還有幾天，我們就要和2019年說(shuō)再見(jiàn)了。今年是AI從夢(mèng)想變?yōu)楝F(xiàn)實(shí)的一年，從NLP到自動(dòng)駕駛，從人臉識(shí)別到數(shù)據(jù)模擬，有哪些技術(shù)突破面世，又遭遇了哪些新的困難？吳恩達(dá)的Deeplearning.ai梳理了今年AI最重要領(lǐng)域內(nèi)的六大標(biāo)志性事件和趨勢(shì)。

 2019年已經(jīng)走過(guò)了98%，再過(guò)幾天，20后就要誕生了！

這一年注定是充滿(mǎn)了里程碑的一年。它將大眾從《西部世界》、《終結(jié)者》等好萊塢科幻電影不切實(shí)際的虛幻場(chǎng)景中抽離出來(lái)，讓人們認(rèn)識(shí)到，AI其實(shí)是世界上的有形力量而非夢(mèng)幻，從而開(kāi)始認(rèn)真討論AI對(duì)社會(huì)，經(jīng)濟(jì)，政治和國(guó)際力量平衡的影響。

本文回顧了語(yǔ)言模型成績(jī)斐然、人臉識(shí)別遭遇阻礙、自動(dòng)駕駛遲遲未實(shí)現(xiàn)、DeepFake進(jìn)入主流等等AI領(lǐng)域的發(fā)展現(xiàn)狀：有哪些技術(shù)突破面世，又遭遇了哪些新的困難？一起跟隨吳恩達(dá)的Deeplearning.ai，來(lái)看今年AI最重要領(lǐng)域內(nèi)的六大標(biāo)志性事件和趨勢(shì)。

自動(dòng)駕駛：在寒冬中孕育希望

就在幾年前，一些汽車(chē)公司還在承諾，最早在2017年就可推出可上路的自動(dòng)駕駛汽車(chē)。不過(guò)，今年1月《華爾街日?qǐng)?bào)》報(bào)道，Waymo首席執(zhí)行官約翰·克拉夫奇克（John Krafcik）表示，自動(dòng)駕駛汽車(chē)可能永遠(yuǎn)無(wú)法在全路況條件下行駛。他的這一表態(tài)也成為2019年汽車(chē)行業(yè)的大裁員定下了基調(diào)。

自動(dòng)駕駛在2019年遭遇瓶頸，幾家在自動(dòng)駕駛領(lǐng)域活躍的公司的商業(yè)化擴(kuò)展的速度明顯放緩。GM Cruise和特斯拉已經(jīng)將自家旗下的自動(dòng)駕駛出租車(chē)的最后期限推遲到2020年。

對(duì)于Waymo和Lyft而言，盡管美國(guó)鳳凰城監(jiān)管部門(mén)在2018年就已允許這兩家公司開(kāi)展自動(dòng)駕駛出租車(chē)的運(yùn)營(yíng)業(yè)務(wù)，但到目前為止，這項(xiàng)服務(wù)僅在少數(shù)有限地區(qū)開(kāi)展，愿意選擇這項(xiàng)服務(wù)的人群也是寥寥無(wú)幾。商用業(yè)務(wù)進(jìn)展不順，今年11月，Waymo宣布關(guān)閉在德州奧斯汀的自動(dòng)駕駛汽車(chē)研發(fā)機(jī)構(gòu)。

從技術(shù)上看，城市中道路的實(shí)時(shí)駕駛環(huán)境比路測(cè)更復(fù)雜，可能出現(xiàn)的極端危險(xiǎn)情況也明顯增多。但如此多的極端情況，能實(shí)際出現(xiàn)的幾率卻很低，這就造成了一個(gè)麻煩，工程師們可能無(wú)法獲得足夠的模擬數(shù)據(jù)再現(xiàn)這些情況。目前來(lái)看，一些行駛路線相對(duì)固定，可預(yù)測(cè)性較高的車(chē)輛，比如自動(dòng)駕駛公交車(chē)、貨車(chē)等，這些車(chē)可能比私家車(chē)和出租車(chē)更有希望嘗到自動(dòng)駕駛技術(shù)落地的真正甜頭。

從成本上看，傳感器（尤其是激光雷達(dá)）成本居高不下，而且供應(yīng)量吃緊，汽車(chē)企業(yè)成本控制，更多地選擇自己嘗試制造這些設(shè)備，同時(shí)勢(shì)必對(duì)車(chē)輛上的傳感器數(shù)量進(jìn)行縮減，而傳感器數(shù)量的減少意味著訓(xùn)練和認(rèn)知數(shù)據(jù)量的下降，如果傳感器的性能提升速度無(wú)法彌補(bǔ)這個(gè)下降，威脅到的將是自動(dòng)駕駛技術(shù)的重中之重——安全性。

