人工智能时代：破解人机共存密码（套装共10册）

后院响起了音乐声，这段文字也该告一段落了。最后，我要感谢我亲爱的妻子帕特（Pat），在我的职业生涯中她始终陪伴于我左右，从青春岁月到日薄桑榆，风风雨雨，不离不弃。正如本书开头所说，谨以此书献给我的妻子。

2016年7月于多伦多

注释

本书主要是我对人工智能与人类心智之间关系的一些看法。但我并不是要进行“学术”讨论，加上引号也不能改变这一事实。在整个写作过程中，我力求清楚明白地表达自己的观点及其深层原因，因此并未太多关注反对意见，也未太在意那些围绕人工智能的争论。我希望读者能够充分利用以下参考文献，并以此为出发点，对本书提出的问题进行更为全面的研究。

第1章 什么是人工智能？

现代人工智能迄今虽然只有60年的历史，但发展过程却充满曲折。帕梅拉·麦考达克（Pamela McCorduck）的著作（Machines WhoThink）很好地介绍了人工智能的早期发展，但尼尔斯·尼尔森（NilsNilsson ） 的 著 作 （ The Quest for Artificial Intelligence:AHistory of Ideas and Achievements）涉及的领域更多，而且可以在网上获取。

由于人工智能领域纷繁复杂，想通过一本书就解决全部问题似乎不太可能。但是斯图尔特·拉塞尔（Stuart Russell）和彼得·诺维格（Peter Norvig）的著作（Artificial Intelligence: A ModernApproach）却恰恰做到了这一点。该书介绍了所有主要技术的发展方向，还涵盖了历史和哲学背景知识，仅参考书目就有30页之多，而且字体很小，确实物有所值。但是这本书内容技术性较强，适合高年级的大学生阅读。我自己使用的课本（Thinking as Computation: AFirst Course）内容较为通俗，其中涉及人工智能的内容更适合大众阅读。

据我所知，关于人工智能技术的最新趋势这一话题，目前还没有什么好书值得推荐，而且技术发展日新月异，对于读者来说，最好的办法是翻阅新近出版的报纸、杂志，寻找相关文章，有些文章直接在网上就能找到，比如关于丰田投资的消息，关于OpenAI项目等内容。至于我在书中提到的自适应机器学习的技术前景，我建议上网搜索“无监督学习”“深度学习”或者“人工智能技术”。［另一种办法是网上搜索该领域的代表人物，比如我的同事杰弗里·欣顿（ Geoffrey Hinton ） ］ 。 想 要 进 一 步 了 解 机 器 学 习 ， MachineLearning: A Probabilistic Perspective是非常优秀（但也颇有难度 ） 的 教 材 。 文 章 Building high-level features using largescale unsupervised learning中则有在图像中对猫进行识别的介绍。

老式人工智能（GOFAI）这一术语出自哲学家约翰·海于格兰（John Haugeland）的Artificial Intelligence:The Very Idea一书。约翰·麦卡锡（John McCarthy）写于1958年的经典论文Programwith comman sense 可 以 在 网 上 找 到 。 Readings in KnowledgeRepresentation,Formalizing Common Sense: Papers by JohnMcCarthy ， Semantic Information Processing 和 Redings inArtificial Intelligence等书中不但收录了这篇论文，而且还有其他不少影响深远的文章。

图灵测试最早是图灵在Computing machinery and intelligence一文中提出的，从那以后，一直饱受争议。我知道的所有与人工智能相 关 的 教 材 ， 包 括 The Turing Test: Verbal Behavior as theHallmark of Intelligence等书都谈到这一问题。在Minds, brainsand programs 一文中可以找到更多关于中文房间这一问题的讨论，其中收录了众多评论者的看法。我未对其进行反驳，而是在Is itenough to get the behavior right?中 提 出 了 总 和 房 间 理 论（Summation Room）。

