——读尼克《人工智能简史》一书有感

 人工智能（AI）是当前非常火的一个话题，不仅有诸如波士顿机器人、阿尔法狗、火星探测器、玉兔二号等令人印象深刻的产品和应用，在我们平时的工作和生活中，也在不经意之间享受着人工智能的所带来的便利。人工智能仿佛是从石缝里蹦出来的一个“猴子”，突然之间就成了世人关注的热点。那么，它是何时起源的，又是如何走到今天这样的局面的？

 一、人工智能的起源

 无论是计算机科学还是它的分支——人工智能，其最初的理论基础都归功于图灵。

 图灵是英国数学家、逻辑学家，1912年生于敦。少年时就表现出独特的直觉创造能力和对数学的爱好，被称为计算机科学之父，人工智能之父。

 1936年5月，图灵向伦敦权威的数学杂志投了一篇论文，题为《论数字计算在决断难题中的应用》。该文于1937年在《伦敦数学会文集》第42期上发表后，立即引起广泛的注意。图灵在这篇文章中定义了后来被他的导师丘奇称为“图灵机”的计算装置：一条无穷长的纸带，一个读写头在一个控制装置的控制下在纸带上方左移右移，读取纸带上的内容并在纸带上写0或1，并由此有了所谓“丘奇-图灵论题”，也就是说任何计算装置都等价于图灵机。这个论题不是数学定理，但却是整个计算机科学的基础。

 有了“图灵机”，我们就很容易把原来是纯逻辑或纯数学的东西（例如递归函数和λ演算等）和物理世界联系起来了，函数成了纸带和读写头。如果按照传统哲学的说法：数学唯心，理性；物理唯物，经验，那么计算机科学就是唯物和唯心的桥梁，司马贺把这类东西统统叫作“人工科学”。

 1948年，图灵在英国国家物理实验室的内部报告中区分了“肉体智能”和“无肉体智能”的概念；1950年，图灵进一步提出关于机器思维的问题，他的论文《计算机和智能》，引起了广泛的注意和深远的影响。1950年10月，图灵发表论文《机器能思考吗？》这一划时代的作品，使图灵赢得了“人工智能之父”的桂冠。

 图灵有同性恋的性取向。1952年，图灵的同性伴侣协同一名同谋一起闯进图灵的房子实施盗窃，图灵为此而报警，使得警方发现了图灵的同性恋行为，并给了他两个选择：坐牢或荷尔蒙疗法。他选择了荷尔蒙注射，但药物产生了很多副作用，包括乳房不断发育等。1954年6月7日，图灵死于家中的床上，床头还放着一个被咬了一口的苹果。警方调查后认为是剧毒的氰化物中毒，调查结论为自杀。当时图灵41岁。也因为这同性恋，图灵在死后也受到了许多不公正的待遇和评价。直到2013年12月24日，英国女王终于向图灵颁发了的皇家赦免。英国司法部长宣布，“图灵的晚年生活因为其同性取向而被迫蒙上了一层阴影，我们认为当时的判决是不公的，这种歧视现象如今也已经遭到了废除。为此，女王决定为这位伟人送上赦免，以此向其致敬。”

 1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡、马文·闵斯基（人工智能与认知学专家）、克劳德·香农（信息论的创始人）、艾伦·纽厄尔（计算机科学家）、赫伯特·西蒙（诺贝尔经济学奖得主）等科学家聚集在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名字：人工智能。因此，1956年也就成为了人工智能元年。

 二、两种流派之争

 自图灵提出“机器与智能”起，就一直有两派观点：一派认为实现人工智能必须用逻辑和符号系统来模拟人的心智，由此确立了人工智能领域的符号派或者说逻辑派，这一派看问题是自上而下的；另一派认为通过仿造大脑可以达到人工智能，由此确立了人工智能领域的统计学派或神经网络派。这一派是自下而上的，他们认为如果能造一台机器，模拟大脑中的神经网络，这台机器就有智能了。

