武汉的开发者们注意啦!AI技术战略、框架以及最佳实战尽在Azure OpenAI Day 了解详情
写点什么

一场失败的“AI 革命”:回顾第五代计算风潮

  • 2019-08-13
  • 本文字数:5141 字

    阅读完需:约 17 分钟

一场失败的“AI革命”:回顾第五代计算风潮

1982 年,日本通商产业省(现称经济产业省)发布了一项重磅的研发计划:开发一部划时代的电脑,利用大量平行计算,使它拥有超级电脑的运算效能和可用的人工智能能力。名字中的“第五代”用于指明它将会是具划时代意义的电脑。

这个看上去宏伟的计划最后却以失败告终。近日,一位科学家对第五代计算的一篇回顾文再次引发了讨论,作为亲历者,Scott Locklin 对这一事件的起因、过程、影响发表了自己的一些看法。或许年代有些久远,但第五代计算机依旧是计算机科学历史上值得记住的一个特殊阶段。


Dominic Connor 的一篇文章,让我想起了当初每个人都热烈讨论过的“第二次 AI 寒冬”——也就是“第五代计算”。那时候我虽然已经出生了,但对这事并没有太大的感觉,只记得在科普杂志上读过“第五代计算”这类话题。


当时是 1982 年,咱们不妨先聊聊那年发生了什么事情,也帮屏幕前年纪较长的朋友们找找回忆。


那年的大事包括:泰诺感冒药恐慌、Bell Systems 与 Bell Labs 强制拆分、福克兰群岛战争、疯狂的暴风雪、首例人工心脏手术、Sun Microsystems 成立、Commodore 64 发布。从这一年起,人们开始谈论个人机器人助理;雅达利公司创始人 Nolan Bushnell 建立起一家个人机器人公司。上一年刚刚发布的 IBM PC,在这一年中售出了 20 万台,MS-DOS 1.1 版本也已经与用户见面。英特尔 80286 处理器在这年早些时候推出,成为首批具备内存保护与硬件支持的多任务微处理器之一。最后,Thinking Machines 公司正在筹备当中——这家于 1983 年正式建立的公司希望推动大规模并行计算,这也正好对应当时的“第五代计算”威胁论。



那时候,“AI 革命”也正在孕育当中;各个企业开始大量引入所谓专家系统 shell——Xcon、Symbolics 以及 Lisp Machine 等初创企业的表现也令人振奋。就在几年之后,终极专家系统 Cyc 也将正式面世。


年轻的朋友可能不信,当时对这类产品的炒作可要比现在夸张得多;您可以回头翻翻当初的电脑以及金融杂志,体会体会个中风味。基本上就是这样了,总之都是些看起来像是数学软件一样的东西。Wolfram 成为唯一一家挺过了八十年代的“AI”企业,他们的主要业务是复制七十年代的“AI”符号代数系统,并使用“现代”C++语言重现 Lisp 中的某些重要部分。


另外,日本当时正以前所未有的方式冲击着美国作为工业强国的霸主地位。人们感到害怕:我们虽然在第二次世界大战,也就是 37 年之前战胜了日本,但他们如今在汽车技术与消费级电子产品方面又卷土重来。初尝胜利果实的日本人希望把握下一次计算机革命,而 1982 年的美国当然也不愿放弃这项战略目标。在这样的背景下,人们开始狂热地追捧一切大肆宣传下的技术成果:人工智能、大规模并行计算、数据库、经过改进的平版印刷术以及 prolog 语言等等。他们希望把这些整合起来,再加上可观的资金投入,最终建立起第一台拥有感知能力的机器。


当时,科学界有过一些关于第五代计算机的预测:


