本文來自微信公眾號：果殼 （ID：Guokr42），作者：凡塵不清，編輯：睿悅，題圖來自：《回到未來》

(資料圖片)

如今我們對 AI 的想象，其實一點都不新鮮：模擬人類專家的智能，上世紀 60 年代有“專家系統”；用自然語言與計算機直接交互，80 年代有“第五代計算機”；今天 AI 領域讓我們驚嘆的自主推理應答、自動識別文字圖像，在你爸媽甚至爺奶年代都有相應的研究。

和今天不同的是，那時唱反調的人占了多數。

一位耶魯大學的研究者在 1985 年指出了一種所有人最不希望看到的 AI 發展走向：五年內，日本和美國主導的人工智能項目無法兌現最初的承諾→政府和投資人撤資→創業公司倒閉→任何與 AI 相關的東西都無法獲得融資→所有人立刻修改研究項目的名稱避免與 AI 相關→AI 研究進入“寒冬”。

這位研究者是“真預言家”。回頭看，80 年代以第五代計算機為代表的人工智能研究的確最終導向了寒冬。

誰知道我們今天是不是也在同樣的路上呢？

“智能”該如何定義？

現在，人們大多將 1956 年召開的達特茅斯學術會議當作人工智能的開端，但那場大佬云集的會議實際只提出了“人工智能”這個概念，對于如何實現人工智能，并沒有形成統一意見。

當時的研究者們對什么算“智能”的回答分三種：第一種認為智能的核心在于邏輯推理（符號主義）；第二種則是試圖通過復刻人腦的運行方式來復現智能（聯結主義）；第三種則注重模仿人類走路、跑跳、視覺、聽覺、觸覺等與環境的直接交互（行為主義，出現較晚）。

波士頓機器人走第三種路線

三條路線的研究者們按照各自對“智能”概念的不同理解開始了分頭行動。

第一種率先有動靜。1965 年，一位叫費根鮑姆的計算機科學家和幾位大學教授合作開發了一款名為 DENDRAL 的計算機程序，它可以根據化學分子在質譜儀中的數據，自動識別對應化合物的結構圖——高考化學選修五最難的題也不敢這么考。

這類解決某一專業領域內問題的產品叫“專家系統”，它能為企業帶來實在的商業回報：美國卡耐基·梅隆大學在 1978 年為 DEC 公司制造出 XCON 專家系統，系統能依據用戶的定貨需求，選出最合適的計算機硬件，幫助 DEC 公司每年節約 4000 萬美元左右的費用；斯坦福研究院在 1981 年開發了 PROSPECTOR 專家系統用于礦產勘探，后來人們用它識別出了華盛頓州托爾曼山脈附近的一個鉬礦床，這個礦床價值 1 億美元。

那是專家系統的黃金年代：到 20 世紀 80 年代末，世界五百強中有一半的企業都在發展或維護專家系統，對專家系統的使用以每年 30% 的速度增長。

不過，專家系統怎么就是人工智能了？

“專家”就一定“智能”么？

專家系統模擬了專業咨詢的三個方面：專家的經驗（知識）、思考方式（推理規則）、以及專家與咨詢者的互動（交互方式）。

專家系統的研究者認為，邏輯推理是人類智慧的核心，通過建構數據和推理規則，就能讓機器獲得類似于人類專家的智能。

但僅有推理規則還不足以支撐一場判斷，知識也很重要。研究者認為，知識不僅僅是數據或信息，還是一種映射關系——對一名外科醫生來說，患者的情況（病歷信息、藥物過敏史、當前藥物及反應等）是數據，根據該數據，聯想到該疾病的病理特征及治療方法才是知識。

將患者的數據與已有的臨床知識匹配（推理），并將對應的診療方法用恰當的方式告訴患者（交互），這才是一次完整的診療。

于是人們模仿醫生的診斷過程，將知識庫、推理規則、交互界面交給計算機，一個“有智能”的專家系統就搭建好了。

一個1984年的專家系統平臺｜wikimedia commons

實際上，我們今天也在用類似思路實現人工智能。往簡單了說，ChatGPT 也就是識別用戶輸入的文字或圖片，通過某種映射規則把問題與預訓練模型中的知識匹配，再返還一個“最大正確概率”的結果。

區別在于，當時專家系統的推理規則過于死板，嚴格遵守“如果……那么……”的邏輯，比起智能，更像程序。而且專家系統所有的操作假設、規則和程序，都依賴人工錄入，機器無法自動完成這個過程。

而 ChatGPT 運用的深度學習方式，需要經過層層神經網絡的參數調整。機器推理的過程早已如同“黑箱”一般，變得無法解釋——這更接近人類智能的表現方式，畢竟我們也解釋不清楚自己腦袋里每天冒出的想法是哪來的。

但回到上世紀 80 年代，研究者認為專家系統就是人工智能的典范，狂喜的氛圍從科學界傳遞到社會，甚至還開啟了經濟大國為爭奪人工智能話語權的一場混戰。

教練，我想整超級人工智能

專家系統是一個精彩的故事，自然吸引到了政府的注意。

1982 年，日本政府正式制定“第五代計算機系統研發項目”（Fifth Generation Computer Systems，簡稱FGCS），花十年時間，制作出一種“超級計算機”。

