人工智慧史(4/5):第二次AI低谷 @ 曾教授與古董保時捷

E. 繁榮：1980 ~ 1987

在20世紀80年代，世界各地的企業採用一種名為「專家系統」的人工智能企劃，知識成為主流人工智慧研究重點。期間，日本政府積極投資AI以促進開發第五代計算機工程。另一個令人振奮的是在1980年初John Hopfield和David Rumelhart使聯結主義重獲新生，AI再一次獲得了成功。

在1981年，日本宣布了「第五代工程」計劃，這是一個十年的計劃，目的是要建構執行Prolog的智慧型電腦，就像一般電腦執行機器碼一樣。這個計劃的構想是，以每秒鐘進行百萬次推論的能力，電腦將有儲存大量規則的優點。這個計劃提出了完全的自然語言理解，以及其它具有雄心勃勃的目標。第五代電腦計劃刺激了AI的研究熱忱，由於不願意日本佔有主導優勢，於是美國的研究者與公司產生了對於類似投資的支持。微電子與電腦技術公司(MCC)便是對抗日本計劃而成立的研究集團。在英國，Alvey的報告使得那些因為Lighthill報告而被削減的研究經費得以復原。在這兩個例子裡，AI都是廣泛努力的一部分，包括晶片設計和人性化界面的研究。AI工業的大受歡迎，包括了Carnegie Group、Inference、Intellicorp以及Taknowledge這些公司提供了建立專家系統的軟體工具，以及Lisp Machines公司、德州儀器、Symbolics和全錄這些電腦硬體公司，建構了最佳化Lisp程式發展的工作站。超過一百家的公司建構了工業的自動化視覺系統。大體上，AI工業從1980年的幾百萬美金，發展到1988年的二十億美金的銷售量。

此外，雖然在Minsky和Papert的Proceptron書出版之後，計算機科學變忽略了類神經網路這一個領域，然而其他領域對於類神經網路的研究工作還在繼續發展，尤其是物理學。1982年，物理學家John Hopfield證明一種新型的神經網路(現代被稱為「Hopfield網路」)利用統計力學的技巧，分析網路儲存和最佳化的性質，導致了概念之間明顯的互相增益。心理學家包括David Rumelhart和Geoff Hinton持續於記憶的神經網路模型的研究。1986年由Rumelhart和James McClelland主編的兩卷本論文集《平行與分散式處理》問世，被廣泛的宣傳並引起強烈的矚目。

圖：Hopfield網路

F. 第二次AI低谷：1987 ~ 1993

80年代中，商業機構對AI的追捧與冷落符合經濟泡沫的經典模式，政府機構和投資者認為AI正面臨崩潰，儘管受到各種批評，這一領域仍不斷前進。來自機器人學這一相關研究領域的Rodney Brooks和Hans Moravec提出了一種全新的人工智慧方案。

「AI之冬」一詞由經歷過1974年經費削減的研究者們創造出來，他們注意到了對專家系統的狂熱追捧，預計不久後人們將轉向失望。不料被言中：從80年代末到90年代初，AI遭遇了一系列財政問題。變天的最早徵兆是1987年AI硬體市場需求的突然下跌，Apple和IBM生產的台式機性能不斷提升，到1987年時期性能已超過了Symbolics和其他廠家生產昂貴的Lisp機。老產品失去了存在的價值：一夜之間這價值五億美元的產業土崩瓦解。到了80年代晚期，戰略計算促進會(Strategic Computing Initiative)大幅削減對AI的資助。DARPA的新任領導認為AI並非「下一個浪潮」，撥款將傾向於那些看起來更容易出成果的項目。直到1991年，「第五代工程」並沒有實現，事實上其中一些目標，比如「與人展開交談」，直到2010年也沒有實現，與其他AI項目一樣，期望比真正可能實現的要高得多。

即使如此，80年代後期，一些研究者根據機器人學的成就提出了一種全新的人工智慧方案。他們相信，為了獲得真正的智能，機器必須具有軀體，它需要感知、移動、生存與這個世界互動。他們認為這些感知運動技術對於嘗試推理等高層次技術技能是至關重要的，而抽象推理不過是人類最不重要，也最無趣的技能。他們號召「自底向上(from the bottom up)」地創造智能，這一主張復興了從60年代就沉寂下來的控制論。另一位先驅是在理論神經科學上造詣深厚的David Marr，他於70年代來到MIT指導視覺研究組的工作。他排斥所有符號化方法(不論是McCarthy的邏輯學還是Minsky的框架)，認為實現AI需要自底向上的理解視覺的物理機制，而符號處理應在此之後進行。

在發表於1990年的論文「大象不玩象棋(Elephants Don't Play Chess)」中，機器人研究者Rodney Brooks提出了「物理符號系統假說(physical symbol system hypothesis)」，認為符號是可有可無的，因為「這個世界就是描述它自己最好的模型。它總是最新的，總是包括了需要研究的所有細節。訣竅在於正確地，足夠頻繁地感知它」。在80年代和90年代也有許多認知科學家反對基於符號處理的智能模型，認為該機構對推理至關重要，這一理論被稱為「具身的心靈/理性/ 認知（embodied mind/reason/cognition）」論題。