今天的人工智慧，可以像人類一樣獨立思考了嗎

　　秦曾昌 發表於  2019-04-01 15:50

　　|· 本文來自「我是科學家」·|

　　我們在前面的幾篇文章中討論了數學、邏輯、數字電路、機械計算機，一直到我們今天已經普及的電子計算機。這些凝結著人類智慧的耕耘，積累到了上個世紀50年代，終於開出智慧之花。人類開始嘗試用計算的方式來理解智慧。

　　雖然今日「人工智慧」這個概念在我們的生活中隨處可見，但它仍然是高科技的代名詞。這個技術中蘊含的偉大力量，到現在才開始逐漸釋放。那麼，人工智慧這一概念究竟是由誰提出的呢？最初的人工智慧與今天的人工智慧又有哪些區別呢？

　　人工智慧的萌芽

　　上個世紀50年代，在二戰結束不久，戰爭中的很多軍用技術蓬勃發展。在戰後的美國，這些科學家和技術專家也不斷推動這些技術的發展，甚至形成了新的學科。比如維納（Norbert Wiener）的控制論和香農（Claude Elwood Shannon）的資訊理論。

　　在信息技術萌芽發展的大背景下，很多科學家開始考慮如何用自動決策系統或機械的方法來解釋人的決策。1965年，達特茅斯學院的年輕助理教授約翰·麥肯錫（John McCarthy）在他的主場請來了包括香農在內的一些對「能思考的機器」有興趣的科學家。包括MIT的明斯基（Marvin Minsky）,卡內基工學院(今天卡內基梅隆大學的前身)的司馬賀（Herbert Simon）等。

　　

　　參與達特茅斯會議的科學家。

　　在這個會議上，麥肯錫與多位專家激烈討論，最終將「人工智慧（Artificial Intelligence）」確立為這一門新學科的名稱。在幾天的討論中，這些在數學、邏輯學和信息學領域的專家同時也討論了人工智慧、神經網路等問題，會議后大家分別回到自己的大學把新的想法吸收創新，不但使其大學成為了人工智慧研究的重鎮，也為後來人工智慧學科的發展奠定了基礎。

　　

　　「人工智慧（Artificial Intelligence）」最終被確立為這一門新學科的名稱。圖片來源：A Proposal for the Dartmouth Summer ResearchProject on Artificial Intelligence。

　　參會的人中還有司馬賀的學生紐厄爾（Alan Newell），雖然司馬賀是紐厄爾的老師，但他們畢生的合作卻是平等的。他們共享了1975年的圖靈獎，三年後司馬賀再得諾貝爾經濟學獎。紐厄爾和司馬賀代表了人工智慧的另一條路線——「物理符號系統假說」。簡單地說，就是智能是對符號的操作，後來簡稱為「符號派」。

　　他們和當時的數學系主任、第一屆圖靈獎獲得者珀里思（Alan Perlis）一起創立了卡內基梅隆大學的計算機系，從此，卡內基梅隆大學（CMU）成為計算機學科的重鎮，並一直持續至今。而最初的計算機系，也發展成了美國乃至世界計算機門類最齊全的計算機學院。作者以前訪問學習的CMU機器人所（Robotics Institute）就是以兩位先驅命名的:Newell-Simon Hall.

　　明斯基回到麻省理工后創建了人工智慧實驗室(AI Lab)，他與西蒙·派珀特(Simon Papert)發表了《感知器》一書，提到了最早的神經網路模型在解決異或（XOR）問題方面的限制。他指出，神經網路被認為充滿潛力，但實際上無法實現人們期望的功能。神經網路的研究迅速陷入了低谷，人工智慧進入「暗淡」時期。

　　

　　明斯基的經典著作《感知器》。圖片來源：goodreads

　　20世紀60年代，明斯基又首次提出了「telepresence」（遠程介入）這一概念。通過利用微型攝像機、運動感測器等設備，明斯基讓人體驗到了自己駕駛飛機、在戰場上參加戰鬥、在水下游泳這些現實中未發生的事情，這也為他奠定了「虛擬現實」（virtual reality）倡導者的重要地位。

