顧凡及

最近人工智能弈棋系統(tǒng)”阿爾法狗”與圍棋棋王李世石的對(duì)弈，引起公眾強(qiáng)烈的興趣和關(guān)注。能夠在紋枰上與人類(lèi)高手一爭(zhēng)勝負(fù)，這是繼打敗國(guó)際象棋世界冠軍之后，人工智能的又一項(xiàng)標(biāo)志性成就。該研究領(lǐng)域幾經(jīng)盛衰，在1990年代中期以后第三次進(jìn)入“新春”，其未來(lái)依然充滿(mǎn)生機(jī)，卻也面臨著挑戰(zhàn)。

2016年3月9日到15日，人工智能弈棋系統(tǒng)“阿爾法狗”（AlphaGo，又稱(chēng)阿爾法圍棋）和韓國(guó)棋王李世石進(jìn)行的5輪圍棋大賽，像磁石吸鐵般吸住了“地球村”里億萬(wàn)雙眼睛。這場(chǎng)比賽之所以萬(wàn)眾矚目，不僅僅因?yàn)橛?jì)算機(jī)贏(yíng)過(guò)國(guó)際象棋的世界冠軍，而現(xiàn)年33歲的李世石曾經(jīng)11次在世界級(jí)圍棋大賽上奪冠，雙方一場(chǎng)廝殺肯定精彩，人們更熱切地想看一看，人工智能究竟達(dá)到了什么樣的水平。行家早有分析，圍棋比較國(guó)際象棋，變數(shù)多得多，難以靠“預(yù)編程”窮舉一切可能走法。1997年當(dāng)計(jì)算機(jī)“深藍(lán)”（Deep Blue）戰(zhàn)勝?lài)?guó)際象棋世界冠軍卡斯帕羅夫之后，美國(guó)《時(shí)代》周刊預(yù)言：“計(jì)算機(jī)要在圍棋上戰(zhàn)勝人類(lèi)，還要再過(guò)100年甚至更長(zhǎng)時(shí)間?！币虼耍藗儼牙钍朗c“阿爾法狗”的角逐，看作人類(lèi)棋手智能如何應(yīng)對(duì)人工智能挑戰(zhàn)的一次檢驗(yàn)。

比賽結(jié)果讓人感慨，大家既敬佩李世石頑強(qiáng)的競(jìng)技意志，也看到了人工智能的巨大優(yōu)勢(shì)，深深認(rèn)識(shí)到人類(lèi)已經(jīng)處于機(jī)器智能的時(shí)代而沒(méi)有退路。聯(lián)想起不久前一些名人如物理學(xué)家霍金（Stephen Hawking）和微軟掌門(mén)人蓋茨（Bill Gates）等警告說(shuō)，人工智能可能擺脫人類(lèi)控制甚至造成人類(lèi)文明毀滅，一種緊迫感油然而生。不管怎么說(shuō)，我們有必要了解人工智能，而當(dāng)今世界也正迎來(lái)人工智能的第三個(gè)春天。

人工智能的兩次“嚴(yán)冬”

雖然在中外的古代神話(huà)和傳說(shuō)中，人們?cè)缇吞岬胶蜕镎婕匐y分的機(jī)器，但對(duì)于機(jī)器是否也能有智能的第一次科學(xué)思考，當(dāng)屬英國(guó)數(shù)學(xué)家圖靈（Alan Turing）。1936年他提出了一種可以實(shí)現(xiàn)各種數(shù)學(xué)計(jì)算和邏輯推理的理淪上的計(jì)算裝置——圖靈機(jī)。1950年他又在一篇論文開(kāi)頭，開(kāi)宗明義地寫(xiě)道：“我提議大家考慮一下‘機(jī)器能不能思維的問(wèn)題。”由于很難對(duì)“思維”加以定義，他提出，如果讓一個(gè)人和一臺(tái)機(jī)器通過(guò)電傳對(duì)話(huà)，要是在對(duì)話(huà)結(jié)束時(shí)人不能區(qū)分對(duì)話(huà)者究竟是人還是機(jī)器，那就只能認(rèn)為對(duì)話(huà)者有智能。此即所謂“圖靈測(cè)試”（Turing test）。一般認(rèn)為，人工智能學(xué)科正式誕生于1956年在達(dá)特茅斯學(xué)院（Dartmouth College）舉行的一次學(xué)術(shù)會(huì)議上，在會(huì)議的倡議書(shū)中寫(xiě)著：“學(xué)習(xí)或智能的任何其他特性在其每個(gè)方面都可精確地加以描述，由此就能用機(jī)器來(lái)模仿。”以后一般把人工智能理解為機(jī)器或者軟件所表現(xiàn)出來(lái)的智能，或指研究如何創(chuàng)造出有智能行為的計(jì)算機(jī)或軟件的學(xué)科領(lǐng)域。

