◎黃福壽

人是機器

十八世紀法國啟蒙思想家、哲學家拉美特利 （Julien Offroy De La Mettrie，1709-1751年），他根據(jù)對自己病情的觀察，獲得這樣的信念：人的精神活動決定于人的機體組織；思想只不過是大腦中機械活動的結(jié)果，當體力上變得更虛弱時，精神功能也會衰退。1745年，他以此為主題寫成《心靈的自然史》一書。1747年，拉美特利又進一步發(fā)表他最著名的、影響最大的著作《人是機器》。

拉美特利從物質(zhì)具有運動力和創(chuàng)造力的基本觀點出發(fā)，批判地繼承了R.笛卡爾 （Rene Descartes，1596-1650年）的 “動物是機器”的思想，進一步得出“人是機器”的結(jié)論。拉美特利肯定笛卡爾以物質(zhì)的原因說明動物的觀點，但不同意笛卡爾把動物看成是沒有感覺能力的簡單的自動機。他主張用有感覺、有精神的、活的機器這一新概念來說明人，認為人的身體狀況毫無例外地決定人的心靈狀況，人的機體組織則是類似鐘表那樣純粹由物質(zhì)的機械規(guī)律支配的自動機。

拉美特利運用當時醫(yī)學、生理學和解剖學的大量科學材料，論證人的心靈對人的機體組織特別是對人腦的依賴關系。比笛卡爾更進一步的地方在于，他把大腦看作精神或心靈的所在地。在他看來，外界對象刺激感覺器官中的神經(jīng)，由神經(jīng)腔中一種精細的物質(zhì) “無精”將運動傳入大腦，達到感覺中樞，感覺心靈在這里接受各種感覺。感覺能力是記憶、反省、想象、情感、判斷、意志等心靈的其他各種活動的基礎，腦部一旦出現(xiàn)了毛病，腦子和感官之間的通道被堵塞，心靈的一切活動就會停止。

《人是機器》這個隱喻主要指人類的多數(shù)行為都是自動反應的結(jié)果，不需要我們進行思考，也很難受我們控制。 “……每一個肢體，都按照它的不同的需要，在它本身里面包括著一些活潑程度不同的機括。……一切生命的、動物的、自然的和機械的運動，都是這些機括的作用所造成的。突然面臨一個萬丈懸崖，不是大吃一驚，身體機械地向后退縮么？像上面所說的，一棒打下來，眼皮不是機械地閉起來么？瞳孔不是機械地在日光下收縮以保護網(wǎng)膜，在黑暗里放大以觀看事物么？冬天我們身上的毛孔不是機械地閉起來，使寒氣不能侵入內(nèi)部么？”拉美特利列舉的這些本能的生理反應可以說完全是自動運作的，差不多每個人都有同樣的機制，遇到類似的情況都會下意識地、不由自主地做出反應。手機提示音總能成功地干擾處于非心流狀態(tài)的人，那么，最好的避免干擾的辦法就是在工作時關閉提示音，對于機械的、自動的反應，我們最好從源頭施加控制。

在《人是機器》的隱喻中，既包括這些本能的生理反應，也包括那些習慣化的自動反應。這些習慣化的自動反應，有的是外在刺激激發(fā)，有的是內(nèi)在欲望驅(qū)動。我們對這些反應通常也是缺乏控制力的，至少，我們不能憑借意志直接去管控這些反應，而要采取一些迂回的手段。這就好比我們要改變電器的功能，直接發(fā)布命令沒有用，要先修改電路。

總之，將人比作機器，盡管有點簡單化，但有利于我們還原真相，發(fā)現(xiàn)我們自身存在的真正問題，有利于我們運用類似計算機、網(wǎng)絡運算程序的策略組合進行自我提升，即為 “機器擬人”提供了思想通道，因為人不過是一臺有靈魂的機器而已，為什么我們認為人可以有智能而普通機器就不能呢？

機器擬人

從思想史角度看，“人是機器”思想提出后，近300年來一直推動著人類對 “人-機關系”的思考和探索。

隨著電子計算機的發(fā)展，技術(shù)已最終可以創(chuàng)造出機器智能?！叭斯ぶ悄堋盇I（Artificial Intelligence）一詞最初是在1956年達特茅斯 （Dartmouth）學會上提出的，從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之擴展，盡管人工智能 （機器智能）的發(fā)展比預想的要慢，但一直在前進，從70年前出現(xiàn)至今，已經(jīng)出現(xiàn)了許多AI程序，并且它們也影響到了其它技術(shù)的發(fā)展。

