本文是通过已弃用的电子邮件地址 ([email protected]) 收到的。请在 2023 年 9 月 1 日之前将此提要的所有传入电子邮件重定向至[email protected] 。阅读更多。
___
?小提示：如果这封电子邮件出现在您的“促销”选项卡中，请花点时间将其拖到“主要”中。这有助于确保通才准时到达您身边，而不会在电子邮件地牢中迷失方向。 朋友们， 在他们的经典著作《历史的教训》中，威尔杜兰特夫妇和爱丽儿杜兰特夫妇分析了人类文明的故事。在他们精辟而深刻的观察中，有这样一种冥想：“现在是为了行动而卷起的过去，而过去是为了理解而展开的现在。” 我们当下时刻的任何方面都感觉比人工智能更能彻底地对我们的生活结构采取行动。该技术正在以难以理解的速度加速发展。一年前，众包预测估计人工智能将在2045 年到来；今天，它固定在2031 年。在不到十年的时间里，我们发现自己在几乎所有方面都在与比我们优越的智能竞争和合作。尽管业内一些人认为这是危言耸听，但难怪许多学术界呼吁全行业“暂停”开发最强大的 AI 模型。 要了解我们是如何走到这一步的，以及人工智能在未来几年可能会把我们带向何方，我们需要展开我们的现在并回顾过去。在今天的文章中，我们将通过七个实验来了解人工智能的历史。在这样做的过程中，我们将讨论创新和失败、错误的开始和突破，这些都定义了这种创造无形智能的疯狂努力。 在我们开始之前，有几点值得一提。首先，我们宽松地使用术语“实验”。就我们的目的而言，学术论文、新程序或旋转机器人符合此定义。其次，这段历史假设几乎没有人工智能的先验知识。因此，技术解释是粗略的，而不是精雕细琢的；这里没有方程式。第三，也是最重要的，这是一个有限的编年史，是有意设计的。所有的历史都是升华，这首曲子尤其如此。天才和雄心壮志的伟大时刻存在于我们的选择之外。 最后一点：这篇文章是关于现代 AI 的基础和状态的迷你系列的第一部分，我们将在未来几周和几个月内添加该系列。我们计划涵盖该领域的起源和技术，并探索其最强大的公司和高管。如果您认为其他人会喜欢这段旅程，请与他们分享这篇文章。 快速提问：如果您喜欢这篇文章，请考虑点击此电子邮件顶部的❤️ ，我将不胜感激。它帮助我们了解哪些作品引起共鸣以及我们应该继续探索哪些主题！ 万达为您带来
发展业务？需要尽快获得 SOC 2 吗？ 自动化合规领域的领导者 Vanta 正在为选定的公司运行一项独一无二的计划，我们将与您密切合作，在短短两周内获得 SOC 2 Type I。 有资格参与的公司将获得一份持续一年的 SOC 2 类型 I 报告。这可以帮助您完成更多交易、实现收入目标并开始为安全最佳实践奠定基础。 由于该试点项目提供白手套支持，名额有限。 填写表格以了解更多信息并查看您是否符合条件。 7 个实验中的 AI 历史
Shira Inbar 的插图 可行的见解如果您只有几分钟的空闲时间，以下是投资者、运营商和创始人应该了解的 AI 历史。
实验一：逻辑理论家（1955）1769 年，公理会牧师以利亚撒·惠洛克 (Eleazar Wheelock) 在康涅狄格河岸边一英里处创立了达特茅斯学院。这是一所位于新罕布什尔州汉诺威镇但规模中等的大学。 “正如我所说，先生，这是一所小型大学，但仍有人喜欢它，”著名的第 19 届演说家和参议员丹尼尔韦伯斯特应该这样评价他的母校。 在学习中心定居在一块被乐观地命名为“平原”的崎岖不平的土地上近 200 年后，它接待了一些学者，他们从事的任务可能会惠洛克认为是亵渎神明的。 （谁敢与上帝竞争来创造如此复杂的机器？）1956 年，时任数学助理教授的约翰·麦卡锡 (John McCarthy) 召开了为期 12 周的“人工智能”研讨会。