沉寂了30多年的“人工智能”一词，最近两年变得如火如荼，成为科技企业的主战场、媒体眼中的风向口，受到投资界的广泛追捧。
正如英国首相丘吉尔所言：“你能看到多远的过去，就能看到多远的未来”，我们都对人工智能的未来充满好奇，但此刻真的能看清方向吗？当下不如先追本溯源，反思一下，自己了解人工智能多少？人工智能到底是什么？它又是从哪里来的呢？
本文通过对人工智能起源的梳理，将人类各大文明从人-物关系、人-神关系、人-人关系和人-环境关系等多种可能视角进行特色解读。并指出在未来，人工智能的发展方向很可能是“人机融合智能”，人的智慧与机器的智能结合在一起，形成一个更有力的、更具支撑性的“人—机—环境交互系统”。
人工智能创立至今，已经度过了60余载。在这一个甲子多的时间里，有高潮也有低谷。双体实验室近期开始推送刘伟先生的“追问人工智能”系列，希望与大家共同探究人工智能从哪里来，到哪里去等基本问题。
从某种意义上说，人类文明是一个人类对世界和自己不断进行认知的过程。追根溯源，我们应该从人类历史，以及人类的知识获取方式的起源及其发展历程谈起。
东西方视角下的“人工智能”有何差异？在人类古文明的历史中，古巴比伦和古埃及这两种文明几乎同时出现，它们在距今6000多年前，就已经有了国家、工具和文字，这两种文明直接导致了欧洲文明的起源。这两个文明主要是研究人与物（客观对象）之间的关系，如水利、工具、制度与法律。这种人和物之间的关系，后来影响到了欧洲的一些地中海（希腊）文明，继而辐射到整个欧洲大陆，诞生了科学和技术——科学和技术的宗旨就是研究人与物之间的关系。除了这两个最早的文明以外，古印度文明很重要的一种特质就是研究人和神之间的关系，这主要是人和抽象事物、不可掌控的一些事物之间的关系，在中东、印度一带，诞生了几乎世界上所有最主要的宗教，包括伊斯兰教、基督教、印度教、佛教等，它们都探讨人和神之间的关系。此外，还有一种文明研究的是人和人之间的关系、人和环境之间的关系，即中华文明。中华文明关注的不是人和物、人和神之间的关系，而是人和人之间如何融洽，人和环境之间如何和谐，天、地、人之间如何共生的问题。如果通过同一时间轴来看，会呈现地更加明显。西方最主要的科学之祖，也是哲学之祖——泰勒斯，和中国的老子、孔子差不多出现在同一时代（距今约2500年以前），其思想体现在他的一句箴言中——“Water is best”（水是最好的）。水是一种物质，地球生物是从海洋里诞生出来的，即生命源于水，然后水又滋养和哺育了人类，所以西方的科学和哲学一开始就与物质密切相关；老子的“上善若水”，孔子的“逝者如斯夫”，也是对水的一种感叹，但他们大多都拘泥于感性和伦理方面。东西方文明的差异从这几个代表性人物的言语中可见一斑。也就是说，在历史发展的长河中，人类四大文明分别聚焦于人与物、人与神、人与人、人与环境之间的关系。而科学和技术的发展和“人与物”密切相关，这也是现代科学技术起源于欧洲的原因之一。但目前来看，随着社会和人类的不断进步，人与人、人与环境之间的关系日益受到重视。因此，当下世界的焦点，逐渐从西方转移到了以人与人、人与环境为主的东方视角上来。人与物之间的关系是西方一个重要的研究方向，同时机器属于人造物，所以人机交互也起源于西方。人机交互的本质是共在，即“being together”。人把自己的优点与机器的长处结合在一起，形成了一个交互的、实质性的问题。而未来人工智能的发展方向，很可能是人机融合智能或人机混合智能，即将人的智慧和机器的智能结合在一起，形成一个更有力的、更具支撑性的发展模式。这不但是研究人机交互的生理问题，还是研究心理的或者大脑的问题。其实，“人机交互”或“人机混合智能”，都是不准确的表达，最准确的表达是“人—机—环境交互系统”，因为人和机器及物质的交互是不完整的，均是通过环境这个大系统进行沟通，所以“人—机—环境”系统工程，可能是未来的一个主要研究方向。那么，人工智能或智能的本质是什么？这可以从人的成长经历或发展上看出一些端倪。一般来说，胎儿在母亲腹中就已经开始有了各种感觉，如听觉、嗅觉、味觉、触觉，并开始和外部环境及母亲腹中的内部环境进行交互，产生了一个很简单的“我”的概念。出生以后，由于视觉、听觉等感觉发育得不是很完善，更多的是通过触觉来接触世界，了解他周围的一些事物。