1957年，人工智能（artificial intelligence，AI）的先驅(qū)、通用問題求解機(jī)（Gobal problem solver）的發(fā)明者之一赫伯特·西蒙（Herbert A．Simon）曾說過：“我不是故意讓你震驚，但概括來說，現(xiàn)在世界上就已經(jīng)有了可以思考，可以學(xué)習(xí)和創(chuàng)造的機(jī)器，而且它們的能力還將與日俱增，一直到人類大腦所能夠應(yīng)用到的所有領(lǐng)域。”
西蒙當(dāng)時(shí)曾預(yù)言，計(jì)算機(jī)會(huì)在十年之內(nèi)成為國(guó)際象棋冠軍。然而現(xiàn)實(shí)比西蒙的預(yù)測(cè)落后了三十年——直到1997年，IBM的電腦“深藍(lán)（Deep Blue）”才戰(zhàn)勝了象棋冠軍加里·卡斯帕羅夫（Garry Kasparov）。
卷土重來在人工智能發(fā)展早期，學(xué)術(shù)界和工業(yè)界對(duì)其前景持有一種過分樂觀的態(tài)度——這種樂觀與其說是對(duì)技術(shù)的期望過高，倒不如說是當(dāng)時(shí)人們對(duì)機(jī)器能力的估計(jì)實(shí)在是過低，以致于當(dāng)計(jì)算機(jī)表現(xiàn)出一點(diǎn)點(diǎn)聰明，人們就為之驚嘆，而這種驚嘆又很容易演化成一種過分的自信。
這樣的自信自然無法長(zhǎng)久。度過了最初的興奮后，無論是工業(yè)界還是學(xué)術(shù)界都遭遇了巨大的困難。以機(jī)器翻譯為例，早期人們以為機(jī)器翻譯只需要進(jìn)行字典的對(duì)應(yīng)轉(zhuǎn)換，再加上人為制定的語(yǔ)法規(guī)則就能實(shí)現(xiàn)；而實(shí)際應(yīng)用時(shí)卻發(fā)現(xiàn)，這樣的系統(tǒng)無法應(yīng)對(duì)哪怕稍有復(fù)雜的多重語(yǔ)義，也無法針對(duì)上下文語(yǔ)境做出恰當(dāng)?shù)姆磻?yīng)，很多理論上能夠?qū)崿F(xiàn)的算法也無法在有限的計(jì)算資源上展開。
1973年，英國(guó)政府委托數(shù)學(xué)家詹姆斯·萊特希爾爵士（Sir James Lighthil），對(duì)人工智能進(jìn)行全面評(píng)估。結(jié)果顯示，人工智能無法應(yīng)對(duì)現(xiàn)實(shí)世界中存在的“組合爆炸”問題，因此只能實(shí)現(xiàn)一些簡(jiǎn)單的應(yīng)用。以這份報(bào)告為基礎(chǔ)，英國(guó)政府停止了對(duì)AI領(lǐng)域的研究支持。在這之后，人工智能研究陷入了長(zhǎng)久的沉寂。
在近半個(gè)世紀(jì)之后，人工智能領(lǐng)域才又再一次回到人們視線，而這一次，我們擁有的資源與之前可謂不可同日而語(yǔ)——計(jì)算資源已經(jīng)部署在云端，像水和電一樣唾手可得；互聯(lián)網(wǎng)所容納的信息超過了前人所有的知識(shí)儲(chǔ)備，現(xiàn)實(shí)和虛擬世界也不再?zèng)芪挤置?。以深度學(xué)習(xí)為代表的算法發(fā)展，也使得機(jī)器有能力處理如此龐大的數(shù)據(jù)。
如果說這些只是理論，那么IBM的超級(jí)計(jì)算機(jī)“沃森（Watson）”在電視節(jié)目《危險(xiǎn)邊緣》（Jeopardy）中戰(zhàn)勝人類，獲得年度總冠軍；Google X的虛擬大腦在沒有預(yù)先輸入的情況下，獨(dú)立地從Youtube上的1000 萬幀圖片中學(xué)習(xí)到了“貓”的概念，就早已不是理論上的可能性，而是真實(shí)發(fā)生的現(xiàn)實(shí)。
第四次工業(yè)革命的前夜
尼爾·杰卡布斯坦（Neil Jacobstein）在一次演講中曾說過這么一句話：“當(dāng)你站在太空中回望地球，你看不到爭(zhēng)吵不停的200多個(gè)國(guó)家；而當(dāng)你深入自然奧秘之中，你也看不到界限分明的學(xué)科劃分。”這句話在一定程度上，可以代表杰卡布斯坦所在的奇點(diǎn)大學(xué)（Singularity University）的宗旨。與其說這所大學(xué)在教授最前沿的技術(shù)，倒不如它在傳播最先進(jìn)的理念。奇點(diǎn)大學(xué)專注的不是技術(shù)，而是現(xiàn)實(shí)世界的改變，這種改變無疑需要一種融合的視角才可能打破我們心智的成見，去實(shí)現(xiàn)真正的進(jìn)步。
這一點(diǎn)對(duì)于杰卡布斯坦來說，并不是問題。作為奇點(diǎn)大學(xué)的人工智能與機(jī)器人項(xiàng)目負(fù)責(zé)人，他曾在斯坦福研究增強(qiáng)決策系統(tǒng)（augmented decision system），并擔(dān)任過創(chuàng)新應(yīng)用人工智能會(huì)議主席，同時(shí)有著環(huán)境科學(xué)與分子生物學(xué)背景。杰卡布斯坦對(duì)于整合也是游刃有余。
在杰卡布斯坦眼中，人工智能的發(fā)展同世界的改變一樣，需要融合。杰卡布斯坦將AI劃分為三個(gè)大的領(lǐng)域：機(jī)器學(xué)習(xí)，規(guī)則化的知識(shí)庫(kù)，以及對(duì)于人類大腦的逆向工程。這三個(gè)方面也恰好對(duì)應(yīng)著人工智能的三種主要做法。
機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)主要的目的是使機(jī)器擁有學(xué)習(xí)的能力。舉例來說，當(dāng)我們登錄電子郵箱時(shí)，遇到一封廣告郵件。我們手動(dòng)將這封郵件標(biāo)記為廣告，并將其歸為垃圾郵件。這個(gè)動(dòng)作其實(shí)就是在對(duì)機(jī)器進(jìn)行指導(dǎo)，在機(jī)器學(xué)習(xí)中，這一過程稱之為標(biāo)注，而機(jī)器可以從所有被標(biāo)注為垃圾的郵件中，發(fā)現(xiàn)其共有的模式，并使用這種模式來對(duì)未知的郵件進(jìn)行預(yù)測(cè)。此外，機(jī)器也可以在沒有預(yù)先輸入的情況下，自己進(jìn)行學(xué)習(xí)，例如上文提到的Google X虛擬大腦。