò)法得到訓(xùn)練，并獲得一連串的輸入與輸出函數(shù)。像這樣一臺(tái)機(jī)器，倘若放置在一個(gè)合適的環(huán)境里，并給定一套“成功”或“失敗”的衡量標(biāo)準(zhǔn)，經(jīng)過(guò)訓(xùn)練能夠展示出一套“目標(biāo)探索”行為模式。這樣一臺(tái)機(jī)器智能夠在一種復(fù)雜的環(huán)境里緩慢發(fā)展，通常情況下，也不會(huì)具備高級(jí)行為模式，除非提供給這樣一臺(tái)機(jī)器，或機(jī)器本身能夠發(fā)展，抽象感官資料。
如今，判斷成功的標(biāo)準(zhǔn)不應(yīng)當(dāng)局限于在機(jī)器的輸出渠道中產(chǎn)出如設(shè)計(jì)者期盼的特定活動(dòng)模式，而應(yīng)當(dāng)包括在一個(gè)特定的環(huán)境中展示出一種特定操作的性能。在某種程度上，動(dòng)力機(jī)的情況呈現(xiàn)一種兩分式感官情形，當(dāng)機(jī)器具備將其輸出活動(dòng)與環(huán)境變化相關(guān)聯(lián)的“動(dòng)力機(jī)抽象”集合整合在一起的能力時(shí)，便可以快速取得成功。
在一段時(shí)間內(nèi)，我已經(jīng)對(duì)這類系統(tǒng)作出相關(guān)研究，認(rèn)為，如果設(shè)計(jì)出的機(jī)器的感官抽象與動(dòng)力機(jī)抽象滿足某些關(guān)系，這臺(tái)機(jī)器將具備展示更高一級(jí)行為模式的能力。如果相對(duì)應(yīng)的動(dòng)力機(jī)行為真實(shí)發(fā)生的話，這些關(guān)系涉及到配對(duì)，動(dòng)力機(jī)抽象與感官抽象，將形成代表預(yù)設(shè)的環(huán)境變化的新型感官情形。
所探尋的重要結(jié)果為：根據(jù)所處的環(huán)境特征，機(jī)器自身能夠建立一個(gè)抽象的環(huán)境模型。倘若遇到困難，機(jī)器首先從內(nèi)部抽象的環(huán)境模型中搜尋答案，然后才嘗試外部實(shí)驗(yàn)。鑒于這些初始的內(nèi)部研究，外部實(shí)驗(yàn)將變得更為靈活，機(jī)器所展示出的行為模式將被視為極具“想象力”。
在我的論文中，將嘗試對(duì)機(jī)器如何模擬人類行為模式進(jìn)行探究，也將朝該研究方向進(jìn)一步努力。我希望，到1956年夏，我能夠設(shè)計(jì)出這樣一臺(tái)十分接近計(jì)算機(jī)編程階段的智能機(jī)器。
機(jī)器性能的原創(chuàng)性
在為一臺(tái)自動(dòng)化計(jì)算機(jī)編程的過(guò)程中，一般來(lái)講，我們應(yīng)當(dāng)為機(jī)器設(shè)定一系列準(zhǔn)則，以應(yīng)對(duì)操作過(guò)程的任何突發(fā)事件。我們期望，機(jī)器能夠在極大程度上遵循所設(shè)定的準(zhǔn)則，展示出非原創(chuàng)性或常識(shí)。此外，當(dāng)機(jī)器操作出現(xiàn)紊亂情形時(shí)，設(shè)計(jì)者也會(huì)感到厭煩，因?yàn)樗麨闄C(jī)器設(shè)置的原則本身存在些許矛盾。最后，在為機(jī)器編程過(guò)程中，設(shè)計(jì)者在處理所遇到問(wèn)題時(shí)，往往會(huì)非常吃力，但是，當(dāng)機(jī)器具備一點(diǎn)點(diǎn)直覺(jué)或能夠進(jìn)行合理性推理時(shí)，機(jī)器自身能夠直接找到問(wèn)題所在。本文描述的構(gòu)想如下：如何使機(jī)器能夠在上述提出的廣泛領(lǐng)域中展示出更為復(fù)雜高端的行為模式。文章討論的問(wèn)題我在這五年內(nèi)也或多或少地涉獵過(guò)，我希望在明年夏天的人工智能項(xiàng)目中該方面的研究能夠有所進(jìn)展。