雖然計算機為AI提供了必要的技術(shù)基礎，但直到上世紀50年代早期人們才注意到人類智能與機器之間的聯(lián)系。諾伯特·維納 （Norbert Wiener，1894-1964），是最早研究反饋理論的美國人之一。維納從理論上指出，所有的智能活動都是反饋機制的結(jié)果。而反饋機制是有可能用機器模擬的。這項發(fā)現(xiàn)對早期AI的發(fā)展影響很大。

1955年末，艾倫·紐厄爾 （Allen Newell，1927-1992年）和赫伯特·西蒙 （Herbert A.Simon，1916-2001年），做了一個名為 “邏輯專家”（Logic Theorist）的程序。這個程序被許多人認為是第一個AI程序。它將每個問題都表示成一個樹形模型，然后選擇最可能得到正確結(jié)論的那一枝來求解問題。 “邏輯專家”對公眾和AI研究領域產(chǎn)生的影響使它成為AI發(fā)展中一個重要的里程碑。1956年，被認為是人工智能之父的約翰·麥卡錫 （John McCarthy，1927-2011年）組織了一次學會，將許多對機器智能感興趣的專家學者聚集在一起進行了一個月的討論。他請他們到美國佛蒙特州參加 “達特茅斯 （Dartmouth）人工智能夏季研究會”。從那時起，這個領域被命名為 “人工智能”。雖然達特茅斯 （Dartmouth）學會不是非常成功，但它確實集中了AI的創(chuàng)立者們，并為以后的AI研究奠定了基礎。

達特茅斯 （Dartmouth）會議后的7年中，AI研究開始快速發(fā)展。雖然這個領域還沒明確定義，會議中的一些思想已被重新考慮和使用了。美國卡耐基梅隆大學 （Carnegie Mellon University）和麻省理工學院 （MIT）開始組建AI研究中心。研究面臨的新的挑戰(zhàn)：下一步需要建立能夠更有效解決問題的系統(tǒng)，例如在 “邏輯專家”中減少搜索；還有就是建立可以自我學習的系統(tǒng)。

1957年一個新程序，“通用解題機” （GPS）的第一個版本進行了測試。這個程序是由制作“邏輯專家”的同一個組開發(fā)的。GPS擴展了維納的反饋原理，可以解決很多常識問題。兩年以后，IBM成立了一個AI研究組，花3年時間制作了一個解幾何定理的程序。

當越來越多的程序涌現(xiàn)時，麥卡錫正忙于一個AI史上的突破。1958年麥卡錫宣布了他的新成果：LISP語言。LISP到今天還在用?！癓ISP”的意思是 “表處理”（List Processing），它很快就為大多數(shù)AI開發(fā)者采納。

1963年麻省理工學院從美國政府得到一筆220萬美元的資助，用于研究機器輔助識別。這筆資助來自國防部高級研究計劃署 （ARPA），保證了美國在技術(shù)進步上領先于蘇聯(lián)。這個計劃吸引了來自全世界的計算機科學家，加快了AI研究的發(fā)展步伐。

以人類的智慧創(chuàng)造出堪與人類大腦相平行的機器腦 （人工智能），對人類來說是一個極具誘惑的領域，人類為了實現(xiàn)這一夢想已經(jīng)奮斗了很多個年頭了。而從一個語言研究者的角度來看，要讓機器與人之間自由交流那是相當困難的，甚至可能會是一個永無答案的問題。人類的語言，人類的智能是如此的復雜，以至于我們的研究還并未觸及其導向本質(zhì)的外延部分的邊沿。

以后幾年出現(xiàn)了大量程序。其中一個叫第二代自然語言理解系統(tǒng) “SHRDLU”?！癝HRDLU”是 “微型世界”項目的一部分，包括在微型世界（例如只有有限數(shù)量的幾何形體）中的研究與編程。在麻省理工學院由馬文·明斯基 （Marvin Lee Minsky，1927-2016年）領導的研究人員發(fā)現(xiàn)，面對小規(guī)模的對象，計算機程序可以解決空間和邏輯問題。其它如在60年代末出現(xiàn)的 “Student”可以解決代數(shù)問題，“Sir”可以理解簡單的英語句子。這些程序的結(jié)果對處理語言理解和邏輯有所幫助。

70年代另一個進展是專家系統(tǒng)。專家系統(tǒng)可以預測在一定條件下某種解的概率。由于當時計算機已有巨大容量，專家系統(tǒng)有可能從數(shù)據(jù)中得出規(guī)律。專家系統(tǒng)的市場應用很廣。十年間，專家系統(tǒng)被用于股市預測，幫助醫(yī)生診斷疾病，以及指示礦工確定礦藏位置等。這一切都因為專家系統(tǒng)存儲規(guī)律和信息的能力而成為可能。

