走近人工智能

◎劉西瑞

人工智能的誕生

說到人工智能，不妨去它的原點看看。與科學領域中多數學科沒有確切的起始點不同，人工智能有著明確的誕生時間和地點：1956年夏天，在美國常春藤名校達特茅斯學院召開的達特茅斯會議上人工智能正式誕生。其時，十位來自數學、計算機科學、信息科學、心理學等領域的領軍式人物會聚于此，討論計算機模擬人類思維的可能性問題。麥卡錫是這次會議的發起人之一，在這次會議上，他為這個新學科取名 “人工智能” （Artificial Intelligence，簡稱AI）。然而，生命在誕生之前還有一個胚胎發育過程，須有一粒種子作為起始點。對人工智能而言，這個起始點就是圖靈機，它的設計者是英國天才數學家阿蘭·圖靈。圖靈機并不是一般意義上的機器，而是一個數學模型。直到今天，無論人工智能的威力多么強大，形式多么復雜，都仍然是建立在圖靈機理論之上，沒能越出這個范圍。

圖靈機是由一條可以進行讀取的無限長紙帶和一個可以遞推的邏輯運算序列構成的。無限長紙帶決定著對計算量大小沒有限制性的規定，而可遞推性決定著每一步計算完成時，下一計算步驟可在系統內部自動生成，計算的連續性得以保證。圖靈機的構造看似簡單，但是與圖靈機相關的理論卻引出一些相當復雜的邏輯計算問題。其中之一是NP問題。P（Polynomial）是計算復雜性的標志，但是有些問題的復雜性難以預測，于是就存在著NP問題 （Non-deterministic Polynomial），即無法確定復雜性的問題。此外還有停機問題等等。停機問題是說在所有不同情況下，計算機是否能夠自我控制停機，這涉及到邏輯中的悖論，也是一個難解的問題。以上兩者，用一個形象的比喻來說，就是在計算過程中是不是存在一個死結，使得計算無法進行下去。這些問題至今仍在討論之中。

圖靈不僅設計出圖靈機，而且提出了一個著名的計算機智能的檢驗標準，也是迄今唯一具有可操作性的檢驗標準，即：圖靈實驗 （也稱圖靈檢驗，圖靈測試）。圖靈實驗是：讓一個人和一臺計算機分處于兩個房間，另一個人作為提問者，在看不到前一人和計算機的情況下分別向他們提問，經數輪提問后，如果提問者不能正確區分哪一邊是人，哪一邊是計算機，那么就可以判定計算機與人具有同樣的智能 （用統計學作為正誤的量化標準）。所提問題可以盡量刁鉆，例如要求對莎士比亞的十四行詩進行解釋，問一問對冬天的感受等等。到今天，還沒有一臺計算機能夠真正通過圖靈檢驗 （有傳言說某臺計算機通過了圖靈檢驗，但最終都未得到證實。）

圖靈機出現在1940年代，從理論上說，它已經為人工智能鋪平了道路，但那時它僅僅是個數學模型，在物理世界里，還不存在實現的條件。直到50年代高速計算機問世，圖靈機才有了付諸實踐的可能性。

人工智能誕生之初，科學家們雄心勃勃，認為在不久的將來，人工智能就可以趕上甚至超過人類的智能。然而，它的發展卻是一波三折，相當坎坷，走到今天的規模，實屬不易。

關于算法的科學

人工智能究竟是什么？在達特茅斯會議上，西蒙，另一位人工智能大師，經濟組織決策管理專家，建議把這門學科叫做 “復雜信息處理”，另有人提議叫做 “認知過程模擬”，然而會議最終采納了麥卡錫所取的 “人工智能”，這個名字通俗而令人印象深刻。但是，如果從反映學科的性質和功能來看，前兩個名字或許更加準確。