生活在我們的文化環(huán)境中使得我們能夠解決很多問(wèn)題。關(guān)于上述所描述的程序具體如何進(jìn)行仍然不太明晰，但是我將依照Craik提出的模型對(duì)于該問(wèn)題的這一方面進(jìn)行討論。Craik建議，心理作用主要是通過(guò)在大腦中構(gòu)建小型引擎形成的，這些引擎能夠模擬并預(yù)測(cè)與環(huán)境相關(guān)的抽象概念。因而，該問(wèn)題的解決方法可以列舉如下：
1. 環(huán)境能夠提供數(shù)據(jù)，基于所提供的數(shù)據(jù)形成某些抽象概念。
2. 這些抽象概念與某些內(nèi)在習(xí)慣或動(dòng)力提供了：
3.1 就未來(lái)期望實(shí)現(xiàn)的環(huán)境，提供問(wèn)題的定義，即設(shè)定一個(gè)目標(biāo)。
3.2 解決該問(wèn)題的一個(gè)建議性行動(dòng)方案。
3.3 刺激大腦中與該情形相匹配的引擎。
4. 然后，該引擎將預(yù)測(cè)該環(huán)境特征和所提出的行動(dòng)方案將導(dǎo)致什么結(jié)果。
5. 如果預(yù)測(cè)結(jié)果與目標(biāo)相符，個(gè)體將繼續(xù)依照所指示的方案行動(dòng)。
目前，針對(duì)這種問(wèn)題最實(shí)用的機(jī)器解決方案是對(duì)蒙特卡洛方法的拓展。通常能夠用蒙特卡洛方法解決的問(wèn)題，總是存在被誤解的情形，其中存在多種可能性因素，在獲得分析方案的過(guò)程中，我們不能夠確定忽略哪些因素。因此，數(shù)學(xué)家使用機(jī)器進(jìn)行數(shù)千項(xiàng)隨機(jī)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果關(guān)于答案提供了大致猜想。對(duì)蒙特卡洛方法的拓展正是運(yùn)用這些結(jié)果作為引導(dǎo)，以確定忽略哪些因素，來(lái)簡(jiǎn)化問(wèn)題，獲得近似的分析型方案。
有人可能會(huì)問(wèn)到，為什么這種方法也含有隨機(jī)性。因?yàn)?，?duì)于機(jī)器來(lái)講，需要運(yùn)用隨機(jī)性來(lái)克服編程人員的考慮不夠周全的地方，克服其偏見(jiàn)。盡管這種方法是否有必要包含隨機(jī)性尚未得到證實(shí)，當(dāng)前已經(jīng)由大量證據(jù)支持其存在的必要性。
為一臺(tái)自動(dòng)化計(jì)算機(jī)編程使之能夠具有原創(chuàng)性，引進(jìn)隨機(jī)性卻不運(yùn)用瞄準(zhǔn)器是不可行的。例如，當(dāng)設(shè)計(jì)者編出一種程序，使得計(jì)算機(jī)每一萬(wàn)步生成一個(gè)隨機(jī)數(shù)據(jù)，并將其當(dāng)作一項(xiàng)指令進(jìn)行操作，結(jié)果將出現(xiàn)混亂。當(dāng)出現(xiàn)大量混亂后，機(jī)器可能將會(huì)嘗試一些禁止的指令或者執(zhí)行停止指令，這樣的話，實(shí)驗(yàn)將中止。
然而，針對(duì)上述問(wèn)題，存在兩種合理的途徑。其一，發(fā)現(xiàn)大腦是如何成功處理操作指令混亂的，復(fù)制大腦的功能。其二，運(yùn)用一些要求找到原創(chuàng)性答案的實(shí)例問(wèn)題，嘗試在自動(dòng)化計(jì)算機(jī)上編程，以解決這些問(wèn)題。兩種方法中任意一種都可能取得成功。但是，尚未能夠確定這兩種方法，哪一個(gè)更快速，用時(shí)更短。我在該研究領(lǐng)域的工作主要側(cè)重于前一種方法，因?yàn)槲艺J(rèn)為，為了解決這個(gè)難題，最好是能夠掌握所有相關(guān)科學(xué)知識(shí)，我已經(jīng)意識(shí)到這些計(jì)算機(jī)的當(dāng)前狀態(tài)，并體會(huì)到為機(jī)器編程的藝術(shù)魅力。