随着自主能力的产生，他们会试图摆脱大人的束缚，更愿意自己爬，自己走，不希望别人去扶。我们在研究过程中发现，人工智能的起点，第一个词是“being”（“是”），即存在，客观的物质，这是西方哲学中一个很重要的词，世界是物质的还是意识的，其中物质就是“being”。关于人的智能和智慧，还存在着“should”（“应该”）。《三国演义》中的“义”，就是“should”（“应该”）的意思，“仗义”的“义”也是“应该”的意思，“应该”这个词，在西方非常重要，在东方也很受重视，这是东西方交流的一个交汇点。“should”，翻译成哲学语言，就是意识，即“awareness”或“consciousness”。另外，还有“want”，人有“want”，即想干什么；而机器不会“want”，机器只会按照程序、指令进行操作；而人还有一个“can”（“能”）的问题，即能做还是不能做。机器没有这个问题，只是运作。休谟在他的哲学体系中提出了一个很重要的问题：“是”推不出“应该”，这句话的意思是从事实中推不出价值观。中国古代有一句著名的话“天行健，君子以自强不息”，这是不成立的。“天行健”是一个事实，“君子以自强不息”是一种价值观，二者不能画等号。这里面涉及一个很重要的词“change”（“变”），人会不断地改变，而机器不能，只会按部就班、因循守旧、刻舟求剑。所以，“事实推不出价值观”是人工智能和人类智能很重要的差异。另外，人还有一个很重要的特质，即感知的恒常性，人在变化的外界环境中通常能够保留对这个事物本来面目的感知，如某种颜色。在不同的背景下，这种颜色的影响会发生变化，但是人能够在这种变化中找到不变的那种感觉；而机器则不是，机器对外部变化的颜色，会有一个实时的反应，很难找到那种不变的东西。人工智能来自于智能。何为智能？究其最深之处是一个哲学问题。早期有一批哲学家一直在讨论什么是智能、知识。迈克尔·波兰尼（Michael Polanyi）曾在20世纪60年代写过一部《默会维度》（The Tacit Dimension），提出“我们知道的越多，那么我们知道的越少”。同时，他认为我们知道的远比我们能说出来的要多很多（We can know more than we can tell）。通过波兰尼这句话可见，默会知识在支配着我们不断地向显性的知识递进与演化。弗里德里希·哈耶克（FriedrichHayek）的经济学对世界的影响很大，曾拿到过诺贝尔经济学奖。他一生对政治、社会、经济、文化、艺术、哲学和心理学均有涉猎，在认知科学领域，他有一本著作《感觉的秩序》（The Sensory Order）。在这本书中，他明确地提出了一个观点：“行为远比设计更重要”，其大意即人的各种感觉是通过行为来表征的，而不是故意设计出来的，后来的演化造成了设计的出现。维基百科的创立人之一吉米·威尔士（Jimmy Wales）很推崇《感觉的秩序》一书，认为是这本书启发他创立了维基百科。卡尔·波普尔（KarlPopper）是一位伟大的哲学家，提出过三个世界的观点，即物理的、精神的和人工的。此外，在《科学发现的逻辑》（The Logic of Scientific Discovery）一书中，他提出科学不是证实而是证伪，认为科学是提出问题进行猜想，然后进行反驳，不断试错，接着有新科学的出现，而不是常规意义上的、通过观察归纳来证实的实证机制。在归纳里有很多的漏洞，因为归纳是不完全的归纳，波普尔有针对性地对归纳进行了梳理。通常认为，人工智能的学科起源，是从1956年美国的达特茅斯会议。但实际上，它的科学起源最早可以追溯到19世纪的查尔斯·巴贝奇（Charles Babbage），他曾任剑桥大学卢卡斯教授，是世界上做机械计算机的鼻祖，他做出的机械计算机能够用来计算正弦和余弦数值的大小，从此人类拉开了计算的帷幕。另一个是剑桥大学的伯特兰·罗素（Bertrand Russell），罗素利用其哲学思想和数学基础，创立了一个重要的哲学新分支——分析哲学。将分析哲学推至制高点的是路德维希·维特根斯坦（Ludwig Wittgenstein），他在《逻辑哲学论》这部书里提出，语言是哲学的重要工具，也是哲学的切入点。