從市場(chǎng)環(huán)境上看，2019年是全球汽車(chē)企業(yè)大裁員的一年。在全球經(jīng)濟(jì)下行、新車(chē)需求減少的背景下，日美歐各大車(chē)企先后宣布了大裁員計(jì)劃。據(jù)不完全統(tǒng)計(jì)，全球每三家汽車(chē)公司中就有一家正在裁員。自動(dòng)駕駛是個(gè)燒錢(qián)的行業(yè)，新技術(shù)的研發(fā)離不開(kāi)傳統(tǒng)車(chē)企的技術(shù)和資金支持，目前這個(gè)環(huán)境下，過(guò)去的富爸爸們也顯得捉襟見(jiàn)肘了。

當(dāng)然，也不是沒(méi)有好消息，中國(guó)就正在嘗試另一種思路。不再訓(xùn)練自動(dòng)駕駛汽車(chē)在現(xiàn)有的城市環(huán)境中進(jìn)行導(dǎo)航，而是對(duì)現(xiàn)有城市進(jìn)行數(shù)字化改造，以適應(yīng)并促進(jìn)自動(dòng)駕駛技術(shù)的發(fā)展。這被稱(chēng)為“智能城市”建設(shè)，包括路邊傳感器設(shè)備的完善，這些傳感器會(huì)根據(jù)導(dǎo)航提示（例如車(chē)道變化和限速牌）傳遞更豐富的道路信息。

總體來(lái)看，2019年是自動(dòng)駕駛行業(yè)內(nèi)劃分進(jìn)一步細(xì)化的一年，技術(shù)瓶頸和資金緊縮讓企業(yè)無(wú)法維系大而全的業(yè)務(wù)線，轉(zhuǎn)而專(zhuān)攻一個(gè)個(gè)自己擅長(zhǎng)的專(zhuān)門(mén)領(lǐng)域。

傳統(tǒng)汽車(chē)制造商，比如福特和梅賽德斯，將重點(diǎn)放在了輔助駕駛功能上，背靠谷歌的Waymo則繼續(xù)致力于全自動(dòng)駕駛汽車(chē)，一些小公司則努力在有限場(chǎng)景中部署全自動(dòng)駕駛，這些公司的目標(biāo)會(huì)隨著時(shí)間的推移而不斷擴(kuò)展。

Deepfake：技術(shù)孕育的妖怪如何收服？

2018年底開(kāi)始，一批能夠生成高度還原圖像的模型陸續(xù)誕生，如BigGAN和StyleGAN，前者可以生成ImageNet中發(fā)現(xiàn)的類(lèi)的圖像，后者能夠生成姿勢(shì)，發(fā)型和衣服等要素的逼真變化。

2019年，基于深度學(xué)習(xí)技術(shù)生成的“Deepfake”假視頻開(kāi)始泛濫，這些視頻能夠憑空制造根本不存在的名人或政治人物的演講內(nèi)容，這些逼真的視頻讓人們發(fā)出“技術(shù)無(wú)所不能”的贊嘆，同時(shí)，也引發(fā)了更多的人對(duì)技術(shù)濫用和不可控的擔(dān)憂(yōu)，甚至是恐懼。

Deepfake的出現(xiàn)實(shí)現(xiàn)了“以假亂真”的合成技術(shù)從圖像到視頻的跨越

在Deepfake視頻中，英國(guó)足球明星大衛(wèi)·貝克漢姆（David Beckham）可以用9種語(yǔ)言傳達(dá)抗瘧疾信息。中國(guó)科技企業(yè)發(fā)布基于同樣技術(shù)的應(yīng)用ZAO，可以將視頻中用戶(hù)的臉換到流行的電影場(chǎng)景中的演員身上，讓用戶(hù)感覺(jué)就像是自己在演電影一樣。

不過(guò)，與惡搞娛樂(lè)和公益相比，Deepfake更多地顯示了技術(shù)的“陰暗獠牙”。利用Deepfake偽造的演講視頻已經(jīng)對(duì)馬來(lái)西亞和加蓬的政治丑聞產(chǎn)生影響。