 符号派比较适合处理规则的情况，它的开山鼻祖是麦卡锡、司马贺，这一流派的理论基础是定理证明。定理证明又有两个流派：一是逻辑主义：希望将数学问题归约到更高层次的逻辑层面，试图在更高层面完成证明，解决问题；二是形式主义：试图通过项重写的方法，通过表达式本身的形式变化，直至最终的显性结果出现，进而证明和解决问题。

 神经网络派比较适合处理不规则的情况，它的开山鼻祖是麦卡洛克和皮茨，他们俩一个是医学博士，另一个是专职在芝加哥大学打扫卫生的数学票友。该流派致力于通过仿生或仿造大脑，达到计算机智能，以机器学习为主要手段。仿生一支研究的路径是：细胞机 -- 遗传算法 -- 遗传编程 -- 强化学习；而仿造大脑的研究路径则是：神经网络 -- 感知机 -- 深度学习。当下，人工智能领域最火的词儿就是“深度学习”。神经网络由一层一层的神经元构成，层数越多，就越深。所谓深度学习就是用很多层神经元构成的神经网络达到机器学习的功能。

 如果从哲学的观点看，符号派偏唯心，神经网络派偏唯物。在现实中，这两派也一直是人工智能领域里“两个阶级、两条路线”的斗争，而且有时还你死我活。每一个流派都希望自己这方占主导地位，让对方听命于自己，但每一方都没有办法拿出“置人于死地”的绝招。于是，在任何时候，人工智能的发展方向都存在着对立面，比如说模拟与数字，知识与逻辑，语义与语法，连续与符号，串行与并行，取代与增强，机械论与目的论，生物学与活力论，工程与科学……人工智能的鼻祖之一纽厄尔说过，一部AI史就是一部斗争史，这话一点都不错。

 这里不妨说说其中的一个人物——罗森布拉特。他是康奈尔大学的实验心理学家，1957年，他在神经网络研究方面取得了一个大突破，在一台IBM-704计算机上模拟实现了一种他发明的叫作“感知机”的神经网络模型。这个模型可以完成一些简单的视觉处理任务。这在当时引起了轰动。但罗森布拉特的发明引起了符号派的不满，明斯基是人工智能的奠基人之一，也是达特茅斯会议的组织者。他曾在一次会议上和罗森布拉特大吵，认为神经网络不能解决人工智能的问题。不仅如此，“感知机”的缺陷还被明斯基以一种敌意的方式呈现出来，这对罗森布拉特是个致命打击。后来，政府对神经网络研究的支持和资助也逐渐停止，这让罗森布拉特非常郁闷。1971年，罗森布拉特在43岁生日那天划船时淹死，很多人认为他是自杀。

 那么，明斯基是一个十恶不赦的坏人吗？显然不是。在很多人眼里，他睿智、广博、涉猎广泛，他之所以批评罗森布拉特，除了两个流派之争之外，可能还与他看不惯罗森布拉特的为人处世有关。也因为明斯基名气大，所以给神经网络派带来了二十年的寒冬，这也从某种意义上阻碍了人工智能的发展。换句话说，全世界的学术圈都差不多，即使是AI行业的先驱们，也都讲究拉帮结派，排除异己。他们都觉得自己的研究是开创性的，是不可或缺的。通过贬损别人，提高自己的，也不在少数。

 美国最早有三大人工智能实验室分别是：斯坦福大学、麻省理工学院和卡内基梅隆大学。三大实验室是三伙不同流派的科学家主持的，这些实验室经历了种种的斗争、分裂、重组。其中的人事纷争也构成了人工智能学科的历史。最早的麦卡锡、司马贺分别是做逻辑和定理证明的，做神经网络的人当时不被重视，但现在反而逻辑没人搞了，都去做神经网络了。不过神经派如今的重镇在加拿大，如阿尔伯塔的强化学习、多伦多的深度学习，再如AlphaGo团队的核心成员。近年来，知识图谱技术在谷歌的鼓吹下，算是为符号派留下了一支血脉。