　　

　　明斯基。圖片來源：Sethwoodworth/Wikipedia

　　霍蘭德(John Holland)是密歇根大學的計算機學家，他卻另闢蹊徑，開始研究隨機的優化問題並提出了「遺傳演演算法」。因為很多人工智慧的問題最後都可以轉化為優化問題（optimize problem）。而「遺傳演演算法」本身又可以被直接拿來使用到任何問題，只需要定義好「染色體」和適應度函數即可，是非常方便的一種「即插即用」（Off-the-Shelf）的演演算法。

　　霍蘭德指導他的學生們完成了多篇有關遺傳演演算法研究的論文。1971年，Hollstien在他的博士論文中首次把遺傳演演算法用於函數優化。霍蘭德在1975年出版了《自然系統和人工系統的自適應》（Adaptation in Natural and Artificial Systems），這是第一本系統論述遺傳演演算法的專著。霍蘭德在該書中系統地闡述了遺傳演演算法的基本理論和方法，並提出了對遺傳演演算法的理論研究和發展極其重要的模式理論（schema theory）。在此基礎上有各種的理論和應用研究不斷產生，很多的期刊和會議也因此誕生，漸漸形成了「進化計算」（Evolutionary Computation）這個人工智慧的重要分支。

　　壯志雄心與困難重重

　　達特茅斯會議之後，這些第一代的人工智慧科學家都雄心勃勃。司馬賀(Herbert A. Simon)甚至說：「在1968年之前，計算機就將戰勝人類的國際象棋大師。」「在1985年之前，計算機就能夠勝任人類的一切工作。」馬文·明斯基也預言，「在1973-1978年，就能夠製作出一台具有人類平均智力的計算機。」這些充滿信心的話讓當時的政府和軍方非常感興趣，向人工智慧領域投入了大量的經費。

　　

　　政府和軍方向人工智慧領域投入了大量的經費。圖片來源：Pixabay

　　然而，這些人工智慧領域的專家們似乎錯誤地估計了人工智慧學科的難度，他們這些充滿信心的預言中幾乎都未實現。直到1997年，IBM的計算機「深藍」才成功戰勝了人類國際象棋的世界冠軍。到了2016年，人工能「AlphaGo」才戰勝人類的圍棋冠軍。而時至今日，也沒有人工智慧能夠勝任人類的一切工作。因此在上世紀70年代，政府對於這些無法兌現預言的專家非常失望，紛紛減少了對人工智慧領域的經費投入，人工智慧領域的研究也陷入的低谷。

　　

　　當地時間2016年3月15日，韓國首爾，人機大戰第5局，李世石1-4谷歌AlphaGo。圖片來源：圖蟲創意

　　儘管發展一個能夠勝任人類所有工作的計算機是一件十分困難的事情，但利用計算機強大的計算能力和信息存儲能力，讓計算機在某一個領域超過普通人的水平是不難實現的。因此，專家系統應運而生。專家系統在設計時能夠收集大量的專業知識，並且根據一定的程序，進行計算、分析、預測等功能。

　　例如，最早的專家系統「Dendral」是在1965年由愛德華·費根鮑姆（Edward Feigenbaum）設計的，「Dendral」是一款應用於化學領域的專家系統，它能夠根據光譜的度數分析化合物的可能成分。在人類專家相對匱乏的時代，通過這個系統就能讓更多的科學研究得以順利進行。

　　

　　愛德華·費根鮑姆。圖片來源：Wikimedia Commons

　　除此之外，還有專門用於診斷疾病的專家系統，通過專家系統可以彌補人類醫生在診斷時可能出現的疏忽。而預測型專家系統能夠在綜合多方面的專業知識背景的情況下預測出未來事物的發展趨勢，例如對一條河流污染物的遷移擴撒進行預測，從而提前採取有效的措施。