人工智能要實(shí)現(xiàn)的所謂“智能”，包括推理、知識(shí)、計(jì)劃、自然語(yǔ)言處理（通訊）、知覺(jué)和物體操控等，其遠(yuǎn)期目標(biāo)也包括創(chuàng)造有通用智能的機(jī)器。這里的通用智能是指人類(lèi)所有可能的智能。當(dāng)時(shí)的人工智能專(zhuān)家把認(rèn)知過(guò)程當(dāng)作某種符號(hào)處理過(guò)程，以后又發(fā)展到用符號(hào)表示知識(shí)，并把知識(shí)作為智能之基礎(chǔ)。這就是“人工智能的符號(hào)主義思潮”。確實(shí)，他們編制出了能解代數(shù)題、證明邏輯定理和說(shuō)英語(yǔ)的程序。例如，紐厄爾（Allen Newell）和司馬賀（Herbert A.Simon）開(kāi)發(fā)的一個(gè)程序能夠證明羅素（Bertrand Russell）巨著《數(shù)學(xué)原理》一書(shū)頭上52個(gè)定理中的38個(gè)，其中有些證明甚至比當(dāng)時(shí)已知的證明還要簡(jiǎn)潔和巧妙。到1960年代中期，人們對(duì)人工智能充滿(mǎn)樂(lè)觀(guān)，而當(dāng)時(shí)的人工智能也確實(shí)在應(yīng)用符號(hào)處理方法演示人的高級(jí)思維方面取得了令世人印象深刻的成績(jī)。司馬賀預(yù)言：“在今后20年內(nèi)，機(jī)器將做人所能做的任何工作?！鄙踔谅暦Q(chēng)他們的“研究解決了古老的心身問(wèn)題，清楚說(shuō)明了由物質(zhì)構(gòu)成的系統(tǒng)如何會(huì)有心智的種種特性”。

然而到1970年代中期，他們的預(yù)言并未見(jiàn)即將實(shí)現(xiàn)的征兆，連一些原來(lái)認(rèn)為可以輕而易舉實(shí)現(xiàn)的課題都未能做到，令人大失所望。美國(guó)軍方曾對(duì)用人工智能方法自動(dòng)翻譯當(dāng)時(shí)蘇聯(lián)的文獻(xiàn)資料寄予厚望，結(jié)果由于機(jī)器小能理解詞的含義與上下文關(guān)聯(lián)，在譯文中犯了許多令人噴飯的常識(shí)性錯(cuò)誤，比如把“眼不見(jiàn)，心不煩”（Out of sight，out of mind）譯成了“盲白癡（blind idiot）”。這在當(dāng)時(shí)計(jì)算機(jī)運(yùn)算速度和存儲(chǔ)容量極其有限的情況下，很難取得突破。專(zhuān)家評(píng)估認(rèn)為，比起人工翻譯，機(jī)器翻譯代價(jià)既高，又不確切。當(dāng)然，機(jī)器翻譯到今天已大有改觀(guān)，但其中有些問(wèn)題依然未獲解決。在此后若干年（1974-1980年）里，英美政府對(duì)人工智能的撥款大幅減少，這段時(shí)間被稱(chēng)為（第一次）“人工智能的嚴(yán)冬”。

1970年代，由于計(jì)算機(jī)的存儲(chǔ)容量已經(jīng)相當(dāng)大，人工智能研究者開(kāi)始考慮建立知識(shí)庫(kù)的問(wèn)題。美國(guó)計(jì)算機(jī)科學(xué)家費(fèi)根鮑姆（Edward Feigenbaum）首先提出“々家系統(tǒng)”的思路。1980年代初，“專(zhuān)家系統(tǒng)”在商業(yè)上取得成功，人工智能迎來(lái)了第二輪蓬勃發(fā)展的春天。所謂專(zhuān)家系統(tǒng)是一種回答或解決某個(gè)特定領(lǐng)域中問(wèn)題的程序，它運(yùn)用由專(zhuān)家的知識(shí)所建立的邏輯規(guī)則來(lái)解決問(wèn)題。1985年產(chǎn)業(yè)界在人工智能方面的投資超過(guò)了10億美元。另一重大事件是日本政府提出“第5代計(jì)算機(jī)”計(jì)劃，聲稱(chēng)要實(shí)現(xiàn)計(jì)算機(jī)與人對(duì)話(huà)、翻譯、圖片解釋以及像k--樣推理。這也刺激了英美政府重新投資該領(lǐng)域。不過(guò)好景不長(zhǎng)，到1991年此計(jì)劃并未實(shí)現(xiàn)其主要目標(biāo)。專(zhuān)家系統(tǒng)為避免“常識(shí)問(wèn)題”，只能將應(yīng)用局限于范圍很窄的專(zhuān)門(mén)領(lǐng)域；一些原來(lái)成功的專(zhuān)家系統(tǒng)由于不能根據(jù)新獲得的信息進(jìn)行更新，而使得用戶(hù)難于承受維護(hù)成本。這樣在1987-1993年期間，人工智能遇上了第二次“嚴(yán)冬”。

分析人工智能兩度遭遇“嚴(yán)冬”之緣由時(shí)，要看到人工智能在發(fā)展之初以符號(hào)處理為主流，是通過(guò)一步接一步的邏輯推理來(lái)解決問(wèn)題的。紐厄爾和司馬賀曾說(shuō)：“物理符號(hào)系統(tǒng)中有既充分又必要的工具，來(lái)實(shí)現(xiàn)人的各種智能?！笨墒侨说闹悄懿煌耆欠?hào)處理，還包括許多所謂的“亞符號(hào)處理”，人有非?？焖俚闹庇X(jué)判斷。例如，藝術(shù)鑒賞家能夠一眼看出贗品，這不是通過(guò)一步步邏輯推理得到的。在知覺(jué)、模式辨認(rèn)、導(dǎo)航和學(xué)習(xí)等許多方面，也都是如此。這些內(nèi)隱的知識(shí)構(gòu)成了符號(hào)處理的背景知識(shí)。與此相比，傳統(tǒng)人工智能指望僅僅用符號(hào)處理的方法來(lái)解決所有的問(wèn)題，遇到困難就非常自然了。

