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
1704610070
霍普菲尔德对当时人工智能的主流形式是什么并不感兴趣。他说：“我从未深入研究过人工智能领域到底发生了什么。人工智能并不能解决现实世界里的问题。我认为没必要去了解它。”然而，多年以后，他一直苦苦追寻被他称作“需要用一生的时间去研究的问题”。由于对人类大脑十分感兴趣，他考虑的问题涵盖范围广泛，从灵长类神经解剖学到昆虫飞行的行为，再到大鼠海马的学习乃至阿兹海默症的治疗。有一段时间，霍普菲尔德对细胞自动机和自我复制的机器人的前景十分着迷。然而，几个月的研究最终还是走进了一条死胡同。
1704610071
1704610072
霍普菲尔德说：“放弃一个错误的思想十分困难，毕竟我们已经研究一年了。”但是，在计算机内部创造一个生命模型的想法却一直都在。他对一个想法十分着迷，即用神经网络完成大脑能够迅速且轻松完成但计算机却不能完成的任务。霍普菲尔德最终选择了联想记忆，联想记忆是指大脑如何以交互的方式工作，也就是看见一个人就能联想起他的名字，或者听到他的名字就能想起他的长相。联想记忆背后的数学运算使霍普菲尔德想到“自旋系统”的数学运算，该运算描述的是固体磁性的复杂形式。他的脑海中突然产生了一个想法。霍普菲尔德回忆道：“神经生物学和我所了解的物理系统之间突然产生了一种联系。一个月之后，我已经开始写论文了。”
1704610073
1704610074
1982年这篇论文发表后，一种全新的神经网络产生了。霍普菲尔德网络比罗森布拉特的感知器中的单层模拟神经元复杂得多。他的思想再次激发了人们对神经网络的热情，这也使他成为这一过程中出人意料的英雄。加州理工学院的一组追随者开始以“霍普集会”（Hop-Fest）的名义召开会议。霍普菲尔德的发现吸引了一些世界上最伟大的理论物理学家参与到神经网络的研究当中。该领域的研究人员多年来头一次感觉到热血沸腾。
1704610075
1704610076
然而，事情并没有我们想象得那么容易。正如我们在第一章中看到的，20世纪80年代早期是“专家系统”的天下，资金也是空前的充裕。尽管后来这些“专家系统”的发展将遭遇困境，但在当时却是十分强大，人们根本不认为它们会失败。世界领先的神经网络专家特里·谢伊诺斯基（Terry Sejnowski）当时正在普林斯顿大学读霍普菲尔德的博士，他回忆道：“我们当时好像是生活在恐龙时代的只有毛皮的哺乳动物，在这些长着麟甲的巨兽的脚下混日子，他们有数百万美元的机器和庞大的预算。那时，所有人都专注于计算逻辑，但是我们明白，他们忽视了推动人工智能向前发展所面临的真正困难。”
1704610077
1704610078
幸运的是，神经网络吸引了许多年轻且富有热情的研究人员，其中就包括圣地亚哥加州大学的认知科学家戴维·鲁梅尔哈特（David Rumelhart）和詹姆斯·麦克兰德（James McClelland），他们成立了一个“并行分布处理”小组，并产生了令人难以置信的影响力。
1704610079
1704610080
说到这里就不得不提到另外一个人，他就是杰夫·辛顿（Geoff Hinton）。
1704610081
1704610082
1704610083
1704610084
1704610086
人工智能：改变世界，重建未来 神经网络的守护神
1704610087
1704610088
杰夫·辛顿出生于1947年，是现代神经网络最重要的人物之一。作为一名谦逊的英国计算机科学家，他对其所在领域的发展产生的影响很少有人能企及。他出生于一个数学家家庭：他的曾祖父是著名的逻辑学家乔治·布尔（George Boole），他的布尔代数曾为现代计算机科学奠定了基础。另一位亲戚是数学家查尔斯·霍华德·辛顿（Charles Howard Hinton），因提出“四维空间”这一理念而闻名，阿莱斯特·克劳利（Aleister Crowley）在其小说《月之子》中曾经两次提到了辛顿。
1704610089
1704610090
辛顿说：“我一直对人类如何思考以及大脑如何工作很感兴趣。”上学时，一个同学说大脑储存记忆的方式和3D全息图像储存光源信息的方式是一样的。要想创建一个全息图，人们会将多个光束从一件物品上反射回来，然后将相关信息记录在一个庞大的数据库中。大脑也是这样工作的，只是将光束换成了神经元。由于这一发现，辛顿在剑桥大学选择了研究哲学和心理学，之后又在苏格兰爱丁堡大学研究人工智能。辛顿在20世纪70年代中期来到寒冷的爱丁堡，人工智能领域遭遇的首个冬天几乎在同一时期到来。尽管传统人工智能刚刚遭受打击，但辛顿的博士导师仍急于让他远离神经网络。辛顿说：“他一直试着让我放弃神经网络的研究并投入到符号人工智能领域。为了能够有更多时间研究神经网络，我必须不断和他讨价还价。”
1704610091
1704610092
辛顿并没有获得其他的支持。学生们认为他是疯了才会在明斯基和派珀特完全否认神经网络后还继续研究。辛顿在爱丁堡期间，明斯基的学生帕特里克·温斯顿（Patrick Winston）出版了一本早期人工智能教材。书中记载着有关神经网络的内容：
1704610093
1704610094
许多古希腊人都支持苏格拉底的一个观点，即深奥且令人费解的思想是上帝创造的。如今，对这些漂泊无定的人而言，甚至概率神经元都相当于上帝。很有可能的是，神经元行为的随机性的提高是癫痫病患者和醉酒的人的问题，而不是聪明人的优势。
1704610095
1704610096
人们对温斯顿的思想十分不屑，但是他当时对神经网络的类似于宗教信仰般的看法并不是完全错误的。辛顿对人脑必须以某种方式工作这一认识十分欣慰，很明显，这是无法用传统的符号人工智能来解释的。他说：“大多数常识推理都是凭直觉或以类比的方式做出的，其中并不涉及意识推理。”辛顿认为，传统人工智能的错误之处在于：其认为，任何事都是由一系列基本规则和有意识推理组成的。对符号人工智能研究人员来说，如果我们不能理解某一部分的意识，这是因为我们还没有弄懂其背后的推理。
[
上一页 ]
[ :1.704610047e+09 ]
[
下一页 ]