“人工智能之父”馬文·明斯基的對與錯

□文/李耀琪

李耀琪 本刊編輯

“人工智能之父”馬文·明斯基的對與錯

□文/李耀琪

李耀琪 本刊編輯

“隕落的彗星，雖不再繼續(xù)閃耀，但它流逝的光芒依然能劃破天際，照亮夜空?！?1956年，在被稱為人工智能起點的“達特茅斯會議”上，馬文·明斯基和它的Snare成為會議的最大亮點之一。60年后，明斯基因腦溢血在波士頓布萊根婦女醫(yī)院去世，享年88歲。人們不禁惋惜，人工智能領(lǐng)域的一顆巨星就這樣隕落了。至此，“達特茅斯會議”上所有的專家都已離開人世。但是，他們的遺志指引著一代新的科學(xué)家，2016年，成了人工智能發(fā)展的新起點。

智能問題值得奉獻一生

馬文·明斯基（Marvin Minsky），生前是麻省理工學(xué)院媒體實驗室名譽教授、數(shù)學(xué)家、計算機科學(xué)家、人工智能領(lǐng)域先驅(qū)。作為最早聯(lián)合提出“人工智能”概念的偉人，被尊為人工智能之父。他在人工智能領(lǐng)域卓有成就——人工智能領(lǐng)域首位圖靈獎獲得者，虛擬現(xiàn)實最早倡導(dǎo)者，也是世界上第一個人工智能實驗室MIT人工智能實驗室聯(lián)合創(chuàng)始人。而就是這位人工智能教父，也曾讓整個人工智能領(lǐng)域的發(fā)展停滯不前，而這一切的傳奇都要從他的經(jīng)歷開始說起。

1927年8月9日，明斯基出生在美國紐約的一個眼科醫(yī)生家庭。因為正值美國大力發(fā)展私立學(xué)校的時期，所以他從小學(xué)到中學(xué)全盤接受的都是私立學(xué)校的教育，并對電子學(xué)和化學(xué)情有獨鐘。

1945年高中畢業(yè)后，明斯基應(yīng)征入伍，在芝加哥北邊的大湖海軍培訓(xùn)中心（Great Lakes Naval training Center）和其他約120名新兵一起接受了訓(xùn)練。按明斯基本人后來的說法，這是他第一次，也是最后一次和非學(xué)術(shù)界的人員混在一起。

退伍后，1946年他進入哈佛大學(xué)主修物理，但他選修的課程相當(dāng)廣泛，從電氣工程、數(shù)學(xué)，到遺傳學(xué)等涉及多個學(xué)科專業(yè)，有一段時間他還在心理學(xué)系參加過課題研究。當(dāng)時流行的一些關(guān)于心智起源的學(xué)說與理論使他難以接受，比如新行為主義心理學(xué)家斯金納（Burrhus Frederic Skinner，1904—1990）根據(jù)一些動物行為的事實提出理論，把人的學(xué)習(xí)與動物的學(xué)習(xí)等同起來，明斯基就不以為然，并激發(fā)了他要把這個困難問題弄清楚的決心。后來他放棄物理改修數(shù)學(xué)，并于1950年畢業(yè)之后進入普林斯頓大學(xué)研究生院深造。

第二次世界大戰(zhàn)以前，阿蘭·圖靈正是在這里開始研究機器是否可以具有智能的問題。同樣，明斯基也在這里開始研究同一問題。在接受《紐約時報》采訪時，明斯基表示：“智能問題看起來深不見底，我想這才是值得我奉獻一生的領(lǐng)域?！?/p>

圖1 ：Snare

世界第一和人工智能的扼殺者

1951年他提出了關(guān)于思維如何萌發(fā)并形成的一些基本理論，同時建造了世界上第一個神經(jīng)網(wǎng)絡(luò)模擬器“Snare”。Snare雖然比較粗糙和不夠靈活，畢竟是人工智能研究中最早的嘗試之一。在Snare的基礎(chǔ)上，明斯基綜合利用他多學(xué)科的知識，解決了使機器能基于對過去行為的知識，預(yù)測其當(dāng)前行為的結(jié)果這一問題，并以“神經(jīng)網(wǎng)絡(luò)和腦模型問題”（Neural Nets and the Brain Model Problem）為題完成了他的博士論文，并于1954年取得博士學(xué)位。

學(xué)成以后，明斯基留校工作3年。1956年，他與麥卡錫、香農(nóng)等人一起發(fā)起并組織了成為人工智能起點的“達特茅斯會議”，在這個具有歷史意義的會議上，明斯基的Snare，麥卡錫的α-β搜索法，以及西蒙和紐厄爾的“邏輯理論家”是會議的三個亮點。1958年，明斯基從哈佛轉(zhuǎn)至麻省理工學(xué)院（MIT），同時麥卡錫也由達特茅斯來到MIT與他會合，他們在這里共同創(chuàng)建了世界上第一個人工智能實驗室。