跟“符號(hào)處理”思潮相應(yīng)，當(dāng)時(shí)對(duì)人工智能的許多問(wèn)題都試圖用搜索一切可能解來(lái)解決，而實(shí)際問(wèn)題中的可能解數(shù)目往往極為龐大，用當(dāng)時(shí)那種性能的計(jì)算機(jī)根本不可能全部搜索，即便使用當(dāng)今速度最快、容量最大的計(jì)算機(jī)都難以做到。因此，要想解決諸如計(jì)算機(jī)對(duì)弈下棋冠軍之類(lèi)的問(wèn)題，不能不另辟蹊徑。另外，知識(shí)表達(dá)和知識(shí)工程在傳統(tǒng)的人工智能研究中起核心作用，但任何常識(shí)性規(guī)則都有大量例外，計(jì)算機(jī)若沒(méi)有足夠快的運(yùn)算速度和足夠大的存儲(chǔ)容量，就無(wú)法勝任海量信息的存儲(chǔ)及在合理時(shí)間內(nèi)的提取。

到1980年代，人們已認(rèn)識(shí)了符號(hào)系統(tǒng)不可能模擬人類(lèi)認(rèn)知的所有過(guò)程，特別是學(xué)習(xí)、創(chuàng)造力以及自傳性記憶，其概括推廣（泛化）能力也很差，因此主要基于符號(hào)處理的傳統(tǒng)人工智能遭遇“嚴(yán)冬”，也不足為怪了。

人工智能的第三個(gè)春天

自1990年代中期以來(lái)，得益于計(jì)算機(jī)技術(shù)的飛速發(fā)展，芯片的特征尺度從1971年的10微米下降到1994年的600納米，人工智能終于迎來(lái)它的第三個(gè)春天，在數(shù)據(jù)挖掘、醫(yī)療診斷等方面取得了許多應(yīng)用成果。這“第三春”的標(biāo)志性事件是1997年5月11日，計(jì)算機(jī)國(guó)際象棋下棋系統(tǒng)“深藍(lán)”戰(zhàn)勝世界國(guó)際象棋冠軍卡斯帕羅夫，宣告了人工智能之“王者歸來(lái)”。

在人工智能領(lǐng)域，除了前述通過(guò)程序編制的符號(hào)處理方法之外，還有通過(guò)信號(hào)元件聯(lián)結(jié)的非符號(hào)處理方法，后者主要指的是神經(jīng)網(wǎng)絡(luò)研究。大體同一時(shí)期，神經(jīng)網(wǎng)絡(luò)研究在經(jīng)受了自身的“兩起兩落”之后，同樣迎來(lái)了第三個(gè)春天，“深度學(xué)習(xí)”（deep learning）成為再度崛起之關(guān)鍵。它是一種多層學(xué)習(xí)算法，在網(wǎng)絡(luò)不同層次上自動(dòng)抽提對(duì)象的不同特征。盡管這一思想早已有之，但層次一多，就要求計(jì)算機(jī)的存儲(chǔ)容量和運(yùn)算速度大大提高。而且為了成功訓(xùn)練數(shù)據(jù)網(wǎng)絡(luò)，要求有海量的訓(xùn)練樣本，給它的樣本越多，它就學(xué)得越好。這些條件在1990年代以前尚不具備。一直到21世紀(jì)才有加拿大計(jì)算機(jī)科學(xué)家勒坎（Yann LeCun）及其前導(dǎo)師欣頓（Geoffrey Hinton）斷言，由于計(jì)算機(jī)技術(shù)的飛速發(fā)展和網(wǎng)上的大量數(shù)字信息，已經(jīng)到了“深度學(xué)習(xí)”可以大展宏圖的時(shí)候。2009年欣頓等人報(bào)道，經(jīng)過(guò)“深度學(xué)習(xí)”訓(xùn)練的神經(jīng)網(wǎng)絡(luò)把語(yǔ)音轉(zhuǎn)化為打印出來(lái)的文字，達(dá)到了很高的準(zhǔn)確率；而采用傳統(tǒng)的基于規(guī)則的方法，長(zhǎng)期以來(lái)進(jìn)展甚微。這立刻引起了智能手機(jī)業(yè)者關(guān)注。此后該方法很快被引入識(shí)別人臉、識(shí)別語(yǔ)音命令、無(wú)人駕駛汽車(chē)乃至戰(zhàn)勝人類(lèi)下棋冠軍等傳統(tǒng)人工智能難以突破的課題中。輸入不同數(shù)據(jù)進(jìn)行訓(xùn)練，就可以解決不同的問(wèn)題。這種概括推廣能力也是傳統(tǒng)人工智能所難以企及的。

“十年磨一劍，霜刃未曾試?！倍鴱男虑晔兰o(jì)之交到今天，人工智能機(jī)已在挑戰(zhàn)人類(lèi)智力和執(zhí)行人類(lèi)智能任務(wù)上取得一連串“驕人戰(zhàn)績(jī)，筆者來(lái)做簡(jiǎn)要介紹。

挑戰(zhàn)人類(lèi)智力的“深藍(lán)”與“沃森”

為何“深藍(lán)”戰(zhàn)勝卡斯帕羅夫會(huì)成為人工智能發(fā)展史上一個(gè)里程碑？其實(shí)，機(jī)器下棋的思想由來(lái)已久。在近代數(shù)字電子計(jì)算機(jī)發(fā)明后3年左右，信息論的奠基人香農(nóng)（Claude Shannon）于1949年提出了“現(xiàn)代弈棋機(jī)”的基本思想。然而，這個(gè)目標(biāo)歷經(jīng)40年都未曾實(shí)現(xiàn)，成了人工智能的“圣杯”。問(wèn)題的一個(gè)關(guān)鍵難點(diǎn)在于，要讓機(jī)器下棋，必須對(duì)每步棋都考慮好以后可能走的若干步，并對(duì)每種走法的“價(jià)值”進(jìn)行評(píng)估。這樣的可能走法，數(shù)量極其巨大，只有運(yùn)算速度和存儲(chǔ)容量足夠大的機(jī)器。才可能實(shí)時(shí)進(jìn)行“搜索”。后來(lái)“深藍(lán)”的總設(shè)計(jì)師許峰雄在1985年開(kāi)始投身這個(gè)領(lǐng)域時(shí)，估計(jì)當(dāng)時(shí)計(jì)算機(jī)的速度得提高1000倍，才有望戰(zhàn)勝世界冠軍。問(wèn)題還不止于此，積累所有下棋高手的“知識(shí)”，建立數(shù)據(jù)庫(kù)和“評(píng)價(jià)函數(shù)”也至關(guān)緊要。

