人工智能的“虚假式繁荣”

　　狮头工作室（现已解散）的经典游戏Black＆White，DeepMind创始人丹米斯·哈萨比斯最初担任该工作室AI组组长

　　早在二十世纪九十年代，人工智能就已经十分时髦了。

　　过去30多年，人工智能没有任何重大进步

　　......

　　Web和操作系统的年代

　　区块链以其独特的技术计算方式获得了企业和用户的热烈追捧，伺服电机维修，而2016年印发的《“十三五”国家信息化规划》中提出的“加强区块链等新技术的创新、试验和应用”更是为其加了一把火，在技术圈炒得火热。2017年世界经济论坛发布的白皮书《实现区块链的潜力》，则提到了区块链技术能够使信息互联网向价值互联网的新时代转变，开创更具颠覆性和变革性的互联网时代。从目前来看，区块链的技术应用虽不够完善，但发展前景却很值得期待。

　　今天的AI系统是用大量的自动化试错训练出来的，每个阶段都需要通过一项称为反向传播的技术来反馈错误并调整系统，以减少将来的错误，从而逐步提高AI在特定任务（如国际象棋）上的表现。

　　所有围绕DeepMind机器大做文章的行为都会让人想起二十年前，一个非比寻常且意义深厚的“机器学习”系统给技术界所带来的那种兴奋感。

　　Gartner公布的2017全球新兴技术成熟度曲线

　　后来的事实也证明了他是正确的。

　　而人工智能领域，正如前文所述，它是一个有着完备生态和丰富工具的技术，但是现阶段的人工智能还不成熟，仍是基于以往研究的“美化”和“包装”。不过正如各大科技巨头们争相涌入的势头一般，也正像Gartner2017年成熟度曲线所呈现的那样，有了创新和突破，“真正的”人工智能很快就会到来。

　　而“得云者得天下”的云计算时代，在2006年开启。彼时，谷歌推出了“Google 101计划”，并正式提出“云”的概念和理论。此后，亚马逊、微软、惠普、雅虎、英特尔、IBM等公司纷纷入局，云端混战。其中亚马逊在采用AWS的云计算功能和新时代的定价方面做得非常出色，Google和微软紧随其后。

　　技术是一个升级创新的过程，而不是通过“包装”渲染的“虚假”式繁荣。而回顾每一次的技术浪潮，从最初的Web时代，到移动、云计算时代，然后是现在的人工智能、区块链、物联网浪潮，也并不是每一步都走得正确，也是经过了反复的迭代和推陈出新。

　　物联网（IoT）在过去的十年中经历了几次起伏。就进入门槛而言，构建物联网设备的大多数软件（甚至硬件）构建模块都是常用的，但将商用物联网设备推向市场是一项重大任务。物联网已从一些标准化中受益，但它也是一个非常分散的空间，仅仅因为有“标准”并不意味着公司必须使用它们。因此，虽然未来的物联网发展将会涉及到生活的各个领域，但是如何将其潜力发挥极致也是开发者和市场重要的一大命题。

　　一位上世纪九十年代的年轻程序员打破了传统

　　过去几年，人工智能（AI）的火爆似乎掀起了新一波的互联网技术浪潮，无数技术人转移阵地、投身其中。但是随之而来的，是各种有关人工智能和机器学习技术的夸夸其谈。可以说，在计算机科学领域中，从来没有出现过如此众多且毫不专业的人对某一技术领域如此趋之若鹜——即便对于二十世纪八十年代从事尖端硬件的人来说，这也是匪夷所思的事情。

　　区块链、物联网和人工智能则最有望成为下一个技术浪潮。

　　汤普森打破了传统，在电子硬件上发展了机器学习系统——而不是使用传统的软件方法。他选择这样做是因为他意识到所有数字计算机软件的功能都会受到计算机二进制开关的限制。相比之下，人类大脑的神经元得到了很好的进化，可以思考各种微妙且不可思议的复杂物理和生化过程。汤普森假设，通过自然选择的自动化过程让计算机硬件进化，就可以模拟出硅介质的所有实际物理属性，而计算机的数字开关正是由这些硅介质构成，因此可能会产生某种东西有效模拟人类大脑的组成。