日本政府設想中這種計算機“會思考”，能輔助人類的腦力勞動，還能聽懂說話、讀懂文字，進行聯想、推論和學習；專業應用上，“第五代計算機”則要能滿足航空航天、核聚變、天氣預測這些高精尖領域的需求——這些要求即使放在今天都是對計算機的巨大考驗。

“第五代計算機”還承諾，不需要懂得任何編程知識，普通人就可以操作它，甚至還能通過它獲得醫生、律師、工程師等專業領域的問題解答——要知道在當時，計算機連可視化操作系統都沒有普及。

從使用器件角度而言，第一代計算機為電子管計算機、第二代為晶體管計算機、第三代為中小規模集成電路計算機、第四代為大規模和超大規模集成電路計算機，圖為首部晶體管計算機｜wikimedia commons

即使在今天看來，這種全能型的 AI 也足夠野心勃勃，但當時的參與者卻信心滿滿。日本政府分階段投入了540億日元預算（約 2.2 億美元，按1982年匯率換算）作為研發費用。

為什么要投入如此大規模的金額？一方面是當時的日本舉國發展 DRAM（動態隨機存儲器，半導體行業重要分支）技術，一躍成為全球最大 DRAM 生產國。這樣的成功，激勵著日本繼續舉國進軍其他計算機領域的目標。況且當時日本的 GDP 總量超過蘇聯，成為全球第二大經濟體，有錢有實力。

1981年（約）摩托羅拉 16 Kib 動態隨機存取存儲器芯片陣列｜wikimedia commons

即便目標高遠，決心和金錢的投入已經足夠讓人害怕。1983 年，專家系統之父費根鮑姆去日本考察，發現“第五代計算機”宣稱能實現的很多功能設計他想都不敢想。

回來后，費根鮑姆在《第五代：人工智能與日本計算機對世界的挑戰》一書中憂心忡忡地感嘆：“如今我們的確掌控著所有重要現代技術的思想和市場，但是明天呢？”

其他國家在日本的大膽設想下也紛紛跟注，生怕失去進入新產業的機會：80 年代初期，美國國防部計劃資助戰略天網系統（人工智能防御系統），同一年代還有自動駕駛、互聯網、作戰環境建模規劃平臺、AI 輔助推測敵方戰術等計劃，雨露均沾。

歐共體開展了 ESPRIT 項目，以促進科研機構和企業在信息技術上的合作；英國則啟動 Alvey 計劃，擬投資 3.6 億美元開發研究軟件工程、人機接口、智能系統和超大規模集成電路。

中國也在 90 年代成立“國家智能計算機研究開發中心”，重點任務就是開發高性能計算機。

這個架勢，像不像如今各國各廠紛紛涌現出來的大語言模型？

真正的時代需求

“第五代計算機”的一個重要特征是支持并行計算和并發處理。它把一個復雜的問題分解成許多簡單的子問題，并用大量處理單元（如并行處理器）同時解決這些子問題，以提升運算速度。

計劃提出的六年后，在一場國際會議上，日本展示了他們的研究成果——64 個并行處理器。只是效果低于預期，60 多個 CPU 一起跑，效果卻只達到一個普通處理器的三倍多。

PIM/p 并行推理機｜IPSJ Computer Museum

實際情況離原定目標相差甚遠——當時所有追求機器智能的項目基本都面臨著這種情況。這固然有組織架構、投資、科技政策等外部原因，但核心還是因為缺少人工智能技術發展所需的基礎能力。

首先是小得可憐的數據庫。1980 年第一款面向臺式機的硬盤規格只有 5MB，它甚至裝不下你現在手機里的一張清晰圖片。這讓當時“專家系統”可以調用的“知識”變得相當有限。

其次是運算速度。1974 年性能最高的 8080 芯片頻率是 2MHz，而如今隨便一臺筆記本的處理器就有八核、2GHz，更不要說超級計算機。

實際即便在今天，算力依舊是制約人工智能發展的重要因素。

GPT-4 推出后不到兩周，OpenAI 便對用戶進行訪問限制，從第一天的 150msg/4hr，到 100msg/4hr，50msg/3hr，直到 25msg/3hr，閾值一路下降。4 月還因訪問需求量太大，一度暫停 Plus 付費購買功能。AI 的加速發展，對運算需求的要求也隨之加碼。

首臺圖形界面的個人電腦 Lisa｜wikimedia commons

回到當時，真正的時代需求在不久后出現。1983 年，蘋果推出世界首臺圖形界面的個人電腦 Lisa，人機交互不再只能通過純文字的命令行進行；四年后，微軟推出鼠標，它像一只電子手臂，允許人們在圖形界面拖拽，點選，迅速成為電腦的標配器件。

是的，在那個時代，簡單易用、走進家庭才是主流人群對電腦的普遍期待。

第五代計算機的終局

1994年，在實際花費超過 3.2 億美元后，日本第五代計算機項目落幕。日本表示愿意將該項目開發的軟件贈送給任何想要它的人，甚至是外國人。

1987 年，美國 DARPA 項目也決定停止投資，選擇專注于短期內前景更好的技術；英國 Alvey 計劃也只持續了五年，在消耗 2 億英鎊的公共資金以及 1.5 億英鎊的工業投資后不了了之。

