本文經授權轉載自公眾號CSDN（ID：CSDNnews）

過去幾年，人工智慧（AI）的火爆似乎掀起了新一波的網際網路技術浪潮，無數技術人轉移陣地、投身其中。但是隨之而來的，是各種有關人工智慧和機器學習技術的誇誇其談。可以說，在電腦科學領域中，從來沒有出現過如此眾多且毫不專業的人對某一技術領域如此趨之若鶩——即便對於二十世紀八十年代從事尖端硬體的人來說，這也是匪夷所思的事情。

近期，備受矚目的暢銷書作家、《人類簡史》和《未來簡史》的作者尤瓦爾•赫拉利就講述了人工智慧將對民主產生的影響。他的言論中充斥著對當前人工智慧技術能力的極大信心，他說與Google同宗的DeepMind所開發的國際象棋軟體具有“創造性”“富有想象力”，甚至擁有“天才本能”。

此外，在英國廣播公司BBC的人工智慧紀錄片中，吉姆·阿爾哈利利（Jim Al-Khalili）和DeepMind的創始人丹米斯·哈薩比斯（Demis Hassabis）講述了人工智慧系統如何取得了“真正的發現”，而且還“真的提出了一個新的想法”，然後“憑自己的直覺”開發出了策略。

......

各種層出不窮的言論在使用誇張和擬人的手法來描述蠢笨機械化的系統，不一列舉。現在，則是時候回頭仔細看看基礎硬體的現實了。

過去30多年，人工智慧沒有任何重大進步

人們喜歡通過神話、比喻和藉助計算機螢幕等人為形式來討論有關計算機技術，比如“直覺”“創造力”和神奇的“策略”。AI專家從AI的行為中找出特定的模式並將其稱為“戰略”，但神經網路並不知道“戰略”是什麼。如果真的有“創造力”，那也是DeepMind研究人員的創造力，他們設計、管理和訓練了AI。

今天的AI系統是用大量的自動化試錯訓練出來的，每個階段都需要通過一項稱為反向傳播的技術來反饋錯誤並調整系統，以減少將來的錯誤，從而逐步提高AI在特定任務（如國際象棋）上的表現。

目前可以大幅提升AI（“機器學習”和所謂的“深度學習”）系統效率的方法主要以這種反向傳播技術為基礎，而這項技術發明於二十世紀六十年代，並於二十世紀八十年代中期由Geoffrey Hinton應用到神經網路。

換句話說，在過去30多年中人工智慧並沒有任何重大的概念進步——目前我們在人工智慧研究和媒體上看到的大部分內容都是通過大量昂貴的計算硬體和複雜的公關活動渲染的一個古老的想法。

這並不是說DeepMind的工作沒有價值。協助開發者生成新策略和想法的機器非常有趣，特別是由於巨大的複雜性導致人們難以理解該機器的操作。在世俗文化中，技術的魔力和神祕非常誘人，而且在枯燥的工程領域出現一些非常神祕的東西是非常受歡迎的。

但遺憾的是，DeepMind的機器裡並沒有靈魂。

一位上世紀九十年代的年輕程式設計師打破了傳統

所有圍繞DeepMind機器大做文章的行為都會讓人想起二十年前，一個非比尋常且意義深厚的“機器學習”系統給技術界所帶來的那種興奮感。

1997年11月，蘇塞克斯大學計算神經科學與機器人中心的研究員阿德里安·湯普森登上了那一期“新科學家”的封面，其題目是：“原始矽打造的生物——讓達爾文主義迷失在電子試驗室，一睹新的造物主。高效精幹的機器，無人能理解。 ”而湯普森能登上封面的原因是他的作品引起了很大的轟動。

湯普森打破了傳統，在電子硬體上發展了機器學習系統——而不是使用傳統的軟體方法。他選擇這樣做是因為他意識到所有數字計算機軟體的功能都會受到計算機二進位制開關的限制。相比之下，人類大腦的神經元得到了很好的進化，可以思考各種微妙且不可思議的複雜物理和生化過程。湯普森假設，通過自然選擇的自動化過程讓計算機硬體進化，就可以模擬出矽介質的所有實際物理屬性，而計算機的數字開關正是由這些矽介質構成，因此可能會產生某種東西有效模擬人類大腦的組成。

