国庆加餐：参拜斯坦福，带你感受AI殿堂级人物的历史故事

你好，我是产品二姐。

一年一度的国庆旅行大季来了，相信不少朋友已经踏上旅途。二姐的家人也要飞越大洋，前往美国感受全球科技圣地–硅谷的风采。与硅谷毗邻的斯坦福，更是全球科技人才向往的顶级学府。在AI的历史上，就有不少殿堂级的人物曾经在这里生活、工作过。

今天咱们就聊聊从斯坦福走出来的两位重要的人物John McCarthy和他的学生Raj Reddy。他们分别获得了1971年和1994年的图灵奖，希望未来你有机会去硅谷的时候，能带着他的故事去旅行，会更加有趣。

斯坦福AI实验室创始人：John McCarthy

1927年，John McCarthy出生于一个俄裔家庭，在高中期间就自学了大学前两年的数学课程。1951年，他在普林斯顿大学获得了博士学位。毕业之后的几年，他先后在普林斯顿、斯坦福、达特茅斯任教。直到1962年，John McCarthy在斯坦福任教直到退休。在斯坦福期间，他创办了SAIL（Standford Artificial Intelligence Lab，斯坦福人工智能实验室），我们熟悉的吴恩达老师、李飞飞老师都是在SAIL开展他们的研究的。

有的同学可能知道，1956年的达特茅斯会议是人工智能诞生的标志。而组织这次会议的人，正是当时年仅29岁的John McCarthy。

在1958年，John McCarthy在达特茅斯学院发明了LISP语言。你可能没有听说过LISP， 但你一定听说过Java、Java Script、Python，它们都与LISP语言有着千丝万缕的联系。硅谷最大的天使投资机构YC的创始人Paul Graham曾在一篇博客中说道：

LISP 语言之于计算机语言，就像《几何原本》之于几何学。

我们知道，在《几何原本》里，欧几里得从基本23个定义、5个公设和5个公理出发，给出了119个定义和465个命题及证明，可以说奠定了人类对几何结构的认知基础。类似地，Paul Graham就从LISP当中提取出了七个原始操作、一个函数表示推导出若干其他函数，奠定了计算机语言的基础。（感兴趣的朋友大家可以细读文末的参考一：Paul Graham的原文《LISP 之根》）

而就在最近，还有AI爱好者将LISP语言用在提示词工程中，做出了非常有趣，可以让大语言模型稳定输出的海报。

1971年， John McCarthy被授予计算机界的诺贝尔奖-图灵奖，他将自己的演讲题目命名为 “Generality in Artificial Intelligence”（人工智能的通用性）。

听到这个题目，你是不是被触动了一下？“难道，今天我们所讲的通用人工智能，竟然在50年前就被实现了吗？ ”

答案当然是否定的！哈哈。

实际上， 人工智能的通用性从AI诞生的那一天起，就成了所有从业者的奋斗目标。而今天，我们依然在这条路上前行还未达到目标。

1986年，John McCarthy在重新谈起这次演讲的时候，也公开承认当时的想法过于乐观了。他补充了当时AI实现通用性上要解决的几个问题：

• 一是，当我们需要增加一点点新的想法时，经常需要重写整个数据结构。

• 二是，目前还没有人知道如何创建一个通用的常识知识数据库。比如我们没有办法通过程序让一个机器人知道，搬动一个东西会造成什么样的影响。

• 三是，当我们采用逻辑方法研究人工智能时，我们设计的公理对于一般常识数据库的适用性太有限。

这些问题，你是不是听起来也特别熟悉呢？ 是的，这正是Software 1.0时代的程序员每天都在经历的事情。而今天，我们处在Software 2.0的初期，已经看到：