在此之前，哲学的发展有两个里程碑，其中一个是关于世界本源的问题，即世界是物质的还是意识的，这个问题讨论了一千多年，后来笛卡儿提出二元论。在此之后，人们找了很多方法来研究哲学，但收效甚微，直到维特根斯坦改变了哲学的轨迹。他的前半生研究关于语言的人工性，所谓人工性的语言就是标准化的、格式化的、流程性的、程序化的语言；他的后半生主要否定了自己前半生的工作，开始研究生活化的、自然化的语言，他认为真正的哲学是通过生活化的语言呈现的，由此体现哲学的深奥和哲学的意义。针对智能的概念，权威辞书《韦氏大词典》中的解释是“理解和各种适应性行为的能力”；《牛津词典》中的说法是“观察、学习、理解和认知的能力”；《新华字典》中的解释是“智慧和能力”；美国著名人工智能研究专家阿尔布斯（James Albus）在答复另一位人工智能专家埃克斯穆尔（Henry Hexmoor）时说：“智能包括知识如何获取、表达和存储；智能行为如何产生和学习；动机、情感和优先权如何发展和运用；传感器信号如何转换成各种符号；怎样利用各种符号执行逻辑运算，对过去进行推理及对未来进行规划；智能机制如何产生幻觉、信念、希望、畏惧、梦幻甚至善良和爱情等现象。”
但是，作为一门前沿科学和交叉学科，人工智能至今尚无统一的定义。不同科学背景的学者对人工智能做了不同的解释：符号主义学派认为人工智能基于数理逻辑，通过计算机的符号操作模拟人类的认知过程，从而建立起基于知识的人工智能系统；联结主义学派认为人工智能基于仿生学，特别是人脑模型的研究，通过神经网络及网络间的链接机制和学习算法，建立起基于人脑的人工智能系统；行为主义学派认为智能取决于感知和行动，通过智能体与外界环境的交互和适应，建立起基于“感知—行为”的人工智能系统。其实这三个学派分别从思维、脑、身体三个方面对人工智能进行了阐述，目标都是创造出一个可以像人类一样具有智慧、能够自适应环境的智能体。人工智能的发展可以分为四个阶段，即酝酿阶段、起步发展阶段、反思发展阶段与蓬勃发展阶段。任何事物的形成与发展都有一定的基础，人工智能也不例外。首先，在哲学领域，学者对于意识问题情有独钟。自从笛卡尔于17世纪提出“我思故我在”的论述之后，有关意识的组成争论就从未停止过。托马斯·霍布斯、梅洛·庞蒂等曾经明确反对身心二元论，前者认为人是纯粹理性的，而后者认为身体和心理并不是独立分开的个体。可以说，这些哲学争论为早期的人工智能起到了很好的促进与推动作用。1943年，麦克洛奇与匹茨提出了著名的M-P模型（Mc Culloch Pittsneural model），他们将神经元视为二值开关，通过不同的组合方式可以实现不同的逻辑运算。该模型的意义在于开创了人工神经网络的研究。1949年，唐纳德·赫布（DonaldHebb）提出学习模型，大体观点为，如果在突触前后的两个神经元被同步激活，那么这个突触连接增强。M-P模型与赫布学习规则的确立为后期的联结主义奠定了基础。在其他领域，“现代计算机之父”冯·诺依曼（von Neumann）于1945年提出了后来被称为冯·诺依曼结构的计算机体系结构，并被沿用至今。1948年，诺伯特·维纳（NorbertWiener）指出了神经系统与计算机工作的相似性，找到了它们之间的内在联系，将自动控制的研究提到了一个新的高度，对后期人工智能学科的创立产生了巨大的影响。1936与1950年，阿兰·图灵先后提出图灵机与图灵测试的概念，旨在弄清楚计算机能做什么、如何定义智能等关键问题。维特根斯坦也对这个问题有所思考，他在《哲学研究》中明确指出：机器肯定不能思维。人工智能早期发展的主要领域在于公理证明。艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（HerbertSimon）等人编写了一种名为逻辑理论家（LT）的智能程序，用来证明数学命题。与常见的数学推理过程不同，这种程序由结论出发，一步步从后向前分析，直到找出合适的证明问题为止。1963年，LT程序证明了罗素与怀特海《数学原理》第一章中的全部定理。两年后，逻辑学家王浩和数理逻辑家亚伯拉罕·鲁滨逊（Abraham Robinson）使用消解方法，使用机器证明了《数学原理》中的全部命题演算定理。在其它研究领域，人工智能也有了初步的进展。