所以，我們可以把早期人工智能定義為：處理符號信息的科學。

形象地說，人工智能就是模仿人類思維進行各種活動，做那些看似只有人類智慧才能完成的工作，如做復雜計算，開藥方，下棋，開汽車，甚至做詩、繪畫，等等。

既是模仿人類，就需要看看人類是如何完成這些工作的。信息加工是人類大腦的主要功能之一。簡單說，這個過程可以分為三個部分：信息獲取，信息加工和結果輸出，以及結果的反饋。對人而言，信息來自對外部世界的感知，或者大腦的內部存儲，如記憶。任何信息都必須以某種形式化的方式呈現，可以說，形式化是進行符號加工的先決條件。符號、語言、數學公式是典型的形式化樣式，而圖像、畫面等也是某種形式化的表現。廣義的形式化，或者廣義的符號系統，是包括語言符號系統在內但比之寬泛的符號系統，它們都適合于人工智能 （機器）進行讀取。人工智能的信息可以由外部 （人或其他設備）以數據方式直接輸入，也可以自己生成，但即使自己生成，其生成方法也是由人事先設定的。

在加工能力方面，人的信息處理能力取決于兩方面：先天能力和后天學習獲得的能力。人的先天能力是由大腦構造所決定的，非常強大，它以本能的方式呈現，也是后天學習的基礎。而機器的信息加工能力是由人賦予的?？梢灾苯幼鳛槌绦蜉斎耄部梢酝ㄟ^學習程序來提高。但是以何種方法進行學習，仍然離不開人的指令。針對每個不同的任務，需要編寫不同的程序，各式各樣程序的關鍵所在是算法 （algorithm）。是特定的算法決定著機器的加工過程。在這個意義上，把人工智能稱為 “算法的科學”或許是更加準確的。

人工智能歷史上的進步都與新算法的出現有關，例如神經網絡提供的分布式算法，多層網絡的深度學習的算法。當然計算機硬件在提升速度、增大存儲量方面的貢獻也十分重要。

人工智能常常被說成是計算機的一個分支，是建立在二進制基礎上的一種計算。這里存在著一種誤解，即把人工智能與現今的計算機看作是同一體。人工智能是以計算機為載體的，這不假，但是人工智能決不僅限于這種物質載體。當今的計算機主要是用硅和金屬元素制造的，但還可以有生物計算機、量子計算機等種種不同的物理形式；采用二進制只是便于利用電路開和關兩種狀態。一位專家說過，如果不考慮速度，即使用衛生紙卷也可以造一臺計算器。準確說來，任何一種物理形式的機器，只要能夠滿足圖靈機的要求，就可以作為承載人工智能的工具。硅和金屬類的計算機的應用，只在于它的高速度和大容量存儲能力。

人工智能和自動化機器有什么不同？人工智能是在純抽象的符號層面上完成關鍵步驟的，而自動化是依靠物理世界中的物質特性來完成復雜變化的。以溫控裝置為例，自動化過程可以直接通過金屬構件受溫度影響的長短變化進行控制；而人工智能的溫控操作則需要把溫度轉換為符號，在符號系統中進行變換 （計算），再用其計算結果指導物理世界的動作。如果是一套復雜的動作變換，在物理世界中完成，需要耗費巨大工程量，而通過符號計算進行操作則簡便得多。對于那些本身就處于符號層面的事物，人工智能自然就更是得心應手了。

人工智能何以有強大威力

阿爾法狗 （AlphaGo）戰勝圍棋冠軍李世石和柯潔九段 （2017年），再次把人工智能推到媒體的聚光燈下，而無人駕駛汽車、刷臉證身、家務機器人等實用技術，讓我們感到人工智能好像無所不能。它何以有如此之大的威力？

前面說過，人工智能是模仿人類的思維，同時也可以把它看作是幫助人類進行思維的一個工具。想一想僅僅幫助人類改善了一項運動能力的汽車給人類社會帶來何等巨大的變化，就不難推想當處于更高統領地位的思維獲得一個工具時，會產生出怎樣驚人的結果。思維的涉及面之廣，影響程度之深，遠非任一項物理世界的技術可比。目前這種影響才僅僅是一個開端，更加強大的影響還沒有充分顯露出來。