據(jù)Deepfake檢測(cè)軟件的DeeptraceLabs的一份報(bào)告稱(chēng)，目前在線的Deepfake視頻中有96％是非自愿拍攝的“換頭”色情片，片中人的臉往往被換成了女性名人的臉。這已經(jīng)超出了惡搞的范疇，觸及違法的邊緣。

“妖怪”已經(jīng)從瓶中放出，我們應(yīng)如何應(yīng)對(duì)？科技企業(yè)和政府立法部門(mén)已經(jīng)開(kāi)始努力。Facebook宣布了開(kāi)啟一項(xiàng)總獎(jiǎng)金高達(dá)1000萬(wàn)美元的競(jìng)賽，開(kāi)發(fā)Deepfake假視頻的自動(dòng)檢測(cè)技術(shù)。中國(guó)政府頒布了關(guān)于禁止傳播虛假視頻的相關(guān)規(guī)定。美國(guó)加州也通過(guò)了一項(xiàng)類(lèi)似的法律，眾議院則在考慮推動(dòng)對(duì)抗Deepfake假視頻的國(guó)家層面的立法。

這可能是一場(chǎng)曠日持久的“貓捉老鼠”的高科技比拼。南加州大學(xué)計(jì)算機(jī)科學(xué)教授黎顥表示，這場(chǎng)比拼中，當(dāng)貓的一方前景可能并不樂(lè)觀，盡管今天的Deepfake視頻仍有明顯特征，但一年之后，這些假視頻和真視頻可能就根本沒(méi)有區(qū)別了。

人臉識(shí)別落地受挫，政府插手立法遏制

相比NLP領(lǐng)域的蓬勃發(fā)展，人臉識(shí)別卻在前進(jìn)路上遭遇到了嚴(yán)重的抵制。國(guó)際反監(jiān)視情緒的推波助瀾，阻礙了人臉識(shí)別系統(tǒng)的進(jìn)一步泛濫。

公眾出于對(duì)自身隱私、肖像被濫用的擔(dān)憂(yōu)，美國(guó)和歐洲的維權(quán)人士以及監(jiān)督組織對(duì)人臉識(shí)別可能導(dǎo)致公民人身權(quán)利遭到潛在危害而深感憂(yōu)慮，于是促使立法來(lái)限制該技術(shù)的使用。

他們的努力推動(dòng)了國(guó)家禁止對(duì)該技術(shù)的公共和私人使用的勢(shì)頭，讓剛剛嶄露頭角、準(zhǔn)備大干一場(chǎng)的人臉識(shí)別大規(guī)模商用遭受當(dāng)頭一棒。

如今隨著美國(guó)聯(lián)邦政府對(duì)問(wèn)題進(jìn)行審議，美國(guó)多個(gè)城市通過(guò)了反面部識(shí)別法。而歐盟也正在努力制定自己的限制標(biāo)準(zhǔn)。下面我們回顧一下今年幾起標(biāo)志性的事件。

• 今年5月，舊金山成為美國(guó)第一個(gè)禁止警察和其他政府官員使用人臉識(shí)別的大城市；馬薩諸塞州波士頓的薩默維爾地區(qū)則緊隨其后。在接下來(lái)的幾個(gè)月內(nèi)，舊金山的鄰居奧克蘭和伯克利也通過(guò)了類(lèi)似的法律。這些法律是由美國(guó)公民自由聯(lián)盟牽頭的，該聯(lián)盟旨在促進(jìn)國(guó)家立法。
• 在華盛頓，美國(guó)國(guó)會(huì)議員抨擊了國(guó)土安全部對(duì)該機(jī)構(gòu)在機(jī)場(chǎng)和邊境使用該技術(shù)的計(jì)劃。參議院和眾議院的立法者提出了至少十二項(xiàng)法案，其中許多法案得到了兩黨的支持。這些法案旨在限制使用面部識(shí)別在壓制人身，剝奪住房和創(chuàng)造利潤(rùn)方面的影響。
• 歐洲監(jiān)管機(jī)構(gòu)推動(dòng)將面部圖像分類(lèi)為符合現(xiàn)有隱私法規(guī)的生物識(shí)別數(shù)據(jù)。歐盟委員會(huì)正在考慮立法來(lái)針對(duì)私人組織和公共機(jī)構(gòu)“不加區(qū)別地使用”面部識(shí)別的行為。盡管如此，法國(guó)還是在10月準(zhǔn)備了一項(xiàng)基于該技術(shù)的國(guó)家識(shí)別項(xiàng)目。
• 中國(guó)對(duì)人臉識(shí)別的使用在美國(guó)引起了反對(duì)，美國(guó)聯(lián)邦貿(mào)易當(dāng)局禁止向幾家中國(guó)公司出口美國(guó)技術(shù)。

