當(dāng)你談?wù)撊斯ぶ悄軙r(shí)，到底在談?wù)撌裁矗?/h1>
2015-01-30 17:46:04王培
中國學(xué)術(shù)期刊文摘 2015年19期
王培
（美國天普大學(xué)計(jì)算機(jī)與信息科學(xué)系）
科技焦點(diǎn)
當(dāng)你談?wù)撊斯ぶ悄軙r(shí)，到底在談?wù)撌裁矗?/p>
王培
（美國天普大學(xué)計(jì)算機(jī)與信息科學(xué)系）
研究者們對人工智能的研究目標(biāo)有非常不同的理解，這在業(yè)內(nèi)不是新聞，但外界往往搞不清其中的區(qū)別，所以會(huì)把計(jì)算機(jī)的一個(gè)新應(yīng)用當(dāng)成對思維規(guī)律的研究突破，并因此期待其他領(lǐng)域中的相關(guān)問題也會(huì)很快得到解決。這一問題部分解釋了為什么公眾對人工智能的期望，歷來總是在樂觀和悲觀之間徘徊。
近來人工智能成了熱門話題。一方面，它和自動(dòng)駕駛汽車、機(jī)器人保姆等各種新發(fā)明緊密相關(guān)，以至于在各種產(chǎn)品前面加一個(gè)“智能”的修飾語成為時(shí)髦。另一方面，它又被聯(lián)系于大規(guī)模失業(yè)、機(jī)器統(tǒng)治人類等各種災(zāi)難，一時(shí)間，各種呼吁和警告不絕于耳。
專家們對這個(gè)領(lǐng)域的看法也很不一致。有人認(rèn)為人工智能已經(jīng)在我們身邊了，而未來的發(fā)展無非是出現(xiàn)更多更好的類似技術(shù)；另一些人則認(rèn)為人工智能還沒有真正到來，而其出現(xiàn)將導(dǎo)致革命性的后果。
簡單在網(wǎng)上搜索一下就可以發(fā)現(xiàn)，“人工智能”這個(gè)詞語好像不總是在同一個(gè)意思下被使用，很多爭論因此基本變成了“雞同鴨講”。因?yàn)閷θ斯ぶ悄艿牟煌斫鈺?huì)導(dǎo)致對有關(guān)問題的不同回答，對這個(gè)領(lǐng)域的剖析需要從“正名”開始。
乍看起來這個(gè)問題并不復(fù)雜。人工智能無非就是“讓計(jì)算機(jī)像人腦那樣工作”?，F(xiàn)在，計(jì)算機(jī)已經(jīng)能夠完成很多以前只有人腦才能完成的智力活動(dòng)，這自然就會(huì)引出“計(jì)算機(jī)能否完成所有智力活動(dòng)”的問題。如果答案是肯定的，后面就可以考慮“怎樣做”和“應(yīng)不應(yīng)做”等問題。如果答案是否定的，后面就可以考慮“為什么”和“哪些能做，哪些不能做”等問題。這已經(jīng)就是人工智能的基本問題了。
盡管上述說法沒有錯(cuò)，但其對研究目標(biāo)的刻畫太過粗略，不足以指導(dǎo)研究工作的進(jìn)行。同時(shí)，這種描述遺漏了一個(gè)關(guān)鍵點(diǎn)，因而使不同的理解成為可能。
人工智能概念中的“人工”指的是電子計(jì)算機(jī)及其相關(guān)系統(tǒng)，如機(jī)器人等機(jī)電設(shè)備。這就意味著，“人工智能”和“人類智能”不可能在任何方面都完全相同。比如說，一個(gè)人工智能系統(tǒng)不會(huì)有和人完全一樣的軀體，也不會(huì)有和人完全一樣的經(jīng)驗(yàn)（尤其是社會(huì)經(jīng)驗(yàn)），否則它就不是一個(gè)人工智能，而是個(gè)“人造人”了，那是一個(gè)完全不同的領(lǐng)域。這個(gè)前提是如此地顯而易見，以至于通常會(huì)被略過不提，而下面我們恰要以此為分析的起點(diǎn)。