計算機是由人來操作的，但是它在幾個方面的能力大大超過人類：加工速度，精確性，存儲量；同時，它還沒有情緒，不知疲勞，等等，都絕非人類能比。

決定人工智能進步的主要在于算法。計算機硬件在速度、存儲量方面的貢獻也起到相當大的作用，但這只是同質層面的擴充。以下棋為例，從理論上說，窮盡式的搜索當然可以完成對任何棋局的查找，從而選出最優方案，贏得勝局。早期的下棋程序正是基于這種思路。但是這種計算的計算量之龐大，即使采用當時最快的計算機，也可能需要成千上萬年甚至更長時間，沒有實際的可行性。有一個術語 “計算組合爆炸”就是指這種情況。所以下棋程序必須由棋藝大師指導，制定出特定的有效搜索方法，才能夠在實際允許的時間內完成計算。1997年戰勝世界國際象棋冠軍的深藍，是美國IBM公司生產的一臺國際象棋計算機，有32個微處理器，每秒鐘可以計算2億步，它的進步在于采用了并行處理系統，其算法是通過對已有棋譜的分析進行決策，采用混合決策方法，以及深層算法。深藍可搜索隨后的12步棋，而人類頂級象棋大師大約可估計10步棋。

到了阿爾法狗時代，人工智能具備了一個更加強大的算法工具：深度學習。谷歌旗下團隊開發出這一程序，其所用算法是深度學習網絡（CNN）與蒙特卡羅搜索樹 （MCTS）的結合。一方面它熟讀了已有的數萬盤人類對弈的棋局，記錄其獲勝步驟的走法，形成了概率評價系統；并且它還通過大量的自我對弈，產生了3000萬盤棋局，用作訓練學習價值網絡。

人類棋手提高圍棋水平的方法有掌握定式，背棋譜，復盤等等，這些過程快的需要幾分鐘，慢的需要數小時，而阿爾法狗在1秒鐘內可以復盤上萬次。這種能力人類棋手遠遠望塵莫及。人的思維是受瞬間工作記憶的容量限制的，我們都體驗到人很難同時思考兩個以上的問題，并行機則不受這種限制，可以多路計算同時并進。計算機具有強大的信息處理功能，在這個方面超過人類是很自然的事情。

再看機器做詩。這兒有一首機器的詩作：“白沙平舟夜濤聲，春日曉露路相逢，朱樓寒雨離歌淚，不堪腸斷雨乘風。”這詩句看起來很優美，但創作過程與人全然不同。機器須有一個專門的數據庫，儲備豐富的語匯和大量詩歌藍本，同時建立進行聯結的規則。這些規則來自詩人的經驗。編程者對詩歌的理解水平直接決定著語匯庫和聯結方式的質量和水平，從而決定著詩歌創作的水平。機器可以成批量地寫詩，寫幾萬首也無須多長時間。但是，做詩程序還必須建立一個評價體系，把那些劣質的詩剔除出去。這個評價體系恰恰是程序中最難的部分。不難看出，同形式比較自由的現代詩歌相比，規則較多的古代詩歌更容易由機器操作來實現。

縱觀人工智能的歷史，其發展路徑漸漸離開了對人的思維過程的模仿。從早期的符號主義（Symbolicism）發展到聯結主義 （Connectionism），再到當下的行為主義 （Actionism），在表征上、計算上不再把模仿人類當作是最佳的唯一的方法。的確，機器智能自有特定的規律和元素，不可能和人類完全一致。況且人類也未能完全了解自己智慧中的許多重要因素。充分發揮機器自有的特長，人工智能的路可以越走越寬。