  1. 第五代计算机将采用超大规模集成芯片(可能选用非冯-诺依曼架构)。

  2. 这些计算机将拥有人工智能。

  3. 它们将能够识别图像与图形。

  4. 第五代计算机旨在解决包括决策以及逻辑推理在内的高复杂度问题。

  5. 它们将能够使用多个 CPU 以加快处理速度。

  6. 第五代计算机能够处理自然语言。


很明显,第五代计算机的设计目标是将《星际迷航》中的那种先进计算设备变成现;这种半感知型机器将能够以对话方式与用户进行交谈。


人们害怕得不行。虽然那时候我年纪还小,但仍记得那种恐慌的感觉。自由市场就要结束了!我们都会成为日本的奴隶!工业社会将就此终结!DARPA(美国国防高级研究计划局,Defense Advanced Research Projects Agency)开始将高达 80 亿美元资金投入到名为战略计算计划的项目当中,希望解决日本崛起带来的挑战(有趣的是,当时无人驾驶汽车还没有被提上议事日程)。大多数美国半导体企业以及各主要框架供应商开始进行投资合作,希望阻止那些“邪恶”的日本人并防止“珍珠港事件”在 AI 领域再次发生。


最终的合资产物名为微电子与计算机技术公司(简称 MCC),它的历史曲折而有趣,研究技术发展史的研究生完全可以用它来写上一篇毕业论文。总之,日本提出的第五代计算概念太重要了,就连英国人(当时英国在半导体技术领域还有一席之地)都建立起自己的“Alvey 计划”,并为其投入了相当于现在 10 亿英镑的资金。不甘落后的前欧盟各国也拿出了类似的资金,建立起所谓 ESPIRIT 项目。


译注:阿尔维计划是英国发展高级信息技术的计划。面对美国和日本在信息技术方面的挑战,英国政府于 1982 年成立了以阿尔维任主席并以其姓氏命名的阿尔维委员会,负责制定和实施发展高级信息技术计划。包括软件工程、人机接口、智能系统和超大规模集成电路等领域,共 150 个研究项目。该计划从 1983 年开始,研究期为 10 年,投资 3.5 亿英镑旨在通过大学与工业界的密切合作,发展英国的高级信息技术工业。该计划直接费用由 3/4 由政府提供,其余由工业界资助。


Prolog(Programming in Logic)在当时自然就是代表未来科技的编程语言。那个时候,prolog 的地位跟现在的深度学习差不多;它采用约束编程、数据库(对于超灵活数据库查询需求来讲,prolog 直到现在也是种不错的选择)、并行架构以及专家系统 shell 等技术。不用废话,prolog 就是实现感知机器的希望。但多年的实践证明,prolog 本身并没有那么强大:由于语言的一些天然特质,prolog 存在极高的不确定性,而且经常被 NP 问题难倒。在这种情况下,无论并行模型多么强大,计算机都无法回答我们的问题。


关于第五代计算机,还有个情况让人印象深刻,就是所有人都认为这一定会实现——完全不容置疑。他们真的认为当下我们所做的就是未来,把最新最流行的理念搅拌在一起,然后就能实现足以模拟大脑的人工智能。那些没尊严的计算机科学家们纷纷跳出来表示:“嘿,虽然大规模并行计算可能无法很好地映射到约束求解器上,也许有些愿望我们甚至连基本实现思路都没有。但这可是第五代计算!”这是我第一次感觉这些所谓拥有严格学术纪录的研究人员,整体上表现得如同性工作者——就为了一点研究经费,他们就可以放下自己的所有坚持。好吧,我承认这样的比喻对性工作者是种冒犯,毕竟人家能够提供真正的服务。



更直白地讲,事实证明第五代计算当中并没有什么真正重要、有用甚至是理性的成果。好吧,可能 VLSI(超大规模集成电路, Very Large Scale Integration)以及 DBMS(数据库管理系统,Database Management System)确实出现在这一时期,但却并不是第五代计算的直接产物;至于其余部分,则完全就是荒谬可笑加上阿谀拍马的杂糅混合。举例来说,不知何故,他们认为光学数据库将能够实现图像搜索。直到现在我也理解不了他们的思维方式,因为这听起来更像是那些不懂技术的官僚做出的狂妄论断。下面再来看看其它例子:


“目标(Moto-oka 1982 p.49)描述了一种架构开发方式,主要关注内存结构,旨在使用关系代数作为数据库系统基础以处理集合操作。”


“目标(Moto-oka 1982 p.53)描述了一种分布式功能架构的开发方式,其具有高效率、高可靠性、结构简单、易于使用、且能够适应未来技术与不同系统级别的要求等特性。”