70年代許多新方法被用于AI開發(fā)，如明斯基的構(gòu)造理論。另外大衛(wèi)·馬爾 （David Marr，1945-1980年）提出了機器視覺方面的新理論，例如，如何通過一副圖像的陰影、形狀、顏色、邊界和紋理等基本信息辨別圖像。通過分析這些信息，可以推斷出圖像可能是什么。同時期另一項成果是Prologe語言，于1972年提出。80年代期間，AI前進更為迅速，并更多地進入商業(yè)領域。1986年，美國AI相關軟硬件銷售高達4.25億美元。專家系統(tǒng)因其效用尤受需求，像數(shù)字電氣公司這樣的公司用XCON專家系統(tǒng)為VAX大型機編程。杜邦、通用汽車公司和波音公司也大量依賴專家系統(tǒng)。為滿足計算機專家的需要，一些生產(chǎn)專家系統(tǒng)輔助制作軟件的公司，如技術(shù)知識公司 （Teknowledge Corp）和軟件公司 （Intelli Corp）成立了。同時，為了查找和改正現(xiàn)有專家系統(tǒng)中的錯誤，又有另外一些專家系統(tǒng)被設計出來。

在人類歷史的長河中，人工智能 （AI）是個貨真價實、朝氣蓬勃的青年人。人工智能包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作，即 “機器模擬人類智能”，不過到了70年代，人工智能陷入了低谷。到了80年代，機器學習這個原本處于人工智能邊緣地區(qū)的分支一下子成為了人們關注的焦點。而到了90年代，人與機之爭使得人工智能進入了大眾的視野。1997年，IBM的深藍戰(zhàn)勝國際象棋世界冠軍卡斯帕羅夫；2009年，洛桑聯(lián)邦理工學院發(fā)起的藍腦計劃聲稱已經(jīng)成功地模擬了部分鼠腦；以及大獲全勝的AlphaGo圍棋大戰(zhàn)。如今全球人工智能界迎來了第三次浪潮。這一次，隨著過去有監(jiān)督深度學習算法的理論研究和工程化的成熟，以及硬件計算能力的大幅提升和成本的飛速降低，在云計算、大數(shù)據(jù)和移動互聯(lián)網(wǎng)的融合推動下，人工智能在模擬人類智能的很多方面都有了突破性進展。

人機之爭

目前人工智能處在大發(fā)展時期，各個主要大國和大公司都投入巨資研究和開發(fā)人工智能。歐盟委員會將在未來十年內(nèi)拿出10億美元支撐歐盟 “人腦計劃”研究。而隨著近年來國內(nèi)業(yè)界的不斷推動，人工智能在 “十三五”規(guī)劃首年被納入到中國國家戰(zhàn)略發(fā)展層面。2017年7月，中國政府印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，急切地表達了中國政府緊追世界頂尖技術(shù)、搶抓人工智能發(fā)展機遇的國家意志，助推了當前中國人工智能產(chǎn)業(yè)和技術(shù)發(fā)展。但就世界范圍看，也有不少人士表達了對人工智能發(fā)展的擔憂甚至反對，許多人士在看到人工智能在為這個時代注入發(fā)展新動力的同時，卻也關注其對就業(yè)、法律、政治、經(jīng)濟、倫理和安全等諸多領域帶來的新挑戰(zhàn)，尤其是安全問題，更是存在很大不確定性。在幾十年前，人工智能還只是少數(shù)人在默默耕耘，但是1997年國際象棋的世界冠軍被IBM的深藍計算機打敗了，曾經(jīng)讓大家嚇一跳，深藍就是一個人工智能的專家系統(tǒng)。由于國際象棋比較簡單，如果人工智能機器能打敗比較復雜游戲的世界冠軍，那才能夠說明問題。但沒想到2016年，從三月份開始，最早是叫AlphaGo打敗了韓國的圍棋高手李世石，接著換了一個名字，其實還是這個系統(tǒng)，叫Master，連贏包括中國像柯潔這樣的世界一流圍棋高手，這件事一下子讓全世界的人都吃驚了。