第2章 巨型拼图之谜

人类思维确实是一个令人神往的话题，有这么多人围绕这一话题从不同角度著书立说也就不足为奇了。我发现有三本相对通俗的著作颇具启发意义，它们是史蒂文·平克（Steven Pinker）的How theMind Works，丹尼尔·卡尼曼（Daniel Kahneman）的Thinking, Fastand Slow及丹尼尔·丹尼特（Daniel Dennett）的Kinds of Minds:Towards an Understanding of Consciousness。其他内容独特的大众读物有杰里·福多尔（Jerry Fodor）的The Mind Doesn’ t WorkThat Way （主要是反驳平克），马文·明斯基（Marvin Minsky）的The Society of Mind（对思维提出了独到的见解），还有记者马尔科姆·格拉德威尔（Malcolm Gladwell）的The Power of Thinkingwithout Thinking（与卡尼曼的观点有相似之处）。

大众媒体对研究大脑的热情当然也很高。Mapping the Mind讨论了如何通过脑成像技术（如功能性磁共振成像）认识大脑。The BrainThat Changes Itself: Stories of Personal Triumph from theFrontiers of Brain Science 主 要 讲 了 大 脑 的 适 应 性 。 论 文Distributed representations 和 Analysis of distributedrepresentation of constituent structure in connectionistsystems介绍了分布式神经表征（这也是我认为对神经元进行逆向工程非 常 困 难 的 论 据 之 一 ） 。 The hippocampus and space: arethere^“place neurons^”in the monkey hippocampus?则对此提出了反驳，认为某些神经元可以代表单一的事物（即出现所谓“地点神经元”时，表示一个位置）。

The Red Queen：Sex and the Evolution of Human Nature对人类行为的其他方面进行了描述，并令人信服地展示了其进化论基础，The Selfish Gene则从遗传基因角度对进化论进行了讨论。TheSymbolic Species: The Co-Evolution of Language and the Brain讨论了人类的语言和符号行为的基础，The Language Instinct 广泛深入地讨论了人类语言。The First Word: The Search for theOrigins of Language则介绍了语言本身的发展演变。

最后，你可以在Brainstorms: Philosophical Essays on Mindand Psychology中找到丹尼尔·丹尼特首次提出的设计立场这一概念。

第3章 知识与行为

从古希腊至今，知识一直都是哲学研究的主要议题。Knowledgeand Belief和Knowing: Essays in the Analysis of Knowledge收录了这一领域的相关论文。亚科·欣蒂卡（Jaakko Hintikka）所著的Knowledge and Belief一书对于知识进行了数学分析，ReasoningAbout Knowledge提出了知识在计算机科学中的进一步应用。

关于知识与信念之间的关系，柏拉图的经典理论认为，知识就是真实合理的信念（即依靠正当理由支持其存在），但埃德蒙·盖蒂尔（Edmund Gettier）在一篇著名论文（Is justified true beliefknowledge?）当中对这一观点进行了反驳。对于更为广义的命题态度，哲学文献主要关注的是涉及这些态度的句子如何不按惯例遵循逻辑规则，参见Quantifiers and propositional attitudes中的例子。

哲学家和心理学家有时还会将隐性信念与显性信念区别开来（见Atheory of implicit and explicit knowledge）。在本章举出的例子中，亨利发现钥匙不在自己口袋里时，虽然在他的显性信念里不知道钥匙放在冰箱上，但他的隐性信念认为钥匙就在那里，从某种意义上看，他所思考的世界就是钥匙所在之处。换句话说，出现这种情况就是因为在他的信念里，钥匙就在冰箱上，虽然他自己并没有意识到这一点。在A logic of implicit and explicit belief, A frameworkfor logics of explicit belief及Belief, awareness and limitedreasoning几篇文章中，你可以看到如何从数学的角度理解这两个概念。

弗雷德里克·巴特利特（Frederic Bartlett）关于思维的观点引自Thinking: An Experimental and Social Study，该书作者早期另外 一 部 颇 具 影 响 的 作 品 是 A Study in Experimental and SocialPsychology。泽农·派利夏恩（Zenon Pylyshyn）在Computation andCognition: Toward a Foundation for Cognitive Science这部内容精彩的作品中探讨了认知渗透性等众多话题。丹尼尔·丹尼特在TheIntentional Stance一书（在Behavioral and Brain Sciences杂志1988年第11期中有带注释的缩略版）中提出了意向立场这一概念。尼古 拉 斯 · 汉 弗 雷 （ Nicholas Humphrey ） 的 说 法 引 自 The socialfunction of intellect一文。

