黃河連線專訪丨俞揚：人工智慧三次浪潮的邏輯關係

聚焦信息技術領域 為產業發聲

導讀

2017年5月6日，南京大學副教授俞揚受邀參加《山西大學115周年校慶——機器學習前言青年學者論壇》，並擔任本次論壇特邀講者，做出題為《非梯度優化演算法：一種解決非凸機器學習問題的途徑》的演講，會後，俞揚接受黃河連線記者專訪，以下為專訪實錄：

人工智慧在歷史上有好幾個浪潮：

第一次人工智慧浪潮（1956年—1974年）

1956年人工智慧先驅A. Newell和H. A. Simon發明的Logic Theorist自動證明了羅素《數學原理》中的38個定理，有的比數學家的證明更優雅；科學家造出了一台叫STUDENT（1964）的機器，能證明應用題；還有一台叫ELIZA（1966）的機器，可以實現簡單人機對話。

第二次人工智慧浪潮（20世紀80年代）

卡耐基·梅隆大學為DEC公司製造出了專家系統（1980）；日本、美國再投巨資開發所謂第5代計算機（1982），當時叫人工智慧計算機；出現能與人類下象棋的高度智能機器（1989）。

第三次人工智慧浪潮（20世紀90年代至今）

現代AI的曙光產生在這個階段，出現了新的數學工具、新的理論和摩爾定律；1997年IBM深藍誕生，並戰勝國際象棋大師；人工智慧原理應用在機器狗設計上；無人駕駛汽車等開始出現。

這幾個浪潮之間是有邏輯關係的，在一開始人們認為如果機器可以像人類一樣推理，我們就認為是智能的。所以第一個浪潮大家主要就是做推理，推理其實就是搜索。六七十年代，能夠自動證明《數學原理》中定理的Logic Theorist是人工智慧歷史的一個標誌性事件，與Samuel的跳棋程序一同被譽為第一個「人工智慧」程序。我們可能覺得自動推演定理好像是個很神奇的事情，實際上在數學裡面有幾條公理，它所有的定理都是從公理推出來的，這個推理就是在搜索，如何用這個公理組合成一個定理。

做完這件事情就會發現，你雖然可以推一個數學裡面的定理，但是還有事情做不到，做不到是為什麼呢？就是因為沒有知識，為什麼數學好推呢？因為公理就是它的知識，但是你要處理現實問題的時候，還是需要很多知識才能處理的。所以第二波浪潮就是怎麼把這些人的知識、專家的知識放到計算機裡面去，讓它能夠推理。

第二期的一個標誌性的事情就是專家系統。專家系統是把專家的知識放到計算機里去，比如說我做了一個農業的專家系統，農民在種田的時候可能發現，這個葉子好像生病了，然後就把它生了什麼病描述出來，放到裡面去，專家系統就給你專家的知識，來告訴你它生的是什麼病需要怎麼治。

但這個東西就會面臨一個很大的問題，就是一開始你把人的知識總結放進去的時候還比較容易，一旦這個系統變大了以後，首先你從專家的知識總結出來，這個就是個很累人的事情，做起來會很辛苦，成本也很高。而且你這個專家庫知識越來越多以後，你會出現很多衝突的知識，知識數目越多，最後會導致你的知識沒法用。所以到了第二個階段以後發現有一個巨大的障礙——如何獲取知識？

這就到了第三個階段，推測數據中獲取知識，數據自動的發現知識，這就是機械學習要做的事情。比如互聯網上每天都有很多人都在用淘寶買東西，從淘寶的數據裡面可以總結出哪些人買什麼樣的東西，就可以做推薦，就可以有很大的商業利益在裡面。所以我們今天看到人工智慧中的機器學習很火，是因為機器在這個階段發揮了主要作用。實際上人工智慧的多個分支，包括感覺很「冷門」的邏輯推理等，都在齊頭並進，也只有平衡的發展，才能為下一個突破做好準備。

黃河連線記者與南京大學副教授俞揚合影

文章經本人校對

黃河連線原創文章

轉載請註明出處