編者按：ChatGPT 等 AI 技術在大眾間掀起的熱度讓大家高呼人工智能機會來了,，甚至 OpenAI 已經(jīng)喊出要向通用人工智能（AGI）進軍了,。但是,，以史為鑒，這個時候出來潑潑冷水是好的,。畢竟 AI 之前已經(jīng)歷過兩次凜冬,。或者,，不說那么遠的,，你們還記得專家預測全自動駕駛的實現(xiàn)時間嗎,？文章來自編譯。

兩度入冬

冬天來了嗎,？

當然，我說的是“AI 的冬天”,。

這是 AI 歷史的一部分,，我們對人工智能的起起落落已經(jīng)見慣不怪。當 AI 熱起來的時候,，計算機科學家與公司似乎發(fā)明出來了令人興奮且功能強大的新技術,。科技公司用它們來開發(fā)有望讓每個人的生活變得更輕松（或更高效）的產(chǎn)品,，投資者則毫不猶豫地掏出腰包,。每個人——包括滿懷幻想的記者——都開始過度承諾，滔滔不絕地談論起將要發(fā)明出來的人工智能,。簡直跟人一樣,！像上帝一樣！無所不知,，無所不能！

但是,，這種程度的炒作是難以為繼的——而且到了一定時候,，這個行業(yè)就會開始出現(xiàn)說到做不到的情況。事實證明,，人工智能總會出人意料地被失敗纏身,。嘗試用它來解決日常問題的公司和個人會發(fā)現(xiàn)，AI 很容易出錯,，而且通常是非常普通的錯誤,。

然后就進入了“人工智能冬天”?？蛻舨辉贋?AI 產(chǎn)品付大錢,；投資者捂緊了自己的錢包。記者對行業(yè)局面的評判變得更加挑剔,。由于人人都感覺焦頭爛額（或頗為尷尬）,，情況滑入到一個過度消極的循環(huán)：哪怕是計算機科學家和發(fā)明家找到了真正有趣的 AI 實現(xiàn)的新路徑，也很難籌到資金去支撐自己的研究,。這個冬天會很漫長,。

到目前為止，AI 已經(jīng)經(jīng)歷過兩次漫長的冬天,。下面這張圖可以說明情況……

AI 寒冬圖示,，1950 年代、60 年代及 70 年代,，對 AI 的興趣在攀升,，到了 70 年代中期信心崩塌， 到 1980 年代開始恢復并一路攀升到 90 年代,，然后再次崩潰,，接著到 2000 年代再次回升。摘自《The winter, the summer, and the summer dream of artificial intelligence in law》,，作者：Enrico Francesconi

人工智能始于 1956 年,，當時在達特茅斯（Dartmouth）一個研討會上，在場的 AI 名人預測,，“學習的每個方面或智能的任何其他特征,，原則上可被精確地描述，以至于能夠建造一臺機器來模擬它”,。隨后展開了將近 20 年的工作,，一路上他們許下了令人眼花繚亂的承諾：當《紐約時報》首次報道美國海軍正在研究的神經(jīng)網(wǎng)絡時，記者的報道是這樣的口吻：“美國海軍期望這種萌芽中的電子計算機能走,、能說,、會看、會寫,、可復制自己,，并意識到自己的存在”。在這個 AI 早期的上升期間,，企業(yè)與計算機科學家對文本自動翻譯的想法特別著迷——如果能夠讓這件事情做成的話,，這個想法將價值數(shù)十億美元。

但他們沒有把事情做成,。到了 1970 年代初期,，那些早期的原型 AI 技術顯然連原先承諾的一丁點兒目標也沒法兌現(xiàn)。機器翻譯其實就是一堆笨拙的手寫的規(guī)則,，哪怕是中等復雜度的語法也應付不了,。能自學的機器？依舊只是科幻小說,。AI 寒冬來了,，投資者開始出逃，研究資金陷入枯竭,。

后來直到八十年代,，春天才又回來。彼時，大多數(shù)科技公司已經(jīng)放棄了要創(chuàng)造“自學”機器這種不切實際的夢想,，他們開始建立“專家系統(tǒng)”,。專家系統(tǒng)的目標離雄心勃勃還差得遠：大多只是拜占庭式拼湊出來的 if-then 迷宮，試圖針對一個（且只有一個）特定問題自動進行決策,。Visa 宣稱要建立一個自動審核信用卡申請的系統(tǒng),；一家航空公司說要建一架會自動尋找路由的飛機。

