1704610020
1943年,拉蒙·卡哈尔去世9年后,两位人工智能研究人员在一篇很有影响力的论文中创建了首个正式的神经元模型,尽管文章的标题《神经活动内在概念的逻辑演算》稍显呆板。
1704610021
1704610022
两位研究人员麦卡洛克(McCulloch)和皮茨(Pitts)组成了一个不同寻常的组合。沃伦·麦卡洛克1898年出生在一个律师、工程师、医生和神学家组成的家庭。他在当时被称为“美国帽子之都”的新泽西州奥兰治长大。麦卡洛克起初打算从政,但后来改变了主意,去耶鲁大学学习了哲学和心理学,并对神经生理学,也就是神经系统的研究产生了浓厚的兴趣。
1704610023
1704610024
皮茨比麦卡洛克小25岁,1923年出生在一个工人阶级家庭,这样的家庭似乎不太可能培养出神童。13岁时,皮茨为了躲避父亲的虐待离家出走,露宿街头。一天,他为了躲避一群地痞流氓的追赶躲进了图书馆。据说,皮茨在接下来的一周都泡在图书馆里,读完了三卷《数学原理》的数学教材。读完以后,皮茨决定给该书的作者之一伯特兰·罗素(Bertrand Russell)写信,指出他认为第一卷中存在的根本错误。这封信给罗素留下了深刻的印象,他甚至邀请皮茨到英国剑桥大学学习,而皮茨却没有接受邀请。皮茨在不到20岁时就被苏联数学物理学家尼古拉斯·拉舍夫斯基(Nicolas Rashevsky)的著作深深吸引,拉舍夫斯基的著作主要涉及数学生物物理学领域。正是凭借着这种能力,沃尔特·皮茨遇到了沃伦·麦卡洛克,并最终开始与其共事。
1704610025
1704610026
麦卡洛克和皮茨共同提出了针对机器内部复制的功能神经元的简化模型。他们在1943年发表的论文中称,从根本上来讲,神经元是一个“逻辑单元”。他们还指出,由这类单元构成的网络几乎能够完成所有的计算操作。
1704610027
1704610028
1704610029
1704610030
1704610032
人工智能:改变世界,重建未来 以神经元模型为基础的感知器
1704610033
1704610034
麦卡洛克和皮茨的工作取得了至关重要的进展,但同样存在严重的局限性:这个模型不能自主学习。6年后,这一问题在理论上得到了解决,加拿大心理学家唐纳德·赫布(Donald Hebb)在1949年写了《行为的组织》这本书。赫布称,每次使用神经元都会使人脑中的神经通路加强,人们就是这样学习的。他写道:“细胞A的一个原子离细胞B足够近,并且持续或不断参与激发细胞B,其中一个或两个细胞增长或产生代谢更换,这就会导致细胞A激发细胞B的效率提高。”简单来说,赫布的意思是,当人类大脑中有两个神经元同时受到激发时,二者之间的联系就增强了。有时我们可以这样来记忆:“同激发、同连接的神经元。”
1704610035
1704610036
赫布的这一思想在10年后才真正应用到计算机研究中,而这要归功于弗兰克·罗森布拉特(Frank Rosenblatt)。罗森布拉特在计算机历史上是一个有趣的人物:他是一个真正博学多才的文艺复兴式人物,对音乐、天文、数学和计算机无不精通。碰巧的是,他和我们上一章提到的马文·明斯基是同学,他们在20世纪40年代早期都在布朗克斯科学高中读书。然而,罗森布拉特一直处于人工智能研究主流的边缘。明斯基和约翰·麦卡锡组织达特茅斯会议期间,罗森布拉特拿到了康奈尔大学实验心理学博士学位,学习期间,他被神经网络这一学科深深吸引。罗森布拉特将神经网络称作“感知器”,并努力证明其能够有效地充当人类学习、记忆和认知的模型。
1704610037
1704610038
罗森布拉特最初在纽约布法罗康奈尔航空实验室尝试建造“感知器”。他在那里创建了PARA项目,即“感知和识别自动化”。他的感知器以麦卡洛克和皮茨提出的神经元模型为基础,同时基于能够通过“试错”进行学习的神经网络。每个神经元都有一个输入、一个输出和一组自己的“权重”。开始的时候,“特性”之间的关联和神经元都会获得随机权重。然后,神经元根据网络显示,选择激发或不激发。片刻后,它就能够将见到的所有事物分为两类,即“X”和“非X”。
1704610039
1704610040