與香農(nóng)提出“現(xiàn)代弈棋機(jī)”事隔近半個(gè)世紀(jì)后，電腦“深藍(lán)”經(jīng)過(guò)6盤(pán)鏖戰(zhàn)終于以3.5比2.5的優(yōu)勢(shì)，戰(zhàn)勝了國(guó)際象棋世界冠軍卡斯帕羅夫?！吧钏{(lán)”的取勝法寶是：有極高的運(yùn)算速度，能在一秒里搜索2億個(gè)棋局，實(shí)時(shí)進(jìn)行30步攻擊性走法的搜索；有一大幫編寫(xiě)程序的專(zhuān)家總結(jié)國(guó)際象棋大師們的經(jīng)驗(yàn)，編寫(xiě)并不斷改進(jìn)對(duì)棋局的“評(píng)估函數(shù)”，還建立了一個(gè)如何開(kāi)局的數(shù)據(jù)庫(kù)?！吧钏{(lán)”下棋時(shí)對(duì)棋局在每一種形勢(shì)下的每一種可能應(yīng)對(duì)下法都進(jìn)行了評(píng)估，從中選取最優(yōu)對(duì)策。一切都是編制程序的專(zhuān)家給它規(guī)定好了的，它只是執(zhí)行而已。

“沃森”（Watson）是2011年1月13日在美國(guó)最受歡迎的知識(shí)競(jìng)賽電視節(jié)目“危險(xiǎn)邊緣”（Jeopardy）的三局比賽中，擊敗該節(jié)目歷史上兩位最成功的選手而最后勝出的超級(jí)電腦。它的存儲(chǔ)器可以存儲(chǔ)2億頁(yè)百科全書(shū)、詞典和報(bào)紙書(shū)刊的內(nèi)容，其處理器功能比普通臺(tái)式計(jì)算機(jī)強(qiáng)2000倍，每秒能處理500G數(shù)據(jù)，也就是相當(dāng)于100萬(wàn)冊(cè)書(shū)的內(nèi)容。它在3秒鐘內(nèi)就能搜索幾千種可能的答案，并對(duì)其中每種用100種不同測(cè)試方法進(jìn)行評(píng)價(jià)。它還用不同的算法來(lái)尋找答案，只有通過(guò)幾種不同算法都得到相同答案，這一答案才被認(rèn)為是最有可能的；而只有當(dāng)最終答案的評(píng)價(jià)值超過(guò)某個(gè)數(shù)值，“沃森”才進(jìn)行答題，否則寧肯不答以免扣分。2011年1月28日，“沃森”甚至跟美國(guó)參議院的兩名議員進(jìn)行了一次競(jìng)賽，其中來(lái)自新澤西州的民主黨參議員霍爾特（Rush D.Holt，Jr.）以前也參加過(guò)“危險(xiǎn)邊緣”搶答，最后仍是“沃森”獲勝?！拔稚痹诟?jìng)賽中也并非無(wú)所不能。比如有這么個(gè)問(wèn)題：“請(qǐng)講出一種語(yǔ)言，這種語(yǔ)言的方言中包括吳語(yǔ)、粵語(yǔ)和客家話(huà)?！碑?dāng)然我們中國(guó)人都知道正確答案為“漢語(yǔ)”，可是“沃森”因?yàn)閺V東話(huà)和粵語(yǔ)的關(guān)聯(lián)度最高，而錯(cuò)將答案當(dāng)成了“廣東話(huà)”，盡管它也將“中文”排在了第二可能的位置。類(lèi)似這樣“可笑的”錯(cuò)誤，“沃森”還犯過(guò)一些。

如果光從行為的角度看，人們很容易誤以為“沃森”有很高智能，它真是無(wú)所不曉，但其實(shí)“沃森”只不過(guò)表現(xiàn)出類(lèi)似智能的行為。美國(guó)哲學(xué)家瑟爾（JohnSearle）聲稱(chēng)，盡管“沃森”表現(xiàn)出驚人的能力，但它和別的計(jì)算機(jī)一樣，只是能夠處理符號(hào)，而不懂得這些符號(hào)的意義。當(dāng)然，像沃森這樣的系統(tǒng)在向人推薦備選方案上還是十分有用的，人們已開(kāi)始在醫(yī)療診斷和金融服務(wù)等方面考慮應(yīng)用這種技術(shù)。

“阿爾法狗”對(duì)局李世石：盡顯人工智能雄風(fēng)