2016年，美國(guó)國(guó)家電信和信息管理局發(fā)布了人臉識(shí)別指南，要求公司保持透明，實(shí)行良好的數(shù)據(jù)管理并允許公眾對(duì)與第三方共享人臉數(shù)據(jù)的某些控制權(quán)。盡管該技術(shù)的主要供應(yīng)商是NTIA的成員，但尚不清楚他們是否遵守這些準(zhǔn)則。

雖然立法限制使用人臉識(shí)別的初衷是為了保護(hù)公民的隱私，但不同的立場(chǎng)以及各自為政的作風(fēng)，反而可能帶來(lái)一些負(fù)面的效果。

今年6月份，亞馬遜網(wǎng)絡(luò)服務(wù)公司首席執(zhí)行官Andy Jassy大吐苦水：“求求國(guó)會(huì)趕緊統(tǒng)一立法的吧，要不然我們將會(huì)面對(duì)的是：在美國(guó)50個(gè)州有50種不同的法律法規(guī)！”這樣的混亂局面甚至可能讓當(dāng)?shù)氐膱?zhí)法部門(mén)都陷入困惑之中。

NLP飛躍，語(yǔ)言模型變得精通語(yǔ)言

早期由Word2Vec和GloVe embeddings支持的語(yǔ)言模型產(chǎn)生了令人困惑的聊天機(jī)器人、具有中學(xué)閱讀理解能力的語(yǔ)法工具，以及勉強(qiáng)能看的翻譯。但最新一代的語(yǔ)言模型變得如此之好，甚至有人認(rèn)為它們很危險(xiǎn)。

2019年自然語(yǔ)言處理領(lǐng)域發(fā)生了什么呢？一個(gè)新的語(yǔ)言模型生成了新聞文章，讀者評(píng)價(jià)其和《紐約時(shí)報(bào)》一樣可信；同樣的語(yǔ)言模型還為《紐約客》的一篇文章做出了貢獻(xiàn)。令人欣慰的是，這些模型沒(méi)有像人們擔(dān)憂(yōu)的那樣散布大量虛假信息。

2019年，研究人員在讓機(jī)器理解自然語(yǔ)言方面取得了飛躍。通過(guò)對(duì)巨大的、未標(biāo)記的數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練，新模型通常可以熟練掌握自然語(yǔ)言。然后，他們通過(guò)在專(zhuān)門(mén)語(yǔ)料庫(kù)上進(jìn)行微調(diào)來(lái)掌握給定的任務(wù)或主題。

早期的模型如ULMFiT(由Jeremy Howard和Sebastian Ruder提出)和ELMo(來(lái)自艾倫人工智能研究所和華盛頓大學(xué))展示了預(yù)訓(xùn)練的潛力，而谷歌的BERT是這種方法的第一個(gè)突破性的成功。BERT于2018年底發(fā)布，在GLUE閱讀理解基準(zhǔn)測(cè)試中得分之高，以至于測(cè)試的組織者首次將模型的表現(xiàn)與人類(lèi)的baseline分?jǐn)?shù)進(jìn)行了比較。今年6月，微軟的MT-DNN模型首次擊敗了人類(lèi)。

今年2月中旬，OpenAI發(fā)布了GPT-2，一個(gè)預(yù)訓(xùn)練的通用語(yǔ)言模型，其創(chuàng)建者甚至認(rèn)為它太過(guò)危險(xiǎn)而不能發(fā)布，因?yàn)樗心芰ι闪钊诵欧奈恼?。GPT-2使用40GB的Reddit評(píng)論進(jìn)行了訓(xùn)練，并沒(méi)有引發(fā)假新聞的大災(zāi)難，但確實(shí)為一部小說(shuō)、一首前衛(wèi)的歌詞，以及《權(quán)力的游戲》的同人小說(shuō)做出了貢獻(xiàn)。OpenAI最終在11月發(fā)布了完整版本的模型。

在這期間，來(lái)自百度、卡內(nèi)基梅隆大學(xué)、谷歌大腦、Facebook等其他機(jī)構(gòu)的一系列模型依次超越了NLP基準(zhǔn)。其中許多都基于transformer架構(gòu)，并利用了BERT風(fēng)格的雙向編碼。

