有著雄心壯志的中國的科技公司們，正在從互聯(lián)網(wǎng)驅(qū)動(dòng)轉(zhuǎn)化為AI驅(qū)動(dòng)。然而很多人只是將AI看做升級(jí)版的互聯(lián)網(wǎng)，其實(shí)二者在內(nèi)在邏輯上完全不同，AI的作用早已超越入口和流量，將成為改變商業(yè)模式每個(gè)參與者行為方式的引擎，就好比滴滴可以影響司機(jī)師傅們的收入，但并不會(huì)影響出租車乃至司機(jī)師傅們開車的方式，但無人駕駛出現(xiàn)之后呢?

　　有一句話說的好：互聯(lián)網(wǎng)驅(qū)動(dòng)模式創(chuàng)新，而AI驅(qū)動(dòng)產(chǎn)業(yè)升級(jí)。

　　在今年的綠公司年會(huì)，企業(yè)家和業(yè)界學(xué)者們將探討三個(gè)問題：

　　AI科技已經(jīng)發(fā)展到什么階段，將會(huì)如何影響人們的生活?

　　科技公司將如何賦能傳統(tǒng)產(chǎn)業(yè)，有哪些技術(shù)已經(jīng)得到應(yīng)用?

　　傳統(tǒng)產(chǎn)業(yè)將如何與AI相結(jié)合創(chuàng)造新的生產(chǎn)力?

　　參加本次綠公司年會(huì)之前，我們先從下面這篇文章對(duì)人工智能這個(gè)革命性的領(lǐng)域進(jìn)行一些根本的探討吧。

　　換個(gè)角度看AI

　　追溯人工智能研究的歷史和哲學(xué)邏輯

　　編譯 | Zoe Zuo、HAPPEN、丁慧、小魚

　　來源 | 大數(shù)據(jù)文摘(BigDataDigest)

　　人工智能發(fā)展迅速且應(yīng)用廣泛?，F(xiàn)實(shí)生活中AI技術(shù)的發(fā)展聽起來像科幻電影，而科幻電影則更像是另一種畫面感十足的現(xiàn)實(shí)場(chǎng)景。經(jīng)過幾十年的探索，AI技術(shù)可以說已趨于成熟，然而人們依舊固執(zhí)己見，業(yè)內(nèi)人士乃至全世界都對(duì)其可行性仍持懷疑態(tài)度。

　　類似的情形出現(xiàn)在瑪麗•雪萊(Mary Shelley)創(chuàng)作的哥特式小說《弗蘭肯斯坦》(Frankenstein)中。小說探討了將人造生命創(chuàng)造出來并引入社會(huì)所產(chǎn)生的一系列后果。令我們困惑的是，書中的怪人一方面做出毫無人性的暴行，另一方面又展現(xiàn)出同人類一樣的弱點(diǎn)，對(duì)友情的需求以及對(duì)于自我存在的危機(jī)感。

　　有人說我們應(yīng)該關(guān)注新發(fā)現(xiàn)的前景與后果。但是，如果把機(jī)器人大軍引入到像當(dāng)今社會(huì)這樣復(fù)雜的系統(tǒng)后產(chǎn)生混亂呢?也有人說我們要關(guān)注取得的成就，以及那些將此類想法落地的成功案例。然而，在偶然的成功和理論支撐的結(jié)果之間我們又該如何抉擇?

　　不妨集中注意力，一起理智地來追溯AI的歷史淵源吧!

　　不管你感興趣的是古希臘哲學(xué)家邏輯思考的規(guī)則，還是阿拉伯?dāng)?shù)學(xué)家的公式推導(dǎo)，亦或是19世紀(jì)歐洲知識(shí)分子對(duì)數(shù)學(xué)的狂熱。一個(gè)不爭(zhēng)的事實(shí)是：問題遠(yuǎn)遠(yuǎn)比你想象的更為深刻(即便考慮摩爾定律)。

　　“我們?nèi)蘸蟪蔀槭裁礃拥娜酥饕Q于父輩們?cè)诓唤?jīng)意間的教導(dǎo)，除此之外，我們由零零碎碎的智慧所塑造。”

　　——Umberto Eco

　　本文接下來的內(nèi)容將討論AI的發(fā)展史，包括一些重要人物所提出的相關(guān)問題、論證和看法。其中涉及的事件大部分都發(fā)生在20世紀(jì)60年代左右，同時(shí)期，也逐漸形成了AI的正式定義、發(fā)展目標(biāo)、科研群體與反對(duì)者等。

　　機(jī)器可以思考嗎?

