然而，他預(yù)想中的機(jī)器人時(shí)代并未到來(lái)，斯坦福大學(xué)雖然作出了一些基于“if then”邏輯的“推理引擎”并將各行各業(yè)的專家知識(shí)打包成包含600項(xiàng)思維規(guī)則的“指導(dǎo)手冊(cè)”，然而這種需要人類去“input－out”的方式并不能讓機(jī)器自己去認(rèn)識(shí)世界，分析歸納，這并不是他們想要的思維機(jī)器（thinking machine）。
20世紀(jì)80年代，是“頭腦中的自行車”的黃金年代，卻也是相關(guān)公司接連倒閉的“人工智能的冬天”。
而IA陣營(yíng)則成了人機(jī)交互的先驅(qū)，恩格爾巴特不只是大名鼎鼎的“鼠標(biāo)之父”，更是圖形化用戶界面、超文本系統(tǒng)的先驅(qū)，從窗口、鼠標(biāo)到自動(dòng)助手、計(jì)算機(jī)，再到“對(duì)話式交互”，IA陣營(yíng)基本上仍在恩格爾巴特最初規(guī)劃的理論框架內(nèi)發(fā)展。在他們的努力下，從龐然巨物到桌上電腦再到口袋玩物，從打孔紙到鍵盤鼠標(biāo)、觸摸屏再到語(yǔ)音助理、Magic Leap，機(jī)器成為一種愈來(lái)愈易用的人腦之延伸。
1987年預(yù)言了后來(lái)的iPad、 Siri的蘋果Knowledge Navigator宣傳視頻中就虛構(gòu)了一個(gè)系著領(lǐng)結(jié)的虛擬助手，然而14年后的Siri則不再有個(gè)人化身。實(shí)際上，在虛擬助手設(shè)計(jì)方面，化身一直都飽受爭(zhēng)議。IA陣營(yíng)的開發(fā)者們一直對(duì)“是否應(yīng)該把這一系統(tǒng)變成聊天機(jī)器人”舉棋不定。他們認(rèn)為，沒有人會(huì)坐下來(lái)和一個(gè)虛擬機(jī)器人聊上一整天，他們要做的，是設(shè)計(jì)一個(gè)系統(tǒng)來(lái)幫助人們管理自己忙碌的日常生活。呆萌的Siri“可調(diào)戲性”很差，而Google Now雖然已經(jīng)智能到可以通過你的停留時(shí)間自動(dòng)判斷家庭與工作地，“非人化”則避免了給人以毛骨悚然、細(xì)思極恐的感覺。同樣的微軟的大眼睛曲別針Office助手也因?yàn)樘^“活潑”令人分神而被“下崗”。
實(shí)際上，這是IA與AI之間那條無(wú)形的線在其作用。
而隨著全球互聯(lián)網(wǎng)與海量大數(shù)據(jù)的出現(xiàn)，給了人工智能領(lǐng)域的另一支流——深度神經(jīng)網(wǎng)絡(luò)研究以大展拳腳的空間，機(jī)器的深度學(xué)習(xí)也成為可能，也讓人工智能在兩次冬天之后再次迎來(lái)爆發(fā)?！都~約時(shí)報(bào)》曾以《需要多少計(jì)算機(jī)才能正確的識(shí)別貓？16000臺(tái)》為標(biāo)題報(bào)道吳恩達(dá)領(lǐng)導(dǎo)的Google Brain是如何訓(xùn)練機(jī)器認(rèn)識(shí)貓的，這需要Youtube上數(shù)以百萬(wàn)級(jí)的視頻資料。語(yǔ)音識(shí)別、機(jī)器視覺、物體識(shí)別、人臉檢測(cè)、翻譯會(huì)話等領(lǐng)域的創(chuàng)業(yè)公司開始遍地開花。數(shù)十億計(jì)移動(dòng)傳感器和計(jì)算系統(tǒng)——智能手機(jī)在源源不斷地喂養(yǎng)、調(diào)教著一顆超級(jí)大腦，仿佛一張高速運(yùn)轉(zhuǎn)地神經(jīng)網(wǎng)絡(luò)。
AlphaGo所使用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖
而AlphaGo的挑戰(zhàn)成功，是神經(jīng)網(wǎng)絡(luò)威力的最好證明，正如Google在博客中披露的：“傳統(tǒng)的人工智能方法——構(gòu)建搜索樹來(lái)窮盡所有可能的位置——不可能挑戰(zhàn)人腦。我們選擇將圍棋“分解”，用改進(jìn)的搜索樹算法結(jié)合深度神經(jīng)網(wǎng)絡(luò)開發(fā)出AlphaGo這一程序，通過將棋盤分解成包含數(shù)百萬(wàn)類似神經(jīng)元的網(wǎng)絡(luò)聯(lián)接，劃分為12個(gè)不同的網(wǎng)絡(luò)層，其中的‘策略網(wǎng)絡(luò)’（policy network）去選擇落子，而‘價(jià)值網(wǎng)絡(luò)’（value network）則負(fù)責(zé)預(yù)測(cè)對(duì)弈的勝者（計(jì)算局面）。我們讓圍棋高手訓(xùn)練AlphaGo程序走了3000萬(wàn)步，它預(yù)測(cè)對(duì)手下步棋的準(zhǔn)確率達(dá)到了57%（之前的記錄是44%）。為了擊敗而不只是模仿最好的棋手，AlphaGo還能夠通過增強(qiáng)學(xué)習(xí)（reinforcement learning）在神經(jīng)元之間對(duì)弈，調(diào)整網(wǎng)絡(luò)連接，從而開發(fā)出新的策略。”
在人工智能陣營(yíng)中，還有一幫人堅(jiān)持著自底向上的路線：要想實(shí)現(xiàn)模擬生物智能的目標(biāo)，就應(yīng)該從制作人工昆蟲這種最低層次的設(shè)備起步，模擬最簡(jiǎn)單的生物系統(tǒng)，而不是試圖匹敵人類的能力，這就是仿生機(jī)器人（動(dòng)物）。Boston Dynamic等公司所開發(fā)的機(jī)器貓、狗、豹等已經(jīng)實(shí)現(xiàn)了“頭腦簡(jiǎn)單，四肢發(fā)達(dá)”。協(xié)調(diào)性、適應(yīng)性不亞于甚至超過了人類。
人工智能的Brain與Body都在快速成長(zhǎng)，難怪微博中關(guān)于Boston Dynamic機(jī)器人最普遍的看法是：滿腦子是以后人類被機(jī)器人毀滅的畫面。