既然人工智能是在某些方面（而非在所有方面）和人類智能相同或相近，那么刻畫這個(gè)概念的關(guān)鍵在于，指明在哪方面“人”和“機(jī)”應(yīng)當(dāng)是一樣或差不多的，而在其他方面是無所謂的。正是對這個(gè)問題的不同回答，造成了人工智能領(lǐng)域中最根本的分歧。
本文把典型的回答劃分為“五大派”：結(jié)構(gòu)派、行為派、能力派、方法派、原則派，并依次加以介紹和分析，尤其是其被支持和反對的理由。
結(jié)構(gòu)派
既然人類智能是人腦的產(chǎn)物，那么似乎“盡可能忠實(shí)地模擬人腦結(jié)構(gòu)”就是實(shí)現(xiàn)人工智能的最可靠途徑了。對神經(jīng)網(wǎng)絡(luò)模型的研究已經(jīng)取得了顯著的進(jìn)展，盡管人腦的巨大復(fù)雜性導(dǎo)致其許多因素在模型中被忽略或簡化了。各種腦模型試圖不僅在細(xì)節(jié)上（如神經(jīng)元及其相互聯(lián)系）而且在大尺度上（如層次和區(qū)域）都忠實(shí)于人腦結(jié)構(gòu)，這方面的例子包括《人工智能的未來》一書作者Jeff Hawkins提出模擬大腦新皮層的HTM模型等。
盡管結(jié)構(gòu)派的理由看上去很有說服力，但在人工智能界只是個(gè)少數(shù)派。除了其復(fù)雜性令人望而卻步之外，這一思路最常被人挑戰(zhàn)的問題是其必要性。人腦作為進(jìn)化的產(chǎn)物，其結(jié)構(gòu)自然會(huì)反映某些歷史的偶然性。作為一個(gè)生物器官，人腦結(jié)構(gòu)的生物性特征對于機(jī)電設(shè)備來說也未必都有被模擬的必要。即使是在神經(jīng)網(wǎng)絡(luò)模型中，人腦也一般只是被用作靈感的源泉，而非設(shè)計(jì)的依據(jù)。
行為派
考慮到計(jì)算機(jī)和人腦在質(zhì)料和結(jié)構(gòu)等方面的本質(zhì)差別，有理由認(rèn)為人工智能只須在外部表現(xiàn)和行為上像人就足夠了。這一派觀點(diǎn)最流行的版本就是“圖靈測試”。為了避免在“思維”等復(fù)雜概念上糾纏不清，Alan Turing建議用一個(gè)直截了當(dāng)?shù)霓k法來判定一臺機(jī)器是否“能思維”：如果它的言語行為和人無法區(qū)分，那它就算是“能思維”了，因?yàn)樗季S的結(jié)果最終總是要體現(xiàn)在行為上的。
雖然圖靈測試廣為人知，但是現(xiàn)有的人工智能研發(fā)很少將通過圖靈測試作為其目標(biāo)。與腦模型的情況相似，“在外部行為上和人一樣”大概有些過于“人類中心主義”了?，F(xiàn)在的計(jì)算機(jī)系統(tǒng)已經(jīng)在很多方面遠(yuǎn)超人類了，難道它們在展現(xiàn)智能時(shí)還硬要在這些地方故意裝得笨些嗎？同理，如果有朝一日外星人真的來造訪地球了，我們總不能用它們在行為上可否與人相區(qū)分來判斷它們是否有智能吧？
能力派
人們通常是以解決難題的能力來衡量他人智力的。依此類推，一種普遍的看法是，把人工智能等同于能解決“以前只有人腦才能解決的問題”的計(jì)算機(jī)。一個(gè)典型的例子就是IBM公司開發(fā)的“深藍(lán)”系統(tǒng)。下棋無疑是需要智力的。既然“深藍(lán)”戰(zhàn)勝了國際象棋世界冠軍，我們大概必須認(rèn)為它有很高的智能。按照這種“不論黑貓白貓，能抓住老鼠就是好貓”的觀念，智能就是解決某些問題的能力，而下棋就是這樣一個(gè)問題，至于計(jì)算機(jī)是不是“像人一樣下棋”是無關(guān)緊要的，只要能贏就行。