1957年，罗森勃拉特（FrankRosenblatt）首次引入了感知机的概念，推广了联结主义的研究，同时感知机的出现使神经网络也露出了其庐山真面目。几年后，模仿自然生物进化机制的演化计算开始出现，代表人物为霍兰德（John Holland）与福格尔（David Fogel）。1965年，麻省理工学院人工智能实验室的罗伯兹编写出多面体识别程序，开创了机器视觉的领域。在起步发展阶段，各个领域都有了一定的进展，但是，这离当初设想的人工智能还相距甚远。1969年，被称为“人工智能之父”的马文·明斯基（MarvinMinsky）与西蒙·派珀特（Seymour Papert）出版著作《认知器演算法》（Perceptrons），指出单层感知器不能实现XOR（异或问题）逻辑，这极大地打击了研究者的信心。20世纪70年代初，对人工智能提供资助的机构，如美国国防高级研究计划局（DARPA）、美国核管理委员会（NRC）对无方向的人工智能研究逐渐停止了资助。人工智能的第一次寒冬到来。在低谷阶段，人工智能界开始了反思。一派是以德雷福斯（Hubert Dreyfus）为代表，无情地对人工智能进行批判，他曾说人工智能研究终究会陷入困局；而另一派则对人工智能抱有希望，代表人物为费根鲍姆（Edward Feigenbaum），他认为要摆脱困境，需要使用大量的知识。于是，知识工程与专家系统在各个领域崭露头角，比如早期的反向链接专家系统MYCIN可以诊断一些特定类型的传染病。这个阶段（1976～1980年）也被称为复兴期。进入20世纪80年代后，人工智能学界重新肯定了早期人工智能研究中的神经联结方法与遗传算法。1982年，霍普菲尔德（John Hopfield）提出了Hopfield神经网络，引入了“计算能量”概念，给出了网络稳定性判断。1984年，他又提出了连续时间Hopfield神经网络模型，为神经网络的研究做了开拓性的工作。1986年，杰弗里使用辛顿、鲁姆哈特（David Rumelhart）和麦克勒兰德（JamesMcClelland）重新提出了反向传播算法，即BP算法。值得一提的是，联结主义不同于符号主义，其研究方法巧妙地避开了知识表示所带来的困难。与此同时，布鲁克斯（Rodney Brooks）教授在1991年发表论文，批评联结主义与符号主义不切实际，将简单事情复杂化。他强调感知与行为直接联系，这也极大地促进了人工智能研究另一学派——行为主义的发展。由此可见，在这一阶段，人工智能的研究空前繁荣，可是好景不长，1987年现代计算机的出现，让人工智能的寒冬再次到来。人们普遍发现人工智能领域没有取得实质性的突破，而所谓的专家系统使用范围依然有限。于是，人工智能研究再一次陷入停滞。
1997年“深蓝”的胜利，重燃起人们对于人工智能的兴趣。2006年，辛顿提出深度置信网络，使深层神经网络的训练成为可能，这也使得深度学习迎来了春天。2011年，国际商业机器公司（IBM）的“沃森”参加《危险边缘》（Jeopardy！）问答节目，并打败了两位人类冠军，轰动一时。2012年，辛顿的学生艾利克斯·克里泽夫斯基（Alex Krizhevsky）使用AlexNet以大幅优势取得了当年ImageNet图像分类比赛的冠军，深度神经网络开始大放异彩。同年，运用了深度学习技术的谷歌大脑（Google Brain）观看数千段的视频后，自发地找出了视频中的猫。2016年，Google Deep Mind的“阿尔法狗”（AlphaGo）战胜了世界顶级围棋高手李世石，由此推动了人工智能的再一次发展，目前正处于人工智能发展的第三次高潮期。总的来说，人工智能创立至今，已经度过了60余载。在这一个甲子多的时间里，有高潮也有低谷。对人类来说，年过花甲意味着已经开始逐渐步入迟暮，很多方面都开始走下坡路；而对人工智能来说，在经历过数次波折、几起几落之后的今天仍然蓬勃发展，并显得愈发年轻起来。《追问人工智能：从剑桥到北京》已上市，欢迎大家购买
本文编辑、改写自刘伟《追问人工智能：从剑桥到北京》一书的部分章节，学术讨论请以原书为准。配图源于网络，如有侵权还请联系删除。
声明
双体实验室出品 未经授权禁止转载
欢迎转发朋友圈 一起探索人文科技
点击“在看”，让更多人看到精彩内容