它的目标不亚于预测如何创造智能机器。 麦卡锡的期望很高：“将尝试找到如何让机器使用语言、形成抽象和概念，解决现在为人类保留的各种问题，”他在资助申请中写道。 “我们认为，如果精心挑选的一组科学家在一个夏天的时间里共同研究这些问题，就可以在其中一个或多个问题上取得重大进展。”这个独特的群体包括像克劳德·香农、马文·明斯基、纳特·罗切斯特和雷·所罗门诺夫这样的名人。 对于一个经常被分歧和分歧所定义的领域，即使是会议的名称也引起争议是很恰当的。在麦卡锡会议之前的几年里，学术界使用了大量术语来描述这个新兴领域，包括“控制论”、“自动机”和“思维机器”。麦卡锡选择他的名字是因为它的中立性。从那以后它就一直卡住了。 虽然这个夏天可能没有达到麦卡锡的崇高期望，但它对这个领域的贡献不仅仅是命名。兰德智库的员工艾伦·纽厄尔和赫伯特·西蒙公布了一项在随后的几年中获得传奇地位的创新。有趣的是，当时与会者基本上忽略了它——既因为纽厄尔和西蒙所谓的傲慢，也因为他们倾向于关注他们的创新所暗示的心理后果，而不是技术的重要性。
Herbert Simon 和 Allen Newell，卡耐基梅隆大学 就在几个月前，也就是 1955 年冬天，Newell 和 Simon 以及兰德公司的同事 Cliff Shaw 设计了一个能够证明复杂数学定理的程序。 “逻辑理论家”旨在像许多人认为的那样工作：遵循规则和演绎逻辑。在这方面，逻辑理论家代表了人工智能“符号”学派的第一个例子，其定义是坚持结构化理性。 Logic Theorist 通过探索“搜索树”来运作——本质上是可能结果的分支框架，使用启发式方法来寻找最有希望的路线。这种方法成功地证明了 Bertrand Russell 和 Alfred North Whitehead 的《数学原理》一章中概述的 52 个定理中的 38 个。当 Logic Theorist 的发明者与罗素分享他们的程序的功能时，特别是注意到它如何改进他的一个定理时，据说他“高兴地回应”。 虽然那个夏天在汉诺威被忽视了，但逻辑理论家已被公认为第一个功能性人工智能程序和符号人工智能的先驱例子。在接下来的三十年里，这种思想流派将主导该领域。 实验 2：SHRDLU 和 Blocks World (1968)2008 年，CNNMoney 征求了从迈克尔·布隆伯格到彼得雷乌斯将军等一系列全球领导人的建议，以征求他们曾收到的最佳建议。时任谷歌总裁的拉里佩奇提到了他的博士学位。斯坦福大学的项目。他向教授展示了他感兴趣的“大约十个”不同主题，其中包括探索网络链接结构的想法。据称，这位教授指着那个话题说，“嗯，那个似乎是个好主意。”这种赞美将被证明是一种非凡的委婉语。佩奇的研究为谷歌的搜索帝国奠定了基础。 有问题的顾问是斯坦福大学教授和人工智能先驱 Terry Winograd。早在威诺格拉德将佩奇推向一个价值数万亿美元的想法之前，他就创建了一个名为“SHRDLU”的革命性计划。虽然它看起来像是用损坏的 Caps Lock 键键入的威尔士小镇的名称，但 SHRDLU 是对 Linotype 机器上按键顺序的眨眼参考——废话短语 ETAOIN SHRDLU 经常错误地出现在报纸上。 Winograd 的节目展示了一个名为“积木世界”的模拟：一个封闭的环境，里面布满了不同颜色的盒子、积木和金字塔。通过自然语言查询，用户可以让程序操纵环境，移动各种对象以符合特定指令。例如，用户可以告诉 SHRDLU “找到一个比你拿着的那个高的方块”，或者询问“金字塔是否可以被一个方块支撑”。