目前，機器已經涉足了諸多領域，在這些領域中，或者遠遠超過人類，或者在將來也有可能超過人類。機器一旦擁有了 “思維”的能力，的確是件令人生畏的事情。

人工智能的困境

然而機器也有它的死穴。

算來人工智能已經走過60年的歷程，只在近20年來才引起社會的廣泛關注。事實上它在發展的道路上數度跌入低谷，遭遇寒冬。

人工智能誕生之初，曾經取得一些令人振奮的成績，其中最著名的是 “四色定理”的成功證明 （四色問題：再復雜的地圖，只需四種顏色就可以把不同的國家分隔開來）。這個數百年來的數學難題被機器破解，給人工智能專家們極大的鼓舞。西蒙曾雄心勃勃地和他的學生紐厄爾合作開發了 “通用問題求解系統”GPS(General Problem Solver）。他們的目標是機器可以像人那樣解決各式各樣的問題，所以用了 “通用”二字。這款程序直接模仿人類思維的符號加工過程，可以解決11種不同類型的問題。而這些類型基本上屬于邏輯表達式一類，雖然在定理證明領域出手不凡，但其局限性是很大的，遠遠談不上 “通用”。這一程序的最大作用也許是讓人工智能專家們冷靜下來，去尋找其他途徑，而不僅僅用邏輯符號的方式來完成任務。

“通用”背后的靈活性是人類的特有本領。下棋程序再厲害，也只會一種棋藝，阿爾法狗下圍棋是能手，但對象棋一竅不通。真正可以模仿人類思維，解決大多數日常問題的程序至今沒有出現。甚至在目前可預見的時間尺度內還看不到這樣的希望。2007年，麥卡錫又重申了人工智能的理想：制造出達到人類水平的人工智能 （AI）。然而他說，“人類水平的AI將會實現，但是必須要有新的思想觀念，所以不能確切地預見這個日期——可能是五年，也可能是五百年。我傾向于認為是在21世紀”。人工智能專家對人工智能的預期總是過于樂觀的，事實上這個目標或許永遠都沒有可能實現，這個問題的論證是哲學家應當承擔的。

人工智能面臨著種種難題，其中最大的問題是自然語言理解。當然不只此一項，實際上凡屬人類本能的方面，人工智能模仿起來都十分艱難。

我們來看看機器翻譯的情況。早期的翻譯機鬧了不少笑話。例如：英語 “the spirit is willing but the flesh is weak（心有余而力不足）”翻譯成俄語，再譯回英語時，變成了 “the vodka is good but the meat is rotten（伏特加酒好而肉臭）。”這種尷尬的狀況使得美國政府撤銷了對這一項目的資助。當然電子辭典是非常流暢的，人工智能做這種數量巨大，但結構簡單的事情最為得心應手。由于計算機存儲器可以容納十分龐大的電子詞典和眾多語法結構條款，人們對它進行翻譯也充滿期待。但是翻譯進入了語義領域，人工智能變得舉步維艱。今天的機器翻譯水平已經大大提高，它采用的不是人類翻譯方式，而是統計學計算方法。方法之一是：通過建立詞庫，對每個詞匯的銜接頻率進行統計學標記，翻譯時根據統計概率來選取詞匯。類似方法在人工智能中經常使用。當無法像人一樣完成任務的時候，人工智能就另辟途徑，有些方法雖然拙笨，但高速度和大容量足以彌補許多缺點。

在語言理解方面，人工智能歷史上人工智能專家和哲學家有過數次交鋒。一個著名的例子是哲學家塞爾提出的 “中文屋”思想實驗。

這是一個有趣的實驗：塞爾設想自己被關在一間充滿中文字條的屋子里，通過在窗口傳遞中文字條與外界發生聯系，并靠一本英文指令書在屋內將各種中文字條配對，然后把答案字條送出窗口，這樣，他就可以正確地回答屋外中國人的提問，屋外的中國人看到答案，認為他是懂得中文的，可是，塞爾真的懂得中文嗎？回答當然是否定的。“懂中文”意味著什么？塞爾特別強調了理解的作用：理解的實質決不是程式化操作；人是在語義層面上進行思維的，語義涉及內在解釋，符號只是意義的外在承擔者，機器只能在符號的表面操作，經此一比機器與人的差異就十分清楚了。