• 通过数据对就能够定义一个神经网络，而不需要重写整个数据结构。

• 互联网时代生产的大量网络数据已经形成一个巨大的常识知识库，可以被大模型拿来训练。

• 神经网络可以学习一切的方法，把AI从逻辑方法的局限性中拉了出来。

而就在前几天，OpenAI的一位研究员Hyung Won Chung也分享了这样一个现象，那就是：

随着算力、数据的上升，弱结构化AI模型会比强结构化AI模型表现更加优异。

这里的弱结构化AI模型就是Software 2.0时代以神经网络以基础的模型，而强结构化AI模型是指Software 1.0时代指定规则的模型。

这个对比也正是当年John McCarthy所提出的三个问题，那一刻，我仿佛看到跨越30年的两代AI研究者隔空对话。

如果John McCarthy今天还在世，他可能真的会拍拍你的肩膀说：“嗨，伙计（翻译腔），恭喜你赶上了一个好时代！”

除此个人的学术贡献之外，John McCarthy还在斯坦福培养出了两位图灵奖得主的学生Raj Reddy、Barbara Liskov，他们一起组成了图灵奖评奖历史上罕有的“一门三杰”，被传为一段佳话。其中，Raj Reddy 在AI语音识别方面做出了巨大贡献。

斯坦福毕业的图灵奖得主Raj Reddy

1963年， Raj来到斯坦福，师从John McCarthy，进入AI语音识别研究领域，也就是研究如何把人类说出来话转换成对应的文字。1971年，美国国防高级研究计划局DARPA提供资金，计划在五年内研究大规模语音理解的可能性，要求能识别1000个单词，连续的、不同人的语音。当时在卡耐基梅隆大学任职的Raj主要负责这一项目，并且将这一项目命名为HARPY。现在我们在网络上仍然能看到50年前HARPY背后的原理陈述。

当我们回头看HARPY及其背后的实现原理时，从某些方面，依稀能看到GPT的影子。在1976年HARPY的Demo视频里，Raj团队是这样描述HARPY的原理的：

研究者根据人类语言构建出一个网络。比如按照英文的句法结构，我们将下面的几句话讲变成一个词序网，每个节点是一个单词。

比如对于下面三句话：

• I am from China.

• I can speak English.

• I like football.

这个网络就会变成下图这样：

那么，当HARPY在识别语音的时候，就会把人类的语音输入从这些网络中去检索出最匹配的那个单词。 比如当用户说 “I” 的时候，系统会检索 “I” 后面会有三种可能：can, like, am，那么它就会根据用户说的单词从这三个中选择其中一个。

这个过程相当于是，研究者们人工为计算机输入了一套人类语句知识库，然后让计算机和这一套知识库进行匹配。如果没有这样一套网络，我们每听到一个单词，计算机就要随机地去和所有的单词进行匹配，而这个词序网将待匹配单词的范围大大缩小，从而大大提高了语音识别速度。

你看，在这里，HARPY是预先用人工构建了一个词序网，而GPT的预测下一个token的能力就是能让机器自己构建出词的顺序，这又是一次多么美妙的跨越时空的对话呀！

1979年，Raj创办了卡耐基梅隆大学的机器人学院，从事包括空间机器人、计算机视觉、计算机图形学、医学机器人等人工领域的研究。

1986年，一位华裔年轻人来到卡耐基梅隆大学的机器人学院，在Raj的支持下将HARPY改进为Sphinx，可以支持更大规模、更多输入的语音识别，并且能真实地被应用在辅助儿童阅读的教学场景中（Project LISTEN）。2000年，Sphinx团队将Shhinx开源，促进了语音识别的进一步发展。而这个年轻人就是：李开复。

在1994年，Raj 获得图灵奖，最主要的原因是感谢他在大规模知识工程领域的贡献。

小结

到这里，我们领略了几十年前从斯坦福走出来的两位图灵奖得主对AI的贡献。其实，除了John McCarthy 和 Raj Reddy， 从斯坦福走出来的AI人物举不胜举，二姐也无法一一列举。

今天，我更多的是希望和大家从历史照进未来，不管是John McCarthy的LISP语言，还是Raj主导的AI语音识别技术，都是今天这场科技盛宴的重要贡献者，值得被所有人记住。

同时，也希望你能从历史中受到启发，更深刻地理解现代人工智能技术。

最后，祝你国庆愉快~我们节后再见！

参考

1. Paul Graham写的《LISP 之根》。

2. John McCarthy Generality in Artificial Intelligence

3. OpenAI研究者Hyung Won Chung的分享。

4. HARPY原理综述。

5. HARPY的Demo视频。