圖2 ：2006年，會議五十年后，當(dāng)事人重聚達特茅斯。左起：摩爾，麥卡錫，明斯基，賽弗里奇，所羅門諾夫

雖然明斯基的貢獻極大地促進了人工智能革命的到來，但他也差點親手將人工智能扼殺在萌芽之中。1969年，明斯基與西蒙·派珀特(Simon Papert)合著的著作《感知機》卻被業(yè)內(nèi)普遍認(rèn)為極大地阻礙了神經(jīng)網(wǎng)絡(luò)的發(fā)展。明斯基在這本書中著重闡述了“感知機”存在的限制。他指出，神經(jīng)網(wǎng)絡(luò)被認(rèn)為充滿潛力，但實際上無法實現(xiàn)人們期望的功能。

在他看來，處理神經(jīng)網(wǎng)絡(luò)的計算機存在兩點關(guān)鍵問題。首先，單層神經(jīng)網(wǎng)絡(luò)無法處理“異或”電路；其次，當(dāng)時的計算機缺乏足夠的計算能力，無法滿足大型神經(jīng)網(wǎng)絡(luò)長時間運行的需求。

由于被明斯基這樣的權(quán)威人士看衰，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)的研究迅速陷入了低谷，20世紀(jì)70年代則成為了“人工智能的寒冬”。2014年加入谷歌的人工智能專家杰弗里·辛頓(Geoffrey Hinton)當(dāng)時正在讀研究生，他也感受到了這樣的“惡意”。當(dāng)時，當(dāng)他告訴周圍人自己正在研究人工神經(jīng)網(wǎng)絡(luò)時，人們總會這樣回應(yīng)：“難道你不明白么？這些東西沒用?！?/p>

圖2 ：麻省理工學(xué)院

明斯基的功勞不可抹殺

不可否認(rèn)，明斯基對于人工智能的發(fā)展也做出了極大的貢獻。1975年他首創(chuàng)框架理論(frame theory)。

框架的頂層是固定的，表示固定的概念、對象或事件。下層由若干槽(slot)組成，其中可填入具體值，以描述具體事物特征。每個槽可有若干側(cè)面（facet），對槽作附加說明，如槽的取值范圍、求值方法等。這樣，框架就可以包含各種各樣的信息，例如描述事物的信息，如何使用框架的信息，對下一步發(fā)生什么的期望，期望如果沒有發(fā)生該怎么辦，等等。利用多個有一定關(guān)聯(lián)的框架組成框架系統(tǒng)，就可以完整而確切地把知識表達出來。

明斯基最初是把框架作為視覺感知、自然語言對話和其他復(fù)雜行為的基礎(chǔ)提出來的，但一經(jīng)提出，就因為它既是層次化的，又是模塊化的，在人工智能界引起了極大的反響，成為通用的知識表示方法被廣泛接受和應(yīng)用。不但如此，它的一些基本概念和結(jié)構(gòu)，也被后來興起的面向?qū)ο蠹夹g(shù)和方法所利用。此外，明斯基的框架理論也成為當(dāng)前流行的一些專家系統(tǒng)開發(fā)工具和人工智能語言的基礎(chǔ)，例如，著名的KR L(Knowledge R epresentation Language)。

他還把人工智能技術(shù)和機器人技術(shù)結(jié)合起來，開發(fā)出了世界上最早的能夠模擬人活動的機器人R obot C，使機器人技術(shù)躍上了一個新臺階。他的另一個大舉措是創(chuàng)建了著名的“思維機公司”（Thinking Machines，Inc．），開發(fā)具有智能的計算機。

圖4 ：明斯基與Robot C

明斯基也是“虛擬現(xiàn)實”（virtual reality）的倡導(dǎo)者，雖然VR這個名詞與概念是20世紀(jì)90年代才出現(xiàn)與明朗起來的。早在20世紀(jì)60年代，明斯基就自己造了一個名詞，叫telepresence，直譯應(yīng)為“遙遠的存在”或“遠距離介入”，明斯基所謂的telepresence是這樣一種設(shè)備或環(huán)境：它允許人體驗?zāi)撤N事件，而不需要真正介入這種事件，比如感覺自己在駕駛飛機、在戰(zhàn)場上參加戰(zhàn)斗、在水下游泳等等，實際上這些事都沒有發(fā)生。明斯基提出過利用微型攝像機、運動傳感器等設(shè)備來實現(xiàn)telepresence的一些方案。明斯基的telepresence不是和現(xiàn)在研究的虛擬現(xiàn)實如出一轍嗎？

