过去几年，人工智能（AI）的火爆似乎掀起了新一波的互联网技术浪潮，无数技术人转移阵地、投身其中。但是随之而来的，是各种有关人工智能和机器学习技术的夸夸其谈。可以说，在计算机科学领域中，从来没有出现过如此众多且毫不专业的人对某一技术领域如此趋之若鹜——即便对于二十世纪八十年代从事尖端硬件的人来说，这也是匪夷所思的事情。
近期，备受瞩目的畅销书作家、《人类简史》和《未来简史》的作者尤瓦尔？赫拉利就讲述了人工智能将对民主产生的影响。他的言论中充斥着对当前人工智能技术能力的极大信心，他说与Google同宗的DeepMind所开发的国际象棋软件具有“创造性”、“富有想象力”，甚至拥有“天才本能”。
此外，在英国广播公司BBC的人工智能纪录片中，吉姆·阿尔哈利利（Jim Al-Khalili）和DeepMind的创始人丹米斯·哈萨比斯（Demis Hassabis）讲述了人工智能系统如何取得了“真正的发现”，而且还“真的提出了一个新的想法”，然后“凭自己的直觉”开发出了策略。
......
各种层出不穷的言论在使用夸张和拟人的手法来描述蠢笨机械化的系统，不一枚举。现在，则是时候回头仔细看看基础硬件的现实了。
过去30多年，人工智能没有任何重大进步
人们喜欢通过神话、比喻和借助计算机屏幕等人为形式来讨论有关计算机技术，比如“直觉”、“创造力”和神奇的“策略”。AI专家从AI的行为中找出特定的模式并将其称为“战略”，但神经网络并不知道“战略”是什么。如果真的有“创造力”，那也是DeepMind研究人员的创造力，他们设计、管理和训练了AI。
今天的AI系统是用大量的自动化试错训练出来的，每个阶段都需要通过一项称为反向传播的技术来反馈错误并调整系统，以减少将来的错误，从而逐步提高AI在特定任务（如国际象棋）上的表现。
目前可以大幅提升AI（“机器学习”和所谓的“深度学习”）系统效率的方法主要以这种反向传播技术为基础，而这项技术发明于二十世纪六十年代，并于二十世纪八十年代中期由Geoffrey Hinton应用到神经网络。
换句话说，在过去30多年中人工智能并没有任何重大的概念进步——目前我们在人工智能研究和媒体上看到的大部分内容都是通过大量昂贵的计算硬件和复杂的公关活动渲染的一个古老的想法。
这并不是说DeepMind的工作没有价值。协助开发者生成新策略和想法的机器非常有趣，特别是由于巨大的复杂性导致人们难以理解该机器的操作。在世俗文化中，技术的魔力和神秘非常诱人，而且在枯燥的工程领域出现一些非常神秘的东西是非常受欢迎的。
但遗憾的是，DeepMind的机器里并没有灵魂。
一位上世纪九十年代的年轻程序员打破了传统
所有围绕DeepMind机器大做文章的行为都会让人想起二十年前，一个非比寻常且意义深厚的“机器学习”系统给技术界所带来的那种兴奋感。
1997年11月，苏塞克斯大学计算神经科学与机器人中心的研究员阿德里安·汤普森登上了那一期“新科学家”的封面，其题目是：“原始硅打造的生物——让达尔文主义迷失在电子试验室，一睹新的造物主。高效精干的机器，无人能理解。 ”而汤普森能登上封面的原因是他的作品引起了很大的轰动。
汤普森打破了传统，在电子硬件上发展了机器学习系统——而不是使用传统的软件方法。他选择这样做是因为他意识到所有数字计算机软件的功能都会受到计算机二进制开关的限制。相比之下，人类大脑的神经元得到了很好的进化，可以思考各种微妙且不可思议的复杂物理和生化过程。汤普森假设，通过自然选择的自动化过程让计算机硬件进化，就可以模拟出硅介质的所有实际物理属性，而计算机的数字开关正是由这些硅介质构成，因此可能会产生某种东西有效模拟人类大脑的组成。
后来的事实也证明了他是正确的。
汤普森在他的实验室中对FPGA（一种数字硅芯片，其数字开关之间的连接可以反复重新配置）的配置进行了改进，以便区分两种不同的音频音调。然后当汤普森在查看FPGA芯片内部开关之间的连接是如何通过改进过程配置的时候，他注意到一种令人印象深刻的高效电路设计——仅使用了37个元件。
不仅如此，该改进电路已经超出了数字工程师的理解范围。37个组件中的一些没有与其他组件电连接，但是一旦从设计中移除这些组件，整个系统就会停止工作。对于这种奇怪情况，唯一的解释就是该系统在它所谓的数字组件之间利用了某种神秘的电磁连接。换句话说，该改进过程为了执行“计算”，已经卷入了系统组件和材料模拟的真实世界的特征。
作为一位二十世纪九十年代的年轻研究员来说，汤普森的工作发现确实令人惊叹。计算机不仅设法发明了一种全新的电子电路，而且超越了人类电子工程师的能力，更重要的是它还指向了开发计算机系统和AI的方法。
所以究竟是什么情况？为什么汤普森几乎无人知晓，而后来的哈萨比斯却为Google的母公司Alphabet赢得了满堂彩，而且BBC还为之制作了讴歌的纪录片？答案就在于时机。