這種標(biāo)準(zhǔn)現(xiàn)在仍常常在媒體上被采用，而一些計(jì)算機(jī)的新應(yīng)用也因而被貼上“人工智能”的標(biāo)簽。但這種做法也同時(shí)導(dǎo)致了一個(gè)非常尷尬的后果：一旦某個(gè)問題能通過計(jì)算機(jī)來解決，它就不再是“以前只有人腦才能解決的問題”了。這樣一來，“人工智能”豈不是只能被定義為那些尚未解決的問題，從而成了阿凡提吊在驢鼻子前面那根它永遠(yuǎn)也吃不到的胡蘿卜了？如果我們放寬標(biāo)準(zhǔn)到“曾經(jīng)只有人腦才能解決的問題”，那么四則運(yùn)算也將成為人工智能問題了，如此，這個(gè)領(lǐng)域也未免太過寬泛。這可真是“寬嚴(yán)皆誤”！
方法派
既然只靠問題很難為人工智能劃界，把解決問題的方法也加進(jìn)去怎么樣？這可以說是目前主流學(xué)術(shù)界的態(tài)度。按照這種觀點(diǎn)，“智能”是一組“認(rèn)知功能”的總稱，其中包括表征、搜索、推理、學(xué)習(xí)、規(guī)劃、決策、感知、運(yùn)動(dòng)、通訊等等。每一種認(rèn)知功能可以作為解決某一類問題的方法來獨(dú)立研究，進(jìn)而成為一個(gè)可以獨(dú)立應(yīng)用的人工智能技術(shù)，一般體現(xiàn)為某種算法。
盡管這一派目前在人工智能界占主流地位，但它也有自己的麻煩。最突出的問題就是人工智能的“碎片化”。由于各個(gè)研究領(lǐng)域都想先把自己的問題解決好，再去考慮與別人協(xié)作的問題，其結(jié)果就是各人自掃門前雪，而各種人工智能技術(shù)也因?yàn)樗鼈冊诨炯僭O(shè)上的不相容而難以有效協(xié)作或整合。這就是目前人工智能并無一個(gè)統(tǒng)一理論或技術(shù)的根本原因。
原則派
有些研究者相信，人工智能和其它領(lǐng)域一樣可以被建立在一個(gè)相對簡單的統(tǒng)一基礎(chǔ)之上，而“智能”代表著某種理性原則。在人工智能的早期，Allen Newell和Herbert Simon就曾試圖把“智能”歸結(jié)為“問題求解”，進(jìn)而歸結(jié)為“在狀態(tài)空間中的路徑搜索”。以目前的智能模型為例，在Marcus Hutter的AIXI模型中，智能被定義成“在任意環(huán)境中找到最優(yōu)解的能力”，但這種能力不是可計(jì)算的，各種智能系統(tǒng)只能設(shè)法逼近它。在筆者設(shè)計(jì)的NARS（納思）模型中，智能被定義成“在知識和資源相對不足的條件下的適應(yīng)能力”，據(jù)此設(shè)計(jì)的一個(gè)推理系統(tǒng)目前已在調(diào)試階段。
這一派目前在人工智能界是極少數(shù)，并常被人稱為患了“物理學(xué)嫉妒癥”。大部分人不相信復(fù)雜如“智能”（以及與其密切相關(guān)的“認(rèn)知”、“思維”、“意識”等）現(xiàn)象可以被歸結(jié)為一組基本原則，就如在物理學(xué)中那樣。
研究者們對人工智能的研究目標(biāo)有非常不同的理解，這在業(yè)內(nèi)不是新聞，但外界往往搞不清其中的區(qū)別，所以會(huì)把計(jì)算機(jī)的一個(gè)新應(yīng)用當(dāng)成對思維規(guī)律的研究突破，并因此期待其他領(lǐng)域中的相關(guān)問題也會(huì)很快得到解決。這一問題部分解釋了為什么公眾對人工智能的期望，歷來總是在樂觀和悲觀之間徘徊。
