68 年前，人工智能诞生于美国的一个夏令营——这就是为什么那次事件至今仍具有重要意

Josiah02

想象一下，1956 年北半球的夏天，一群年轻人聚集在美国新英格兰一所风景如画的大学校园里。
这是一次小型的非正式聚会。但这些人来这里不是为了在周围的山林里点起篝火、进行自然徒步旅行。相反，这些先驱者即将踏上一场实验之旅，这场旅程将在未来几十年引发无数争论，不仅会改变技术的发展进程，还会改变人类的发展进程。
欢迎来到达特茅斯会议——我们今天所知的人工智能（AI）的发源地。
这里发生的事情最终导致了 ChatGPT 和许多其他类型的人工智能的出现，这些人工智能现在可以帮助我们诊断疾病、检测欺诈、整理播放列表和撰写文章（当然，不是这个）。但它也会带来该领域仍在努力克服的诸多问题。也许通过回顾过去，我们可以找到更好的前进道路。
改变一切的夏天
20 世纪 50 年代中期，摇滚乐风靡全球。埃尔维斯的《伤心旅馆》荣登榜首，青少年们开始追随詹姆斯·迪恩的叛逆风格。
但在 1956 年，在新罕布什尔州一个安静的角落，发生了一场不同类型的革命。
达特茅斯人工智能夏季研究项目（通常被称为达特茅斯会议）于 6 月 18 日拉开帷幕，持续了大约八周。该项目是四位美国计算机科学家约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗切斯特和克劳德·香农的创意，汇集了当时计算机科学、数学和认知心理学领域一些最聪明的人才。
这些科学家和他们邀请的 47 人一起着手实现一个雄心勃勃的目标：制造智能机器。
正如麦卡锡在会议提案中所说，他们的目的是找出“如何让机器使用语言、形成抽象和概念，解决现在只能由人类来解决的各种问题”。
一个领域的诞生——以及一个有问题的名字
达特茅斯会议不仅创造了“人工智能”一词，还整合了整个研究领域。它就像一场神秘的人工智能大爆炸——我们现在对机器学习、神经网络和深度学习的了解都可以追溯到那个夏天在新罕布什尔州的起源。
但那个夏天留下的遗产却很复杂。
人工智能最终在当时被提议或使用的其他名称中胜出。香农更喜欢“自动机研究”这个术语，而另外两位会议参与者（也是第一个人工智能程序的创造者）艾伦·纽厄尔和赫伯特·西蒙则在几年内继续使用“复杂信息处理”。
但问题是：在确定了人工智能之后，无论我们如何努力，今天我们似乎都无法摆脱将人工智能与人类智能进行比较。
这种比较既是福也是祸。
一方面，它驱使我们创建在特定任务上能够匹敌甚至超越人类表现的人工智能系统。当人工智能在国际象棋或围棋等游戏中超越人类时，或者当它能够比人类医生更准确地从医学图像中检测出癌症时，我们会感到高兴。
另一方面，这种不断的比较会导致误解。
当计算机在围棋比赛中击败人类时，人们很容易得出结论：机器现在在各个方面都比我们聪明——或者我们至少在创造这种智能的道路上取得了很大进展。但 AlphaGo 距离写诗还差得远，距离计算器还差得远。
当大型语言模型听起来像人类时，我们开始怀疑它是否有感知。
但 ChatGPT 只不过是一个会说话的腹语人偶而已。
过度自信陷阱
达特茅斯会议上的科学家们对人工智能的未来非常乐观。他们坚信自己能在一个夏天内解决机器智能问题。
这种过度自信一直是人工智能发展中反复出现的主题，并导致了几次炒作和失望的循环。
西蒙在 1965 年表示，“20 年内，机器将能够完成人类所能做的任何工作。”明斯基在 1967 年预测，“在一代人的时间内……创造‘人工智能’的问题将得到实质性解决。”
著名未来学家雷·库兹韦尔 (Ray Kurzweil) 预测，距离这一目标仅剩五年时间：“我们还没有完全实现，但我们会实现，到 2029 年，它将与任何人匹敌。”
重新构建我们的思维：达特茅斯的新教训
那么，人工智能研究人员、人工智能用户、政府、雇主和广大公众如何才能更加平衡地前进呢？
关键的一步是接受机器系统的差异和效用。我们可以专注于我们已构建系统的独特优势，例如图像模型的巨大创造能力，而不是专注于“通用人工智能”的竞争。
将讨论重点从自动化转向增强也很重要。与其让人类与机器对立，不如让我们关注人工智能如何协助和增强人类的能力。
我们还要强调道德方面的考虑。达特茅斯的参与者并没有花太多时间讨论人工智能的道德影响。今天，我们了解得更多，也必须做得更好。
我们还必须重新聚焦研究方向。让我们重点研究人工智能的可解释性和稳健性、跨学科人工智能研究，并探索不以人类认知为模型的新型智能范式。
最后，我们必须管理对人工智能的期望。当然，我们可以为它的潜力感到兴奋。但我们也必须有现实的期望，这样我们才能避免过去的失望周期。
回顾 68 年前的夏令营，我们可以为达特茅斯会议参与者的远见和雄心感到高兴。他们的工作为我们今天经历的人工智能革命奠定了基础。
通过重新构建我们对待人工智能的方法——强调实用性、增强、道德和现实的期望——我们可以尊重达特茅斯的遗产，同时为人工智能的未来规划一条更加平衡和有益的道路。
毕竟，真正的智能不仅在于创造智能机器，还在于我们如何明智地选择使用和开发它们。