在 GANs 的余温逐步冷却，根据深度学习规划的处理方案依然在信息与核算机范畴之外的问题上苦苦挣扎，机器学习理论研讨比较于单个办法和使命更重视不同办法和使命之间联系的大画卷，强化学习一面在史无前例的算力的支撑下不断斩获新的成果、一面依然由于学习范式固有的不稳定和低样本功率广为诟病的这个 2018 年夏天，俄然有人想起六十多年前的、1955 年的那个夏天。
「人工智能」的诞生
1956 年达特茅斯学院夏日人工智能科研项目其间五位参与者，在 2006 年 7 月的 AI@50 论坛上重逢。从左起： Trenchard More、 John McCarthy、 Marvin Minsky、 Oliver Selfridge和 Ray Solomonoff
1955 年夏天，几位核算机科学与信息学大拿、人工智能前驱 John McCarthy、Marvin Minsky、Nathaniel Rochester、Claude Elwood Shannon 在达特茅斯发起了一个夏日科研项目提议，初次提出了「人工智能 Artificial Intelligence」的概念。在这个 workshop 的建议书中他们写道：「咱们将企图找出一种办法，能让机器运用言语、构成抽象概念和观念、协助人类处理不同品种的问题，并且能够自我改善……现阶段人工智能研讨的方针是，企图让机器做出能被人类称为『智能』的行为。」而那个夏天，他们期望谈论的论题就现已是（翻译成现代研讨人员运用的词汇之后）：自我编程核算机、天然言语、神经网络、核算杂乱度、自我改善、表征（本体论）、随机性与创造力。
《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》, 1955, J. McCarthy, et.al
他们还写道「咱们以为，只需一群精挑细选的优异的科学家一同研讨一个夏天，咱们就能够在其间的至少一个问题上做出重要的打破」。相应地，他们在预算中预备了 6 位教授和2 位博士生的薪水，与其他开支以及意外预留费用加起来，总共 13500 美元；只看预算的数额都觉得破旧（即使当年的美元比现在的值钱）。
结局咱们天然知道，这些问题的广度与深度都远超「一小群科学家」和「一个夏天」所能把握的，即使到了今日其间的多个问题都是人工智能/机器学习范畴抢手的未解难题，甚至于，假如在某个小规划的机器学习会议中看到的谈论议题就是这 7 个（的现代版），也并不会觉得格外古怪吧。
不过反过来说，六十多年前的 workshop 提出的研讨课题直到现在都有还未处理的、还在火热谈论研讨的，不由让人嘴角上扬。这当然阐明晰几位前驱的登高望远，但这是否也阐明在现在满天飞的论文中，真实有开立异的、触及实质的研讨仍是太少呢？咱们或许给一些问题给出了更好的答案，但许多方面咱们还未能提出更好的问题。
1956 年达特茅斯的 AI 会议正式举行并创始了人工智能 Artificial Intelligence 这个词之后，很多核算机科学家、电子科学家、言语学家、神经科学家、心理学家等等会聚在这面大旗下，测验推进智能体系、核算理论、生物才智、仿人类才智体系规划的研讨，不过一如咱们所见，太多的问题和概念都一股脑装在了「人工智能」这个大筐里，一般民众也养成了用「机器够不够像人」和「机器和人谁凶猛」点评技术成果的坏习惯。
有一些做机器学习、智能体系的科学家其实感到很头疼：假如当年达特茅斯的几个人提出的词是「核算智能 Computational Intelligence」而不是「人工智能 Artificial Intelligence」，能标明重现人类的才智不是仅有的方针、甚至都纷歧定是最重要的方针，就好了……
从这个视点来讲，或许仍是能够阐明几位前驱们对这个方向的知道过于简略和达观，没有意识到「生物智能」与「机器智能」、「杂乱的人类社会文明」与「断定可解析的机器核算」、「仿照生物智能」与「协助人类完成使命的智能体系」之间深远的间隔。后来的机器学习「祖师爷」、「人工智能界的迈克尔乔丹的」Michael I. Jordan 也撰文细心解说过相关论题，感兴趣的读者能够阅览雷锋网 AI 科技谈论往期文章Michael I. Jordan 撰文：不要被深度学习一叶障目不见泰山。
后来的两个夏天的故事「人工智能」概念在 1955 年提出，然后逐步开展出了经典的、根据规矩的机器学习体系；这当然是深度学习年代降临之前的工作。
假如回看 1955 年的「人工智能」研讨课题咱们觉得眼熟的话，回看 1980 年代的机器学习体系会是什么感觉呢？华盛顿大学核算机科学与工程学教授 Pedro Domingos 也给了自己的观念：
看起来好像不太达观，好像深度学习仅仅以往的机器学习办法的再次过错重现。不过也有许多人辩驳，尽管认同两个年代的智能体系都面向十分狭隘的使命、都十分软弱，但现在的体系现已的确广泛运用在了各种体系中，为全世界人民供给了实实在在的价值。
Keras 作者 Fran?ois Chollet 也表明：「就像人们倾向于高估今世的 AI 体系的掩盖规划和才智水平，他们也会轻视这些简略、面向狭隘使命的体系能做到多少工作，只需它们被扩展到了适宜的规划、被广泛地布置运用。深度学习的确从各个视点看起来都很蠢，并且它也并不能构成一条通向人工智能的有意义的途径，但一起，深度学习十分的重要，它有潜力对大多数职业发生难以忽视的影响。它不需求很聪明就现已能够很有用。」
Fran?ois Chollet 的话十分中肯，深度学习间隔「人工智能」的方针还太远了，但以深度学习为中心的处理方案现已在许多范畴生根发芽。本年其实有人忧虑神经网络、人工智能的第三次隆冬是不是快要来了，但已然包含神经网络模型在内的各种机器学习办法除了学术界的广泛研讨之外也还得到了企业的广泛运用，那么所谓隆冬就不必惧怕。
这个夏天，很热。并且今后的夏天也会像曾经的夏天相同，充溢故事。
《A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE》PDF 下载：http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf
