030:上一次人工智能寒冬是什么样子的?

2016 年对人工智能行业来说是个颇有特殊意义的一年。这是人工智能的第一个甲子之年,这一年,历经起伏的人工智能再次成为媒体热议的焦点,从投资人、创业者到行业巨头,每一场会议的 PPT 上都写着「人工智能」、「AI」的字眼,以人工智能为修饰词的企业、产品,一次次登上媒体头条;这一年,Google 用 AlphaGo 成功塑造了人工智能即将超越人类的假象,而披着人工智能外衣的《西部世界》又让公众产生了无尽的恐慌;这一年,人工智能市场继续呈现「大鱼吃小鱼」的基本规律,巨头野蛮地收割创业公司并继续在各大科研院校挖人,李飞飞加盟 Google 成为整个业界关注的焦点。这一年,人工智能突然间成为众多公司,包括英特尔、百度、英伟达翻身的救民稻草……

然而同样是在这一年,我们失去马文·明斯基,见证了人工智能从无到有,从高峰到万丈深渊,从一次次跌落到一次次重新崛起的每一个过程……

尽管吴恩达日前在 MIT Technology Review 的访谈中明确表示,与前两次不同,这一次人工智能的驱动力量非常强劲,AI的冬天不会再次来临。但事实上,人工智能行业的泡沫依然不容忽视,类似的话题我曾在第 11 期会员通讯中做过深度分析,同时我还专门整理了一份了解人工智能行业的资源库,而在这周的会员通讯里,我将梳理上一次「人工智能寒冬」时的景象。

我曾多次推荐过约翰·马尔科夫的《与机器人共舞》,在这本书里,有一个篇章专门介绍了上世纪八十年代的人工智能寒冬,以下文字摘录自《与机器人共舞》,有删减。


在20世纪七八十年代,人工智能的魅力吸引来了一代杰出的工程师,不过它最终还是难免让人失望。人工智能一旦未能兑现承诺,这些工程师中有不少人就转向了对立的智能增强的阵营。

谢尔顿·布雷纳(Sheldon Breiner)出生于美国圣路易斯一个犹太中产阶级家庭,很小的时候,他便对自己接触到的一切感到好奇。20世纪50年代,他选择到斯坦福大学读书,一部分原因也是为了离自家的面包店尽可能远。他想看看这个世界,他在高中时便意识到,如果自己选择留在圣路易斯,那么父亲很可能会强迫他接管家族生意。

毕业之后,布雷纳到欧洲旅行了一段时间,然后又服了一阵兵役,再后来回到斯坦福大学成了一名地球物理学家。他很早就开始痴迷于「磁力可能会造成或预测地震」这一想法。1962年,他加入Varian Associates,这是硅谷发展早期一家主营磁力仪的公司。他的任务是为这些能够检测到地球磁场微小变化的设备找到新的用途。Varian和布雷纳的360度智能算得上绝配,这些高灵敏度的磁力仪第一次变成了便携式设备,从勘探原油到机场安检,将有大量市场成为这一技术的新秀场。

几年后,布雷纳会成为高科技行业的印第安纳·琼斯(Indiana Jones),用这项技术探索考古现场。在布雷纳手中,Varian磁力仪能够发现雪崩遇难者、被埋藏的宝藏、失踪的核潜艇甚至被淹没的城市。早些时候,他在斯坦福大学附近的一片场地进行了野外试验,在那里,他对距地球表面402公里、1.4万吨当量的核爆炸产生的电磁脉冲(EMP)进行了测量。这种代号为「Starfish Prime」的分类测试,让人们对核爆炸、对地球上的电子产品的影响有了新的认识。

…..

最终,布雷纳能够证明断层的磁场变化与地震存在关联,但这些数据被地磁活动蒙上了阴影,这导致他的假说并没能获得广泛认可。不过缺乏科学的确定性并没有让他打退堂鼓。在Varian时,布雷纳的工作是为磁力仪找到更多的商业应用机会,1969年,他和Varian的5个同事一起创建了一家名为Geometrics的公司,这家公司使用机载磁力计来勘探石油矿藏。