後來的事實也證明了他是正確的。

湯普森在他的實驗室中對FPGA（一種數字矽晶片，其數字開關之間的連線可以反覆重新配置）的配置進行了改進，以便區分兩種不同的音訊音調。然後當湯普森在檢視FPGA晶片內部開關之間的連線是如何通過改進過程配置的時候，他注意到一種令人印象深刻的高效電路設計——僅使用了37個元件。

不僅如此，該改進電路已經超出了數字工程師的理解範圍。37個元件中的一些沒有與其他元件電連線，但是一旦從設計中移除這些元件，整個系統就會停止工作。對於這種奇怪情況，唯一的解釋就是該系統在它所謂的數字元件之間利用了某種神祕的電磁連線。換句話說，該改進過程為了執行“計算”，已經卷入了系統元件和材料模擬的真實世界的特徵。

作為一位二十世紀九十年代的年輕研究員來說，湯普森的工作發現確實令人驚歎。計算機不僅設法發明了一種全新的電子電路，而且超越了人類電子工程師的能力，更重要的是它還指向了開發計算機系統和AI的方法。

獅頭工作室（現已解散）的經典遊戲Black＆White，DeepMind創始人丹米斯·哈薩比斯最初擔任該工作室AI組組長

所以究竟是什麼情況？為什麼湯普森幾乎無人知曉，而後來的哈薩比斯卻為Google的母公司Alphabet贏得了滿堂彩，而且BBC還為之製作了謳歌的紀錄片？答案就在於時機。

人工智慧還“時髦”嗎？

早在二十世紀九十年代，人工智慧就已經十分時髦了。

現在三十多年過來了，AI不僅承擔起了引發“第四次工業革命”的重任，還是行業重點投資的下一個方向。雖然DeepMind的數字AI系統不是很擅長針對複雜的真實世界（如天氣或人腦）進行建模，但它們還是非常適合處理線上二進位制世界的連結、點選、點贊、共享、播放列表和畫素等問題。

除了市場契機已至，DeepMind還深諳吸引觀眾的技巧。DeepMind通過培養技術的神祕性來推銷技術和高階人員，但它的演示始終只是玩簡單的、有計算規則的遊戲，因為遊戲具有媒體和公眾的高度關注以及視覺趣味性的優勢。實際上，該技術的大多數商業應用都將是相當平庸的後臺業務應用程式，例如優化Google資料中心（Google儲存伺服器的地方）的電源效率。

湯普森和哈薩比斯有一個共同點（除了他倆都是英國人以外），他們都擁有必要的技術和創造力，從而能夠有效地訓練和改進他們的系統，但是這種對人類的技術和創造力的依賴性很顯然是所有“人工智慧”或機器學習系統的弱點，它們各自的技術也非常脆弱。

例如，湯普森的系統不能在與訓練環境不同的溫度條件下工作。同樣地，DeepMind擅長的一個視訊遊戲（雅達利的Breakout）中，僅僅是改變擋板的大小就能讓AI的成績一落千丈。這種脆弱性是由於DeepMind的AI軟體不知道什麼是擋板，甚至不知道什麼是視訊遊戲；它的開關只能處理二進位制數。

不可否認，近年來機器學習系統取得了很大的進步，但這一進步主要是通過大量投入傳統計算硬體來實現的，而不是通過激進創新。在不久的將來，晶片整合技術將觸及極限，設計效率（即用更少的硬體進行更多處理）將在商業上更加重要，也許在那一刻可進化形式的硬體將流行起來。

人工智慧會是下一個技術浪潮嗎？

技術是一個升級創新的過程，而不是通過“包裝”渲染的“虛假”式繁榮。而回顧每一次的技術浪潮，從最初的Web時代，到移動、雲端計算時代，然後是現在的人工智慧、區塊鏈、物聯網浪潮，也並不是每一步都走得正確，也是經過了反覆的迭代和推陳出新。