大腦的控制機(jī)制明顯有別于如今的計(jì)算機(jī)控制機(jī)制。其差異性之一表現(xiàn)在失敗的方式。一臺(tái)計(jì)算機(jī)的失敗主要表現(xiàn)在輸出不合理的結(jié)果。存儲(chǔ)誤差或數(shù)據(jù)傳輸錯(cuò)誤在很大程度上超出數(shù)據(jù)層面。控制誤差將會(huì)導(dǎo)致出現(xiàn)任何結(jié)果，可能執(zhí)行錯(cuò)誤的指令或操作錯(cuò)誤的輸入-輸出單元。另一方面，人類語(yǔ)言的錯(cuò)誤可能會(huì)產(chǎn)生仍然有邏輯，講得通的語(yǔ)言輸出結(jié)果?？赡艽竽X機(jī)制是這樣的，推理的少許誤差將會(huì)使得產(chǎn)生的隨機(jī)性朝向合理正確的方向發(fā)展。也許控制行為順序的機(jī)制能夠引導(dǎo)這種隨機(jī)因素，最終在完全隨機(jī)的條件下提高想象過(guò)程的有效性。
有一些研究已經(jīng)致力于在我們的自動(dòng)化計(jì)算機(jī)上模擬神經(jīng)元網(wǎng)絡(luò)。本研究的重點(diǎn)是使機(jī)器能夠形成并操作概念，具備抽象、概括及命名的能力。已經(jīng)就大腦機(jī)制做出研究，實(shí)驗(yàn)的第一階段主要修正該理論的某些細(xì)節(jié)，第二階段正在進(jìn)行中。預(yù)計(jì)到明年夏天，本研究將順利完成，并完成最終實(shí)驗(yàn)報(bào)告?，F(xiàn)在預(yù)測(cè)明年夏天我的實(shí)驗(yàn)將進(jìn)行到哪一階段還為時(shí)尚早，但是，我在論文中將堅(jiān)持探尋的主要研究問(wèn)題為：“如何設(shè)計(jì)出一臺(tái)機(jī)器，保證其在解決問(wèn)題過(guò)程中展現(xiàn)出原創(chuàng)性？”
在明年夏天將要召開(kāi)的人工智能研討會(huì)上，我提議研究語(yǔ)言與智能兩者之間的關(guān)系。很明顯，直接將試錯(cuò)法運(yùn)用到處理感官數(shù)據(jù)與動(dòng)力機(jī)活動(dòng)兩者的關(guān)系中，不會(huì)有助于機(jī)器學(xué)會(huì)更為復(fù)雜的行為模式。相反，有必要將試錯(cuò)法運(yùn)用到更為抽象的層面上。顯然，人類大腦將語(yǔ)言用作處理復(fù)雜現(xiàn)象的手段。更高水平的試錯(cuò)法通常以形成構(gòu)想，并驗(yàn)證構(gòu)想的形式呈現(xiàn)。英語(yǔ)語(yǔ)言擁有的大量語(yǔ)言特征是目前所描述的每一種官方語(yǔ)言所缺乏的。
1. 可以精確描述英語(yǔ)中經(jīng)由非正式數(shù)學(xué)補(bǔ)充表達(dá)的幅角。
2. 英語(yǔ)應(yīng)用范圍的廣泛性使得這種語(yǔ)言能夠吸收并合理利用其他任何一種語(yǔ)言。
3. 英語(yǔ)語(yǔ)言使用者能夠用英語(yǔ)來(lái)指代自己，并根據(jù)自己解決研究過(guò)程中的所遇到問(wèn)題的進(jìn)展，重新修正自己的陳述方式。
4. 除了證明規(guī)則，英語(yǔ)，倘若在數(shù)學(xué)中得到完全表達(dá)，能夠形成猜測(cè)式規(guī)則。
目前制定的邏輯語(yǔ)言已經(jīng)形成指令列表，允許計(jì)算機(jī)進(jìn)行超前計(jì)算，或者形成數(shù)學(xué)中的部分公式表達(dá)法。后者已經(jīng)被構(gòu)建，以便于：
1. 用非正式數(shù)學(xué)表達(dá)方式進(jìn)行簡(jiǎn)單的描述。
2. 允許將陳述表達(dá)從非正式數(shù)學(xué)表達(dá)法翻譯為語(yǔ)言。
3. 討論某證明過(guò)程。