　　1950年，艾倫·圖靈(Alan Turing)試圖在他具有開創(chuàng)性意義的論文《計(jì)算機(jī)器與智能》中回答這個(gè)刻意簡化的問題。論文部分內(nèi)容的含義并不明確，而且限定了人們對(duì)人工智能的理解。為此圖靈設(shè)計(jì)了一個(gè)思維實(shí)驗(yàn)，這就是著名的圖靈測(cè)試：

　　參與者A是男性，參與者B是女性，參與者C的性別未知。C扮演詢問者的角色，雖然無法看到A和B，但可以用客觀的語句和兩人進(jìn)行交流。通過向A和B提問，C要試著確定A和B的性別。A的任務(wù)是迷惑C，讓C做出錯(cuò)誤的決定，而B則要協(xié)助C做正確的決定。

　　將問題重新設(shè)計(jì)，如下：

　　如果由一臺(tái)機(jī)器來扮演A的角色，會(huì)發(fā)生什么?這種情況下，詢問者做出錯(cuò)誤決定的頻率會(huì)與角色A、B由兩個(gè)真人扮演時(shí)一樣嗎?

　　圖靈的方法似乎遵從了鴨子測(cè)試(duck test)的原理：如果它看起來像只鴨子，像鴨子一樣游泳，像鴨子一樣嘎嘎叫，那它大概就是只鴨子。

　　當(dāng)談及人類相關(guān)的智能，例如意識(shí)，圖靈的觀點(diǎn)是，不能因?yàn)槟橙?或某物)不具備尚未定義的特征而對(duì)其否定。因此，意識(shí)與我們對(duì)AI的探索無關(guān)。

　　哥德爾不完備定理(Gödel’s incompleteness theorems)是我們?cè)噲D談?wù)揂I時(shí)面臨的一大障礙。根據(jù)這一系列定理，數(shù)學(xué)邏輯無法具備完備性和相容性。因此，以數(shù)學(xué)邏輯進(jìn)行學(xué)習(xí)的機(jī)器往往無法觸及到一些真理。圖靈對(duì)此的回應(yīng)倒讓人長舒一口氣：你怎么知道人類智力就不存在局限性呢?

　　小貼士：哥德爾不完備定理是庫爾特·哥德爾于1931年證明并發(fā)表的兩條定理。

　　簡單地說，第一條定理指出：任何相容的形式系統(tǒng)，只要蘊(yùn)涵皮亞諾算術(shù)公理，就可以在其中構(gòu)造在體系中不能被證明的真命題，因此通過推演不能得到所有真命題(即體系是不完備的)。

　　把第一條定理的證明過程在體系內(nèi)部形式化后，哥德爾證明了他的第二條定理。該定理指出：任何相容的形式系統(tǒng)，只要蘊(yùn)涵皮亞諾算術(shù)公理，它就不能用于證明它本身的相容性。

　　圖靈的這篇論文論證充分，具有清晰的辯證結(jié)構(gòu)，然而，因?yàn)檎撐耐茰y(cè)的技術(shù)尚未被發(fā)現(xiàn)，圖靈的論述也被擱置。

　　邁向人工智能

　　馬文·明斯基(Marvin Minsky)是人工智能研究領(lǐng)域的先驅(qū)之一。翻開人工智能家族塵封的相冊(cè)，明斯基就是給家庭聚餐添上些許不安的老人：“明斯基老叔，他迷人，與眾不同，講話總是很有趣。”

　　明斯基是1956年達(dá)特茅斯會(huì)議(the Dartmouth Conference)的組織者之一。在這次會(huì)議上，Artificial Intelligence作為術(shù)語首次被提出，同時(shí)也作為一個(gè)領(lǐng)域而誕生。明斯基對(duì)AI的切實(shí)可行充滿信心，但他不看好用錯(cuò)誤的探索方式，他也因此被人們所銘記。

　　1961年，明斯基被問及AI領(lǐng)域所取得的進(jìn)展。讓我們看看他說了什么：

　　我們應(yīng)該先問問什么是“真正的”智能?我覺得這更像是一個(gè)美學(xué)問題，或者關(guān)乎一種尊嚴(yán)感，而不是一個(gè)科技問題!對(duì)我來說，“智能”不過意味著各種性能的綜合，我們關(guān)注這些性能但無法理解。所以，這個(gè)問題通常和數(shù)學(xué)上“深度”問題相伴相隨。一個(gè)定理的證明一旦被真正理解，它的內(nèi)容就變得無關(guān)緊要了。