談及對人工智能的不同理解，人們通常的觀點(diǎn)是把它們看作導(dǎo)向同一終點(diǎn)的不同途徑。而本文所要指出的是：嚴(yán)格說來，上面列舉的五派其實(shí)是五個(gè)不同的研究領(lǐng)域，各有其終極目標(biāo)、基本假設(shè)、評價(jià)標(biāo)準(zhǔn)等等。由于歷史原因，它們現(xiàn)在都被叫做“人工智能”，但實(shí)際上不是一回事。它們之間當(dāng)然是有聯(lián)系的，而且在某些時(shí)候的確是“同路人”，但最終仍將分道揚(yáng)鑣，而非殊途同歸。
這個(gè)判斷在很多人看來似乎是太極端了，畢竟大家還是“同根生”，都是以人類智能為師的。有人把各派看作著名的“摸象盲人”，用領(lǐng)導(dǎo)的口氣總結(jié)說：“完整的人工智能將是各種觀點(diǎn)的辯證統(tǒng)一”。不幸的是，這副萬能良藥在這里無濟(jì)于事，因?yàn)樵诰唧w設(shè)計(jì)的問題上，各派的要求常常是相悖的：最“擬人”的方案未必是對計(jì)算機(jī)最合適的，而對某個(gè)具體問題最好的解，也未必是最有一般意義的解。當(dāng)一盤菜無法同時(shí)取悅于幾個(gè)口味完全不同的食客時(shí)，上一個(gè)“拼盤”往往不是好辦法。
這種現(xiàn)象的根本原因是，上面的五派分別對應(yīng)于對人類智能的不同抽象，而上面所列它們各自的次序，則對應(yīng)于抽象程度：結(jié)構(gòu)派最低，原則派最高。
當(dāng)同一個(gè)對象可以在不同的抽象層次上被有效描述時(shí)，不同的描述層次會(huì)呈現(xiàn)不同的圖像。低層描述保留了對象的更多內(nèi)部細(xì)節(jié)，但模糊了其整體特征和外部聯(lián)系，而高層描述則相反。不同的抽象層次就像是不同倍數(shù)的望遠(yuǎn)鏡或顯微鏡鏡頭：不存在哪個(gè)鏡頭“更正確”的問題，但相對于一個(gè)特定問題而言，的確存在哪個(gè)鏡頭“更合適”的問題。當(dāng)我們在談?wù)撊祟愔悄軙r(shí)，這五類描述的確存在內(nèi)在聯(lián)系，但當(dāng)我們試圖在計(jì)算機(jī)上再現(xiàn)這些描述所刻畫的對象或過程時(shí)，那些聯(lián)系就不再是必要的了，而由此得到的各種“人工智能”甚至可能風(fēng)馬牛不相及。
總而言之，在人工智能的旗幟下，不同的人實(shí)際上在干不同的事：有構(gòu)建腦模型的，有模擬人類行為的，有開拓計(jì)算機(jī)應(yīng)用領(lǐng)域的，有設(shè)計(jì)新算法的，有總結(jié)思維規(guī)律的。雖然這些研究都有價(jià)值且有聯(lián)系，但它們不可以彼此替代，而把它們混為一談則容易導(dǎo)致思想混亂。
責(zé)任編輯：吳曉麗
本文由《賽先生》授權(quán)轉(zhuǎn)載，參考文獻(xiàn)已省略。
猜你喜歡
人類能否一覺到未來？大科技·百科新說(2021年6期)2021-09-12 02:37:27 計(jì)算機(jī)操作系統(tǒng)小學(xué)科學(xué)(學(xué)生版)(2021年7期)2021-07-28 06:44:42 人類第一殺手好孩子畫報(bào)(2020年5期)2020-06-27 14:08:05 基于計(jì)算機(jī)自然語言處理的機(jī)器翻譯技術(shù)應(yīng)用與簡介科技傳播(2019年22期)2020-01-14 03:06:34 1100億個(gè)人類的清明意林·全彩Color(2019年6期)2019-07-24 08:13:50 2019：人工智能商界(2019年12期)2019-01-03 06:59:05 人工智能與就業(yè)IT經(jīng)理世界(2018年20期)2018-10-24 02:38:24 信息系統(tǒng)審計(jì)中計(jì)算機(jī)審計(jì)的應(yīng)用消費(fèi)導(dǎo)刊(2017年20期)2018-01-03 06:26:40 數(shù)讀人工智能小康(2017年16期)2017-06-07 09:00:59 下一幕，人工智能！南風(fēng)窗(2016年19期)2016-09-21 16:51:29