目前，尚未有人嘗試將人工語(yǔ)言中的證明過(guò)程變得與非正式數(shù)學(xué)中的證明過(guò)程一樣簡(jiǎn)短。因而，構(gòu)建一種能夠用計(jì)算機(jī)編程的人工語(yǔ)言來(lái)解決需要猜想與自我推理的問(wèn)題是值得嘗試的。這種人工語(yǔ)言應(yīng)當(dāng)與英語(yǔ)保持一致，即關(guān)于特定主題簡(jiǎn)短的英語(yǔ)陳述應(yīng)當(dāng)對(duì)應(yīng)人工語(yǔ)言中簡(jiǎn)短的陳述方式，故英語(yǔ)中簡(jiǎn)短的觀點(diǎn)應(yīng)當(dāng)對(duì)應(yīng)人工語(yǔ)言中簡(jiǎn)短的猜測(cè)性觀點(diǎn)。我希望能夠制定出一種具備這些特征的人工語(yǔ)言，并且包括實(shí)物，事件等概念，也希望運(yùn)用這種人工語(yǔ)言，使為機(jī)器編程，以便機(jī)器能夠像人類一樣玩游戲，并完成其他任務(wù)成為可能。
以下是將參加明年的達(dá)特茅斯研討會(huì)的人員以及對(duì)此研究課題感興趣的人員名單：
后記：
在2006年7月12-15號(hào)，達(dá)特茅斯人工智能會(huì)議（Dartmouth Artificial Intelligence Conference）召開(kāi)，本次大會(huì)的主題為“下一個(gè)五十年（AI@50）”，并以此紀(jì)念這次“達(dá)特茅斯會(huì)議（Dartmouth Conference）”五十周年。十位最初參與的科學(xué)家中有五位也出席了會(huì)議，他們是：Marvin Minsky, Ray Solomonoff, Oliver Selfridge, Trenchard More, and John McCarthy。大會(huì)主席James Moor在AI雜志發(fā)表的總結(jié)報(bào)告中提及：
“想要對(duì)任何進(jìn)展找出它的開(kāi)始日期是困難的，但是1956年的達(dá)特茅斯夏季研究項(xiàng)目經(jīng)常被認(rèn)為是將AI作為一個(gè)研究領(lǐng)域的開(kāi)端。John McCarthy，當(dāng)時(shí)是達(dá)特茅斯的一名數(shù)學(xué)教授，他對(duì)于自己和Claude Shannon合作的論文（發(fā)表在Automata Studies上）感到失望，因?yàn)槠錄](méi)有更多地提到計(jì)算機(jī)在獲取智能上更多的可能性。因此，在John McCarthy, Marvin Minsky, Claude Shannon和 Nathaniel Rochester為1956年研討會(huì)寫(xiě)的提案中，McCarthy 想要進(jìn)一步明確這個(gè)概念，他也被認(rèn)為是“人工智能”這個(gè)詞的創(chuàng)造者，為這個(gè)領(lǐng)域的研究打好了方向。設(shè)想下，如果當(dāng)時(shí)采用“計(jì)算智能”或者其他任何一種可能的詞，現(xiàn)在人工智能領(lǐng)域的研究會(huì)不會(huì)有所不同？”
1956年的原始項(xiàng)目中的五位科學(xué)家參與了AI@50，他們都回憶了那段往事。
McCarthy認(rèn)為1956年的項(xiàng)目并沒(méi)有達(dá)到初始的合作預(yù)期。參會(huì)者沒(méi)有同時(shí)抵達(dá)，并且基本還是維持在他們自己的研究日程中。但是McCarthy強(qiáng)調(diào)在項(xiàng)目期間還是有許多重大的研究進(jìn)展，特別是Allen Newell, Cliff Shaw,和 Herbert Simon的信息處理語(yǔ)言(IPL)，以及邏輯理論機(jī)器；