　　定義AI固然困難，明斯基承認(rèn)這一點(diǎn)，因此他將繼續(xù)探索。他的著手點(diǎn)是為AI確定幾大發(fā)展支柱，即搜索、模式識(shí)別、學(xué)習(xí)、規(guī)劃和歸納。

　　項(xiàng)目的終極目的是通過探索獲得AI的解決方案。通過模式識(shí)別可以確定適合AI的工具，通過學(xué)習(xí)以往的經(jīng)驗(yàn)可以對(duì)現(xiàn)有的算法進(jìn)行改善，通過規(guī)劃可以更高效地研究AI。至于機(jī)器能否獲得歸納與推理能力，明斯基說道：

　　目前根據(jù)哥德爾不完備定理，還沒有一個(gè)歸納推理系統(tǒng)能有效適用于所有體系。但是，給定一個(gè)體系(例如我們的世界)或者一些體系的集合，以及一套成功的標(biāo)準(zhǔn)，實(shí)現(xiàn)機(jī)器的認(rèn)知就是技術(shù)性問題，而非空想。

　　明斯基在接下來的回答中多次重申，要實(shí)現(xiàn)AI應(yīng)該通過各種復(fù)雜的分層架構(gòu)。基于這一點(diǎn)，他質(zhì)疑感知機(jī)算法，因?yàn)檫@一算法連中等難度的問題都解決不了，何況實(shí)際問題更加復(fù)雜。

　　明斯基的論斷挫敗了大眾研究感知機(jī)的信心，從而耽誤了深度學(xué)習(xí)的發(fā)展。通過進(jìn)行深度架構(gòu)，即使利用簡單的構(gòu)件也可以解決復(fù)雜的問題似乎在為明斯基開脫。不管怎樣，明斯基的確具備獨(dú)特的洞察力。

　　然而，因?yàn)閹椭鷺I(yè)界發(fā)現(xiàn)了各種原始方法的缺陷，明斯基的言論具有建設(shè)性意義。此外，深度學(xué)習(xí)或許是目前為止我們所探索到的最佳算法(還催生了各種很棒的應(yīng)用)，但絕不是AI的終極算法。

　　想法、大腦和程序

　　1980年，約翰·希爾勒(John Searle)對(duì)于AI的發(fā)展很不滿。盡管早些時(shí)候他強(qiáng)烈反對(duì)強(qiáng)人工智能的概念，但這次他決定公開反駁。事實(shí)上，即使標(biāo)題聽起來有些諷刺。但我仍感覺希爾勒在揪著我的衣領(lǐng)，大力揮舞他的手，指著我說：“年輕的小伙子，讓我?guī)湍銖母旧蠀^(qū)分一下吧。”

　　“你可能會(huì)有這樣的印象：AI領(lǐng)域中寫有關(guān)強(qiáng)人工智能的人認(rèn)為他們可以避重就輕，因?yàn)樗麄儧]有認(rèn)真研究過這個(gè)理論，并認(rèn)為其他人也一樣。至少我會(huì)發(fā)聲質(zhì)疑，并認(rèn)真研究。”

　　希爾勒只攻擊強(qiáng)人工智能這個(gè)概念，他認(rèn)為這是一種計(jì)算機(jī)能夠模仿任何人類行為的能力。而所謂計(jì)算機(jī)擁有認(rèn)知能力的觀點(diǎn)，亦可通過類比被推翻。由他提出的著名的思想實(shí)驗(yàn)“中文房間實(shí)驗(yàn)”論證了這一觀點(diǎn)，實(shí)驗(yàn)過程如下：

　　假定某人被關(guān)在一個(gè)只有中文字符的房間里，而他只懂英文，對(duì)中文則一竅不通，甚至說不出中文字符與日文字符的區(qū)別。他在屋內(nèi)完全是通過英文規(guī)則手冊(cè)操作著屋外遞進(jìn)來的中文紙片(問題)，這些字符需要通過英文形式的句法來確認(rèn)，之后通過擺弄這些字符再將信息遞送出去(回答)。恭喜!通過這個(gè)程序你就學(xué)會(huì)了中文。

　　這就是希爾勒于1980年提出的中文房間實(shí)驗(yàn)。思想實(shí)驗(yàn)本身并不是一個(gè)實(shí)驗(yàn)，因?yàn)樗鼰o法實(shí)際操作，而是探索一個(gè)想法的潛在結(jié)果。最古老也最有名的思想實(shí)驗(yàn)，可能是伽利略的比薩斜塔實(shí)驗(yàn)(你是否也認(rèn)為伽利略真的從塔上往下扔蘋果?)。

