人工智能第二次发展热潮(1980~2000)
寻求新方向
70年代末,人工智能进入低谷期。科研人员低估了人工智能的难度,美国国防高级研究计划署的合作计划失败,还让大家对人工智能的前景望而兴叹。主要技术瓶颈:计算机性能不足;处理复杂问题的能力不足;数据量严重缺失。
在专家系统的有限世界被外界无限的世界和繁复的挑战摧毁后,AI科学家不得不寻找新的方向以求突破。
这时候在语音识别领域,统计学派开始出现,并取代专家系统。而随之而来还有在如今大放异彩的两个重要分支——“机器学习”和“神经网络”。
80年代,卡内基梅隆大学为数字设备公司设计了一套名为XCON的“专家系统”。它具有完整专业知识和经验的计算机智能系统。在1986年之前能为公司每年节省下来超过四千美元经费!
同一时期,一类名为“专家系统”的AI程序开始为全世界的公司所采纳,而“知识处理”成为了主流AI研究的焦点。日本政府在同一年代积极投资AI以促进其第五代计算机工程。80年代早期另一个令人振奋的事件是John Hopfield和David Rumelhart使联结主义重获新生,AI再一次获得了成功。
1981年,日本经济产业省拨款八亿五千万美元支持第五代计算机项目。其目标是造出能够与人对话,翻译语言,解释图像,并且像人一样推理的机器。令“芜杂派”不满的是,他们选用Prolog作为该项目的主要编程语言。
其他国家纷纷作出响应。英国开始了耗资三亿五千万英镑的Alvey工程。美国一个企业协会组织了MCC(Microelectronics and Computer Technology Corporation,微电子与计算机技术集团),向AI和信息技术的大规模项目提供资助。DARPA也行动起来,组织了战略计算促进会(Strategic Computing Initiative),其1988年向AI的投资是1984年的三倍。
机器学习
专门研究计算机怎样模拟和实现人类的学习行为,以获得新的知识和技能。并借此不断强化自身的性能。
神经网络
1982年,物理学家John Hopfield证明一种新型的神经网络(现被称为“Hopfield网络”)能够用一种全新的方式学习和处理信息。大约在同时(早于Paul Werbos),David Rumelhart推广了“反传法(en:Backpropagation)”,一种神经网络训练方法。这些发现使1970年以来一直遭人遗弃的联结主义重获新生。
1980年代-1990年代:连接主义AI阶段:转向神经网络和机器学习,通过模拟神经元的连接和规则来实现智能。
1981年,美国数学家詹姆斯·莱特希尔提出了神经网络的概念,即通过模拟人脑神经元来实现智能的机器学习方法。这一概念成为了连接主义的基础。
联结主义的重获新生,这要归功于物理学家John Hopfield证明一种新型的神经网络(现被称为“Hopfield网络”)能够用一种全新的方式学习和处理信息。大约在同时(早于Paul Werbos),David Rumelhart推广了反向传播算法,一种神经网络训练方法。
这两个重要的研究分支出现后,算法和理论不断被优化,但是因为计算机硬件和计算资源的匮乏。人工智能依然没有发挥出人们期待看到的能力。
1984年,大百科全书(Cyc)项目。Cyc项目试图将人类拥有的所有一般性知识都输入计算机,建立一个巨型数据库,并在此基础上实现知识推理,它的目标是让人工智能的应用能够以类似人类推理的方式工作,成为人工智能领域的一个全新研发方向。
1986年,英国计算机科学家戴维·柯尔津斯推出了反向传播算法,即一种可以根据输出结果来调整神经网络中的权重的方法。这一算法成为了连接主义中最重要的技术之一。
1987年,苹果和IBM公司生产的台式机性超过了Symbolics等厂商生产的通用计算机。从此,专家系统风光不再。80年代末,美国国防先进研究项目局高层认为人工智能并不是“下一个浪潮”。
1997年,IBM的Deep Blue战胜国际象棋世界冠军加里·卡斯帕罗夫,标志着机器在某种程度上能够超越人类的智能。