王培
（美國天普大學(xué)計(jì)算機(jī)與信息科學(xué)系）
科技焦點(diǎn)
當(dāng)你談?wù)撊斯ぶ悄軙r(shí)，到底在談?wù)撌裁矗?/p>
王培
（美國天普大學(xué)計(jì)算機(jī)與信息科學(xué)系）
研究者們對人工智能的研究目標(biāo)有非常不同的理解，這在業(yè)內(nèi)不是新聞，但外界往往搞不清其中的區(qū)別，所以會(huì)把計(jì)算機(jī)的一個(gè)新應(yīng)用當(dāng)成對思維規(guī)律的研究突破，并因此期待其他領(lǐng)域中的相關(guān)問題也會(huì)很快得到解決。這一問題部分解釋了為什么公眾對人工智能的期望，歷來總是在樂觀和悲觀之間徘徊。
近來人工智能成了熱門話題。一方面，它和自動(dòng)駕駛汽車、機(jī)器人保姆等各種新發(fā)明緊密相關(guān)，以至于在各種產(chǎn)品前面加一個(gè)“智能”的修飾語成為時(shí)髦。另一方面，它又被聯(lián)系于大規(guī)模失業(yè)、機(jī)器統(tǒng)治人類等各種災(zāi)難，一時(shí)間，各種呼吁和警告不絕于耳。
專家們對這個(gè)領(lǐng)域的看法也很不一致。有人認(rèn)為人工智能已經(jīng)在我們身邊了，而未來的發(fā)展無非是出現(xiàn)更多更好的類似技術(shù)；另一些人則認(rèn)為人工智能還沒有真正到來，而其出現(xiàn)將導(dǎo)致革命性的后果。
簡單在網(wǎng)上搜索一下就可以發(fā)現(xiàn)，“人工智能”這個(gè)詞語好像不總是在同一個(gè)意思下被使用，很多爭論因此基本變成了“雞同鴨講”。因?yàn)閷θ斯ぶ悄艿牟煌斫鈺?huì)導(dǎo)致對有關(guān)問題的不同回答，對這個(gè)領(lǐng)域的剖析需要從“正名”開始。
乍看起來這個(gè)問題并不復(fù)雜。人工智能無非就是“讓計(jì)算機(jī)像人腦那樣工作”?，F(xiàn)在，計(jì)算機(jī)已經(jīng)能夠完成很多以前只有人腦才能完成的智力活動(dòng)，這自然就會(huì)引出“計(jì)算機(jī)能否完成所有智力活動(dòng)”的問題。如果答案是肯定的，后面就可以考慮“怎樣做”和“應(yīng)不應(yīng)做”等問題。如果答案是否定的，后面就可以考慮“為什么”和“哪些能做，哪些不能做”等問題。這已經(jīng)就是人工智能的基本問題了。
盡管上述說法沒有錯(cuò)，但其對研究目標(biāo)的刻畫太過粗略，不足以指導(dǎo)研究工作的進(jìn)行。同時(shí)，這種描述遺漏了一個(gè)關(guān)鍵點(diǎn)，因而使不同的理解成為可能。
人工智能概念中的“人工”指的是電子計(jì)算機(jī)及其相關(guān)系統(tǒng)，如機(jī)器人等機(jī)電設(shè)備。這就意味著，“人工智能”和“人類智能”不可能在任何方面都完全相同。比如說，一個(gè)人工智能系統(tǒng)不會(huì)有和人完全一樣的軀體，也不會(huì)有和人完全一樣的經(jīng)驗(yàn)（尤其是社會(huì)經(jīng)驗(yàn)），否則它就不是一個(gè)人工智能，而是個(gè)“人造人”了，那是一個(gè)完全不同的領(lǐng)域。這個(gè)前提是如此地顯而易見，以至于通常會(huì)被略過不提，而下面我們恰要以此為分析的起點(diǎn)。