7年之后,布雷纳将石油勘探公司卖给了EG&G。又过了7年,他在1983年选择离开。在这一时期,由约翰·麦卡锡的斯坦福大学人工智能实验室率先推出的人工智能技术,以及费根鲍姆和莱德伯格所做的捕捉与存储人类专业知识的工作,开始逐渐泄露到硅谷周围的环境之中。1985年7月,美国《商业周刊》的封面故事是《人工智能——就在这里!》(Artificial Intelligence—It’s Here!);两个月之后,在CBS的晚间新闻中,丹·拉瑟(Dan Rather)大篇幅报道了斯坦福研究所用于寻找矿藏的专家系统的研发工作。在这种热情的影响下,布雷纳也成为一波以技术为导向的企业家中的一员,他们开始相信这一领域已经足够成熟,可以进行商业化。

1977年,Dendral的早期工作引发了无数类似系统的诞生。斯坦福大学的另一个项目Mycin同样采用了基于「if then」逻辑的「推理引擎」(inference engine),以及一个包含了约600项规则的「知识库」,它的任务是推理血液感染。20世纪70年代,匹兹堡也开展了一个名为「内科医生-I」(Internist-I)的计划,这也是针对解决疾病诊断和治疗难题的早期努力。1977年,斯坦福研究所的人工智能研究员彼得·哈特和理查德·杜达(Richard Duda)开发了Prospector,用于探测矿藏,这一工作后来获得了CBS的热切关注。1982年,日本宣布了自己的第五代计算机项目,将注意力高度集中在人工智能领域上并掀起了一场竞争热潮,这最终带来了一个新市场,这个领域里刚刚从学校毕业的博士生就能获得3万美元的年薪。

魔鬼已经跑出了瓶子。开发专家系统已经形成一个叫作「知识工程」的新学科。它提倡的是,你可以将科学家、工程师或经理人的专业知识打包汇总,并将它应用到企业数据中。计算机将有效地成为权威。虽然采纳了技术可以增强人类的原则,但在20世纪80年代,软件企业在向企业推销产品时,给出的仍然是节约成本的承诺。作为一种生产力工具,这些软件的目的要尽可能规避替代工人的说辞。

布雷纳仔细思考着各种各样的行业,努力筛选着最容易将人类专家的知识打包的行业,很快,他将目光对准了商业贷款和保险承保。当时,世界还没有充斥着针对自动化的警告,他也没有发现关于这些内容的问题。计算机世界正逐渐分化为越来越廉价的个人电脑以及更加昂贵的「工作站」——一般是包含计算机辅助设计应用的机器。两家从麻省理工学院人工智能实验室走出的公司——Symbolics和Lisp Machines,将重点放在了使用采用Lisp编程语言(专为人工智能应用设计)的专业计算机上。

布雷纳创办了自己的公司Syntelligence。后来,这家公司与Teknowledge和Intellicorp并肩成为20世纪80年代硅谷最出名的三大人工智能公司。他四处网罗人工智能专家,并从斯坦福研究所挖来了哈特和杜达。这家公司创造了自己的编程语言Syntel,并将它用在公司软件工程师使用的一种先进的工作站上。Syntelligence还针对IBM个人电脑开发了两款程序——「承保顾问」(Underwriting Advisor)和「贷款顾问」(Lending Advisor)。布雷纳对公司的定义是信息工具提供商,而不是人工智能软件开发商。

在推广这两种贷款和保险软件的时候,布雷纳表示,它们将帮助客户持续、大幅度地节约成本。自动化运用人类专业知识的想法足够引人入胜,这为他从银行和保险公司手中争取到了大量的前期订单,并从风险投资公司处获得了赞助。美国国际集团(AIG)、圣保罗(St.Paul)、消防员基金会(Fireman’s Fund)、富国银行(Wells Fargo)和美联银行(Wachovia)向这款软件投资了600万美元。在大约5年的时间里,布雷纳的公司一直投身于这一项目的研发,最终公司员工人数破百,年营收达1 000万美元。

可问题在于,对布雷纳的投资者来说,这样的发展速度还是不够快。1983年定下的5年计划是,公司年营收超过5 000万美元。由于人工智能软件的商业市场未能达到足够快的增长速度,布雷纳在公司内部也陷入挣扎,他难以满足风险资本家、董事会成员皮埃尔·拉蒙德(Pierre Lamond)的要求——后者出身半导体行业,完全没有软件经验。最终,布雷纳在这场斗争中败北,拉蒙德从别的公司请来了新的经理,这家公司的总部也迁到了得克萨斯州——新经理的家乡。