最后，诺姆·乔姆斯基在Aspects of the Theory of Syntax一书中介绍了如何对能力和表现进行区分。

第4章 真智能还是假智能？

本章的主题之一就是，智力并不等同于能够忽悠别人（例如在模仿游戏当中）。但是，纯粹从进化论的角度来看，这二者的区别并不是非常明显。一个很好的例子是人类的智慧，尤其语言，其早期的作用就是在智力竞赛中赢得配偶，而在这类竞赛当中起着核心作用的就是炫耀和诓骗。语言的主要功能是道听途说、说长道短、胡吹神侃、装腔作势和积怨记仇。余下时间（称得上是美好时光）里语言给我们带来的些许愉悦不过是小打小闹而已，可参见Grooming, Gossip andthe Evolution of Language 和 The Red Queen: Sex and theEvolution of Human Nature。

约瑟夫·魏岑鲍姆（Joseph Weizenbaum）编写的ELIZA程序在期刊Communications of the ACM1966年第9期的ELIZA一文中有介绍。而与奥利弗·米勒（Oliver Miller）的谈话选自一篇博文（参见：http:// thoughtcatalog.com/?s=eliza ） 。 魏 岑 鲍 姆 在 自 己 的Computer Power and Human Reason: From Judgment to Calculation一书中谈到，当发现有人将他的成果用于探索心理学（如Artificialparanoia这篇论文）时，他感觉心灰意冷。布莱恩·克里斯蒂安（ Brian Christian ） 在 The Most Human Human: What ArtificialIntelligence Teaches Us About Being Alive一书中介绍洛伯纳人工智能竞赛，他本人还在其中一场比赛中扮演了人类的角色。尤金·古斯特曼（Eugene Goostman）程序在很多在线新闻文章中都有描述，例如《新科学家》（New Scientist，2012年6月25日）和《连线》杂志（Wired，2014年6月9日）。斯科特·阿伦森（Scott Aaronson）的采访摘自网页http://www.scottaaronson.com/blog/?p=1858。

我举的鳄鱼和棒球的例子最早出现于Logic and the complexityof reasoning 一文（发表于1988年），后来在On our best behavior一文中再次使用过。Reasoning from imcomplete knowledge和 Onclosed world data bases中有对封闭世界假设的解释。威诺格拉德模式由我在The Winograd Schema Challenge中提出， The WinogradSchema Challenge中有更详细的介绍。首个示例模式（由特里·威诺格拉德提出）出现在Understanding Natural Language一书中。模式的 来 源 广 泛 ， 五 花 八 门 ， 在 网 页https://www.cs.nyu.edu/davise/papers/WS.html上可以找到这些问题的合集，涵盖了100多个问题。2014年7月，纽昂斯通信公司（Nuance Communications）宣布将于2016年7月举办威诺格拉德模式赛 o 更 多 信 息 ， 请 参 考http://commonsensereasoning.org/winograd.html。）

与之类似的另外一种测试是文本蕴含挑战赛（参见The PASCALrecognising textual entailment challenge）。

第5章 有经验的学习与没有经验的学习

我们的绝大多数知识都习自间接经验，这一事实让哲学家们暂时停止了关于智能离开身体是否可能的争论。例如，如果这种智能无法将语言与真实感觉联系起来，那它如何能够真正地理解“饿”这种词呢？这就是所谓符号接地问题（The symbol grounding problem）。如果我们知道的只是一个个相互指代的单词，那么怎样才能理解一个词的含义呢？（这个关于“文字游戏”的问题会在下一章介绍海伦·凯勒时出现。）当然，艾伦·图灵的想法是，我们对于这样的问题根本不必理会。“理解”这个词太过含糊，而且存在争议。恰恰相反，我们该问的问题是：有没有可能让人工智能程序拥有与人一样的能力，按照上述单词的意思行事。简而言之，就是我们期望通过符号接地问题看到什么样的蹩脚行为？