圖5 ：杰弗里·辛頓

《情感機器》的新探索

可以說，明斯基的研究成果極大地推動了人工智能的發(fā)展，為后人留下了寶貴的財富。但也因為他的權(quán)威定論，人工智能的發(fā)展差點被扼殺。

相關(guān)研究直到1978年才開始逐漸復(fù)蘇，而其中的關(guān)鍵人物則是辛頓和哈佛大學(xué)神經(jīng)生物學(xué)博士特里·謝伊諾斯基(Terry Sejnowski)。

據(jù)《紐約時報》記者約翰·馬爾科夫(John Markoff)在《與機器人共舞》一書中介紹，1982年，辛頓舉辦了一場夏季研討會，主題是聯(lián)想記憶的并行模型，而與會的謝伊諾斯基當(dāng)時正在探索如何通過新方式來為大腦建模。他們的理念一拍即合。隨后幾年，從并行分布處理方法起步，他們創(chuàng)造了新的多層網(wǎng)絡(luò)“玻爾茲曼網(wǎng)絡(luò)”。這項研究也證明，《感知機》一書中所做的預(yù)言，即感知機無法被推廣至多層網(wǎng)絡(luò)，是完全錯誤的。

實際上，在進入20世紀(jì)80年代后，《感知機》一書提到的兩大問題都已得到解決。一方面，摩爾定律的應(yīng)驗使計算機處理能力飛速提升，計算能力不再成為制約神經(jīng)網(wǎng)絡(luò)的因素。另一方面，反向傳播算法的提出解決了關(guān)于“異或”電路實現(xiàn)的難題。隨后的近30年中，隨著軟件算法和硬件性能的不斷優(yōu)化，深度學(xué)習(xí)技術(shù)終于可以大展拳腳。近年來，移動互聯(lián)網(wǎng)的快速發(fā)展、數(shù)據(jù)量的激增則給神經(jīng)網(wǎng)絡(luò)提供了充足的學(xué)習(xí)材料。

然而，明斯基仍不看好神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)。2007年，在新書《情感機器》出版不久后，《Discover》雜志的蘇珊·克魯格林斯基(Susan Kruglinski)對明斯基進行了采訪。后者再次重申了自己的觀點：

“人工智能領(lǐng)域的每個人都在追求某種邏輯推理系統(tǒng)、遺傳計算系統(tǒng)、統(tǒng)計推理系統(tǒng)或神經(jīng)網(wǎng)絡(luò)，但無人取得重大突破，原因是它們過于簡單。這些新理論充其量只能解決部分問題，而對其他問題無能為力。我們不得不承認(rèn)，神經(jīng)網(wǎng)絡(luò)不能做邏輯推理。例如，在計算概率時，它無法理解數(shù)字的真正意義是什么?！?/p>

關(guān)于理想中的人工智能技術(shù)，他認(rèn)為重要的一點是使其具備常識性知識，而不僅僅是對圖像和語音的模式識別。在他看來，人工智能應(yīng)當(dāng)類似于人腦，而“人類解決問題的方式首先是具備大量常識性知識”。隨后，他還希望能實現(xiàn)《情感機器》一書中描述的思維體系結(jié)構(gòu)，使人工智能在各種思維方式間切換。

行業(yè)的發(fā)展并沒有按照明斯基的設(shè)想去推進。現(xiàn)在基于深度學(xué)習(xí)對圖像和語音的判斷識別受到人們的熱捧。業(yè)內(nèi)普遍認(rèn)為，深度學(xué)習(xí)技術(shù)幫助人工智能研究在視覺和語音領(lǐng)域取得了長足進步。在硅谷，越來越多的科學(xué)家和工程師認(rèn)為，深度學(xué)習(xí)將最終帶來“強人工智能”：機器的智慧水平將超過人類。

2013年，明斯基的學(xué)生、知名未來學(xué)家雷伊·庫茲韋爾(R ay Kurzweil)接替吳恩達，出任Google Brain項目負(fù)責(zé)人。在谷歌強大的神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，庫茲韋爾的到來或許可以幫助明斯基實現(xiàn)未盡的目標(biāo)。

人工智能的未來或許可以用明斯基2014年的一段話來總結(jié)：“如果你讓計算機自己待著，或是讓許多計算機待在一起，那么它們可能會試圖了解，它們從何而來，它們是誰。如果它們突然看到一本關(guān)于計算機科學(xué)的圖書，那么可能會嘲笑著說：‘這太假了。’而不同的計算機群體可能也會有不同想法。”

圖5 ：情感機器

手機掃碼閱讀