此次谷歌深心公司（Google DeepMind）開(kāi)發(fā)的“阿爾法狗”程序以四勝一負(fù)力挫韓國(guó)棋王李世石，給世人的震動(dòng)是巨大的。比起國(guó)際象棋等其他棋類(lèi)，圍棋的可能棋局?jǐn)?shù)目要多得多。圍棋棋盤(pán)上一共有19×19個(gè)格點(diǎn)，每個(gè)格點(diǎn)都存在有白子、有黑子和沒(méi)有子三種可能，可能的棋局?jǐn)?shù)比已知宇宙中的原子數(shù)還要多。因此，要想通過(guò)窮舉搜索的辦法來(lái)找出最佳棋著，那是不現(xiàn)實(shí)的。頂尖的人類(lèi)棋手往往憑直覺(jué)進(jìn)行判斷，計(jì)算機(jī)敢跟人類(lèi)圍棋冠軍比試直覺(jué)嗎？問(wèn)題很自然地引來(lái)公眾關(guān)注。其實(shí)“阿爾法狗”在2015年10月就以5：0擊敗歐洲圍棋冠軍、二段職業(yè)棋手樊麾。不過(guò)當(dāng)2016年1月27日宣布此“狗”要和李世石對(duì)戰(zhàn)5盤(pán)時(shí)，許多人對(duì)人工智能是否贏(yíng)得了李世石依然持懷疑態(tài)度，李世石自己也是信心滿(mǎn)滿(mǎn)，可是在賽后李世石說(shuō)：“我承認(rèn)這使我震驚，我事先沒(méi)有想到過(guò)我會(huì)輸，沒(méi)能預(yù)料到‘阿爾法狗會(huì)下得如此棒?！?/p>

值得注意的一點(diǎn)是，從方法層面講，深心的“阿爾法狗”和“深藍(lán)”或者“沃森”有很大不同。后者從一開(kāi)始就把程序編制得用于下國(guó)際象棋或是知識(shí)競(jìng)賽搶答，其思想基本上屬于符號(hào)處理之范疇。深心方面聲稱(chēng)，他們的系統(tǒng)并非預(yù)編程的，而是通過(guò)學(xué)習(xí)積累經(jīng)驗(yàn)。對(duì)于下圍棋來(lái)說(shuō)，首先通過(guò)“深度學(xué)習(xí)”，學(xué)習(xí)圍棋高手的3000萬(wàn)個(gè)棋局，知道什么樣的棋局好、什么樣的棋局不好；然后不斷地下棋，特別是和自己對(duì)弈，這樣就會(huì)下出一些前人從來(lái)沒(méi)有下過(guò)的新招，通過(guò)強(qiáng)化學(xué)習(xí)，只選取那些妙著而淘汰昏著；最后，這一系統(tǒng)還對(duì)自己的每一手都采用樹(shù)形搜索，估算此手能取勝的概率。要知道這個(gè)系統(tǒng)一天之內(nèi)能夠下上百萬(wàn)盤(pán)棋，這是再勤奮的人類(lèi)棋手也不可能做到的。谷歌深心團(tuán)隊(duì)拿其他的計(jì)算機(jī)圍棋程序來(lái)試刀，500次中勝了499次。樊麾在自己和“阿爾法狗”的5番棋賽后感嘆道：“如果沒(méi)有人事先告訴我的話(huà)，我可能會(huì)覺(jué)得對(duì)手只是稍微有點(diǎn)怪，但我會(huì)覺(jué)得這是一位非常強(qiáng)大的對(duì)手。以為這是一個(gè)真人?！狈膺€感嘆自己在下棋時(shí)會(huì)有情緒波動(dòng)，而對(duì)手則毫無(wú)情緒可言。韓國(guó)的頂尖高手李昌鎬因情緒穩(wěn)定被稱(chēng)為“石佛”，樊麾感嘆“阿爾法狗”才是真正的石佛！

經(jīng)過(guò)前而連續(xù)3局負(fù)于“阿爾法狗”之后，李世石在3月13日的第4次對(duì)弈中苦戰(zhàn)5小時(shí)，終于迎來(lái)了第一場(chǎng)勝利。不僅現(xiàn)場(chǎng)觀(guān)眾而且在電視機(jī)前的我們都沸騰了——總算有一次人們看到，“阿爾法狗”是有弱點(diǎn)的。下這一盤(pán)和前兩盤(pán)相似，李世石每落一子所花時(shí)間比對(duì)手多，不過(guò)他下得比前幾盤(pán)好，也更沉著。到第78手時(shí)李世石在棋盤(pán)中央打入一個(gè)“挖”使局面變得極度復(fù)雜?！鞍柗ü贰睕](méi)能算到人類(lèi)棋手竟然會(huì)下出這樣一手，以致“方寸大亂”犯了一個(gè)錯(cuò)誤，導(dǎo)致其在10手之后勝率大降。最后當(dāng)它計(jì)算自己的勝率已不足20%時(shí)，按照設(shè)定的閾值非?！凹澥匡L(fēng)度”地投子認(rèn)輸。不過(guò)李世石贏(yíng)得也不輕松，時(shí)間不足一直困擾著他，有一次甚至僅僅在到時(shí)間之前幾毫秒才下子。對(duì)于“阿爾法狗”的這場(chǎng)失利，其主要開(kāi)發(fā)者哈薩比斯（Demis Hassabis）是這樣說(shuō)的：“這一次輸?shù)舯荣?，證明‘阿爾法狗的選擇和判斷出了問(wèn)題。我們不確定發(fā)牛了什么，我們回劍英國(guó)會(huì)分析數(shù)據(jù)的。”不過(guò)李世石的勝利也只維持了這么一局。在3月15日的最后一戰(zhàn)中雙方都下得很閃猛，進(jìn)行到3個(gè)半小時(shí)李世石再次遇到時(shí)間不夠的麻煩，“阿爾法狗”又下出幾個(gè)奇著，是它從大量對(duì)弈I{I學(xué)會(huì)的。弈劍4個(gè)半小時(shí)雙方依然難分伯仲，一直到戰(zhàn)滿(mǎn)5個(gè)小時(shí)李世石才微露敗象而推枰認(rèn)負(fù)?？紤]到李世石實(shí)際上是在和全世界的圍棋高手對(duì)抗，他雖敗猶榮。

