編者按：ChatGPT 等 AI 技術(shù)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?；蛘?，不說那么遠的，你們還記得專家預(yù)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(shù),?？萍脊居盟鼈儊黹_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?wù)撈饘⒁l(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(fù)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(yù)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(luò)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(fù)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(shù)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(fù)雜度的語法也應(yīng)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(yù)料的極端情況時,，就會發(fā)生災(zāi)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(fù)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(luò)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(luò),，訓練的計算強度太大。正如深度學習先驅(qū) 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(qū)構(gòu)思出一些巧妙的神經(jīng)網(wǎng)絡(luò)，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(luò),，然后它就可以成為識別東西的魔術(shù)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(yù)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,。基于大量藝術(shù)來訓練神經(jīng)網(wǎng)絡(luò)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?cè)タ戳艘幌?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(zhuǎn)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(fù),。

首先,，我們看到大型聊天應(yīng)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(yīng),，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(yù)測這項技術(shù)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(gòu)成了過度的風險”——也就是說，它容易做出不可預(yù)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(qū)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(shù)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(zhuǎn)千回

但我不會下結(jié)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(shù)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,?；蛘撸罅砍鲇?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(lǐng)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(shù)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(quán)出于訓練的目的收集大量在線藝術(shù)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(jié),。畢竟這個領(lǐng)域已經(jīng)復(fù)興過兩次了。它還會再度復(fù)興的,。如果事實證明大型語言模型（正如它們目前所設(shè)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(shù)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(wù)為個別神經(jīng)網(wǎng)絡(luò)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,。