Syntelligence公司遭遇的正是那场「人工智能的冬天」。20世纪80年代初,人工智能公司一家接一家地走向崩溃,有的是因为资金问题,有些则是因为回归实验研究或重新变回了咨询公司。市场上的失败成了人工智能发展中的一个经久不衰的故事,从炒作到失败反复循环,紧随每次太过野心勃勃的科学断言而来的总是绩效和市场的双重失望。那一代深深沉浸在20世纪60年代技术乐天派人工智能文献中的信徒们,是这场崩溃的早期隐患。从那时开始,同样的繁荣和萧条周期持续了几十年,尽管在此期间人工智能实现了进步。如今,这一周期很可能再次转回原点。在一些人眼中,新一波人工智能技术预示着新「思维机器」(thinking machine)的出现。

在欧洲,人工智能的第一个冬天实际上早到了10年。1973年,英国一位应用数学家迈克尔·詹姆斯·莱特希尔爵士(Sir Michael James Lighthill)领导的一项研究严厉苛责人工智能领域没有兑现承诺、实现预测,例如,早期的斯坦福大学人工智能实验室预测人工智能将在10年后发挥作用。据莱特希尔称,虽然「人工智能的一般调查」(Artificial Intelligence:A General Survey)对美国的影响不大,但它却导致英国的研究资金缩减,研究人员四散。BBC专门以「人工智能的未来」为主题安排了一次电视辩论,莱特希尔批评的对象因此获得了一个作出回应的机会。约翰·麦卡锡乘飞机去参加这次活动,但他却无法为自己的领域作出令人信服的辩护。

10年后,人工智能的第二个冬天在美国降临(1984年开始)。在离开前,布雷纳成功地将Syntelligence的销售额推到了1 000万美元。自1984年起,就已出现「非理性繁荣」的警告,当罗杰·尚克(Roger Shank)和马文·明斯基在一次技术会议上提出这个问题时,他们指出,正在出现的商用专家系统并没有包含任何重要的技术进步,相关研究从20年之前就已开始。1984年,对道格拉斯·恩格尔巴特和艾伦·凯的加强理念来说也是重要的一年。这一年,他们的想法渗透到了每位办公室员工的身边。随着Macintosh的发布,需要一次市场模拟来构建个人计算机的价值,史蒂夫·乔布斯选中了对PC最好的比喻:它是「我们思维的自行车」。

被排挤出自己创立的公司后,布雷纳继续开始自己的下一次探险——一家为苹果Macintosh设计软件的创业公司。从20世纪70年代开始直到80年代,许多硅谷最聪明、最耀眼的人都走过这样的道路。

从20世纪60年代开始,这一项目在麻省理工学院、斯坦福大学人工智能实验室和斯坦福研究所悄悄展开,并逐渐渗透到世界各地。最初,人类对机器人和人工智能技术的观点主要来自布拉格傀儡(Prague Golem)的传说、玛丽·雪莱(Mary Shelly)的《科学怪人》(Frankenstein)以及卡雷尔·恰佩克(KarelČapek)开创性的《罗素姆万能机器人》(Rossum’s Universal Robots),这些著作都提出了关于机器人对人类生活影响的一些基础问题。

然而,当美国计划将人类送上月球,一拨强调科技、总体持乐观主义的科幻小说也随之浮现,这些作品来自艾萨克·阿西莫夫(Issac Asimov)、罗伯特·海因莱因(Robert Heinlein)和亚瑟·克拉克(Arthur Clark)。在克拉克的小说《2001:太空漫游》中,肆意横行的感知计算机HAL不仅对流行文化造成了深刻影响,同时也改变了人们的生活。开始在宾夕法尼亚大学读计算机研究生之前,杰里·卡普兰就已经对自己有了打算。《2001:太空漫游》于1968年春天发布,那年夏天,卡普兰把这本书反反复复看了6次。他和自己的两个朋友反复地诵读它,其中一个朋友说:「我要拍电影。」后来他的确做到了,成了一位好莱坞导演。另一位朋友成了一名牙医,而卡普兰则走进了人工智能的世界。

「我要去创造那个东西。」卡普兰这样告诉自己的朋友,这里所指的「东西」便是HAL。与布雷纳相似,卡普兰也成了第一批试图将人工智能带向商业化的人,而在这一努力因为人工智能的冬天而搁浅的时候,他也选择转投智能增强技术…..