Web和作業系統的年代

自從第一個RFC（Request For Comments）於1969年釋出以來，網際網路協議就有了一個分散的開發過程，並且形成了獨特的標準。雖然定義協議是分散的，但使用這些協議的核心平臺（例如思科路由器）仍然是專有的並且是封閉的。而思科1990年的首次公開募股開啟了不可思議的Web時代。

由於主要的網路供應商都有自己的硬體，所以雖然局外人可以為協議規範做出貢獻，但只有網路公司的開發人員才能將這些協議新增到他們的平臺。思科建立了各種公司，然後經歷各種收購或合併，直至網際網路泡沫破滅。

這之後的作業系統、桌面應用程式也都經歷了類似的戰鬥。無論是20世紀90年代的Netscape和IE，還是今天的Chrome、IE和Firefox，瀏覽器一直是令人垂涎的應用程式，因為它是網路的前端。

移動開發導致消費升級，雲端混戰開啟統治時代

當蘋果公司推出App Store後，與網頁類似但功能更豐富的移動應用程式迎來了消費者能力升級的新時代。但是對於開發人員來說，有些人可能認為移動開發進入的門檻太低，這個對所有人開放的領地註定難以形成創新，才會導致現在的應用商店遍佈垃圾、充斥著復刻和模仿。不過事實證明，仍有一小部分人成功建立了出色的應用程式，但絕大多數的人卻仍是無所作為。

而“得雲者得天下”的雲端計算時代，在2006年開啟。彼時，谷歌推出了“Google 101計劃”，並正式提出“雲”的概念和理論。此後，亞馬遜、微軟、惠普、雅虎、英特爾、IBM等公司紛紛入局，雲端混戰。其中亞馬遜在採用AWS的雲端計算功能和新時代的定價方面做得非常出色，Google和微軟緊隨其後。

在雲端計算模式下，使用者藉助雲服務提供商的計算資源、儲存空間和各種應用軟體，就可以把連線“顯示器”和“主機”的電線變成網路，把“主機”變成雲服務提供商的伺服器叢集。也因此，近年來一大批的企業為了追求低成本和高效能而藉助雲端計算實現數字化轉型。

區塊鏈、物聯網、人工智慧主導下一波技術浪潮

區塊鏈、物聯網和人工智慧則最有望成為下一個技術浪潮。

區塊鏈以其獨特的技術計算方式獲得了企業和使用者的熱烈追捧，而2016年印發的《“十三五”國家資訊化規劃》中提出的“加強區塊鏈等新技術的創新、試驗和應用”更是為其加了一把火，在技術圈炒得火熱。2017年世界經濟論壇釋出的白皮書《實現區塊鏈的潛力》，則提到了區塊鏈技術能夠使資訊網際網路向價值網際網路的新時代轉變，開創更具顛覆性和變革性的網際網路時代。從目前來看，區塊鏈的技術應用雖不夠完善，但發展前景卻很值得期待。

物聯網（IoT）在過去的十年中經歷了幾次起伏。就進入門檻而言，構建物聯網裝置的大多數軟體（甚至硬體）構建模組都是常用的，但將商用物聯網裝置推向市場是一項重大任務。物聯網已從一些標準化中受益，但它也是一個非常分散的空間，僅僅因為有“標準”並不意味著公司必須使用它們。因此，雖然未來的物聯網發展將會涉及到生活的各個領域，但是如何將其潛力發揮極致也是開發者和市場重要的一大命題。

而人工智慧領域，正如前文所述，它是一個有著完備生態和豐富工具的技術，但是現階段的人工智慧還不成熟，仍是基於以往研究的“美化”和“包裝”。不過正如各大科技巨頭們爭相湧入的勢頭一般，也正像Gartner2017年成熟度曲線所呈現的那樣，有了創新和突破，“真正的”人工智慧很快就會到來。

Gartner公佈的2017全球新興技術成熟度曲線

未來已來，但是會以何種姿勢呈現，取決於技術市場和開發者們。

• https://medium.com/machine-learning-in-practice/why-artificial-intelligence-is-different-from-previous-technology-waves-764d7710df8b

• https://www.theregister.co.uk/2018/11/06/andrew_fentem_on_ai/，譯者彎月。

本文轉自公眾號“CSDN”，ID：CEDNnews

以上文章為轉載，不代表本報觀點