與英美相比，中國成立的“國家智能計算機研究開發中心”，本想研究智能計算機，但“五代機”在其他各國的遭遇都已證明其應用市場狹窄、維護費用高昂，里面最實用的是針對日語的自然語言處理，顯然和中國國情不太相符，于是及時轉向，改為研究超級計算機。

像多米諾骨牌的倒塌，專家系統在第五代計算機的潰敗后，成為過街老鼠。許多相關項目擔心項目沾上“專家系統”或者“人工智能”而不被社會支持，甚至專門改名為“機器學習”“信息學”“知識處理系統”“模式識別”等。

而人工智能，也進入了歷史上寒冬。

計算機哭泣｜wikimedia commons

在每個激動人心的技術熱潮中，技術概念總會被泛化。面對同一個概念，不同的人想著不同的故事。

技術專家討論人工智能/專家系統時，往往聚焦于具體的數學模型和輸出質量，側重點在技術的解決方案，或者對某個理論的佐證意義；投資者——無論是商業公司、金融機構還是政府——談論技術時，則更關注投資回報和商業利益；普通民眾聽到機器人或人工智能，本能反應是它會不會取代自己……

在某個時刻，所有人都對技術發展有了明確預期，技術的功用和價值被包裝到前所未有的高度。這時，原本狹窄的應用被所有參與者包裝成每個人都能投入想象的科幻故事。

念念不忘的回響

“第五代計算機”項目失敗，當時的許多“成果”也并未沿用，但并不意味著當時所有對人工智能的描繪都徹底失敗。

以專家系統為代表的人工智能第一條路線“隱退”時，第二三條路線的研究者們依舊堅持“讓機器有智能”的努力。秉承復刻人腦運行方式來復現智能的聯結主義，在上世紀 90 年代取得諸多突破，并發展出深度學習方法，直接催化 AlphaGo、ChatGPT 等這個時代的代表 AI 產品的產生。

較晚成型的行為主義學派，則將目光投向機器人和游戲，波士頓動力公司那些行為逼真的機器人就是這個路線下的產物，誰說未來的“超級 AI”不會是一個既能幫你泡咖啡，又能解決霍奇猜想的機器人呢。

而專家系統，也從未退出舞臺，而且正在與其他路線的人工智能方法結合。在新冠疫情期間，人工智能的圖像識別可用于輔助診斷，協助醫生快速預判病患是否存在肺部感染；微軟最近的產品中，可以接入包含不同行業信息的專家系統插件，普通用戶也可以用自然語言與專家系統對話、咨詢，獲得自己想要的答案，包括但不限于智能推薦房地產項目、自動修改法律文書、生成旅行攻略等等。

與傳統的產品相比，新一代專家系統既能主動從數據中學習，也擁有專家般推理和解決問題的“能力”。

我們正在接力 80 年代人類對超級計算機的期盼。

也許科技發展最有魅力的地方正在于此：歷史充滿偶然，但人們總是懷著改造世界的愿望，一步一步地嘗試、反思再嘗試，在過程中離目標越來越近。

參考文獻

[1]https://pdf.dfcfw.com/pdf/H3_AP202303211584424592_1.pdf?1679411782000.pdf

[2] https://www.reuters.com/article/idCNnCN098325720100414

[3] McDermott， D.， Waldrop， M. M.， Chandrasekaran， B.， McDermott， J.， & Schank， R. (1985). The Dark Ages of AI: A Panel Discussion at AAAI-84. AI Magazine， 6(3)， 122. 

[4] https://doi.org/10.1609/aimag.v6i3.494

[5] Van Melle， W. (1978). MYCIN: a knowledge-based consultation program for infectious disease diagnosis. International Journal of Man-Machine Studies， 10(3)， 313–322. doi:10.1016/s0020-7373(78)80049-2

[6] https://www.shmj.or.jp/english/trends/trd80s.html

[7] Edward Feigenbaum and Pamela McCorduck. 1983. The fifth generation: artificial intelligence and Japan's computer challenge to the world. Addison-Wesley Longman Publishing Co.， Inc.， USA.

[8] http://www.360doc.com/content/22/0731/22/64987316_1042128204.shtml

[9] https://www.guokr.com/article/438745/

[10] http://www.ict.ac.cn/liguojiewenxuan_162523/wzlj/lgjsg/201912/t20191227_5476616.html

[11] https://www.sohu.com/a/341710542_120008071

[12] https://www.nngroup.com/articles/trip-report-fifth-generation/

[13] https://scottlocklin.wordpress.com/2019/07/25/the-fifth-generation-computing-project/

[14] https://www.newscientist.com/article/mg13017682-400-alvey-the-betrayal-of-a-research-programme/

[15] https://www.nytimes.com/1992/06/05/business/fifth-generation-became-japan-s-lost-generation.html 

本文來自微信公眾號：果殼 （ID：Guokr42），作者：凡塵不清，編輯：睿悅