来自档案：1980年代及以后对人工智能的预测

为了纪念我们成立150周年，我们将重温有助于定义科学进步、理解和创新的大众科学故事（包括成功和失败）——并增加现代背景的暗示。探索整个来自档案系列，并在这里查看我们所有的周年纪念报道。

社会心理学家弗兰克·罗森布拉特对大脑力学非常感兴趣，他建立了一个模仿人脑神经网络的计算机模型，并训练它识别简单的模式。他称他的IBM基于704的模型为感知器。《纽约时报》的标题称其为“旨在阅读和增长智慧的计算机胚胎”。流行科学称感知器为“学习的机器”。当时，罗森布拉特声称“有可能建造出能够在装配线上复制自己并意识到自己存在的大脑。”那是1958年。

许多人抨击罗森布拉特的人工智能方法在计算上不切实际，过于简单。图灵奖得主马文·明斯基1969年的一本批判性的书标志着一个被称为人工智能冬天的时期的开始，当时很少有资金投入到这种研究中——尽管在80年代初有过短暂的复兴。

1989年，科学和医学作家娜奥米·弗伦德利希在《流行科学》杂志的一篇文章《脑式计算机》中，率先预测到那个漫长的冬天会解冻。这个冬天一直持续到90年代。甚至在被认为是现代深度学习技术创始人之一的杰弗里·辛顿于1992年在《科学美国人》上发表开创性的解释之前，弗伦德利希的报道就为未来20年人工智能领域即将发生的事情提供了最全面的见解之一。

“更复杂的神经网络的复兴，”弗伦德里奇写道，“主要是由于低成本内存的可用性、更大的计算机能力和更复杂的学习规律。”当然，1989年缺失的成分是数据——大量标记和未标记的信息，今天的深度学习神经网络吸入这些信息来训练自己。从20世纪90年代末开始，互联网的快速扩张使大数据成为可能，再加上弗伦德里奇指出的其他成分，释放了人工智能——距离罗森布拉特的感知器首次亮相近半个世纪。

“脑式计算机”（Naomi J. Freundlich，1989年2月）

我走进哥伦比亚大学的半圆形演讲厅，在拥挤的分层走廊里找了一个座位。当一个戴着圆形金属丝框眼镜的年轻人胳膊下夹着一个便携式立体声磁带播放器走向讲台时，兴奋的嗡嗡声逐渐消失，变成了几声咳嗽和沙沙作响的纸张。他穿着粗花呢夹克和灯芯绒，看起来像一个常春藤盟校的学生，即将给我们演奏一些他最喜欢的摇滚曲调。但是，当他按下“打开”按钮时，一串乱七八糟的婴儿谈话——更具体地说，婴儿电脑谈话——如潮水般涌了出来。起初难以理解，实际上只是一阵阵的声音，这个儿童机器人的声音一遍又一遍地重复这根弦，直到它变成了十个不同的单词。

约翰·霍普金斯大学的生物物理学家特伦斯·塞诺夫斯基说，“这是一台电脑的录音，它在一夜之间自学了英语文本的发音。”人群中爆发出热烈的掌声。塞诺夫斯基刚刚展示了一台“学习型”电脑，这是一种全新的artificial-intelligence机器中的第一台。

这些计算机被称为神经网络，是根据大脑中相互连接的神经元网络或神经细胞松散建模的。它们代表了科学家思考人工智能方式的巨大变化——倾向于对大脑如何运作进行更字面的解释。原因是：尽管今天的一些计算机是极其强大的处理器，可以以惊人的速度处理数字，但它们无法轻松完成儿童完成的任务——识别人脸、学习说话和走路或阅读印刷文本。根据一位专家的说法，一个人的视觉系统可以做的图像处理比世界上所有超级计算机加起来还要多。这类任务需要大量包含所有可能变量的规则和指令。神经网络不需要这种编程，而是像人类一样，它们似乎通过经验学习。

对军方来说，这意味着目标识别系统、自动导航坦克，甚至是追逐目标的智能导弹。