“阿爾法狗”系統(tǒng)是通過(guò)經(jīng)驗(yàn)來(lái)學(xué)習(xí)的。小僅能用它下圍棋，還可用來(lái)玩其他的游戲。事實(shí)上，起初研發(fā)這一系統(tǒng)就是用于學(xué)習(xí)玩電子游戲的，它學(xué)會(huì)了玩“空間入侵者”（Space Invaders）等49種電子游戲，在絕大多數(shù)情況下都贏(yíng)了人類(lèi)玩家?，F(xiàn)在，人們還期望把類(lèi)似的技術(shù)用到需要識(shí)別復(fù)雜模式、做長(zhǎng)遠(yuǎn)計(jì)劃和決策的場(chǎng)合，例如根據(jù)醫(yī)學(xué)圖像進(jìn)行診斷或制訂治療計(jì)劃。不過(guò)，這離開(kāi)真正實(shí)現(xiàn)人工通用智能的口標(biāo)還路途遙遠(yuǎn)?！鞍柗ü贰毕到y(tǒng)要能工作，還依賴(lài)于它通過(guò)因特網(wǎng)跟谷歌數(shù)據(jù)中心巨大的計(jì)算機(jī)網(wǎng)絡(luò)聯(lián)系，它所用的深度神經(jīng)網(wǎng)絡(luò)需要在這樣的網(wǎng)上運(yùn)行，在這個(gè)網(wǎng)中有170個(gè)圖形處理器（GPU）和1200個(gè)標(biāo)準(zhǔn)的中央處理器（CPU）。因此有人開(kāi)玩笑說(shuō)，要戰(zhàn)勝“阿爾法狗”系統(tǒng)其實(shí)也簡(jiǎn)單，只消一把剪刀就行——把它的連線(xiàn)剪斷。

進(jìn)軍無(wú)人駕駛汽車(chē)領(lǐng)域

毫無(wú)疑問(wèn)，搞人工智能研究的主要目的不是玩游戲，而是產(chǎn)生應(yīng)用效益。一輛汽車(chē)能否不要司機(jī)駕駛，自己接收路況信息，識(shí)別路徑和障礙物，按照自己所在的位置不斷更新地圖，分析路面情況并安全行駛呢？這樣的應(yīng)用問(wèn)題不是僅僅通過(guò)符號(hào)處理就能夠解決的。最近，無(wú)人駕駛汽車(chē)上路的消息引起了公眾極大的興趣。

2014年，谷歌開(kāi)發(fā)出一款既無(wú)方向盤(pán)又無(wú)踏板的原型車(chē)，計(jì)劃于2020年正式推出。現(xiàn)在谷歌已在許多型號(hào)的車(chē)上安裝了自己的無(wú)人駕駛系統(tǒng)。我國(guó)百度亦在推出自己的無(wú)人駕駛系統(tǒng)。谷歌系統(tǒng)在車(chē)頂上安置了激光器，由此產(chǎn)生其周?chē)h(huán)境的3D圖，并把它和高分辨率的地圖進(jìn)行比較。它也是采用“深度學(xué)習(xí)”的方法，通過(guò)學(xué)習(xí)積累經(jīng)驗(yàn)的，事實(shí)上它每周都要上路行駛1.6萬(wàn)公里，每天在駕駛仿真機(jī)上模擬駕駛160萬(wàn)公里。和人不同，一臺(tái)自動(dòng)駕駛系統(tǒng)所學(xué)到的經(jīng)驗(yàn)可以立刻復(fù)制到所有的系統(tǒng)，這樣就使系統(tǒng)進(jìn)步更快。

到2015年6月為止，谷歌的無(wú)人駕駛車(chē)的行駛里程已超過(guò)1600萬(wàn)公里，相當(dāng)于典型的美國(guó)司機(jī)75年的行程，行駛過(guò)程中碰到過(guò)20萬(wàn)個(gè)停車(chē)符號(hào)、60萬(wàn)個(gè)交通燈和1。8億輛別的車(chē)。到2015年7月為止，谷歌的23輛無(wú)人駕駛車(chē)在公路上發(fā)生過(guò)14次碰撞，不過(guò)谷歌方面堅(jiān)稱(chēng)這都不是無(wú)人駕駛車(chē)本身的錯(cuò)，因?yàn)榘l(fā)生碰撞時(shí)不是正由人在駕駛，就是對(duì)方應(yīng)該負(fù)全責(zé)。2015年7月，三名谷歌雇員搭乘一輛無(wú)人駕駛車(chē)時(shí)受了點(diǎn)輕傷，這是無(wú)人駕駛車(chē)上路以來(lái)第一次有人受傷。不過(guò)，這也是由于后面的車(chē)沒(méi)有在交通燈翻紅時(shí)及時(shí)剎車(chē)造成的。到2016年2月14日，沒(méi)錯(cuò)的記錄被打破了。有一輛谷歌無(wú)人駕駛車(chē)在加利福尼亞和一輛公交車(chē)相撞。當(dāng)時(shí)車(chē)正以每小時(shí)3公里的速度在路右側(cè)行駛并準(zhǔn)備右轉(zhuǎn)，為了躲避前面暴雨排水管周?chē)胖玫纳炒?，它在開(kāi)始右轉(zhuǎn)之后又轉(zhuǎn)回路中央。這時(shí)正好后面有一輛公交車(chē)以每小時(shí)24公里的速度駛來(lái)，于是撞到了其左側(cè)。當(dāng)時(shí)坐在車(chē)?yán)锏呐泷{說(shuō)，他以為公交車(chē)會(huì)減速，所以未采取任何措施，而公交車(chē)司機(jī)很可能也以為谷歌無(wú)人駕駛車(chē)會(huì)避讓?zhuān)@種由于兩不通氣造成的碰擦事故經(jīng)常會(huì)發(fā)生。不過(guò)谷歌還是承認(rèn)：“在這一事故中，我們顯然也負(fù)有某些責(zé)任，因?yàn)橐皇俏覀兊能?chē)轉(zhuǎn)來(lái)轉(zhuǎn)去，就不會(huì)發(fā)生碰撞。”目前谷歌正在改進(jìn)其無(wú)人駕駛算法。他們說(shuō)道：“今后我們的無(wú)人駕駛車(chē)會(huì)更深刻地認(rèn)識(shí)公交車(chē)（和其他大型車(chē)輛）不會(huì)像其他類(lèi)型的車(chē)輛那樣避讓我們，我們希望在今后能更好地處理此類(lèi)情況?！本驮谑鹿拾l(fā)生的4天前，美國(guó)國(guó)家公路交通安傘局剛通知谷歌，非常可能對(duì)他們的無(wú)人駕駛計(jì)算機(jī)和人類(lèi)司機(jī)一視同仁。這次事故對(duì)他們是一個(gè)打擊。

