AI 3.0（畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔，历经10年思考，厘清人工智能与人类智能的全新力作，全景式地展现了人工智能的...

这些预期事件至今一件都没有发生。那么，我们距离构建一台“完全智能的机器”的目标还有多远？构建这样的机器会需要我们对人脑的所有复杂性进行逆向工程吗？或者，是否存在一条捷径、一套智能但未知的算法，可以产生我们所认为的完全智能？完全智能究竟意味着什么？

“定义你的术语……否则我们将永远无法相互理解。” ¹⁰这一来自18世纪的哲学家伏尔泰的忠告，对于任何谈论人工智能的人来说都是一个挑战，因为人工智能的核心概念——“智能”（intelligence）仍然没有明晰的定义。针对类似“智能”及其引申词，如“思想”（thinking）、“认知”（ cognition ） 、 “ 意 识 ” （ consciousness ） 、 “ 情 感 ”（emotion）这样的词语，明斯基创造了“手提箱式词汇”（suitcase word） ¹¹ 这一术语，其意思是：每个词语就像是打包封装了不同含义的手提箱。人工智能就经过了“打包”，在不同的上下文中承担不同的含义。

大多数人会认同人类是智能的，而尘埃颗粒不是。同样的道理，我们普遍认为人类比虫子更加智能。对于人类智能，智商（IQ）是在单一尺度上衡量的，但我们也会探讨智能的不同维度，如情感、语言、空间、逻辑、艺术、社交等。因此，智能的定义可能是二元的（一个物体是或不是智能的）、在一个连续统 ⁽¹³⁾ 上的（一个物体比另一个物体更智能），或者是多维的（一个人可以具有高语言智能和低情感智能）。确实，“智能”这个词语是一个满载的手提箱，而拉链就在随时可能撑破的边缘上。

然而，人工智能领域在很大程度上忽略了这些各式各样的区别，它聚焦于两方面的工作：一方面是科学性工作_；另一方面是实践性工作。在科学性工作中_，人工智能研究者通过将“自然的”即生物学上的智能机制嵌入计算机的方式来研究它 而在实践性工作中 人工智能研究者单纯地希望创造出像人类一样_，甚至可以比人类更好地执行任务的计算机程序_，并不担心这些程序是否真的在以人类的思维方式进行思考。 当被问及他们的研究动机来自哪一方面时，人工智能领域的很多从业者会开玩笑地说，这取决于他们目前的资助是来自哪一方。

2016年，一份关于人工智能领域现状的报告称，由著名研究人员组成的某委员会将该领域定义为“一个通过合成智能来研究智能属性的计算机科学分支” ¹² 。是的，这有点儿拗口，但该委员会也承认很难对该领域进行定义，而这可能是一件好事：“缺乏一个精确的、得到普遍接受的人工智能的定义，可能有助于该领域更快地成长、繁荣和进步。” ¹³ 此外，该委员会还指出：“由于以上各种不确定，人工智能领域的实践者、研究者以及开发者都在一个大致的方向感和势在必行的信念的引导下继续前进。

任何方法都有可能让我们取得进展

1956年，在达特茅斯的研讨会上，不同领域的参会者对采用何种方法来研究人工智能产生了分歧。数学家提倡将数学逻辑和演绎推理作为理性思维的语言；另一些人则支持归纳法，这是一种运用程序从数据中提取统计特征，并使用概率来处理不确定性的方法；其他人则坚信应该从生物学和心理学中汲取灵感来创造类似大脑的程序。令人惊讶的是，这些不同研究方法的支持者之间的争论一直持续到了今天，每一种方法都形成了自己的一套原则和相关技术，它们又通过在各自领域的专业会议和期刊上传播得以巩固，但这些有待深入研究的领域之间却几乎没有交流。2014年，有一篇人工智能调研文章对此总结道：“因为我们并未深入了解智能，也不知道如何创造通用人工智能，因此，想要真正取得进展，我们应当拥抱人工智能‘方法论的无政府状态’，而不应切断任何一种探索途径。” ¹⁴

2010年以后，有一类人工智能研究方法已经超越这种“无政府状态”成了主流的人工智能研究范式，那就是深度学习，其工具就是深度神经网络（deep neural network，DNN）。事实上，在大众媒体上，“人工智能”这一术语基本上已经等同于深度学习了，然而，这是一种令人感到遗憾的、不准确的描述，我需要澄清这两者之间的区别。人工智能是一个包括广泛研究方法的领域，其目标是创造具有智能的机器，而深度学习只是实现这一目标的一种方法。深度学习本身是机器学习领域众多研究方法中的一种，后者又是人工智能的一个子领域，着重关注机器从数据或自身的“经验”中进行学习。为更好地理解这些不同领域的区别，了解早期人工智能研究领域出现的一个哲学分歧是很重要的，那就是所谓的符号人工智能和亚符号人工智能之间的分歧。