　　希爾勒的觀點(diǎn)是，能夠給出中文問題答案并不意味著懂中文，而這種能力也并非取決于由哪種語言書寫規(guī)則。因此，給予適當(dāng)算法后產(chǎn)生預(yù)期輸出的計(jì)算機(jī)，不是一個(gè)“會(huì)思考的”個(gè)體。

　　就某些功能推理而言，希爾勒質(zhì)疑的是一個(gè)程序的思考能力。他指責(zé)當(dāng)今的AI研究人員存在行為主義和操作主義，試圖將程序與頭腦等同(事實(shí)也如此)，而忽略了大腦的重要性。

　　希爾勒認(rèn)為，認(rèn)知只源于生物行為;而程序可以完全獨(dú)立運(yùn)行(因?yàn)樗皇苡布脚_(tái)的限制)，因此程序并不具備認(rèn)知能力。

　　當(dāng)閱讀他的原文時(shí)，你會(huì)感覺到希爾勒正在攻擊一個(gè)尚未成熟的計(jì)算機(jī)科學(xué)家社區(qū)，而這個(gè)社區(qū)關(guān)于什么是智能并沒有達(dá)成共識(shí)，只是試圖通過技術(shù)手段和推測(cè)來模擬機(jī)器智能。

　　如同一般哲學(xué)方法中的虛無主義一樣，明斯基回應(yīng)希爾勒：“應(yīng)該忽視希爾勒的誤解。”

　　大象不會(huì)下棋

　　即使大象不會(huì)下象棋，你也沒有理由責(zé)備它們。“大象不會(huì)下象棋”( Elephants Don't Play Chess)是羅德尼·布魯克斯(Rodney A. Brooks)在1990年發(fā)表的一篇論文，試圖采用論據(jù)和他的機(jī)器人隊(duì)伍來支持AI。羅德尼·布魯克對(duì)AI的發(fā)展做出了卓越的貢獻(xiàn)，經(jīng)典的AI理論中應(yīng)該有他的一席之地。

　　在那個(gè)時(shí)代，人工智能正經(jīng)歷著第二個(gè)寒冬。企業(yè)和政府也意識(shí)到不能對(duì)AI抱有過高期望而削減了資金。

　　所以是時(shí)候反省了。當(dāng)一件事情從根本上失敗時(shí)，有兩種方式來理解：要么是這件事情不可能完成，要么采用了錯(cuò)誤的方法。

　　布魯克斯認(rèn)為AI停滯不前是因?yàn)檠芯咳藛T過于關(guān)注函數(shù)表達(dá)式。符號(hào)系統(tǒng)假設(shè)就是關(guān)于機(jī)器智能如何運(yùn)作存在已久的觀點(diǎn)。根據(jù)這個(gè)假設(shè)，世界上的人、汽車和情感等眾多實(shí)體，可以很自然地將它們與符號(hào)相匹配，并輸入給計(jì)算機(jī)。如果該假設(shè)成立，那么只要提供必要的信息便能使計(jì)算機(jī)擁有智能。

　　盡管這個(gè)假設(shè)看起來沒有問題，但它在某種程度上誤導(dǎo)了AI的發(fā)展：

　　符號(hào)系統(tǒng)不足以描述整個(gè)世界。根據(jù)框架問題，定義任何尚未明確存在的事物是一種邏輯錯(cuò)誤。因此，布魯克斯建議：為什么不把整個(gè)世界作為它自己的模型?

　　簡單計(jì)算無法衍生機(jī)器智能。啟發(fā)式算法的大量使用是訓(xùn)練智能算法的必經(jīng)之路，但這與我們嘗試創(chuàng)造知識(shí)的初衷背道而馳。(網(wǎng)格搜索是對(duì)人類智力的侮辱。)

　　當(dāng)AI的發(fā)展目標(biāo)是尋求一種通用人工智能模型時(shí)，就出現(xiàn)了布魯克斯稱之為混淆的現(xiàn)象：大量的研究表明智能算法的適用場(chǎng)景并不明確。機(jī)器智能確實(shí)具有吸引力，正因?yàn)槿绱耍祟悓?duì)知識(shí)的探索才永無止境。

