「ai低谷」的圖片搜尋結果
 
D. 第一次AI低谷:1974 ~1980
    到了70年代,AI開始飽受批評,隨之而來的還有資金上的困難。AI研究者們對其課題的難度未能作出正確判斷:此前的過於樂觀使人們期望過高,當承諾無法兌現時,對AI的資助就縮減或取消了。同時,由於馬文·閔斯基對感知器的激烈批評,聯結主義(即神經網絡)銷聲匿跡了十年。70年代後期,儘管遭遇了公眾的誤解,AI在邏輯編程,常識推理等一些領域還是有所進展。
 
 
    70年代初,AI遭遇了瓶頸。即使是最傑出的AI程序也只能解決它們嘗試解決的問題中最簡單的一部分,也就是說所有的AI程序都只是「玩具」。AI研究者們遭遇了無法克服的基礎性障礙。儘管某些局限後來被成功突破,但許多至今仍無法滿意地解決。之中面臨障礙其一,計算機的運算能力。當時的計算機有限的內存和處理速度不足以解決任何實際的AI問題。羅斯·奎利恩(Ross Quillian)在自然語言方面的研究結果只能用一個含二十個單詞的詞彙表進行演示,因為內存只能容納這麼多。1976年,漢斯·莫拉維克(Hans Moravec)指出,計算機離智能的要求還差上百萬倍。他做了個比喻:人工智慧需要強大的計算能力,就像飛機需要大功率動力一樣,低於一個門限時是無法實現的;但是隨著能力的提升,問題逐漸會變得簡單。其二,計算複雜性和指數爆炸。1972年理察·卡普(Richard Karp)根據史提芬·古克(Stephen Cook)於1971年提出的Cook-Levin理論證明,許多問題只可能在指數時間內獲解(即計算時間與輸入規模的冪成正比)。除了那些最簡單的情況,這些問題的解決需要近乎無限長的時間。這就意味著AI中的許多玩具程序恐怕永遠也不會發展為實用的系統。其三,常識與推理。許多重要的AI應用,例如機器視覺和自然語言,都需要大量對世界的認知信息。程序需要了解它在看什麼,或者在說些什麼。這要求程序對這個世界具有兒童水平的認識。研究者們很快發現這個要求太高了,1970年沒人能夠做出如此巨大的資料庫,也沒人知道一個程序怎樣才能學到如此豐富的信息。
 
    由於缺乏進展,對AI提供資助的機構(如英國政府,DARPA和NRC)對無方向的AI研究逐漸停止了資助。早在1966年ALPAC(Automatic Language Processing Advisory Committee,自動語言處理顧問委員會)的報告中就有批評機器翻譯進展,預示此困境的局面來臨。NRC(National Research Council,美國國家科學委員會)在撥款二千萬美元後停止資助。1973年Lighthill針對英國AI研究狀況的報告批評了AI在實現其「宏偉目標」上的完全失敗,並導致了英國AI研究的低潮(該報告特別提到了指數爆炸問題,以此作為AI失敗的一個原因)。DARPA則對CMU的語音理解研究項目深感失望,從而取消了每年三百萬美元的資助,到了1974年已經很難再找到對AI項目的資助。
 
arrow
arrow
    全站熱搜

    eatontseng 發表在 痞客邦 留言(0) 人氣()