人工智能的兴衰

达特茅斯研讨会之后的几年里，人工智能迅速激起了越来越多人的兴趣。关于逻辑、问题求解、规划，乃至神经元模拟的新点子不断推动研究者的乐观情绪。因为信息论等领域的新进展，以及描述自然语言里单词怎样装配成完整句子的新规则相继出现，有的研究者觉得机器翻译将会迅速实现。另一些研究者探索着人脑如何使用联结成网络的神经元来学习和做出预测。沃尔特·皮茨和沃伦·麦卡洛开发了最初的神经网络之一；马文·明斯基设计了SNARC（随机神经模拟强化计算器，这是一台神经网络机器）。到了20世纪60年代早期，就算经验最丰富、头脑最聪慧的先驱，都被当时技术的进步冲昏了头脑，他们因此做出的预言有点不切实际。

在理论上，我们有可能在流水线上生产出能自我复制的，还能意识到自身存在的大脑。

——弗兰克·罗森布拉特，感知机领域的人工智能先驱（1958）

在这种热情的驱使下，资金源源不绝注入，研究者狂热地投身机器翻译和“连接主义”（神经网络）的课题中。但这时炒作已经太过了。到了1964年，美国金主NRC（国家科研委员会）开始担心机器翻译似乎没有取得什么进展。ALPAC（自动语言处理顾问委员会）考察了问题所在。看来，研究者先前低估了词义消歧（词语的意思会随上下文不同而变化）的难度。结果就是，20世纪60年代的人工智能会犯一些很让人难堪的错误。比如从英文译为俄文再译回英文，“out ofsight,out of mind”（眼不见为净）变成了“blind idiot”（瞎眼的白痴）。

在我们有生之年，机器的通用智力可能会超越我们。

——马文·明斯基（1961）

ALPAC报告的结论是，机器翻译不仅质量不如人工翻译，而且花费昂贵得多。在花了2000万美元后，NRC因这份报告而砍掉了所有资助，终结了美国的机器翻译研究。同一时间，连接主义研究也开始衰落，因为研究者很难用简单的神经网络来做到什么有用的事情。对神经网络来说，棺材上的最后一颗钉子来自马文·明斯基和西摩尔·派普特出版于1969年的图书《感知机》，书中详述了简单神经元模型的众多局限。这标志着神经网络研究的终结。但情况还会变得更糟糕。随后问世的《莱特希尔报告》应英国国会的委托，对人工智能研究进展做出了评估。数学家詹姆斯·莱特希尔爵士对其提出了毁灭性的批评：“大约十年前进入这个领域的工作者大多都承认，他们当年一定程度上天真的乐观情绪，现在看起来是错误的乐观……在建造通用类型的机器人方面取得的成就，远远没达到当初的宏伟目标。”这份报告在全世界引起了强烈反响。美国的DARPA（国防高级研究计划局）砍掉了对人工智能的资助，因为他们意识到在语音理解之类的领域，研究者并没有做出先前许诺的成果。在英国，人工智能方面的资助几乎完全中断，只在三所大学（埃塞克斯大学、萨塞克斯大学、爱丁堡大学）还有所保留。人工智能和智能机器人的信誉已经丧尽。第一个人工智能的冬天降临了。

尽管不再受青睐，但仍旧有几位人工智能学者在这个领域继续坚持了十年。早期的工作并没有遗失，其中许多进展只不过变成了主流计算技术的组成部分。最终到了20世纪80年代，人工智能又迎来了一个新突破：专家系统。这些新的人工智能算法把人类专家的知识采集到基于规则的系统里，并执行诸如识别未知分子或诊断疾病之类的任务。人们开发了一些新的编程语言让这一类人工智能得以充分施展，比如Prolog或LISP，并建造了新的专用计算机来高效运行这些语言。专家系统很快被全世界工业界采用，业务蒸蒸日上。人工智能的研究者又能得到资助了。日本分配了8.5亿美金给第五代计算机项目，试图制造出一种能运行专家系统软件，并且执行一些神奇的任务（比如日常会话，或解读图片）的超级计算机。到了1985年，DARPA不但在国防部的人工智能部门投入了10亿多美金，并且注入1亿多美金资助了60个外部机构的92个课题。人工智能回来了，过度的兴奋和炒作也回来了。

但是这回也没有持久。传统计算机的性能迅速超越了专用的人工智能机器，人工智能硬件公司纷纷倒闭。然后人们发现专家系统极难维护，而且输入有缺陷的时候，系统输出也容易犯严重错误。人工智能先前应许的各种能力并没能实现。工业界放弃了这项新技术，资金再次迅速干涸。第二个人工智能的冬天开始了。

我们可以预期，到2017年，我们就能造出与人类智能匹敌的电脑。

——大卫·沃尔茨，推理领域的人工智能先驱（1988）