　　布魯克斯并不支持物理根據(jù)假設(shè)(physical grounding hypothesis)。也就是說，讓人工智能直接與世界交互，并將其用作自己的表示。上述假設(shè)與AI現(xiàn)在的發(fā)展之間還有很大的差距：從學(xué)習(xí)需要巨大的計(jì)算資源、專家的指導(dǎo)到總不夠用的訓(xùn)練數(shù)據(jù);布魯克斯還設(shè)想，為AI配備物理實(shí)體和廉價(jià)硬件并將其銷售到世界各地。要解決這個(gè)問題并不容易。

　　布魯克斯認(rèn)為機(jī)器智能是集群行為而不是復(fù)雜行為?；蛟S他實(shí)驗(yàn)中最深刻的見解是，“目標(biāo)導(dǎo)向行為源自于簡單的無目標(biāo)導(dǎo)向的交互行為。”無需預(yù)設(shè)協(xié)同模式，因?yàn)橹悄苡?jì)算機(jī)可以制定出自己與世界交互的最佳策略。

　　布魯克斯關(guān)于AI發(fā)展的討論為我們證明了物理根據(jù)假設(shè)的重要性：人類是我們最常見和最親近的智能體。因此，當(dāng)我們?cè)噲D重新創(chuàng)造這種智能特征時(shí)，就需要觀察人類文明緩慢的形成過程。如果考慮到人類學(xué)習(xí)智能行為所需的時(shí)間，如交互、繁衍和生存，與我們尚未成熟的下棋程序相比，便可以得出結(jié)論：學(xué)習(xí)行為或許是最難開發(fā)的技能，也是我們應(yīng)該要關(guān)注的重點(diǎn)。

　　布魯克斯雖然對(duì)自己提出的實(shí)用方法很滿意，但也承認(rèn)其理論局限性，但他歸因于學(xué)術(shù)界尚未提出讓大家透徹理解人群動(dòng)態(tài)交互行為理論。

　　再一次，工程師漠視了哲學(xué)界的異議：

　　“如果我們的策略不能說服高高在上的哲學(xué)家，至少我們的技術(shù)將徹底改變我們生活的世界。”

　　AI的進(jìn)步

　　盡管涌現(xiàn)出大量問題，但是我們不能質(zhì)疑AI的進(jìn)步。不管怎樣，目前得益于技術(shù)的進(jìn)步出現(xiàn)了很多不錯(cuò)的AI應(yīng)用。如果忽略它們的存在去衡量當(dāng)前研究質(zhì)量是沒有意義的。

　　深度學(xué)習(xí)是否能成為實(shí)現(xiàn)機(jī)器智能的有效工具?還是說，這是AI進(jìn)入寒冬之前另一個(gè)間冰期?

　　更重要的是，人們關(guān)注的角度已經(jīng)開始從純粹的哲學(xué)問題轉(zhuǎn)向社會(huì)層面，而AI對(duì)日常生活的需求已遠(yuǎn)比理解概念、哲學(xué)和智能本身更加明顯和迫切。不過，這種轉(zhuǎn)變可能是一個(gè)更難以回答的問題，進(jìn)而促使我們深入研究。

　　當(dāng)維特根斯坦(Wittgenstein)撰寫《邏輯哲學(xué)論》的時(shí)候，他面臨著為難的選擇：他的論點(diǎn)與他的學(xué)說相悖。也就是說，如果他的學(xué)說是正確的話，那么他的論點(diǎn)就是不合邏輯的，因此他的學(xué)說應(yīng)該是錯(cuò)誤的。但是維特根斯坦對(duì)此有不同的看法：

　　“我的論點(diǎn)可以這樣解釋：當(dāng)人們從開始學(xué)習(xí)到徹底理解后，便會(huì)認(rèn)為它毫無意義。”

　　因此，我們需要用發(fā)展的眼光去理解隱含在復(fù)雜概念背后的真理。我們要堅(jiān)定地邁出前進(jìn)的步伐，也要做好隨時(shí)放棄的準(zhǔn)備。因?yàn)椴⒉皇敲恳徊教剿鞯慕Y(jié)果都是正確的，但是我們需要理解每一步探索的過程。所以后來，當(dāng)維特根斯坦談到這個(gè)論點(diǎn)時(shí)，他說自己不需要梯子就能夠直達(dá)真理。

　　或許在AI的發(fā)展過程中，我們?nèi)匀恍枰獏⒖季S特根斯坦的論點(diǎn)。

　　原文鏈接：

　　https://medium.freecodecamp.org/deeper-ai-a104cf1bd04a