專家系統(tǒng)倒是有個優(yōu)勢,，那就是確實有效,。但是專家系統(tǒng)的建造成本非常高，而且每個系統(tǒng)都是一次性的,。更糟糕的是,，當專家系統(tǒng)遇到無法預料的極端情況時，就會發(fā)生災難性的失敗,。我曾聽說過一個信用卡申請系統(tǒng)錯誤地將信用卡發(fā)給了一個九歲的孩子,，因為那份申請表（顯然充滿了謊言）列出自己具備二十年的工作經(jīng)驗。程序員忘記制定規(guī)則來驗證“工作經(jīng)驗”長于“客戶年齡”是不合理的了,。這就是手工制定規(guī)則的問題：現(xiàn)實世界太復雜了,，專家系統(tǒng)沒法面面俱到。隨著“專家系統(tǒng)”的失敗日益凸顯,，又一個人工智能的冬天到來了,。

正值盛夏

但現(xiàn)在，我們正處在第三次大繁榮之中——我們正處在“人工智能的盛夏”,。

這個夏天始于 2010 年代,，那時候“深度學習”剛剛開始興起。神經(jīng)網(wǎng)絡這個東西出現(xiàn)已有幾十年了,，但在 1990 年代以及 2000 年代初期，深度學習被認為不切實際：缺乏足夠的數(shù)據(jù)來訓練這些網(wǎng)絡,，訓練的計算強度太大,。正如深度學習先驅 Geoff Hinton 去年告訴我那樣：“1990 年代那時候，大家都嘲笑我們,，說這些東西永遠也行不通”,。

但在他以及世界各地的幾位同事的努力下，2000 年代的情況開始有所改善,。訓練數(shù)據(jù)量出現(xiàn)了爆發(fā)式的增長（因為大家在網(wǎng)上沒完沒了地發(fā)照片,，沒完沒了地寫東西）。數(shù)據(jù)的處理變得既便宜又快速,。再加上來自 Hinton 以及其他的先驅構思出一些巧妙的神經(jīng)網(wǎng)絡,，深度學習到 2010 年代已經(jīng)變得非常擅長模式識別。你可以用大量圖片來訓練神經(jīng)網(wǎng)絡，然后它就可以成為識別東西的魔術師,。用翻譯好的句子對來訓練它,，它終于可以了 ——可以學習翻譯語言了！

基于大量寫作語料庫來訓練它呢,？你好,，GPT-3 — 一個可以巧妙地預測句子的下一個可能的單詞的機器人，它可以像人類一樣寫文章,、回答問題,，給文檔寫摘要?；诖罅克囆g來訓練神經(jīng)網(wǎng)絡呢,？于是就有了 Midjourney。用計算機代碼來訓練它,，你就得到了 Copilot,。

于是，大量資金又開始涌入 AI,，初創(chuàng)企業(yè)推出了大量具備文本生成,、代碼填充或圖片生成功能的產(chǎn)品。我剛剛去看了一下 Product Hunt,，里面到處都是這樣的軟件,；這是其中的三個……

Product Hunt 的三款產(chǎn)品截圖——“Read Easy.ai”,、“ Travelmoji ”以及“ Copilotly ”

再度轉冷,？

但是：AI 還會進入新的冬天嗎？

我開始懷疑了,，因為其中的部分歷史模式似乎正在重復,。

首先，我們看到大型聊天應用已經(jīng)出現(xiàn)了一些明顯的混亂,。谷歌最近（為了拼命趕上 OpenAi）而匆忙展示其人工智能聊天機器人時,，那個機器人犯了巨大的事實錯誤——股票市場迅速做出反應，令谷歌的市值暴跌了 7.8%,，縮水了 1000 億美元,。然后微軟趁熱打鐵推出了新的 Bing 產(chǎn)品，內(nèi)置了 ChatGPT 功能——它不僅犯下了無數(shù)的事實錯誤（包括一些奇怪的錯誤,，比如堅持認為現(xiàn)在其實仍然是 2022 年）,，而且在面對自己的錯誤時變得超級怪異，充滿挑釁性,。對于包括我自己在內(nèi)的很多人來說,，大規(guī)模語言模型會犯下大量的事實錯誤并不奇怪,；單詞預測這項技術確實很強大，但部分計算機科學家與認知科學家懷疑,，這只是人類真正的推理機制其中的一小部分,。