SHRDLU，计算机历史博物馆 正如用户对话所示，SHRDLU 了解某些环境事实：例如，知道两个金字塔不能堆叠在一起。该程序还记得它以前的动作，并且可以学习用特定的名称来指代某些配置。 批评者指出 SHRDLU 缺乏现实实用性和明显的限制，因为它依赖于模拟环境。然而，最终，SHRDLU 被证明是人工智能发展的关键部分。尽管仍然是符号方法的一个例子——所显示的智能是通过形式化的逻辑推理而不是突发行为产生的——Winograd 的创作展示了令人印象深刻的新功能，其中自然语言功能尤其引人注目。 SHRDLU 使用的对话界面在今天仍然无处不在。 实验三：Cyc (1984)豪尔赫·路易斯·博尔赫斯 (Jorge Luis Borges) 的短篇小说《论科学的精确性》讲述了一个文明的故事，该文明根据其管辖的领土大小绘制地图。 “[T] 制图师协会制作了一张帝国地图，其大小与帝国的大小相当，并且与帝国的点对点重合，”这位阿根廷文学大师在他的一段故事中写道。 Cyc 是人工智能版的“点对点”地图，这是一个雄心勃勃的项目，它接近于创造一个全新的现实。它因其新颖性而受到称赞，并被谴责为“人工智能中最臭名昭著的失败”。 1984 年，斯坦福大学教授 Douglas Lenat 着手解决他在 AI 程序中看到的一个长期存在的问题：它们缺乏常识。过去十年一直由“专家系统”主导：依赖人类知识、通过离散规则输入并应用于狭窄范围的程序。例如，1972 年，斯坦福大学开始研究名为 MYCIN 的程序。通过借鉴 500 多条规则，MYCIN 可以有效诊断和治疗血液感染， “首次表明AI 系统可以在重要问题上超越人类专家”。 虽然 MYCIN 及其后继者很实用，而且常常令人印象深刻，但 Lenat 发现它们只不过是智慧的“外表”。当然，这些程序对血液病或法律问题了解很多，但他们了解超出规定范围的内容是什么？ 为了超越表面智能，莱纳特认为人工智能系统需要情境。因此，在 1984 年，在联邦政府的支持和资助下，他着手建立 Cyc。他的计划看似简单但完全疯狂：为了向他的程序提供必要的知识，Lenat 和一组研究人员输入了反映共识现实的规则和断言。这包括跨越人类知识范围的信息，从物理学到政治学，从生物学到经济学。 像“所有的树都是植物”和“蝙蝠有翅膀”这样的格言必须煞费苦心地添加到 Cyc 的知识架构中。截至2016年，已录入超过1500万条规则。 在博尔赫斯的故事中，一代又一代人意识到一张领土大小的地图是无用的。它被丢弃在沙漠中，逐渐褪色，被风吹得破破烂烂。在 Lenat 开始从事该项目近四十年后，Cyc 尚未证明其吸收的数亿美元投资和累积数千年的人力努力是合理的。尽管 Cyc 的技术似乎确实已被现实世界的利益相关者使用，但多年来的实验表明它的知识是零散的，削弱了它的实用性。与此同时，较新的架构和方法比 Lenat 的渐进方法交付了更好的结果。 最终，Cyc 对人工智能发展的最大贡献是它的失败。尽管 Lenat 才华横溢、果敢无畏，而且公共和私营部门利益相关者也做出了承诺，但它未能爆发。在这样做的过程中，它揭示了“专家系统”和基于知识的人工智能的局限性。 益智游戏如果您需要提示，只需回复此电子邮件即可。
与 Greg K、Saagar B、Bruce G、Michael O、Krishna N、Michael T、Kelly O、Varun K、Joshua K、SM、Upendra S、Kyle O、Xavier L、Nathan M 和 Nnamdi E 打得很好。解决这个难题：
答案？回声。对所有人都很好。 直到下一次， 马里奥
在应用程序中阅读通才
收听帖子，加入订阅者聊天，绝不会错过 Mario Gabriele 的更新。
  © 2023 The Generalist LLC 版权所有 |