除此之外，谷歌的無(wú)人駕駛車(chē)也還存在很多其他問(wèn)題。例如到2014年8月底為止，其最新的原型車(chē)還沒(méi)有在暴雨或大雪天試過(guò)。它也認(rèn)不出警官要它停車(chē)的手勢(shì)。不過(guò)谷歌方面說(shuō)，這些問(wèn)題都可以在2020年之前得到解決。盡管如此，無(wú)人駕駛車(chē)的前景還是被普遍看好，因人類(lèi)司機(jī)分心、疲勞以及野蠻開(kāi)車(chē)和反應(yīng)不及所造成的車(chē)禍可望大幅減少，也會(huì)把司機(jī)從開(kāi)車(chē)的緊張中解放出來(lái)。無(wú)人駕駛車(chē)還有其他許多潛在的好處，這里不一一列舉了。

展望與評(píng)述

人工智能還在繼續(xù)發(fā)展。今天，人工智能的應(yīng)用已深入到各行各業(yè)，如機(jī)器翻譯、數(shù)據(jù)挖掘、工業(yè)機(jī)器人、語(yǔ)音識(shí)別、銀行軟件、醫(yī)療診斷和搜索引擎等，雖然它們往往并不冠以人工智能的標(biāo)簽。這些應(yīng)用已深刻改變r(jià)我們生活的面貌。2016年將要發(fā)布的新的國(guó)際半導(dǎo)體技術(shù)路線(xiàn)圖，第一次把其計(jì)劃的重點(diǎn)從按照摩爾定律使芯片的能力每?jī)赡攴环臑槿斯ぶ悄艿姆N種應(yīng)用——“量體裁衣”地進(jìn)行器件設(shè)計(jì)。

另一方面，人工智能的發(fā)展也會(huì)給人類(lèi)社會(huì)帶來(lái)一些前所未有的挑戰(zhàn)。例如，人工智能會(huì)取代企業(yè)員工的許多工作崗位。這樣的問(wèn)題應(yīng)在經(jīng)濟(jì)社會(huì)發(fā)展的前提下加以解決。歷史的發(fā)展已經(jīng)表明，想靠禁止先進(jìn)技術(shù)來(lái)維持舊秩序只能是死路一條。人工智能的軍事應(yīng)用確實(shí)有使戰(zhàn)爭(zhēng)變得更為殘酷的風(fēng)險(xiǎn)。是否有必要爭(zhēng)取禁止人工智能武器？這應(yīng)當(dāng)引起世人注意，而事實(shí)上當(dāng)前已經(jīng)有一些科學(xué)家在呼吁這樣做了。

包括人工智能的軍事應(yīng)用在內(nèi)，人們對(duì)人t智能的發(fā)展途徑以及未來(lái)可能產(chǎn)生的重大影響，抱有眾多設(shè)想和疑慮，筆者僅圍繞其中兩個(gè)問(wèn)題做一些評(píng)述。

人工智能的長(zhǎng)遠(yuǎn)目標(biāo)

對(duì)于人工智能的長(zhǎng)遠(yuǎn)發(fā)展來(lái)說(shuō)，值得考慮的是怎樣去實(shí)現(xiàn)：（1）社會(huì)智能；（2）創(chuàng)造性；（3）通用智能（general intelligence）。

人工智能將面臨如何跟其他智能體（intelligent agent）打交道的問(wèn)題，所謂智能體是對(duì)包括人、社會(huì)組織、人工智能等的一切有智能的系統(tǒng)之統(tǒng)稱(chēng)。人工智能機(jī)為了和其他智能體打交道，必須能夠識(shí)別其他智能體的動(dòng)機(jī)和情緒狀態(tài)，從而預(yù)測(cè)對(duì)方將要采取的動(dòng)作；可能還得有表情，即使它沒(méi)有實(shí)際的體驗(yàn)。

許多人認(rèn)為人工智能的終極目標(biāo)是創(chuàng)造有通用智能的機(jī)器，也就是說(shuō)，能實(shí)現(xiàn)人類(lèi)所可能具有的任何智能，這被稱(chēng)為人工通用智能（artificial general intelligence，AGI）或強(qiáng)人工智能（strong AI）；而目前的人工智能都只限于智能的某個(gè)特定方面，如下棋或問(wèn)題搶答，叫做“窄人工智能（narrow AI）”或“弱人工智能（weak AI）”。以筆者管見(jiàn)，我們現(xiàn)在甚至還不能把人類(lèi)所可能具有的任何智能羅列清楚，現(xiàn)在就來(lái)預(yù)測(cè)何時(shí)實(shí)現(xiàn)人工通用智能，還為時(shí)過(guò)早。在可預(yù)見(jiàn)的未來(lái)，還只能用機(jī)器實(shí)現(xiàn)人類(lèi)智能的某個(gè)特定方面，盡管這些方面的范圍在不斷擴(kuò)大。

