AI演进史下篇：从符号博弈到数据驱动

承接前文：一起学AI之：人工智能简史(上)

前文提及，在第二次AI寒冬阶段，以神经网络为基石的“连接主义”实现了学术层面的突破性进展，并逐渐被社会公众所接纳。

与此同时，长期以逻辑推导和规则设定为核心的“符号主义”，其局限性日益暴露，逐步失去了在人工智能领域的话语权。

事实上，在此之前还有一种思想流派长期隐于幕后，保持沉默；那便是：“行为主义”。

“行为主义”的核心主张是：“智能即行为”。该流派不执着于探究“智能如何产生”，而是聚焦于“如何行动”以及在外部环境中表现出何种行为才算具备智能。

这一学派的哲学根基最早可追溯至人工智能诞生之前，即1913年的心理学行为主义理论。

鉴于当时“符号主义”与“连接主义”始终在探讨“人工智能应当如何思考”，而“行为主义”则专注于“人工智能应当如何行动”，导致其初期被学术界排除在AI范畴之外。尽管这种思想贯穿了整个AI发展史（甚至更久），却长期鲜为人知。

(1950年，格雷・沃尔特发明的“乌龟机器人”)

直至1991年（第二次AI寒冬期间），AI领域爆发了一场后世称为“人工智能大辩论”的思想交锋。

这并非一次正式会议，而是一场持续的学术争鸣：传统符号主义是否仍能代表AI？连接主义与行为主义是否应被纳入AI主流体系？

这场论战之后，人们通常将AI的思想脉络概括为三大流派：符号主义、连接主义、行为主义。

让我们再次审视人工智能这三大流派的核心主张：

第二次AI寒冬过后，业界终于意识到“无法再将人类知识逐一录入机器”；“专家系统”的挫败已证明：“现实世界过于复杂，规则根本无法穷尽”。

此外，真实世界并非如“符号主义”中的符号那样非黑即白，而是在99%的情况下处于黑白之间的灰色地带。

“可能、大概率、相似、相关”才是真实世界的常态，人们发现：“统计学似乎更擅长处理此类模糊问题”，且在现实中只需达到相对准确即可。

于是，AI学术界开始转换思路：

“不再向机器灌输具体规则，而是提供海量数据，让机器自行统计并从中发现规律”。

这便是统计机器学习时代（1995年 ~ 2012年）。

然而，任何事物消亡前往往会有回光返照，“符号主义”亦是如此。

1997年，在统计机器学习初期，IBM公司的超级计算机“深蓝”(Deep Blue)击败了当时的国际象棋世界冠军加里・卡斯帕罗夫，成为历史上首台在标准锦标赛规则下战胜卫冕冠军的计算机系统。

这一事件被视作人工智能发展史上的里程碑，引发了全球范围内对机器智能的广泛热议，那一刻人们以为真正的智能已然诞生！

赛后情绪激动的卡斯帕罗夫要求IBM公开深蓝的系统日志，遭IBM拒绝，且不久后深蓝即被拆解。

原来，深蓝获胜的秘诀并非源于“智能”，而是纯粹的“暴力枚举”：

深蓝配备了480颗专为国际象棋设计的芯片，每颗芯片每秒可独立评估约400万个棋局位置，整个系统总计算速度达每秒2亿个位置，系统会根据当前局势向后推演十余步进行计算，最终得出最优解；

此外，系统还收录了现实中所有的残局数据，以供推演使用。

“深蓝”(Deep Blue)是“符号主义”最后的辉煌时刻，此后，“符号主义”开始逐渐淡出AI的主导舞台（统治时期可参考：一起学AI之：人工智能简史(上)）。

但“符号主义”绝非“退场”，其所代表的规则与逻辑思想，已逐渐下沉并融合至AI领域的各个细微环节；

AI世界也不再由某一种“主义”独霸舞台，而是进入了多条路线相互吸收、彼此融合的新纪元。

1995年，俄罗斯统计学家弗拉基米尔・瓦普尼克 (Vladimir Vapnik) 等人正式提出了完整的支持向量机 (Support Vector Machine) 算法（简称SVM），标志着统计机器学习时代的正式开启。