由于当时的计算机运行速度太慢,罗森布拉特并没有将其感知器做成软件,而是做成了硬件。他用调光器中使用的可变电阻创建了权重,并用电动机和电阻完成了学习过程。接下来的演示以及罗森布拉特对感知器发展潜力的夸张陈述,足以让人们心潮澎湃。1958年《科学》杂志上发表的一篇极有先见之明的文章上指出:“感知器最终一定能够自主学习、做出决定以及翻译语言。”与此同时,《纽约客》上一篇新发表的文章引用了罗森布拉特的话,“感知器应当证明它能够通过计算机视觉指出‘猫和狗之间的不同点’”。
1704610041
1704610042
1960年,罗森布拉特对“阿尔法感知器”计算机的创建工作进行了监督,他为此收到了美国海军研究办公室信息系统部提供的赞助。阿尔法感知器也成为历史上最早能够通过反复试错学习新技能的计算机之一。《纽约时报》将其称为“边做边学的新海军设备”。
1704610043
1704610044
1704610045
1704610046
1704610048
人工智能:改变世界,重建未来 关于感知器的争论
1704610049
1704610050
令人遗憾的是,不久以后,与感知器有关的研究遭遇了两次严重的挫折。第一次主要是技术方面的原因,也有些许人为因素。感知器当时已经被证实能够完成简单的学习任务,例如识别语音或印刷字体。然而,它们也成功地引起了广泛关注,给它们的投资也远远超过了技术取得成功的水平。这使得人工智能界内部产生了矛盾。马文·明斯基就是众多直率的评论家之一。明斯基在读博士时就已经研究过神经网络,但是对该领域已经不抱任何希望。自20世纪50年代以来,罗森布拉特与明斯基曾在众多科学会议上就脑启发计算机(brain-inspin computer)的有效性展开争论。罗森布拉特强烈推荐他研发的技术,称感知器实际上能够完成任何学习任务。明斯基则持截然相反的态度。直到1969年,明斯基与研究人员西蒙·派珀特合著了一本著作才打破这一僵局,该书就感知器可能无法完成的事情进行抨击。明斯基和派珀特总结道,这一技术“不具有任何科学价值”。为神经网络筹集的资金也顷刻化为乌有。
1704610051
1704610052
第二次挫折更加悲惨。明斯基和派珀特出版《感知器》一书两年后,在一个周日,弗兰克·罗森布拉特去美国最大的河口切萨皮克湾划船。那天是他43岁的生日,然而当天发生了意外,罗森布拉特就这样去世了。在康奈尔大学的悼词中他的一位同事写道:“他的离去让我们失去了一个最无私、最富有同情心的同事,他的机智和幽默给我们留下了深刻的印象。”这样一来,感知器也就失去了最忠实的拥护者。
1704610053
1704610054
脑启发式神经网络在接下来的10年中似乎销声匿迹了。后来,西蒙·派珀特以童话的方式,将传统人工智能和感知器之间的冲突总结如下:
1704610055
1704610056
从前,控制论科学生了两个女儿,一个是自然的,能够从对人脑的研究和自然规律中继承特性。另一个女儿是人造的,涉及范围从计算机最初的创造到使用。这两姐妹都想要建造智能模型,但是用的材料却大不相同。自然科学使用数学纯化神经元构造模型(称为神经网络),而人造科学则是通过计算机程序构造模型。
1704610057
1704610058
派珀特借用了白雪公主的故事,将他和明斯基对感知器的抨击比作猎人冲入树林对白雪公主的追杀。就像童话故事中讲的那样,派珀特和明斯基带着感知器的“心脏”回到他们的主人(在本案例中,我们称其为万能的“美国国防部高级研究计划局”)身边,证实感知器已经死了。“然而,派珀特和明斯基展示给世界的证据并不是白雪公主的心脏,而是猪的心脏。”
1704610059
1704610060
这可能曾一度引起过度紧张,但派珀特承认,神经网络躲过了他和明斯基的猛攻。事实也确实如此。实际上,派珀特在20世纪80年代末写下这句话的时候,神经网络已经又一次发展得如火如荼。
1704610061
1704610062
1704610063
1704610064
1704610066
人工智能:改变世界,重建未来 霍普菲尔德网的兴起
1704610067
1704610068
与明斯基和派珀特的断言相反的是,神经网络研究人员多年来一直认为,神经网络能够展现出新的能力,并且解决罗森布拉特感知器的问题,但前提是在网络输入和输出之间放置额外的“隐含”神经元层。不幸的是,没人知道如何训练这些多层神经网络。著名物理学家约翰·霍普菲尔德(John Hopfield)为具体应当如何做提供了建议。
1704610069
[
上一页 ]
[ :1.70461002e+09 ]
[
下一页 ]