卡普兰选择离开斯坦福并加入了Teknowledge,这主要是因为卡普兰十分敬重的芝加哥大学物理学家、商学院教授李·赫克特(Lee Hecht)也选择加盟Teknowledge并担任CEO,管理起了由20个从斯坦福来的人工智能「难民」组成的Teknowledge突击部队。1982年,赫克特曾向《大众科学杂志》(Popular Science)表示:「我们的创始人创造了比其他人更多的专家系统。」Teknowledge在斯坦福园区附近大学路的尽头开设了一间店铺,不过很快,他们就搬到了帕洛阿尔托市中心一座更华丽的高层建筑中。在20世纪80年代初,这间办公室体现出了一种时尚的现代主义风格,主色调近乎黑色。

这家超一流的公司明确指出,新的人工智能项目售价并不会多便宜。专家系统中每一条规则都需要工作人员与专家进行长达一小时的交流,而一个可行的专家系统往往需要500条甚至更多的规则。一个完整系统的开发费用可能高达400万美元,不过与布雷纳相似,赫克特也相信,通过对人类专业知识进行整理和抽象化,随着时间的推移,企业能够节约大笔开销。

…..

(卡普兰)被邀请参加国王在旧金山波西米亚俱乐部(Bohemian Club)举办的晚宴。卡普兰应邀出席,并与一位美丽的瑞典女性相聊甚欢。他们聊了将近一个小时,卡普兰觉得她也许是王后,而事实上,她只是负责此次皇室与随行人员赴美之旅的瑞典航空公司的一名空姐。其实,这次邂逅的两位主角都犯了一样的错误,在卡普兰觉得面前的女人可能是瑞典王后的同时,这位空姐也以为他就是史蒂夫·乔布斯。这个故事有一个圆满的结局,那次见面后两人开启了8年的恋情。

Teknowledge就没有这样的好运气了。这家公司患上了「房间里最聪明的人」(The Smartest Guys in the Room)综合征。凭借由全球顶尖的人工智能工程师组成的阵容,他们抓住了这一新领域的魔力,针对那些需要高昂咨询费用的业务,他们传授着自己的炼金术。然而,当时的人工智能只不过是把一堆「if-then-else」语句摆在一起,然后封装在一个要价过高的工作站中,并用当时并不常见的大型电脑显示屏,配以诱人的图形界面,呈现在人们的面前。事实上,比起所谓的「罐装」专业知识,它更像是满是烟雾弹的骗术。

卡普兰本人成了这家公司内部的「特洛伊木马」1981年,IBM PC为个人电脑带来了合法地位,并大幅度削减成本,同时扩大了计算的普及范围。道格拉斯·恩格尔巴特和艾伦·凯的智能增强基因几乎无处不在。计算可能被用来扩展或替代人类,成本的下降让软件工程师可以选取其中的任意一条路。这时,计算终于从企业数据中心那些悉心维护的玻璃墙后走向了企业的办公用品预算之中。

…..像布雷纳一样,他(卡普兰)迅速从一个人工智能忍者转变成恩格尔巴特智能增强世界中的一员。当时的个人电脑正在成为史上最强大的智慧工具。越来越明显的是,将人类设计在计算机系统之内或之外,实际上有着同样的可能性。

当人工智能在商业化的道路上步履蹒跚时,个人电脑和智能增强的发展却在突飞猛进。20世纪70年代末80年代初,个人计算机产业在美国爆发。几乎就在一夜之间,计算机能够成为家庭的梦幻放大机、办公室生产力工具的想法取代了将计算机视作政府企业的官方工具的看法。到1982年,个人计算机成为一种文化现象,《时代周刊》甚至将个人计算机作为「年度人物」印在了封面上。

这些设计师自己在人工智能与智能增强的选择中选择了后者。后来,卡普兰创建了Go公司,并设计了世界上第一个笔上计算机,这也预示了十几年之后iPhone和iPad的出现。就像1980年前后那个在人工智能的冬天选择转换阵营的谢尔顿·布雷纳一样,卡普兰在即将到来的后PC时代中也成了以人为核心的设计运动中的一员。