1956 年 8 月,数位科学家于美国汉诺斯小镇宁静的达特茅斯学院汇聚一堂,讨论着一个在当时看来完全不食人间烟火的主题:用机器模仿人类学习以及其他方面的智能。他们之中的任何一位放在今天都是声名赫赫的科学巨擘,比如克劳德·香农、马文·明斯基、约翰·麦卡锡……正是在这次名留青史的“达特茅斯会议”上,人工智能的概念正式诞生。
 
时间走到 2016 年春,那场被人津津乐道的谷歌 AlphaGo 与围棋高手李世石人机“世纪大战”如同一股汹汹而来的海啸,把全球推上了人工智能浪潮的新高。
 
 
 
以此为爆点,深度学习技术在图像识别、自然语言处理等方向上取得了前所未有的成功,并推动相关行业的快速发展,人脸识别、机器翻译、智能音箱等应用开始渗透到人们的生活中。
 
从“达特茅斯会议”到“世纪大战”,人工智能已经走过了 60 年的岁月,在这一甲子的光阴里,它的发展经历了数次“寒冬”与“热潮”轮回交替,知名半导体制造商东芝,就是走在 AI 技术浪潮最前沿的先驱者。
 
“走迷宫”和第一次人工智能浪潮
达特茅斯会议推动了全球第一次人工智能浪潮的出现,即为 1956-1974 年。这一时期人工智能研究的基本假设就是将人类思考方式机械化,并加以逻辑学知识,通过简单的 0 和 1 表达出来。最出名的方法论是搜索式推理,其原理就像走迷宫一样,一步步前进,如果遇到了死胡同就进行回溯,然后再从另一条路继续尝试。
 
当时,乐观的气氛弥漫着整个学界,在算法方面出现了很多世界级的发明,包括一种叫做增强学习的雏形(即贝尔曼公式),增强学习就是谷歌 AlphaGo 算法的核心思想内容。至于现在经常听到的深度学习模型,其雏形也是在那几年间发明的。
 
除了方法论和算法有了新的进展,在第一次浪潮中,科学家们还造出了聪明的机器。其中有一台叫做 STUDENT 的机器能证明应用题,还有一台叫做 ELIZA 的机器可以实现简单人机对话。
 
东芝正是在这一时期(1967 年)制成了世界上第一台邮政自动分拣机,首次实现了由机器分拣邮件的能力。据悉,这台邮政分拣机采用当时尖端水平的 OCR(光学字符识别)技术,可自动读取手写邮政编码,达到每秒完成 6 封邮件的分拣速度,即便当时手写文字不能像打印字体一样清晰工整,针对笔画潦草、字迹模糊的邮件,这台分拣机亦能清晰准确识别。由此,东芝被称为“AI 技术发展的先驱”。
 
当时,包括走迷宫、下象棋之类貌似需要人类智慧的问题都被人工智能攻克,但人工智能的第一次“寒冬”也很快随之而来。随着时间的推移,人们渐渐发现逻辑证明器、感知器、增强学习等等只能做很简单、集中于某一狭窄知识领域的任务,稍微超出范围就无法应对。但现实生活中的问题往往要复杂的多,比方如何确定某个人患有什么病,某家公司需要开发什么产品比较好等等,面对这些更贴近生活的问题人工智能就变得束手无策。当这种局限性暴露出来后,众人的热情也开始消退。
 
“专家系统”和第二次人工智能浪潮
进入 20 世纪 80 年代,卡耐基·梅隆大学为 DEC 公司制造出了专家系统,这个专家系统可帮助 DEC 公司每年节约 4000 万美元左右的费用,特别是在决策方面能提供有价值的内容。受此鼓励,很多国家包括日本、美国都再次投入巨资开发所谓第 5 代计算机,当时叫做人工智能计算机。
 
人们因而开始重拾对人工智能的热情,这就是所谓的第二次热潮。在这一时期诞生了许多重要的人工智能数学模型,其中包括著名的多层神经网络和 BP 反向传播算法等。
 
与利用推理等简单规则的第一次人工智能浪潮技术不同,新一轮的人工智能技术开始走向专业化,它会借用某个领域专家的知识来武装自己。例如,如果你想要取代医生,那么只需要将大量的病理知识输入计算机即可;如果你想取代律师,同理给它输入法律知识即可。上文提到的“专家系统”就是其中的典型。在这一时期,东芝制造出了第一批实现假名汉字转换的文字处理器和可自动翻译文字的电话。
 
但后来随着技术的发展,人们发现为了给计算机提供知识,就必须先倾听专家的意见,这样做不仅成本大,操作也十分困难。另外,随着知识量的不断增加,知识之间经常出现矛盾和前后不一致的现象。在这样的现实面前,众人不禁摇头叹息,人工智能再次步入第二次“寒冬”。
 
