過去幾年，人工智能（AI）的火爆似乎掀起了新一波的互聯網技術浪潮，無數技術人轉移陣地、投身其中。但是隨之而來的，是各種有關人工智能和機器學習技術的夸夸其談。可以說，在計算機科學領域中，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——即便對于二十世紀八十年代從事尖端硬件的人來說，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能將對民主產生的影響。他的言論中充斥著對當前人工智能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件具有“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的人工智能紀錄片中，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）講述了人工智能系統如何取得了“真正的發現”，而且還“真的提出了一個新的想法”，然后“憑自己的直覺”開發出了策略。
......
各種層出不窮的言論在使用夸張和擬人的手法來描述蠢笨機械化的系統，不一枚舉。現在，則是時候回頭仔細看看基礎硬件的現實了。
過去30多年，人工智能沒有任何重大進步
人們喜歡通過神話、比喻和借助計算機屏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并將其稱為“戰略”，但神經網絡并不知道“戰略”是什么。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并調整系統，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，而這項技術發明于二十世紀六十年代，并于二十世紀八十年代中期由Geoffrey Hinton應用到神經網絡。
換句話說，在過去30多年中人工智能并沒有任何重大的概念進步——目前我們在人工智能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件和復雜的公關活動渲染的一個古老的想法。
這并不是說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，特別是由于巨大的復雜性導致人們難以理解該機器的操作。在世俗文化中，技術的魔力和神秘非常誘人，而且在枯燥的工程領域出現一些非常神秘的東西是非常受歡迎的。
但遺憾的是，DeepMind的機器里并沒有靈魂。
一位上世紀九十年代的年輕程序員打破了傳統
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：“原始硅打造的生物——讓達爾文主義迷失在電子試驗室，一睹新的造物主。高效精干的機器，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，在電子硬件上發展了機器學習系統——而不是使用傳統的軟件方法。他選擇這樣做是因為他意識到所有數字計算機軟件的功能都會受到計算機二進制開關的限制。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復雜物理和生化過程。湯普森假設，通過自然選擇的自動化過程讓計算機硬件進化，就可以模擬出硅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硅介質構成，因此可能會產生某種東西有效模擬人類大腦的組成。
后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（一種數字硅芯片，其數字開關之間的連接可以反復重新配置）的配置進行了改進，以便區分兩種不同的音頻音調。然后當湯普森在查看FPGA芯片內部開關之間的連接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范圍。37個組件中的一些沒有與其他組件電連接，但是一旦從設計中移除這些組件，整個系統就會停止工作。對于這種奇怪情況，唯一的解釋就是該系統在它所謂的數字組件之間利用了某種神秘的電磁連接。換句話說，該改進過程為了執行“計算”，已經卷入了系統組件和材料模擬的真實世界的特征。
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嘆。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。
所以究竟是什么情況？為什么湯普森幾乎無人知曉，而后來的哈薩比斯卻為Google的母公司Alphabet贏得了滿堂彩，而且BBC還為之制作了謳歌的紀錄片？答案就在于時機。
【來源：億歐網】