　　自从第一个RFC（Request For Comments）于1969年发布以来，机器人维修，互联网协议就有了一个分散的开发过程，并且形成了独特的标准。虽然定义协议是分散的，但使用这些协议的核心平台（例如思科路由器）仍然是专有的并且是封闭的。而思科1990年的首次公开募股开启了不可思议的Web时代。

　　例如，汤普森的系统不能在与训练环境不同的温度条件下工作。同样地，DeepMind擅长的一个视频游戏（雅达利的Breakout）中，仅仅是改变挡板的大小就能让AI的成绩一落千丈。这种脆弱性是由于DeepMind的AI软件不知道什么是挡板，甚至不知道什么是视频游戏；它的开关只能处理二进制数。

　　近期，备受瞩目的畅销书作家、《人类简史》和《未来简史》的作者尤瓦尔?赫拉利就讲述了人工智能将对民主产生的影响。他的言论中充斥着对当前人工智能技术能力的极大信心，他说与Google同宗的DeepMind所开发的国际象棋软件具有“创造性”、“富有想象力”，甚至拥有“天才本能”。

　　汤普森和哈萨比斯有一个共同点（除了他俩都是英国人以外），他们都拥有必要的技术和创造力，从而能够有效地训练和改进他们的系统，但是这种对人类的技术和创造力的依赖性很显然是所有“人工智能”或机器学习系统的弱点，它们各自的技术也非常脆弱。

　　区块链、物联网、人工智能主导下一波技术浪潮

　　移动开发导致消费升级，云端混战开启统治时代

　　这并不是说DeepMind的工作没有价值。协助开发者生成新策略和想法的机器非常有趣，特别是由于巨大的复杂性导致人们难以理解该机器的操作。在世俗文化中，技术的魔力和神秘非常诱人，而且在枯燥的工程领域出现一些非常神秘的东西是非常受欢迎的。

　　当苹果公司推出App Store后，与网页类似但功能更丰富的移动应用程序迎来了消费者能力升级的新时代。但是对于开发人员来说，有些人可能认为移动开发进入的门槛太低，这个对所有人开放的领地注定难以形成创新，才会导致现在的应用商店遍布垃圾、充斥着复刻和模仿。不过事实证明，仍有一小部分人成功创建了出色的应用程序，但绝大多数的人却仍是无所作为。

　　但遗憾的是，DeepMind的机器里并没有灵魂。

　　未来已来，但是会以何种姿势呈现，取决于技术市场和开发者们。

　　在云计算模式下，用户借助云服务提供商的计算资源、存储空间和各种应用软件，就可以把连接“显示器”和“主机”的电线变成网络，把“主机”变成云服务提供商的服务器集群。也因此，近年来一大批的企业为了追求低成本和高性能而借助云计算实现数字化转型。

　　此外，在英国广播公司BBC的人工智能纪录片中，吉姆·阿尔哈利利（Jim Al-Khalili）和DeepMind的创始人丹米斯·哈萨比斯（Demis Hassabis）讲述了人工智能系统如何取得了“真正的发现”，而且还“真的提出了一个新的想法”，然后“凭自己的直觉”开发出了策略。

　　汤普森在他的实验室中对FPGA（一种数字硅芯片，其数字开关之间的连接可以反复重新配置）的配置进行了改进，以便区分两种不同的音频音调。然后当汤普森在查看FPGA芯片内部开关之间的连接是如何通过改进过程配置的时候，他注意到一种令人印象深刻的高效电路设计——仅使用了37个元件。

　　目前可以大幅提升AI（“机器学习”和所谓的“深度学习”）系统效率的方法主要以这种反向传播技术为基础，而这项技术发明于二十世纪六十年代，并于二十世纪八十年代中期由Geoffrey Hinton应用到神经网络。