既然人工智能是在某些方面（而非在所有方面）和人類智能相同或相近，那么刻畫這個(gè)概念的關(guān)鍵在于，指明在哪方面“人”和“機(jī)”應(yīng)當(dāng)是一樣或差不多的，而在其他方面是無所謂的。正是對這個(gè)問題的不同回答，造成了人工智能領(lǐng)域中最根本的分歧。
本文把典型的回答劃分為“五大派”：結(jié)構(gòu)派、行為派、能力派、方法派、原則派，并依次加以介紹和分析，尤其是其被支持和反對的理由。
結(jié)構(gòu)派
既然人類智能是人腦的產(chǎn)物，那么似乎“盡可能忠實(shí)地模擬人腦結(jié)構(gòu)”就是實(shí)現(xiàn)人工智能的最可靠途徑了。對神經(jīng)網(wǎng)絡(luò)模型的研究已經(jīng)取得了顯著的進(jìn)展，盡管人腦的巨大復(fù)雜性導(dǎo)致其許多因素在模型中被忽略或簡化了。各種腦模型試圖不僅在細(xì)節(jié)上（如神經(jīng)元及其相互聯(lián)系）而且在大尺度上（如層次和區(qū)域）都忠實(shí)于人腦結(jié)構(gòu)，這方面的例子包括《人工智能的未來》一書作者Jeff Hawkins提出模擬大腦新皮層的HTM模型等。
盡管結(jié)構(gòu)派的理由看上去很有說服力，但在人工智能界只是個(gè)少數(shù)派。除了其復(fù)雜性令人望而卻步之外，這一思路最常被人挑戰(zhàn)的問題是其必要性。人腦作為進(jìn)化的產(chǎn)物，其結(jié)構(gòu)自然會(huì)反映某些歷史的偶然性。作為一個(gè)生物器官，人腦結(jié)構(gòu)的生物性特征對于機(jī)電設(shè)備來說也未必都有被模擬的必要。即使是在神經(jīng)網(wǎng)絡(luò)模型中，人腦也一般只是被用作靈感的源泉，而非設(shè)計(jì)的依據(jù)。
行為派
考慮到計(jì)算機(jī)和人腦在質(zhì)料和結(jié)構(gòu)等方面的本質(zhì)差別，有理由認(rèn)為人工智能只須在外部表現(xiàn)和行為上像人就足夠了。這一派觀點(diǎn)最流行的版本就是“圖靈測試”。為了避免在“思維”等復(fù)雜概念上糾纏不清，Alan Turing建議用一個(gè)直截了當(dāng)?shù)霓k法來判定一臺機(jī)器是否“能思維”：如果它的言語行為和人無法區(qū)分，那它就算是“能思維”了，因?yàn)樗季S的結(jié)果最終總是要體現(xiàn)在行為上的。
雖然圖靈測試廣為人知，但是現(xiàn)有的人工智能研發(fā)很少將通過圖靈測試作為其目標(biāo)。與腦模型的情況相似，“在外部行為上和人一樣”大概有些過于“人類中心主義”了?，F(xiàn)在的計(jì)算機(jī)系統(tǒng)已經(jīng)在很多方面遠(yuǎn)超人類了，難道它們在展現(xiàn)智能時(shí)還硬要在這些地方故意裝得笨些嗎？同理，如果有朝一日外星人真的來造訪地球了，我們總不能用它們在行為上可否與人相區(qū)分來判斷它們是否有智能吧？
能力派
人們通常是以解決難題的能力來衡量他人智力的。依此類推，一種普遍的看法是，把人工智能等同于能解決“以前只有人腦才能解決的問題”的計(jì)算機(jī)。一個(gè)典型的例子就是IBM公司開發(fā)的“深藍(lán)”系統(tǒng)。下棋無疑是需要智力的。既然“深藍(lán)”戰(zhàn)勝了國際象棋世界冠軍，我們大概必須認(rèn)為它有很高的智能。按照這種“不論黑貓白貓，能抓住老鼠就是好貓”的觀念，智能就是解決某些問題的能力，而下棋就是這樣一個(gè)問題，至于計(jì)算機(jī)是不是“像人一樣下棋”是無關(guān)緊要的，只要能贏就行。