　　「強人工智慧」離我們還有多遠？

　　而到了二十一世紀初，由於信息產業和網際網路的普及，機器學習作為一種學習大數據背後的規律的方法成為了人工智慧研究的主流。尤其是後來深度學習的發展，讓我們重新看到了人工智慧的希望，當然，也引發了人們的擔憂，隨之而來的是各種技術、哲學、倫理上的討論。

　　

　　人們看到了人工智慧的希望，當然，也引發了人們的擔憂。圖片來源：圖蟲創意

　　其中討論重點之一就是目前基於邏輯和計算的智能被稱為「弱人工智慧」。

　　「弱人工智慧」是在某一方面能夠表現出智能或者說看起來像是智能，而不希望研究出與人類相同的智力和思維。例如，圖像識別、語音識別方面的人工智慧，這些人工智慧只能在特定的領域（圖像識別領域和語音識別領域）具有智能。儘管目前圖像識別和語音識別人工智慧也具備了自我學習能力，但它們只會在自己的領域中去學習，而不會像人類那樣產生自己的好奇心，從而去探索全新領域的內容。

　　雖然弱人工智慧的名字中帶有一個「弱」，但實際上，弱人工智慧的實力可不容小覷。目前的主流研究都集中於這一類弱人工智慧的研究上，且產生了巨大的研究突破。例如能夠戰勝人類頂尖高手的圍棋機器人Alpha Go也是一款「不弱」的人工智慧；在千萬張人臉中一眼就看到目標人物的人臉識別軟體也是弱人工智慧；能夠自己穿梭於亞馬遜物流倉庫中並且在電量不足時找到充電樁自動充電的物流機器人，以及能夠看清路況自動將人員安全送到目的地的自動駕駛汽車，都是屬於弱人工智慧。

　　

　　Alpha Go也是一款「不弱」的人工智慧。圖片來源：《AlphaGo世紀對決》

　　弱人工智慧為我們的生活帶來了極大的便利，並且能夠最直接的將研究成果應用到生產生活的實踐中，因此各國對於弱人工智慧的研究都投入了巨大的經費。

　　相對「弱人工智慧」的是「強人工智慧」。儘管科學家們所希望的就是創造一個具有和人類一樣能夠獨立思考具有自己的人格的人工智慧，但這個方面的研究一直沒有突破的進展，強人工智慧還只能存在於科幻與文學作品中，例如《機器姬》里的艾娃，《黑客帝國》中的母體「矩陣」。

　　

　　《機器姬》里的艾娃。圖片來源：《機器姬》

　

　強人工智慧強調的是計算機需要具有自己的思維，而計算機在獲得自己的思維之後，是否還會按照人類的思維方式和道德體系去思考，對於目前的科學家來說是難以確定的。因此，按照計算機思維的不同，又可以分為類人思維的人工智慧和區別於人類思維的人工智慧。例如《超能陸戰隊》中的大白，就屬於前者，儘管外形並不是人類，但它的思維方式與人類一致。而獲得了自主思考能力的「矩陣」（《黑客帝國》）和「天網」（《終結者》）系統，它們就屬於後者，它們產生了區別於人類的價值觀，以自己理解的方式去執行「保護人類」這一項任務。

　　

　　《超能陸戰隊》中的大白屬於類人思維的人工智慧。圖片來源：《超能陸戰隊》

　　畢竟從另一個角度上說，製造一個強人工智慧就意味著製造了一個能夠獨立思考的生命體，這一難度是可想而知的。因此，也有不少的宗教學者、哲學家反對強人工智慧的研究。如果說強人工智慧是現代都市裡的摩天大樓，那麼目前人類在人工智慧方面所取得的進展只能相當於原始人所穴居的洞穴，從當今的弱人工智慧向強人工智慧的發展還有很長的路要走。（編輯：Yuki）

　　作者名片