自動駕駛汽車，由機器人支持的MRI掃描，讀心術和x射線視覺......人工智能有望永久改變世界。
人工智能可以有多種形式，但它的大致定義是：一個能夠處理人類任務的電腦系統。很久之前，人工智能就陷入了極度炒作和隨後崩潰的惡性循環。雖然最近的技術進步可能終結這種“盛—衰”模式——我們稱之為“人工智能的冬天”，但一些科學家依然相信，冬天將再次來臨。
什麽是“人工智能的冬天”？
數千年來，人類一直在思考人工智能的潛力。例如，古希臘人認為，名為Talos的青銅自動機保護了克裡特島免受海上敵人的攻擊。但在過去的半個世紀裡，人工智能只是從神話領域轉移到了現實世界——從傳奇電腦科學家艾倫·圖靈1950年的論文開始，它便給我們提出了一個富有挑戰性的的問題——“機器可以思考嗎？”
那時，美國正處於冷戰時期，國會代表決定大力投資人工智能，將其作為更大安全戰略的一部分。當時他們的重點在翻譯領域，主要是俄語和英語之間的互譯。計算語言學家W. John Hutchins的《機器翻譯史》記載，1954年至1966年是“樂觀主義的十年”，因為當時許多傑出的科學家認為突破即將來臨，並且人工智能領域得到了讚助商的巨額投資。
但突破來得並沒有想象的那樣快。
1966年，七位自動語言處理谘詢委員會的科學家發表了一份政府報告，其結論是機器翻譯比人工翻譯更慢、更昂貴、更不準確。資金被突然取消，Hutchins寫道，機器翻譯“到了虛擬的終點......已經十多年了。”
從那時開始，情況變得更糟。
1969年，國會授權國防高級研究計劃局（DARPA）僅資助直接影響軍事工作的研究，將研究工作放在許多探索性和基礎科學項目上。
華盛頓大學的《電腦歷史》記載，“在人工智能的冬季期間，人工智能研究必須以不同的名稱偽裝自己才能繼續獲得資金”。（“資訊學”和“機器學習”，就是那個時代出現的委婉語之一。）
20世紀70年代後期，隨著LISP機的短暫成功，人工智能出現了輕微的復甦——LISP機是一種高效、專業化的、昂貴的工作站，很多人認為其是AI硬體的未來。
但是希望在20世紀80年代後期破滅了——這一次是由於台式電腦的興起以及政府資金對人工智能潛力的再次懷疑。這次冬天持續到了20世紀90年代中期，研究人員從那時起就一直在尋找出路。
過去二十年是人工智能史無前例的樂觀時期。硬體（即高功率微處理器和新技術），特別是深度學習技術，終於創造出了令消費者和投資者都感到驚訝的人工智能。以現有示例對神經網絡進行仔細訓練後，它能自己進行學習任務。例如，你可以為神經網絡提供數千個影像，一些標記為“貓”，一些標記為“沒有貓”，並訓練機器自己識別圖片中的“貓”和“沒有貓”。相關的深度學習策略也支持生物資訊學和藥理學中的新興技術、Alexa或Google Home設備中的自然語言處理、甚至是自動駕駛汽車使用的機械眼球。
冬天又來了嗎？
但完全自動駕駛汽車的出現讓科學家們又開始擔心人工智能的冬天要出現了。
2015年，特斯拉創始人馬斯克表示，完全自動駕駛的汽車將在2018年上路（嚴格來說，他還有四個月的時間），通用汽車認為是2019年，而福特表示這個時間應該是2021年。
大眾越來越受到誤導。而且，由於這些言論是公開的，它們可能會對該領域產生嚴重後果。據最近的幾條新聞來看：亞利桑那州一名行人因自動駕駛系統死亡、有三人因優步的自動駕駛模式死亡......應用人工智能越來越不樂觀。
人們對即將到來的人工智能的冬天的恐懼已經越來越深。據AI研究員Filip Piekniewski等評論家稱，近年來深度學習已經發展得很慢了。“消失的梯度問題”已經縮小，但它仍然阻止了神經網絡在某些方面上的學習。人工智能與“泛化”的鬥爭仍然存在：一隻受過家貓照片培訓的機器可以識別出更多的家貓，但它無法將這些知識推及到徘徊的獅子身上。
這些問題對自動駕駛汽車造成了很大影響。
“如果我們的目標是在2020年左右，實現完全自動駕駛，你需要每年看到安全駕駛乾預減少60%以上，並且其安全要達到99.9999%，”卡內基梅隆大學電腦科學系主任Andrew Moore在最近一期的Recode Decode播客中說道，“我不相信事情可以發展得那麽快。”
就像現實中的季節變化一樣，人工智能的冬天很難預測。對於新興技術的入侵來說，人們興奮是必要的，但同時，為了防止暴風雪的來臨我們需要做大量艱苦的工作。
正如Facebook前人工智能總監Yann LeCun在接受IEEE Spectrum採訪時所言，“人工智能經歷了許多冬天，因為有很多事情它都無法實現。”
文章來源：PopularScience
香港九龍灣馬來街興發大廈15樓D室