AI發展歷程的五大教訓

自1943年以來，人工智能(AI)領域經歷了80年的起起落落。從最初的理論探索到如今的深度學習熱潮，AI的發展歷程蘊含着諸多值得思考的教訓。

首先，我們要警惕將工程學與科學混淆，將推測當作事實。麥卡洛克和皮茨1943年發表的神經網路理論論文雖然缺乏實驗依據，卻啓發了今天的深度學習。但我們不應將這種模型等同於真實的大腦運作方式。

其次，對所謂的突破性進展保持審慎態度很有必要。過去幾十年裏，通用人工智能(AGI)的預言屢次落空。從1957年赫伯特·西蒙宣稱"已有能思考的機器"，到如今OpenAI預言超級AI即將到來，這些樂觀預測往往過於超前。

第三，從無法完成某項任務到勉強完成，往往比從勉強完成到完美完成容易得多。我們不應輕易認爲初步成功必然會導致最終的突破。

第四，即便某項AI技術獲得了廣泛應用和大量投資，也不意味着它能長期持續下去。20世紀80年代風靡一時的專家系統最終因爲難以擴展和維護而衰落，這一教訓值得記取。

最後，不要將所有希望都寄托在單一的AI方法上。無論是符號主義還是聯結主義，都曾經獨領風騷，但最終都顯示出局限性。未來的AI發展可能需要多種方法的結合與創新。

英偉達等AI領軍企業在把握當前機遇的同時，也應該汲取這些歷史教訓，保持警惕和開放的態度，爲AI的長遠健康發展做出貢獻。