首先，何为机器学习？

许多人认为机器学习是高不可攀的“人工智能”，与统计学无关。实则恰恰相反——所有传统机器学习算法，本质上是统计学家发明的、运行于计算机上的“统计推断工具”。

机器学习 = 统计学的“计算机版”

统计学的核心是什么？

从有限的、已知的“样本数据”中，提炼出一条可靠的“规律”，再利用该规律预测无限的、未知的“新数据”。

机器学习所做的正是此事。SVM（支持向量机）便是当时公认的“最可靠”的找规律方法。

该算法的核心逻辑其实非常简单：

例如桌上摆放着一堆苹果和一堆橘子。

以往的专家系统会这样制定规则：

随后，若再来一个水果，便依据规则进行归类。

但SVM并非如此操作。

SVM会直接观察大量已标记的苹果与橘子样本，然后在两堆样本间绘制一条分界线，尽可能将苹果与橘子区分开来。

SVM“划线”的原则，即SVM算法的核心理念：绘制一条距离两个“最近样本”间隔最远的线。

它不关心“苹果的本质是什么”，也不试图模拟人类思考。它只关注一件事：

这听起来不如专家系统那般“智能”，但在当时极为有效。

因为它规避了一个大坑：

但是，人们多了一项任务：“提前标记数据”。需预先告知计算机：“哪些是苹果、哪些是橘子”。

SVM问世后，在学术界引发巨大震动，一夜成名，成为当时学术界机器学习的唯一标准答案！但商业领域尚未大规模应用。

仅有SVM算法所属公司、美国通信巨头AT&T将其用于垃圾邮件处理，且取得了极佳效果，错误率仅为2.0-2.2%。

转机出现在2001年。

台湾大学林智仁 (Chih-Jen Lin) 教授团队发布了针对SVM算法的开源库（“Library for Support Vector Machines”），即LIBSVM。

官方网址：

https://www.csie.ntu.edu.tw/~cjlin/libsvm

github地址：

https://github.com/cjlin1/libsvm

拥有此库，仿佛获得了一把钥匙，瞬间打开了商业化落地的大门。此后，几乎所有科技公司开始在各领域广泛采用SVM算法：垃圾邮件识别、文本分类、生物信息分类、搜索排序……

尽管SVM算法取得了巨大成功，但其本质仍只是一个分类算法。它无法自行理解图片、文字、声音的含义，而是需要人类先将原始数据加工成一组“特征”，再交给SVM模型进行判断。

这其中其实仍残留着些许“符号主义”的影子。

例如在进行垃圾邮件识别时，SVM并非直接阅读邮件，而是由工程师预先设计一系列特征：

随后SVM再依据这些特征，将邮件划分为“正常邮件”与“垃圾邮件”。

再如人脸识别或图像分类，机器在拥有SVM算法后，也并非像人一样直接“看懂”一张脸。工程师通常需在算法预处理后，提取边缘、角点、纹理、颜色分布、局部形状等特征，最后再由SVM算法判断是否为人脸或特定物体。

文本分类亦是如此。机器并非天生理解文章内容，而是先将文章转化为词频、关键词、TF-IDF向量等特征，再交由SVM算法判断文章属于体育、财经、科技还是娱乐。

因此，以SVM为核心的统计机器学习相比专家系统已迈进一大步：它无需人类将每条判断规则写死，而是能根据数据自行学习分类边界。

但它尚未真正摆脱人工干预，人类只是转换了工作方式：从“编写规则”转变为“做标注、整理样本、提取特征”。

当然，SVM并非统计机器学习时代唯一的主角；朴素贝叶斯、AdaBoost、随机森林、GBDT和CRF等算法在模型的推理与训练中亦被频繁使用。

在此期间，最重要的是总结出一整套“从数据中寻找规律”的方法：

以上即为传统机器学习的训练方法。

在这一时期，由“连接主义”主导的神经网络也取得了显著进展。

1998年，同样在AT&T的贝尔实验室，杨立昆(Yann LeCun)发表了论文：《Gradient-Based Learning Applied to Document Recognition》（基于梯度的学习方法及其在文档识别中的应用），LeNet-5开始进入公众视野。