“大数据”和第三次人工智能浪潮
寒冬和低潮并不可怕,相反,它会让狂热的人们沉静下来,开始去真正思考一些更实质的问题。过去,人工智能一直存在两种发展路径:其一是通过对人类大脑的逆向工程模拟,让机器具有人类的智能,但这一研发路径受制于人类大脑科学、生理心理科学的突破,目前发展陷入瓶颈;其二则是通过对海量数据的积累与深度的学习能力,使得计算机可以对一些事物提供类似智能化的决策、判断和应对解决方案。
 
第二种思路其实源于一种很朴素的智慧,早在 3000 多年前的古埃及,法老们就通过在河边石柱上留下的每年测量尼罗河水位的刻度,来预测来年的税收数量。换言之,人类观察数据并利用数据的事例自古有之,只不过那时数据积累的过程缓慢,但即便如此,在数据量达到一定程度后,人们依然能够从中发现规律并以此指导自己的生产、生活。如今,随着移动互联网和物联网时代的到来,数据量突然开始呈现指数级暴增,当人们获得质变性的、海量的、具有代表性的数据之后,除了对规律的认识更深刻外,足以颠覆世界的创新得以产生——机器可以完成一些过去只有人类才能做到的事情,比如人工翻译、自动驾驶、重大公共事件预测、消费行为预测等。新的数学工具、新的理论和新的算法推动了第三次人工智能浪潮的蓬勃发展。
 
在以大数据为导向的人工智能时代,对海量数据的分析处理能力成为各家企业掘金的“战略高地”。过去,计算机的“大脑”是中央处理器 CPU,但是典型 CPU 的架构中需要大量的空间去放置存储单元和控制单元,相比之下计算单元只占据了很小的一部分,算力无法满足深度神经网络(DNN)的计算需求,因而,适合大规模并行计算需求的 AI 芯片开始兴起,典型的比如 GPU、FPGA、ASIC、类脑芯片等……
 
东芝当然不会错失这种良机。2016 年,东芝开发出一款可用于人工智能深度学习的脑型芯片。这款 1.9 毫米的脑型芯片,将 3.2 万个像脑细胞一样的电子回路集成一体,这些回路自带计算单元及配套的存储单元,可以并行处理大量连续模拟数据信号,对其中的数据特征进行学习。同一脑型芯片中众多回路协调起来,最终形成像脑神经回路一样的系统,完成人工智能所需的大量信息数据的复杂计算、处理和深度学习任务。
 
2017 年,东芝又针对无人驾驶领域推出 Visconti™4 系列图像识别处理器,该处理器采用东芝独创的高精度检测技术,经过诸多算法和图像硬件加速器对可视物进行数据分析处理,可高效地辨别背景物体以及步行者之间的微妙色差,不仅在白天,即便是低光照射情况下或是在漆黑的夜晚,“Visconti™4”图像识别处理器亦可轻松对车辆和行人加以辨识,对交通信号、障碍物、行车线等信息加以识别,从而实现各种高级的驾驶员辅助应用,如入车道偏离警告、前方 / 后方防撞警告、前方 / 后方行人防撞警告、交通标识识别等等,从而大大提高车辆行驶安全性。要知道,这一切的发生并不需要在汽车内放置一台很大的计算机,一枚小小的芯片便能够在行驶的瞬间完成上述工作。
 
 
东芝 AI 宗旨:为了人类和地球的明天
在人类社会经历的三次人工智能浪潮中,东芝始终用创造性的产品推动着这项足以改变人类世界的技术向前发展。未来,东芝将以“为了人类和地球的明天”为宗旨,加强对人工智能技术的研发和应用,以解决人类社会面临的一系列问题。
 
针对日常生活,东芝研发产品的出发点是怎样为人们带来便利,典型的比如其“RECAIUS™”项目
 
 
想象一下,人们出国旅行,来到一家以美味著称的餐馆,却往往被菜单上的异国文字搞得一头雾水,如果菜单上又没有图片,根本不知道该如何点菜,而东芝的“RECAIUS™”可帮你摆脱这个困境,拿起智能手机对准菜单进行拍摄,东芝“RECAIUS™”可以瞬间把菜品翻译成母语,让你轻松点菜。
 
 
针对整个社会,东芝则着眼于人类的可持续发展。为此,东芝致力于将人工智能领域的先进经验和技术应用于其所覆盖的电力、社会基础设备、交通运输等领域,使其在提升发电站效率,维护基建设备等各个方面发挥作用。未来,人工智能技术还将不断发展和完善,将对解决由于发达国家出生率下降和人口老龄化造成的劳动力减少、发展中国家人口增长和温室效应等产生的一系列社会问题发挥极大作用。
 
 
半个世纪的坚持,让东芝 AI 技术“厚积”沉淀,至于未来的“薄发”,且让人拭目以待。