“目标是:关系数据库机器,容量为 100 GB,每秒处理 1000 次交易;实践,1000 GB 容量与每秒 10000 次交易。8.3.3 节详尽阐述了这种采用数据流技术的关系数据库机器实现方案。”


“目标(Moto-oka 1982 p.57)描述了一种能够输入与输出字符、语音、图像、图片并可与用户进行智能交互的系统。字符输入/输出的目标是:当前,以四到五种字体支持 3000 至 4000 个汉字;未来,支持用户语音输入,以及假名与汉字字符间的翻译。图像输入/输出的目标是:当前,输入 5000 x 5000 到 10000 x 10000 分辨率的元素;未来,智能处理图像输入。语音输入/输出目标:当前,识别 500 到 1000 个单词;未来,智能处理语音输入。这套系统还将把上述功能集成至多模个人计算机终端当中。”


“The Fifth Generation plan is difficult and will require much innovation; but of what sort? In truth, it is more engineering than science (Fiegenbaum & McCorduck 1983 p 124). Though solutions to the technological problems posed by the plan may be hard to achieve, paths to possible solutions abound.第五代计划非常困难,需要大量创新;但具体是怎样的创新?事实上,其更多属于工程学而非科学的产物(Fiegenbaum & McCorduck 1983 p 124)。虽然该计划提出的技术问题可能很难利用现有解决方案实现,但仍存在众多其它可行的潜在实现途径。” (这话怎么听着那么耳熟呢?)


那时候的出版物中充斥着这样的屁话,其内容毫无可取之处,能看到的只有荒谬的愿望和干干巴巴的现实。就像下面这张图:



这里可能有很多教训值得我们吸取。当初的第五代计算完全是种自上而下的发展思路。我不知道日本那边是谁提出这个鬼主意,他们可能借此成为名噪一时的科学家,但后来应该是很快变得寂寂无名、甚至因此受到惩罚。当然,他们也有可能搬到了美国,发现这里聚集着一大堆捧其狗屁为圭臬,在毫无产出的虚假市场里上窜下跳的家伙。这些人最喜欢充满玄学气氛的话题,并借此迎合着整个国家充满宗教倾向的妄想。


当然,这里我并不是指责日本:到目前为止,他们取得的大部分成功都来自自上而下式的产业政策,用以指导优秀的工匠们实现国家目标。但其中的问题是……日本的计算机行业从来没有真正出现过影响世界的大工匠,而这也给了当初提出第五代计算概念的小丑们可乘之机。正如 10 年之前的纳米技术概念、量子计算或者无人驾驶汽车一样,他们让整个科学界陷入了“纳斯鲁丁的驴子”怪圈(故事里,纳斯鲁丁的驴子总要朝着相反的方向前进,所以纳斯鲁丁决定一切顺着驴子,这样反倒显得这头驴温驯听话)。


日本这次扮演了一把江湖骗子的角色,整个世界也被忽悠得够呛。唯一受益的,就是那些鼓吹第五代计算概念的计算机科学家们。听起来很熟悉吧?一般来讲,自上而下式方法在大规模项目当中总会造成某些荒谬的影响——不够坚实的能力基础与拍脑袋想出来的动机,决定既有研发方向根本不能起到良好的导向性作用。


换言之,自上而下式方法比较适合解决单一问题,或者是能够被分解成明确阶段的特定任务——例如登月计划以及曼哈顿计划,这二者都有着风险相对较低的成功路径。而且无论是在 1982 年还是在 2019 年,说起要建立一台能够实现智能对话的计算机,这就像是在 1492 年想要飞上月球或者开发一款网络浏览器。是的,根本就不存在能够以当前情况为基础,逐步推进至预期结果的路径。从现在的角度来看,真正的“人工智能”仍然像 1982 年时一样更像是种戏法,而且没人知道要如何实现。


另一项要点在于,人们希望解决的很多实际问题,其最终解决依靠的都是某些增量化方式。就以人机交互为例,之所以强调所谓智能对话,就是为了扩大能够使用计算机的人群规模。历史告诉我们,攻克这个问题的办法绝不是当初人们想象中的构建先进模型、提升机器智能程度、实现人机自然语言对话并让普通最终用户学会使用电脑。相反,成本更低的网络工作站使得图形用户界面快速普及,最终以更简单的方式搞定了一切。有了图形用户界面,普通群众也能运用计算机的一部分力量。当然,界面的设计中仍然需要引入一些心理学要素,免得傻傻的普通用户弄不懂该怎么使用。但在整体原则上,这种“自下而上、小额投入、培养人类”的方式确实完成了计算机普及化这一伟大的工作,并产生了数万亿美元的价值。