符号人工智能_，力图用数学逻辑解决通用问题

我们先来看一下符号人工智能。一个符号人工智能程序里的知识包括对人类来说通常可以理解的单词或短语（即“符号”），以及可供程序对这些符号进行组合和处理以执行指定任务的规则。

举个例子，一个早期的人工智能程序被创建者自信地命名为“通用问题求解器” ¹⁵ ，其英文简称为“GPS”。这个首字母缩写的确让人感到困惑，但通用问题求解器的出现早于全球定位系统（global positioning system, GPS）。通用问题求解器可以解答诸如“传教士和食人者”之类的智力游戏题，但这些题目你可能在孩童时期就已经知道如何解决了。在这个众所周知的难题中，3个传教士和3个食人者都需要过河，但一艘小船上只能载2人。如果河岸一边饥饿的食人者的数量超过了“美味的”传教士的话……好吧，你知道会发生什么。那么，他们如何成功地渡过这条河？

通用问题求解器的创建者，认知科学家西蒙和纽厄尔，记录了几个学生在解决这个问题以及其他逻辑难题时“自言自语”的过程。西蒙和纽厄尔随后设计了他们认为能够模仿学生的思考过程的程序。

这里我就不详细介绍通用问题求解器的工作原理了，但是从其程序指令的编码方式中可以看出它的符号性质。为了解决这个问题，人类会为通用问题求解器编写类似以下内容的代码：

上面这组代码描述了这样一个事实：最初，河的左岸（LEFT-BANK）包含了3名传教士（3 MISSIONARIES）、3名食人者（3 CANNIBALS）和1艘船（1 BOAT），而右岸不包含以上这些元素。理想状态表示程序的目标：让他们全部都到河的右岸。

通用问题求解器每运行一步，都会试图改变当前状态，以使其更接近理想状态。通用问题求解器的代码中，有能够把当前状态转变到一个新状态的“运算符”（operators，以子程序的形式存在），还有能够编码任务约束的规则。例如，有一个运算符是把一定数量的传教士和食人者从河岸的一边移动到另一边：

MOVE（# MISSIONARIES, # CANNIBALS, FROM-SIDE, TO-SIDE）

括号内的单词称为参数，当程序运行时，它用数字或其他单词替换这些单词。也就是说，程序用要移动的传教士的数量来替换“MISSIONARIES”，用要移动的食人者的数量来替换“CANNIBALS” ， 用 “LEFT-BANK” 和 “RIGHT-BANK” 替 换“FROM-SIDE”和“TO-SIDE”，这取决于传教士和食人者将被转移到河岸的哪一边，而船随着传教士和食人者一起移动这一信息，是被编码在程序之中的。

在调用运算符和使用特定值替换这些参数之前，程序必须检查其编码规则。例如，一次最多可以移动2人，并且如果该运算符会导致在同一河岸的食人者数量超过传教士的数量，则它不能被调用。

这个案例中的符号表示的都是人类可理解的概念，如传教士、食人者、船只、河岸等，但运行该程序的计算机并不知道这些符号的含义。你可以用“Z372B”或任何其他无意义的字符串替换所有的“MISSIONARIES”，程序也会以完全相同的方式工作，这就是通用问题求解器中“通用”一词的部分含义。对于计算机，符号的意义来自它们之间组合、相互关联和相互作用的方式。

符号人工智能的支持者认为，想要在计算机上获得智能，并不需要构建模仿大脑运行的程序。相反，其观点是，通用智能完全可以通过正确的符号处理程序来获得。我同意这种看法，构建这样一个程序要比构建传教士和食人者这个例子中所使用的程序复杂得多，但它仍然会由符号、符号组合、符号规则和运算组成。

由通用问题求解器所阐释的这类符号人工智能，在人工智能领域发展的最初30年里占据了主导地位，其中以专家系统最为著名。在专家系统中，人类专家为计算机程序设计用于医疗诊断和法律决策等任务的规则。人工智能领域有几个活跃的分支到现在仍在采用符号人工智能，我将在后面的章节中讲述其中的一些例子，特别是在探讨推理和“拥有常识”的人工智能方法的相关章节。