為了實(shí)現(xiàn)這些長(zhǎng)遠(yuǎn)目標(biāo)，人工智能在方法上也要有根本性改變，不能局限于符號(hào)處理，也需要通過(guò)學(xué)習(xí)積累經(jīng)驗(yàn)。在這方面，“深度學(xué)習(xí)”無(wú)疑是一大突破。不過(guò)在目前，“深度學(xué)習(xí)”的適用范圍還不夠廣'而為了解決另一類(lèi)問(wèn)題，就得從頭學(xué)起，還不能像人類(lèi)那樣觸類(lèi)旁通。智能機(jī)器也不能只限于被動(dòng)接受信息輸入，而應(yīng)該讓其主動(dòng)和環(huán)境打交道。它還必須采用把“自上而下”和“自下而上”結(jié)合起來(lái)的方法。這種人工智能被稱(chēng)為“新智能”（nouvelIe AI）。未來(lái)的智能系統(tǒng)會(huì)是某種多級(jí)控制系統(tǒng)，它需要有亞符號(hào)人工智能作為其低級(jí)層次，而把符號(hào)處理作為高級(jí)層次。

“奇點(diǎn)”問(wèn)題

現(xiàn)在有不少人擔(dān)心，某天會(huì)開(kāi)發(fā)出能夠不斷自我完善的人工通用智能，他們把這一天稱(chēng)為“奇點(diǎn)”。到那時(shí)，人工智能會(huì)進(jìn)入一種正反饋狀態(tài)，使其智能發(fā)生指數(shù)式增長(zhǎng)并大大超越人的智能。結(jié)果，人工智能將擺脫人的控制，而從根本上改變甚至消滅人類(lèi)文明。許多媒體報(bào)道也為此推波助瀾。這種對(duì)人工智能的過(guò)度夸張，有可能成為人工智能面臨第三次“嚴(yán)冬”之前兆。

從本文前面對(duì)人工智能發(fā)展歷程的簡(jiǎn)要考察可以看到，人工智能所取得的成就，并不是由于革命性的科學(xué)范式轉(zhuǎn)換，而主要靠的是計(jì)算機(jī)技術(shù)的飛速發(fā)展，首先是半個(gè)世紀(jì)以來(lái)運(yùn)算速度和存儲(chǔ)容量的指數(shù)式增長(zhǎng)。從原理上講，人們?cè)缇陀辛讼缕鍣C(jī)的思想，1951年斯特雷奇（Christopher Strachey）首先教計(jì)算機(jī)馬克1號(hào)（Ferranti Mark 1）學(xué)下國(guó)際象棋，不過(guò)“深藍(lán)”計(jì)算機(jī)的速度與之相比提高了1000萬(wàn)倍。在這之后，計(jì)算機(jī)的運(yùn)算速度和存儲(chǔ)容量以每一年半翻一番的速度繼續(xù)增長(zhǎng)，這就是所謂的“摩爾定律”?！捌纥c(diǎn)論”或與此類(lèi)似的觀(guān)點(diǎn)，正是根據(jù)摩爾定律來(lái)預(yù)測(cè)人工智能會(huì)在何時(shí)超過(guò)人腦。例如美國(guó)計(jì)算機(jī)科學(xué)家和未來(lái)學(xué)家?guī)炱濏f爾（Ray Kurzweil）根據(jù)摩爾定律計(jì)算出，臺(tái)式機(jī)將在2029年具有和人腦同樣的信息處理能力。并預(yù)言奇點(diǎn)將在2045年到來(lái)。

然而，摩爾定律不是一條自然定律，它只是對(duì)最近半個(gè)世紀(jì)以來(lái)集成電路集成度發(fā)展數(shù)據(jù)的經(jīng)驗(yàn)總結(jié)。這一規(guī)律不能無(wú)限外推。摩爾定律的提出者摩爾（Gordon E.Moore）本人在2015年就指出：“我認(rèn)為摩爾定律到了下一個(gè)十年左右就會(huì)不再成立。”2015年英特爾公司估計(jì)，從2012年開(kāi)始的若干年內(nèi)，其芯片存儲(chǔ)容量翻番的速度將延緩到每?jī)赡臧敕环?，以后還會(huì)繼續(xù)放慢速度。這是因?yàn)榘雽?dǎo)體集成電路芯片的特征尺度已經(jīng)從1971年的10微米減少到2014年的10納米，預(yù)計(jì)到2021年將進(jìn)一步減少到5納米，也就是說(shuō)只有一二十個(gè)原子的大小。再要進(jìn)一步減小，散熱會(huì)成為大問(wèn)題而使芯片停止工作。此外在這種尺度下，電子運(yùn)動(dòng)將服從量子規(guī)律，可靠性也成了大問(wèn)題。既然如此，按照摩爾定律進(jìn)行無(wú)限外推，預(yù)言人工智能何時(shí)全面超越人腦，就成了空中樓閣。雖然人們也把改進(jìn)人工智能的希望寄托在其他新技術(shù)上，但這些技術(shù)還不像半導(dǎo)體技術(shù)那么成熟，要對(duì)它們做精確預(yù)測(cè)是困難的。

目前有許多媒體和公眾把機(jī)器在跟棋手的對(duì)抗中勝出，說(shuō)成是機(jī)器勝、人類(lèi)敗。這種說(shuō)法至少在目前是沒(méi)有道理的。誠(chéng)如許峰雄和哈薩比斯所言，其實(shí)這種比賽的結(jié)果，要不就是棋手贏(yíng)、要不就是作為人工智能開(kāi)發(fā)者的科技人員贏(yíng)，歸根到底都是人類(lèi)的勝利。