 三、人工智能的发展前景

 人工智能是由数学、哲学、心理学、神经生理学、语言学、信息论、控制论、计算机科学等多学科相互渗透而发展起来的综合性新学科，与空间技术和原子能技术共同被称为20世纪的三大科学技术成就，人工智能的研究开展是智能机器人技术、信息技术、自动化技术以及探索人类自身智能奥秘的需要。

 数学使人工智能成为一门规范的科学，是人工智能发展必不可少的基础，在人工智能的各个发展阶段都起着关键的作用。这其中，计算理论是基础，主要是图灵机、丘奇-图灵论题、相似性原则和超计算等。无论是界定人或智能是什么，还是追问机器是否有智能，需要诉诸计算理论。

 如前所述，图灵机是图灵1936年所定义的最简单的计算装置。丘奇-图灵论题则告诉我们，所有功能足够强的计算装置的计算能力都等价于图灵机，不可能存在比图灵机更强的计算装置。科学家通过图灵机证明，像哥德尔递归函数、丘奇λ演算、Post系统等，都可以等价，可以相互模拟。洪加威的相似性原则则告诉我们，任何计算装置之间互相模拟的成本是相似的。丘奇-图灵论题和相似性原则这两个论题隐含着强人工智能的可能性：智能等价于图灵机、人就是图灵机。目前的计算机科学（包括人工智能）的工作都是建立在这个认同之上的。

 超计算指的是在可计算性上超越图灵机的装置。目前比较有意义的超计算模型有BSS实数模型和量子计算机。不过当下热门的量子计算机有可能不服从相似性原则，如果量子计算机能够研制成功，将会极大促进现有科技的发展。

 从某种意义上说，整个人工智能就是个大的假想实验。只不过哲学家用纸和笔，而计算机科学家用计算机硬件和软件。本质是一样的。不同的是哲学家从不为假想实验的结果所苦恼，反而会时不时洋洋自得；而计算机科学家则偶尔会被他们取得的成果所惊到。人工智能作为学科，经历了几次大起大落。每一次的高潮都是一个旧哲学思想的技术再包装，而每一次的衰败都源自高潮时期的承诺不能兑现。比如在1976年，卡内基梅隆大学的瑞迪教授曾大胆预言十年内，可以用两万美元造一台语音识别系统。但实际上花了差不多35年。直到2011年微软邓力团队在语音识别上才取得重大突破，成为深度学习的标志性事件之一；在此之前，司马贺也曾预言计算机下棋将会在10年内战胜人类，但实际上用的时间要比预言的时间长很多。有些领域，一开始就把百分之八十的容易问题都解决了，而后就一直很难，进展很慢，少有突破。人工智能就是这样，定理证明尤其如此。深度学习领域近来的进步更多得益于硬件。当下，最热的研究是机器学习，被压制多年的机器学习研究者们号称，尽管机器学习是人工智能的子学科，但很快就会独立，并且会比人工智能更宏伟。不知道他们的愿望是否可以实现？

 有关机器学习，有两种发展的展望：一是强人工智能，认为机器会全面达到人的智能；另一种是弱人工智能，认为机器会在某些方面达到人的智能——AlphaGo就是弱人工智能的代表。过去的机器旨在节省人的体力，现在的机器开始代替人的智力。人通过两性繁殖的进化速度远远赶不上机器。机器的进化速度服从摩尔定律——每18个月性能提升一倍，而人的进化速度则是20年一代人。人作为物种，是不是不再具备进化的竞争优势？

 最后再说一句，为什么人工智能在最近这些年会异军突起、发展迅速？主要的原因有两个，一个是大规模的数据累计，另一个是计算能力的提升，两者同时达到了拐点。

 《人工智能简史》  尼克/著  人民邮电出版社  2017.11