新聞的背后：2018年7月，就在BERT誕生前不久，DeepMind研究員Sebastian Ruder預(yù)測(cè)了預(yù)訓(xùn)練對(duì)自然語(yǔ)言處理的影響。此外，他還預(yù)測(cè)，NLP的突破將徹底改變整個(gè)人工智能。他的論點(diǎn)基于2012年前后預(yù)訓(xùn)練對(duì)計(jì)算機(jī)視覺(jué)模型的激發(fā)。許多業(yè)內(nèi)人士將深度學(xué)習(xí)的爆炸式增長(zhǎng)追溯到這一刻。

現(xiàn)狀：盡管經(jīng)過(guò)了一年的創(chuàng)新，語(yǔ)言模型仍然有很大的增長(zhǎng)空間：即使是1.5萬(wàn)億參數(shù)的GPT-2也經(jīng)常吐出一堆令人費(fèi)解的文字。至于最新的模型是否有能力用鋪天蓋地的虛假信息擾亂民主，即將到來(lái)的美國(guó)選舉季將檢驗(yàn)這一點(diǎn)。

從《星際爭(zhēng)霸II》到機(jī)器手解魔方：機(jī)器學(xué)習(xí)更多地依賴(lài)模擬數(shù)據(jù)

機(jī)器學(xué)習(xí)的未來(lái)可能更少地依賴(lài)于收集真實(shí)數(shù)據(jù)，而更多地依賴(lài)模擬環(huán)境。

有了足夠的高質(zhì)量數(shù)據(jù)，深度學(xué)習(xí)就像變魔術(shù)一樣有效。但是，當(dāng)樣本很少的時(shí)候，研究人員就用模擬數(shù)據(jù)來(lái)填補(bǔ)空白。

2019年，在模擬環(huán)境中訓(xùn)練的模型完成了比該領(lǐng)域先前工作更復(fù)雜、更多樣的壯舉。在強(qiáng)化學(xué)習(xí)方面，DeepMind的AlphaStar在復(fù)雜戰(zhàn)略游戲《星際爭(zhēng)霸II》(StarCraft II)中取得了特級(jí)大師段位——能夠打敗99.8%的人類(lèi)玩家。OpenAI Five訓(xùn)練了一個(gè)由5個(gè)神經(jīng)網(wǎng)絡(luò)組成的團(tuán)隊(duì)，打敗了Dota 2的世界冠軍。但這些模型在模擬世界學(xué)習(xí)，學(xué)會(huì)的是在模擬世界中行動(dòng)。其他研究人員將AI在模擬中學(xué)習(xí)到的技能遷移到現(xiàn)實(shí)世界中。

OpenAI的Dactyl機(jī)械臂在虛擬環(huán)境中花費(fèi)了相當(dāng)于13000年的模擬時(shí)間，開(kāi)發(fā)出操作魔方所需的靈活性。然后將這些技能應(yīng)用到一個(gè)真實(shí)魔方上。當(dāng)還原一個(gè)魔方需要15次以?xún)?nèi)的旋轉(zhuǎn)時(shí)，它的成功率達(dá)到60%。當(dāng)還原魔方需要更多次操作時(shí)，它的成功率下降到20%。

加州理工學(xué)院的研究人員訓(xùn)練了一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)區(qū)分重疊地震和同時(shí)發(fā)生的地震，方法是模擬橫跨加州和日本的地震波，并將模擬結(jié)果作為訓(xùn)練數(shù)據(jù)。

亞馬遜旗下的Aurora自動(dòng)駕駛汽車(chē)部門(mén)同時(shí)進(jìn)行數(shù)百次模擬，以訓(xùn)練其模型在城市環(huán)境中導(dǎo)航。該公司正在以類(lèi)似的方式訓(xùn)練Alexa的對(duì)話(huà)能力、送貨無(wú)人機(jī)和機(jī)器人。

模擬環(huán)境，諸如Facebook的AI Habitat，谷歌的強(qiáng)化學(xué)習(xí)行為套件，以及OpenAI的Gym，都可以為AI掌握任務(wù)提供資源，例如優(yōu)化紡織生產(chǎn)線，填充3D圖像中的空白點(diǎn)，以及在嘈雜的環(huán)境中檢測(cè)對(duì)象。在不久的將來(lái)，模型可以探索分子模擬，以了解如何設(shè)計(jì)具有預(yù)期結(jié)果的藥物。

沖突爆發(fā)：符號(hào)主義和連接主義的古老爭(zhēng)論再燃

以Twitter為陣地，以加里·馬庫(kù)斯(Gary Marcus)為首的長(zhǎng)達(dá)一年的爭(zhēng)論，為圍繞人工智能發(fā)展方向數(shù)十年的爭(zhēng)論注入了新的活力。