感知机_，依托DNN的亚符号人工智能

符号人工智能最初是受到数学逻辑以及人们描述自身意识思考过程的方式的启发。相比之下，亚符号人工智能方法则从神经科学中汲取灵感，并试图捕捉隐藏在所谓的“快速感知”背后的一些无意识的思考过程，如识别人脸或识别语音等。亚符号人工智能程序不包含我们在前文的传教士和食人者的例子中看到的那种人类可理解的语言。与之相反，一个亚符号人工智能程序本质上是一堆等式——通常是一大堆难以理解的数字运算。我稍后将做简要解释：此类系统被设计为从数据中学习如何执行任务。

亚符号、受大脑启发的人工智能程序的一个早期例子是感知机，它由心理学家弗兰克·罗森布拉特于20世纪50年代末提出 ¹⁶ 。“感知机”这个词对于我们现代人来说，听起来可能有点儿像20世纪50年代科幻小说中的词（正如我们所看到的，随后很快就出现了“认知机”和“神经认知机”）。感知机是人工智能的一个重要里程碑，同时也催生了现代人工智能最成功的工具——DNN。

罗森布拉特发明感知机是受到人脑中神经元处理信息的方式的启发。一个神经元就是大脑中的一个细胞，它能够接收与之相连的其他神经元的电或化学输入信号。简单地说，一个神经元把它从其他神经元接收到的所有输入信号加起来，如果达到某个特定的阈值水平，它就会被激活。重要的是，一个给定的神经元与其他神经元的不同连接（突触）有不同的强度，当计算信号输入总和的时候，给定的神经元会给弱连接分配较少的权重，而将更多的权重分配给强连接的输入。神经科学家认为，弄明白神经元之间的连接强度是如何调整的，是了解大脑如何学习的关键。

对于计算机科学家或者心理学家来说，信息在神经元中的处理过程可以通过一个有多个输入和一个输出的计算机程序（感知机）进行模拟。神经元和感知机之间的类比如图1-1所示。图1-1（A）展示了一个神经元及其树突（为细胞带来输入信号的结构）、胞体和轴突（即输出通道）；图1-1（B）展示了一个简单的感知机结构。与神经元类似，感知机将其接收到的输入信号相加，如果得到的和等于或大于感知机的阈值，则感知机输出1（被激活），否则感知机输出0（未被激活）。为了模拟神经元的不同连接强度，罗森布拉特建议给感知机的每个输入分配一个权重，在求和时，每个输入在加进总和之前都要先乘以其权重。感知机的阈值是由程序员设置的一个数字，它也可以由感知机通过自身学习得到，这一点我们接下来会讲到。

简而言之，感知机是一个根据加权输入的总和是否满足阈值来做出是或否（输出1或0）的决策的简易程序。在生活中，你可能会以下面这样的方式做出一些决定。例如，你会从一些朋友那里了解到他们有多喜欢某一部电影，但你相信其中几个朋友对于电影的品位比其他人更高，因此，你会给他们更高的权重。如果朋友喜爱程度的总量足够大的话（即大于某个无意识的阈值），你就会决定去看这部电影。如果感知机有朋友的话，那么它就会以这种方式来决定是否看一部电影。

受大脑神经元网络的启发，罗森布拉特提出可以应用感知机网络来执行视觉任务，例如人脸和物体识别。为了了解感知机网络是如何开展工作的，我们接下来将探索一个感知机如何执行特定的视觉任务，比如，识别图1-2所示的手写数字。

我们将感知机设计为“8”探测器，也就是说，如果其输入是一幅数字8的图像，则输出1；如果输入图像的内容是其他数字，则输出0。设计这样一个探测器需要我们先弄清楚如何将图像转换为一组数值输入，再确定感知机的权重分配和阈值，以使感知机能够产生正确的输出（8为1，其他数字为0）。由于后续章节关于神经网络及其在计算机视觉中的应用的讨论中会出现许多与之相同的想法，因此我将在这里进行一些详细的介绍。

感知学习算法_，无法重现人脑的涌现机制

图1-3（A）展示了一个放大的手写数字8。图中每个网格方块（像素）都有一个可以用数字表示的强度值——像素强度（pixel intensity） ⁽¹⁴⁾ 。在黑白图像中，纯白色方块的像素强度为255；纯黑色方块的像素强度为0；而灰色方块的像素强度介于其间。另外，假设我们给感知机输入的图像已经被调整为与这个18×18像素的图像一样大小。