除了這些語言模型的失敗以外，自動駕駛汽車的麻煩也越來越大,。美國國家公路交通安全管理局（National Highway Traffic Safety Administration）宣布,，要召回配備了“完全自動駕駛測試版”的特斯拉，這款軟件宣傳可實現(xiàn)自動駕駛,。美國政府表示,，特斯拉的軟件“由于未充分遵守交通安全法，從而對機動車安全構成了過度的風險”——也就是說,，它容易做出不可預測的瘋狂且危險的舉動,。

也就是說，我們遭遇了AI 寒冬初期的“未按承諾兌現(xiàn)”的部分,。

我們也有過“過度承諾”,。想想自動駕駛汽車吧，十年來發(fā)明家們一直堅稱自動駕駛隨時就會實現(xiàn)（一位計算機科學家在 2017 年的時候告訴我,，“這是一個價值萬億美元的產(chǎn)業(yè)”）,，記者們（包括我自己在內(nèi)）則興高采烈地思考其潛在影響。與此同時,，大型語言模型的先驅們堅持認為,，如果他們繼續(xù)擴大模型的規(guī)模，并為其提供更多數(shù)據(jù),，這些模型就會變成真正的推理機,。（OpenAI 的一位創(chuàng)始人甚至認為 GPT-3 已經(jīng)“初具意識”。）

這種空頭支票開過頭的承諾與機器連現(xiàn)在是哪一年都不知道的現(xiàn)實發(fā)生了很大的沖突（你糾正它時它還很生氣）,。這幾乎荒謬到有點好笑,。社會擔心我們會遇到無所不知滅絕人性的天網(wǎng)——但實際上我們得到的不過是樂于助人的廢話藝術家而已，它們甚至都懶得直截了當?shù)卣f出雞毛蒜皮的事實,。

百轉千回

但我不會下結論,。事實上，我不知道人工智能冬天會不會再度降臨,。

畢竟，即便今天的聊天機器人被證明是泡沫,，被視為一種行業(yè)技術的深度學習仍然非常有價值，就算其適用范圍比較狹窄也很有價值,。它非常適合用來做自動識別器（autorecognizer）和分類器（categorizer）,。僅此一項就價值數(shù)十億美元。即便 OpenAI 永遠無法讓 ChatGPT 可靠地教中學數(shù)學，它仍將價值數(shù)十億美元,。因此,，人工智能行業(yè)會徹底萎縮的想法似乎不太可能。

但可能會出現(xiàn)重大修正,。會有足夠多的人也許認為大型語言模型玩起來很有趣（“給我寫一首莎士比亞十四行詩,；贊美一下地平理論！”）,，但在幫助經(jīng)營企業(yè)方面則是很不可靠的，甚至到了危險的地步,?；蛘?，大量出于 SEO 優(yōu)化目的而生成的垃圾文字可能會像真菌一樣塞滿整個互聯(lián)網(wǎng),，從而給整個 AI 在公眾當中帶來糟糕的口碑,。這可能會耗盡大量的資本和投資,。在這一點上自動駕駛汽車再次可以充滿警示案例：盡管投資者已向該領域投入數(shù)百億美元,，但全自動駕駛的汽車幾乎還沒有上路，而且自動駕駛行業(yè)最近 IPO 的初創(chuàng)公司在兩年間已蒸發(fā)了 81% 的市值,。（同樣值得注意的是,，目前訴訟針對的是藝術生成 AI 以及代碼生成 AI 的核心過程,，其主張認為這些 AI 的開發(fā)者無權出于訓練的目的收集大量在線藝術與代碼。）

可是,，就算再經(jīng)歷一次嚴重的低谷也未必意味著 AI 的終結,。畢竟這個領域已經(jīng)復興過兩次了,。它還會再度復興的。如果事實證明大型語言模型（正如它們目前所設計的那樣）注定會出錯,，是不合理的,，那么優(yōu)秀的計算機科學家最終會把注意力放在其他技術上。就像 Gary Marcus 等深度學習專家所建言的那樣,，其中可能包括針對抽象的符號主義,。或者,，正如 Geoff Hinton 最近推測的那樣,，也許是專門針對手頭任務為個別神經(jīng)網(wǎng)絡定制的專用硬件。

對于 AI,，永遠不要說“絕不”,。歷史的車輪會滾滾向前。但是,，如果冬天來了,，路上堆滿了積雪，那唯一的出路也許就是換條路走,。

譯者：boxi,。