Marvin Minsky提到，雖然他在1956項(xiàng)目之前幾年就將神經(jīng)網(wǎng)絡(luò)作為自己的學(xué)位論文來(lái)進(jìn)行研究，但是他中斷了這個(gè)工作因?yàn)樗_信使用計(jì)算機(jī)的其他方式能夠在這方面取得進(jìn)步。Minsky也提到當(dāng)下太多AI研究只是想做那些最流行的東西，也只發(fā)表哪些成功的結(jié)果。他認(rèn)為AI之所以能成為科學(xué)是因?yàn)橹暗膶W(xué)者不僅發(fā)表那些成功的結(jié)果，也發(fā)表那些失敗了的；
Oliver Selfridge特別提到那些相關(guān)領(lǐng)域的研究（不管在1956夏季項(xiàng)目之前還是之后）都為推動(dòng)AI成為一個(gè)研究領(lǐng)域做出了重要的貢獻(xiàn)。改進(jìn)語(yǔ)言和機(jī)器的發(fā)展都是其本質(zhì)原因。他提出對(duì)許多早期先驅(qū)科學(xué)家進(jìn)行致敬，像開(kāi)發(fā)了分時(shí)理論的J. C. R. Licklider，設(shè)計(jì)了IBM計(jì)算機(jī)的Nat Rochester，以及一直致力于感知器研究的Frank Rosenblatt；
Trenchard More被羅切斯特大學(xué)（University of Rochester）派到暑期項(xiàng)目中兩個(gè)星期。一些有關(guān)AI項(xiàng)目最好的筆記是由他所記錄，雖然諷刺的是他承認(rèn)自己從來(lái)都不喜歡“人工”或者“智能”來(lái)作為這個(gè)研究領(lǐng)域的名稱；
Ray Solomonoff說(shuō)他之所以去這個(gè)暑期項(xiàng)目是希望能說(shuō)服大家有關(guān)機(jī)器學(xué)習(xí)的重要性。他在項(xiàng)目期間了解到大量有關(guān)圖靈機(jī)的事情，影響了他未來(lái)的工作。
因而，1956年的夏季研究項(xiàng)目在某些方面不甚令人滿意。研究項(xiàng)目的參與者到來(lái)的時(shí)間各不相同，各顧各致力于自己的項(xiàng)目，因而，這個(gè)研究項(xiàng)目不能稱得上是普通意義上的會(huì)議。該研究領(lǐng)域在基本理論層面沒(méi)有達(dá)到一致見(jiàn)解，特別是在關(guān)于學(xué)習(xí)的基本理論方面缺少統(tǒng)一定義。AI研究領(lǐng)域的發(fā)展并不是建立在方法，問(wèn)題選擇或普通理論的一致性上，而是研究者之間擁有共同的愿景——可以是計(jì)算機(jī)執(zhí)行智能任務(wù)。在1956年大會(huì)的提案中，該愿景被加粗描述：“我們的研究建立在這樣的一種猜想之上，即（人類的）學(xué)習(xí)的每一方面或者智能的任意一種特征在原則上都能夠被精確描述，并可以由機(jī)器可以用來(lái)模擬學(xué)習(xí)和智能，我們的研究是建立在這一猜想的基礎(chǔ)之上”。
盡管在過(guò)去的50年間，AI研究領(lǐng)域取得了多方面的成功，在該領(lǐng)域中仍存在無(wú)數(shù)明顯的分歧。經(jīng)常出現(xiàn)不同的研究領(lǐng)域不愿意合作，研究者使用不同的研究方法，仍然缺少關(guān)于智能或?qū)W習(xí)統(tǒng)一的基本理論，使得該領(lǐng)域的研究能夠保持一致性，實(shí)現(xiàn)同步發(fā)展。（編者按：在近十年來(lái)情況有所變化，以深度學(xué)習(xí)為代表的方法成為了人工智能的主流方向。盡管如此，學(xué)界仍在期待其他的理論在人工智能領(lǐng)域方面的突破，不可否認(rèn)的是，1956年的達(dá)特茅斯會(huì)議正是人工智能領(lǐng)域最重要的歷史性里程碑之一，并仍然在指導(dǎo)著人工智能未來(lái)研究的方向。）
本文由雷鋒網(wǎng)編譯，未經(jīng)允許拒絕轉(zhuǎn)載！
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
專題
