人工智能的新视角：以史为鉴

《纽约时报》向世人低调介绍了Perceptron（感知机），这是一台房间大小的计算机，拥有新型电路，承诺具备未来的人工智能能力。它起源于美国海军，被誉为具有人类能力（如行走、说话甚至意识）的机器的潜在先驱。由Frank Rosenblatt开发的Perceptron为如今我们称之为人工智能（AI）的技术奠定了基础。

人工智能的复兴与挫折

几十年来，人工智能经历了乐观与失望的周期。尽管起初热情高涨，但实现人类水平智能的宏伟承诺并未兑现。Mark I Perceptron虽然具有开创性，但在兑现其宏大承诺方面却力不从心。随之而来的20世纪70年代和80年代的“AI寒冬”凸显了根本性的挑战，包括无法处理新信息和语境细微差别。

现代人工智能的演变与挑战

在挫折之后，20世纪90年代见证了人工智能研究的变革性转变。研究人员拥抱数据驱动的方法来解决机器学习，攻克了知识获取这一古老难题。这一时期也见证了基于神经网络的感知机的复兴，现在的感知机是数字化的，且复杂程度呈指数级增长。然而，尽管取得了进步，理解习语表达和语境推理等持续挑战在当代人工智能系统中仍然存在。

当前的现实与反思

今天，当人工智能再次迎来乐观情绪的高潮时，对历史模式的谨慎反思势在必行。支持者吹捧ChatGPT等大型语言模型（LLM）的能力，经常将其与人类认知相提并论。然而，现实描绘出一幅更为复杂的画面。虽然人工智能在图像识别等任务方面取得了显著进展，但它仍然容易出错，特别是在处理抽象语言和复杂场景时。

领先科技公司的高管们为开发通用人工智能（AGI）——即具备人类水平能力的机器——设定了雄心勃勃的目标。然而，过去与现在挑战之间的相似之处不容忽视。人工智能在理解语言细微差别方面的持续差距以及对误解的易感性，凸显了在评估其当前能力时需要保持谦逊。

回顾人工智能进步的周期性，很明显历史是一个关键的指南。虽然人工智能的格局发生了显著变化，但根本性的挑战依然存在。随着该领域向AGI迈进，吸取过去的教训至关重要。认识到当前人工智能系统的局限性并积极解决其不足，将为未来更强大、更可靠的人工智能铺平道路。