馬庫(kù)斯是紐約大學(xué)教授、作家、企業(yè)家，以及基于邏輯的AI的鼓吹者，他發(fā)起了不懈的Twitter爭(zhēng)論，試圖打破深度學(xué)習(xí)的根基，并推廣其他人工智能方法。

馬庫(kù)斯重新點(diǎn)燃了所謂的符號(hào)主義者和連接主義者之間的古老爭(zhēng)論，前者堅(jiān)持認(rèn)為基于規(guī)則的算法對(duì)認(rèn)知至關(guān)重要，而后者則認(rèn)為將足夠多的神經(jīng)元與正確的損失函數(shù)連接起來(lái)是獲得機(jī)器智能的最佳途徑。

與馬庫(kù)斯針?shù)h相對(duì)的AI從業(yè)者重新熟悉了象征主義的方法，以免連接主義的局限性導(dǎo)致資金崩潰，或人工智能陷入寒冬。這一爭(zhēng)論促使人們對(duì)人工智能的未來(lái)做出了清醒的評(píng)估，并在12月23日由馬庫(kù)斯和深度學(xué)習(xí)先驅(qū)、蒙特利爾大學(xué)Yoshua Bengio教授的一場(chǎng)現(xiàn)場(chǎng)辯論中達(dá)到高潮。辯論過(guò)程非常有禮貌，雙方都承認(rèn)兩個(gè)黨派之間需要合作。

2018年12月，馬庫(kù)斯向深度學(xué)習(xí)支持者的“帝國(guó)主義”態(tài)度發(fā)起了挑戰(zhàn)，開(kāi)始了自己的進(jìn)攻。他繼而鞭策Facebook的深度學(xué)習(xí)先驅(qū)Yann LeCun，要他選擇一方：是把自己的信仰寄托在純粹的深度學(xué)習(xí)上，還是有好的“出色的老式人工智能”(good old-fashioned AI)的一席之地?

OpenAI在10月份提出的混合模型成為頭條新聞。它的機(jī)械手通過(guò)深度強(qiáng)化學(xué)習(xí)和經(jīng)典的Kociemba算法的結(jié)合解決了魔方難題。雖然馬庫(kù)斯指出是Kociemba算法計(jì)算出了解決方案，而不是深度學(xué)習(xí)，但其他人斷言機(jī)器人可以通過(guò)進(jìn)一步的訓(xùn)練來(lái)學(xué)習(xí)這項(xiàng)技能。

去年12月，微軟提出“神經(jīng)符號(hào)人工智能”(neurosymbolic AI)，填補(bǔ)了這一空缺。這是一個(gè)旨在彌合神經(jīng)表示和符號(hào)表示之間差距的模型架構(gòu)。

隨著2019年臨近結(jié)束，NeurIPS會(huì)議強(qiáng)調(diào)了人工智能社區(qū)的soul searching。谷歌研究員Blaise Aguera y Arcas在一次主題演講中表示：“我們目前所有的訓(xùn)練模式都是為了讓AI在特定任務(wù)中取得勝利或者贏得高分，但這并不是智能的全部。”

符號(hào)主義者和連接主義者之間的敵意可以追溯到半個(gè)多世紀(jì)以前。1969年，馬文·明斯基和西摩爾·派普特在《Perceptrons》書(shū)中，仔細(xì)分析了以感知機(jī)為代表的單層神經(jīng)網(wǎng)絡(luò)系統(tǒng)的功能及局限，證明感知機(jī)不能解決簡(jiǎn)單的異或(XOR)等線性不可分問(wèn)題，幫助觸發(fā)了第一個(gè)AI冬天。

第二個(gè)AI寒冬是在將近20年后，部分原因是符號(hào)AI依賴(lài)于LISP計(jì)算機(jī)，而LISP計(jì)算機(jī)已經(jīng)隨著PC的出現(xiàn)變得過(guò)時(shí)了。

神經(jīng)網(wǎng)絡(luò)在20世紀(jì)90年代開(kāi)始普及，并在過(guò)去十年計(jì)算能力和數(shù)據(jù)的爆炸式增長(zhǎng)中取得了主導(dǎo)地位。

當(dāng)連接主義者和符號(hào)主義者齊頭并進(jìn)，或者直到一個(gè)派別消滅另一個(gè)派別時(shí)，我們期待著激動(dòng)人心的新時(shí)代