這種標(biāo)準(zhǔn)現(xiàn)在仍常常在媒體上被采用，而一些計(jì)算機(jī)的新應(yīng)用也因而被貼上“人工智能”的標(biāo)簽。但這種做法也同時(shí)導(dǎo)致了一個(gè)非常尷尬的后果：一旦某個(gè)問題能通過計(jì)算機(jī)來解決，它就不再是“以前只有人腦才能解決的問題”了。這樣一來，“人工智能”豈不是只能被定義為那些尚未解決的問題，從而成了阿凡提吊在驢鼻子前面那根它永遠(yuǎn)也吃不到的胡蘿卜了？如果我們放寬標(biāo)準(zhǔn)到“曾經(jīng)只有人腦才能解決的問題”，那么四則運(yùn)算也將成為人工智能問題了，如此，這個(gè)領(lǐng)域也未免太過寬泛。這可真是“寬嚴(yán)皆誤”！
方法派
既然只靠問題很難為人工智能劃界，把解決問題的方法也加進(jìn)去怎么樣？這可以說是目前主流學(xué)術(shù)界的態(tài)度。按照這種觀點(diǎn)，“智能”是一組“認(rèn)知功能”的總稱，其中包括表征、搜索、推理、學(xué)習(xí)、規(guī)劃、決策、感知、運(yùn)動(dòng)、通訊等等。每一種認(rèn)知功能可以作為解決某一類問題的方法來獨(dú)立研究，進(jìn)而成為一個(gè)可以獨(dú)立應(yīng)用的人工智能技術(shù)，一般體現(xiàn)為某種算法。
盡管這一派目前在人工智能界占主流地位，但它也有自己的麻煩。最突出的問題就是人工智能的“碎片化”。由于各個(gè)研究領(lǐng)域都想先把自己的問題解決好，再去考慮與別人協(xié)作的問題，其結(jié)果就是各人自掃門前雪，而各種人工智能技術(shù)也因?yàn)樗鼈冊诨炯僭O(shè)上的不相容而難以有效協(xié)作或整合。這就是目前人工智能并無一個(gè)統(tǒng)一理論或技術(shù)的根本原因。
原則派
有些研究者相信，人工智能和其它領(lǐng)域一樣可以被建立在一個(gè)相對簡單的統(tǒng)一基礎(chǔ)之上，而“智能”代表著某種理性原則。在人工智能的早期，Allen Newell和Herbert Simon就曾試圖把“智能”歸結(jié)為“問題求解”，進(jìn)而歸結(jié)為“在狀態(tài)空間中的路徑搜索”。以目前的智能模型為例，在Marcus Hutter的AIXI模型中，智能被定義成“在任意環(huán)境中找到最優(yōu)解的能力”，但這種能力不是可計(jì)算的，各種智能系統(tǒng)只能設(shè)法逼近它。在筆者設(shè)計(jì)的NARS（納思）模型中，智能被定義成“在知識和資源相對不足的條件下的適應(yīng)能力”，據(jù)此設(shè)計(jì)的一個(gè)推理系統(tǒng)目前已在調(diào)試階段。
這一派目前在人工智能界是極少數(shù)，并常被人稱為患了“物理學(xué)嫉妒癥”。大部分人不相信復(fù)雜如“智能”（以及與其密切相關(guān)的“認(rèn)知”、“思維”、“意識”等）現(xiàn)象可以被歸結(jié)為一組基本原則，就如在物理學(xué)中那樣。
研究者們對人工智能的研究目標(biāo)有非常不同的理解，這在業(yè)內(nèi)不是新聞，但外界往往搞不清其中的區(qū)別，所以會(huì)把計(jì)算機(jī)的一個(gè)新應(yīng)用當(dāng)成對思維規(guī)律的研究突破，并因此期待其他領(lǐng)域中的相關(guān)問題也會(huì)很快得到解決。這一問題部分解釋了為什么公眾對人工智能的期望，歷來總是在樂觀和悲觀之間徘徊。