此时，距离杨立昆(Yann LeCun)创造LeNet-1已过去十年（LeNet-1可参考：一起学AI之：人工智能简史(上)），LeNet-5的核心逻辑未变，但结构更为完整、训练更加稳定，已成为可实际商业化落地的网络模型。

为何论文中会提及可商业化落地？

因为在1998年论文发表前，基于LeNet-5思路的支票读取系统，确实已被应用于真实的银行票据处理流程中。

它要解决的问题非常具体：自动识别支票上的手写数字和金额，减少人工录入，提升银行后台处理效率。

（图像识别演示）

（当时的支票）

LeNet-5发表后，虽未在市场引起巨大波澜，却在学术界引发轰动：神经网络真的能解决现实的商业问题。

LeNet-5也是首次完整定义了现代卷积神经网络（Convolutional Neural Network，简称CNN）的核心结构，为后续神经网络的发展奠定了基础。

你可能存在疑问：同样做数据识别，同样需要输入数据，传统机器学习和以LeNet为代表的神经网络机器学习，除了构建方式不同（一个是依赖统计数学构建的模型，一个是模仿人类神经元网络构建的模型）之外，似乎别无二致？

实则不然，神经网络机器学习在学术上已进步一大截：它无需人工标注和特征分类，可实现自动学习！

例如：图片识别过程中，传统机器学习需人工利用HOG、SIFT等算法进行特征分类与标注。

而神经网络则不同，它能自动学习图像中的边缘、角点、纹理、局部形状等关键特征，通过自身学习再进行分类，无需人工编写规则（没错，整体流程与人类神经元识别物体如出一辙！）。

而且，数据越多，神经网络自动学习的特征就越丰富，识别能力也就越强！

在数据量较少的情况下，统计机器学习尚可通过人工编写特征应对；但若数据量爆炸，人力将无法跟上神经网络的学习速度。

因此，LeNet-5在学术界引起巨大震撼，是因为它将“特征工程”这一最难、最依赖人工经验的环节也纳入了训练过程。

LeNet-5虽证明了“CNN神经网络可处理图像”，却不足以立即改写当时的整个AI世界。

原因很简单：它解决的是一个相对明确、规模有限的问题，如手写数字识别、票据读取；而现实世界中的视觉任务，远比识别几个数字复杂得多。

例如：疯狂动物城的朱迪算兔子吗？

按照现实生活的说法，算是兔子；但若计算机按正常兔子的标准衡量，那肯定不是！

因此，若想机器分辨“猫、狗、汽车、飞机、杯子、树、人脸、街道”，仅靠那个时代的训练数据与计算能力，远远不够。

要知道，当时的数据集有限，只能依赖科研机构实验室的人工标注，而每人能标注的数据量也有限。

所以在随后的多年里，学术界与工业界虽知晓神经网络这条路或许可行，但真正大规模落地的主流方案，依然是“人工提取特征 + SVM分类器”这一组合。

这也表明：当时真正限制AI的，已不仅是算法本身，而是另外两个更现实的问题：

而接下来登场的ImageNet，恰恰是第一个将“海量数据”这一瓶颈硬生生推开的关键角色。

2009年，斯坦福大学李飞飞团队发表论文《ImageNet: A Large-Scale Hierarchical Image Database》，正式提出ImageNet这一大规模图像数据库。

ImageNet的核心思想，是先用WordNet搭建类别体系。WordNet可理解为一本带层级关系的英文词典，它不仅列出单词，还会说明“金毛犬属于狗，狗属于动物”“跑车属于汽车，汽车属于交通工具”等关系。ImageNet便是沿着这套词义层级，将名词转化为图像类别，并为每个类别收集大量图片。

但问题来了：这么多图片，李飞飞团队究竟是如何采集的？

答案并非靠研究员逐张拍摄，而是将互联网视为巨大的图片