4、人工智能神经网络的发展历程与启示

人工智能神经网络的发展历程与启示

早期人工智能发展的困境

在20世纪60年代，几乎没人能预料到计算机视觉要达到人类水平的性能，需要50年的时间以及计算机算力提高百万倍。当时人们存在一种误解，认为编写计算机视觉程序很容易，这是因为像看、听和移动这些人类觉得简单的活动，实际上是经过数百万年进化才形成的。早期人工智能先驱们懊恼地发现，计算机视觉问题极难解决。

与之形成对比的是，他们发现编程让计算机证明数学定理相对容易，因为计算机在逻辑方面比人类更出色。逻辑思维是进化后期才发展出来的能力，人类需要大量训练才能进行严谨的逻辑推理。而在大多数生存问题上，基于过往经验的归纳总结往往更有效。

20世纪70 - 80年代流行的人工智能专家系统，旨在利用一套规则解决如医疗诊断等问题。以早期的专家系统MYCIN为例，它用于识别导致脑膜炎等传染病的细菌。其开发者首先要从传染病专家那里收集事实和规则，从患者那里收集症状和病史，然后将这些信息输入系统计算机，最后编程让计算机进行逻辑推理。然而，开发者在收集专家的事实和规则时遇到困难，尤其是在复杂领域，优秀的诊断医生依靠的是基于经验的模式识别，难以将其编成规则。而且系统需要不断更新，因为新事实不断发现，旧规则会过时。此外，收集和输入患者信息也很耗时，导致MYCIN从未用于临床。虽然还有许多专家系统用于其他领域，但如今使用的很少。

早期人工智能研究人员尝试了多种方法，但这些方法大多华而不实。他们不仅低估了现实问题的复杂性，提出的解决方案也难以扩展。例如，Douglas Lenat在1984年启动的“Cyc”项目，试图将常识编成规则，结果在实践中困难重重。

早期人工智能进展缓慢的另一个原因是，当时的数字计算机非常原始，内存成