我们是如何掌握语言的，这依然是个谜。具体来说，我们如何解释儿童虽然获得的数据有限，但是他们却能掌握复杂的语法？这个问题 被 诺 姆 · 乔 姆 斯 基 称 为 “ 刺 激 贫 乏 ” （ Rules and

Representations）。他的（充满争议的）观点是，孩子天生就具有一种被称为“普遍语法”的能力，帮助他们迅速掌握首次接触的语言的实际语法。

关于行为的学习，艾伦·麦克沃思（Alan Mackworth）（可参见他的文章On seeing robots）和罗德尼·布鲁克斯（Rodney Brooks）（可参见他的文章Elephants don’t play chess）等对老式人工智能持批判态度的学者更为关注动物（包括人在内）如何能够在没有语言和符号的帮助下，依靠真实传感器和效应器生存，这一点非常有趣。这些动物似乎掌握了某种程序性知识（通过某种作业形式获得的知识），与老式人工智能所关注的陈述性知识（可用陈述句表达的知识）截然不同。但是，我们仍需谨记“巨型拼图”问题，而且“世间行动”是个广义的范畴。当然包括骑自行车和玩溜溜球，也包括饲养照顾宠物金丝雀，收集稀有金币。显而易见，上述两种知识都必不可少 。 关 于 这 个 问 题 可 以 参 考 Frame representations and thedeclarative/procedural controversy ， Declarative andnondeclarative memory: Multiple brain systems supportinglearning and memory一文则从神经科学的角度做了介绍。

塞缪尔·早川关于阅读的说法引自Language in Thought andAction。（早川还曾对通过经验学习和通过语言学习进行过对比。）艾萨克·牛顿的话引自1676年的一封信（参见他的书信集TheCorrespondence of Isaac Newton：1661—1675）。

第6章 书本智慧与市井智慧

这一章讲的是我们使用语言文本学习的重要性——虽然我们对于“书本知识”经常不屑一顾，甚至有点儿不以为然，但人类与其他动物相比确实是鹤立鸡群，它们根本不具备这种能力，而这也极大限制了它们在技术上的发展。关于动物和它们所掌握的技术，请参考Animal Tool Behavior: The Use and Manufacture of Tools byAnimals。想进一步了解蚂蚁的超级殖民地（侵略型殖民地及不侵略型殖民地），可参见文章Evolution of supercolonies: The Argentineants of southern Europe。

有关幼儿使用语言处理语言和其他问题的信息，参见TheChild’s Conception of Language。唐·佩利（Don Perlis）认为这是语言会话能力的核心（参见Conversational adequacy: mistakesare the essence）。

海伦·凯勒的生平故事可以在The Story of My Life 一书中找到。第一部分和第二部分均由凯勒自己完成。第三部分摘自安妮·沙利文的书信和报道（本章中的书信也是引自此处）。威廉·拉帕波特对 凯 勒 与 人 工 智 能 相 关 性 的 分 析 出 自 How Helen Keller usedsyntactic semantics to escape from a Chinese Room一文。我坚信，我们从她身上学到了许多关于人类思维和人类精神的内容。

第7章 长尾理论与培训的界限

本章的主题之一是人们如何利用常识处理之前未曾经历过的全新的情况。但纳西姆·塔勒布认为大多数人，尤其是投资者非常不善于处 理 这 些 “ 黑 天 鹅 ” （ 见 The Black Swan: The Impact of theHighly Improbable）。这里并不矛盾，常识就是处理新出现的情况，但投资者的任务更为棘手，需要分析评估所有可能发生的情况。在决定购买某只股票前，投资者必须考虑到所有可能导致股票下跌的因素。塔勒布认为，人们并不善于把握黑天鹅。例如，在文中提到的英国国家语料库中，有些词语出现的概率只有千万分之一，似乎可以忽略不计，但实际上这种词语非常多，如果忽略就会出大问题。英国国家 语 料 库 的 信 息 可 以 在 网 上 查 到 （ 见http://www.natcorp.ox.ac.uk/）。厄尼·戴维斯（Ernie Davis）对该语料库中大量存在的罕见词进行了观察，更多细节可以参考他的教材 Linear Algebra and Probability for Computer ScienceApplications的第274页。