識別問題，也是人工智能遇到的難題之一。想想我們如何把一張照片上的人物和背景區分開來，這好像很難說清楚。既說不清楚，當然就無法教會機器。不過人還是為機器找到解決辦法，這是一種十分復雜的計算過程，全然不同于人的識別方式。此外還有很多問題。凡是人類無法說清的事情，對機器而言都是難點。這讓我們想起哲學家維特根斯坦的名言：對難以說清的東西保持沉默。

機器是沒有生命沒有心靈的，因而也就沒有意向性。它可以做出優美的詩歌，但是它對于意境和美毫無知覺。它可以贏得棋局，但是它不懂享受勝利的喜悅。它只能夠做人類指令它去做的事情，而毫無自己的獨創性。

與人類的關系

任何一項重要科學技術的產生都會對人類社會帶來重大的影響。圍繞汽車，要修建公路，制定交通法規，要忍受交通事故的傷害。原子核能技術既可以提供巨大的能源，也因為核武器而改變了世界政治的格局。但是它們對人類的影響與人工智能相比仍然是局部的、程度有限的。人工智能發展所產生的影響是全方位的，是可以抵達思想的深層的，這種影響勢必大于之前任何一種新技術的影響。但是在這個問題上我們并沒有做好必要的準備。

人們十分關心一個問題：機器人 （人工智能）在未來某一天會凌駕于人類之上嗎？會成為人類的主人，去奴役人類嗎？或者，機器人會傷害人類嗎？

對于這類問題，是可以做出回答的。人工智能就其本質而言是一種特殊類型的機器。機器本身沒有主觀意識，沒有自由意志，它既不會把人看作朋友，也不會把人看作敵人，它沒有權力欲望，更不會妄想去統治世界。但是，機器人是服從和服務于人類的。一個人或是一小群人，因為有了人工智能，其支配能力就會大大加強。人的善與惡都會被進一步放大。古代皇帝要監控輿情，須得派東廠的探子們四處奔波；今天只需搜集敏感詞匯和點擊量，許多事情就輕松搞定。在社會問題方面，人類的概念顯得過于籠統?？梢哉f，由于人工智能的存在，少數人統治多數人之事變得更加容易了。由人制造的機器人去控制、駕馭其他的人，是完全可能的事情。

至于機器人會不會傷害人類，這要分主觀故意和意外事故兩個方面來說。意外事故當然會發生，但這是在可控范圍內的事情，如同交通事故一樣，當然其影響可能大得多。如果有人借助機器人完成主觀犯罪，也是完全可能的。關于機器人與人類的關系，上世紀早期科幻小說家阿西莫夫曾經提出過 “機器人三原則”：

零原則：機器人必須保護人類的整體利益不受傷害。

第一原則：機器人不得傷害人類個體，或者目睹人類個體將遭受危險而袖手不管，除非違反了機器人第零原則。

第二原則：機器人必須服從人給予它的命令，當該命令與第零原則或者第一原則沖突時除外。

第三原則：機器人在不違反第零、第一、第二原則的情況下要盡可能保護自己的生存。

可惜的是，機器人從科幻變成現實后，至今沒有真正意義上的關于機器人的約法。

人工智能帶來的影響還沒有充分顯現出來，但是我們可以預見到其中一個方面：社會的分化。機器人代替人類工作，人類只需很少的時間就可以完成生存所需的物質資料。大量的閑暇，將是人類面臨的局面。即使在今天的生產力水平下，一個人大約用三到五年的時間就可以完成一生所需的基本物質產品。未來這一時間還會繼續縮短，在新型社會中，每個人有著很大的選擇自由。是否會出現一個 “上智下愚”式的分化，這種可能性當然是存在的。一批聰明的人負責制造機器人，另一批人只需按按電鈕，就衣到飯來。當然這種分化也不是必然的，但是如果不提前預防，就很可能出現。

此外，一些倫理和心理方面的問題也可能出現。

然而總的說起來，人工智能帶給人類的福利是主要的，只要人們善意地利用這項技術，我們應該歡迎人工智能時代的到來。