談及對人工智能的不同理解，人們通常的觀點(diǎn)是把它們看作導(dǎo)向同一終點(diǎn)的不同途徑。而本文所要指出的是：嚴(yán)格說來，上面列舉的五派其實(shí)是五個(gè)不同的研究領(lǐng)域，各有其終極目標(biāo)、基本假設(shè)、評價(jià)標(biāo)準(zhǔn)等等。由于歷史原因，它們現(xiàn)在都被叫做“人工智能”，但實(shí)際上不是一回事。它們之間當(dāng)然是有聯(lián)系的，而且在某些時(shí)候的確是“同路人”，但最終仍將分道揚(yáng)鑣，而非殊途同歸。
這個(gè)判斷在很多人看來似乎是太極端了，畢竟大家還是“同根生”，都是以人類智能為師的。有人把各派看作著名的“摸象盲人”，用領(lǐng)導(dǎo)的口氣總結(jié)說：“完整的人工智能將是各種觀點(diǎn)的辯證統(tǒng)一”。不幸的是，這副萬能良藥在這里無濟(jì)于事，因?yàn)樵诰唧w設(shè)計(jì)的問題上，各派的要求常常是相悖的：最“擬人”的方案未必是對計(jì)算機(jī)最合適的，而對某個(gè)具體問題最好的解，也未必是最有一般意義的解。當(dāng)一盤菜無法同時(shí)取悅于幾個(gè)口味完全不同的食客時(shí)，上一個(gè)“拼盤”往往不是好辦法。
這種現(xiàn)象的根本原因是，上面的五派分別對應(yīng)于對人類智能的不同抽象，而上面所列它們各自的次序，則對應(yīng)于抽象程度：結(jié)構(gòu)派最低，原則派最高。
當(dāng)同一個(gè)對象可以在不同的抽象層次上被有效描述時(shí)，不同的描述層次會(huì)呈現(xiàn)不同的圖像。低層描述保留了對象的更多內(nèi)部細(xì)節(jié)，但模糊了其整體特征和外部聯(lián)系，而高層描述則相反。不同的抽象層次就像是不同倍數(shù)的望遠(yuǎn)鏡或顯微鏡鏡頭：不存在哪個(gè)鏡頭“更正確”的問題，但相對于一個(gè)特定問題而言，的確存在哪個(gè)鏡頭“更合適”的問題。當(dāng)我們在談?wù)撊祟愔悄軙r(shí)，這五類描述的確存在內(nèi)在聯(lián)系，但當(dāng)我們試圖在計(jì)算機(jī)上再現(xiàn)這些描述所刻畫的對象或過程時(shí)，那些聯(lián)系就不再是必要的了，而由此得到的各種“人工智能”甚至可能風(fēng)馬牛不相及。
總而言之，在人工智能的旗幟下，不同的人實(shí)際上在干不同的事：有構(gòu)建腦模型的，有模擬人類行為的，有開拓計(jì)算機(jī)應(yīng)用領(lǐng)域的，有設(shè)計(jì)新算法的，有總結(jié)思維規(guī)律的。雖然這些研究都有價(jià)值且有聯(lián)系，但它們不可以彼此替代，而把它們混為一談則容易導(dǎo)致思想混亂。
責(zé)任編輯：吳曉麗
本文由《賽先生》授權(quán)轉(zhuǎn)載，參考文獻(xiàn)已省略。
猜你喜歡
大科技·百科新說(2021年6期)2021-09-12 02:37:27
小學(xué)科學(xué)(學(xué)生版)(2021年7期)2021-07-28 06:44:42
好孩子畫報(bào)(2020年5期)2020-06-27 14:08:05
科技傳播(2019年22期)2020-01-14 03:06:34
意林·全彩Color(2019年6期)2019-07-24 08:13:50
商界(2019年12期)2019-01-03 06:59:05
IT經(jīng)理世界(2018年20期)2018-10-24 02:38:24
消費(fèi)導(dǎo)刊(2017年20期)2018-01-03 06:26:40
小康(2017年16期)2017-06-07 09:00:59
南風(fēng)窗(2016年19期)2016-09-21 16:51:29