就在第五代计算大红大紫的短短两年之后,苹果公司就推出了采用图形用户界面的微型计算机。最终,几十年之后,有人开发出一台由微型计算机构成的智能机械,其实现了第五代计算提出的诸多目标,而且具有独立的图形用户界面前端。我相信当时的日本研究人员会惊讶于,这只是一台使用 C++、排序以及哈希表的普通商用微型计算机,而不是他们想象的“非冯-诺依曼”式 prolog 超级计算机。但这正是人类工程学中最伟大的进步:增量。把登月工作留给真正的科学家(而不是「计算机科学家」),他们至少能理解自己说出来的话


延伸阅读


[1]1988 年关于第五代计算概念在日本大受欢迎的文章:


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


[2]1992 年《纽约时报》发表的项目失败文章:


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


[3]几年之后,五位诚实的人共同探讨了 AI 寒冬的问题;但这些项目仍在不可阻挡地向前推进。这是一份了不起的历史文件,其中一些思考与观点直到今天仍然极具现实意义:


https://www.aaai.org/ojs/index.php/aimagazine/article/view/494


[4]Nick Szabo 发表的一篇关于技术前沿的文章:


https://unenumerated.blogspot.com/2006/10/how-to-succeed-or-fail-on-frontier.html


公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2019-08-13 08:054484

评论

发布
暂无评论
发现更多内容

SOLID原则

架构师训练营 - 第二周总结

一个节点

极客大学架构师训练营

依赖倒置原则和接口隔离原则练习

知行合一

2.框架设计-依赖倒置原则,接口隔离原则

博古通今小虾米

架构训练营-week2-作业

于成龙

作业 架构训练营

第二周

等燕归

编程语言的本质

张荣召

面向对象设计原则----里氏替换原则(LSP)

张荣召

极客大学架构师训练营第二周课后总结

jizhi7

Serverless 简介

木易杨

云计算 Serverless AWS

第二周 框架学习-作业

刘希文

通过女朋友来通俗易懂讲解“接口回调”,一不小心就被绿

小松漫步

Java 编程 接口 代码

优化Banner广告收入的7种策略

易观大数据

揭秘开源项目 Apache Pulsar 如何挑战 Kafka

Apache Pulsar

kafka 开源 云原生 Apache Pulsar 消息中间件

使用Spring Cloud Stream玩转RabbitMQ,RocketMQ和Kafka

Barry的异想世界

kafka RocketMQ RabbitMQ 消息队列 spring cloud stream

面向对象设计原则--开放关闭原则(OCP)

张荣召

架构师训练营第二周作业

文智

极客大学架构师训练营

案例分析--反应式编程框架Flower的设计

张荣召

作业-2020-09-27

芝麻酱

TensorFlow 篇 | TensorFlow 2.x 基于 Keras 的多节点分布式训练

Alex

tensorflow keras 分布式训练 AllReduce

基于 iOS14 系统的游戏卡顿问题解决方案

白开水

typescript 游戏开发 iOS14 游戏卡顿 ios开发

举办线下活动现场管理需要注意哪些事项?

boshi

管理 探索与实践 热门活动

架构师训练营第二周学习总结

张荣召

第二周

scorpion

面向对象设计原则----依赖倒置原则(DIP)

张荣召

看动画学算法之:排序-基数排序

程序那些事

算法 数据结构和算法 看动画学算法 算法和数据结构

面向对象设计原则----单一职责原则(SRP)

张荣召

第二周总结

Geek_ac4080

面向对象设计原则----接口分离原则(ISP)

张荣召

架构师训练营第二周学习总结

成长者

极客大学架构师训练营

架构师训练营-第二周作业

一个节点

极客大学架构师训练营

一场失败的“AI革命”:回顾第五代计算风潮_AI&大模型_Scott Locklin_InfoQ精选文章