人工智能把圍棋的世界高手都打敗了，是不是人類的末日就快到了，很多人有這樣一種恐懼。人工智能也一下子從科技界登上了這樣一個世界的全景舞臺，人工智能是不是萬能的？人工智能是不是將全面蓋過人？人工智能又如何能夠“安全可靠可控”？“人機之爭”一下成了時代話題?！叭藱C之爭”促使我們反思人類與人工智能的關系，就目前的認識看，“人-機關系”可能有三種情況，但都存在不確定的前景。

1．機器擬人

從技術(shù)層面而言，人工智能技術(shù)的發(fā)展可以分為三個階段：計算智能、感知智能和認知智能，目前已經(jīng)融合在各種傳統(tǒng)產(chǎn)業(yè)中的人工智能應用主要集中在第一個階段——計算智能，少量應用已經(jīng)開始試水第二階段的技術(shù)，即感知智能?？紤]到全面的感知智能所需的應用化技術(shù)、完善的數(shù)據(jù)、高性能芯片還有待于進一步發(fā)展，感知智能技術(shù)應用普及估計還需要5-10年，而認知層的技術(shù)突破和數(shù)據(jù)、計算等基礎資源的提升和積累應該是發(fā)展方向。

盡管圍棋比賽上此次機器對人取得了勝利，但這次人機大戰(zhàn)不能說是人工智能的全面成功，只能說是人工智能在游戲上接近人類水平，是一個重大的突破，標志著人工智能達到一個新的水平。目前，研究者普遍認為，人工智能的發(fā)展順序應是：弱人工智能、與人類智能相當?shù)?“強人工智能”和全面超過人類智能的 “超人工智能”。而 “阿爾法圍棋”正是弱人工智能的代表之一。

弱人工智能已經(jīng)滲入到人們生活的方方面面，如搜索引擎、實時在線地圖、手機語音助手等都運用了人工智能技術(shù)。工業(yè)機器人也比以往任何時候更快的速度發(fā)展，更加帶動了弱人工智能和相關領域產(chǎn)業(yè)的不斷突破，很多必須用人來做的工作如今已經(jīng)能用機器人實現(xiàn)。但總體看，弱人工智能是對人的思維的信息過程的簡單模擬，不但不會對人類產(chǎn)生威脅，反而會成為生活的小幫手，因為弱人工智能觀點認為不可能制造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。不過隨著弱人工智能技術(shù)的快速進步，這種狀況正在被改變。

2．機器治人

隨著弱人工智能的迅猛發(fā)展，使我們深深感到 “強人工智能”時代已經(jīng)來臨，也感到了 “超人工智能”的聲音。橫空出世的AlphaGo同時引發(fā)了棋界和科技界的 “大地震”，人類智力 “最后的堡壘”也轟然倒塌，我們似乎已經(jīng)無法阻擋人工智能超越人類的步伐。雷·科茲威爾 （Ray Kurzweil，1948年-）說：“人工智能將在2029年左右達到人類的智力水平。再進一步說，比如2045年，我們將把人類文明創(chuàng)造出的人類生物機器的智能翻倍，也許是十億倍。”與此同時，對機器有可能統(tǒng)治人類的恐懼卻與日俱增，史蒂芬·霍金 （Stephen William Hawking，1942年-）公開反對人工智能，反對它進入現(xiàn)實世界，他曾說，“完全人工智能的發(fā)展可能意味著人類的終結(jié)。它會脫離控制，以越來越快的速度重新設計自己。人類受到緩慢的生物進化的限制，無法與之競爭，并將被人工智能取代”。

今后人工智能的發(fā)展會不會威脅到人類安全？雖然目前 “強人工智能”的發(fā)展暫時無明顯頭緒，但是工業(yè)級的強大研發(fā)力量確實是發(fā)展出“強人工智能”的有利條件。如果實現(xiàn)了超人工智能，未來會不會失控，這很難說，原則上這都是有可能發(fā)生的。如果讓計算機擁有自主意識的產(chǎn)生與延續(xù)，如果使機器擁有自主意識，則意味著機器具有與人同等或類似的創(chuàng)造性，而這種創(chuàng)造性必然會導致機器失控于人類，并最終導致機器控制或統(tǒng)治人類的可能性。

3．人機共生

“人機共生”第一層意思是從生理-物理意義上說的。庫茲韋爾預言，2030年人類將與人工智能結(jié)合，變身 “混血兒”。庫茲韋爾稱，這意味著人類大腦將可直接與云端相連。云端可能存在數(shù)以千計的電腦，這些電腦將增強我們現(xiàn)有的智慧。他表示，大腦將通過納米機器人連接，這種微型機器人是由DNA鏈組成的。他認為： “我們的思維將成為生物與非生物思維的混合體?！痹贫朔赵酱?、越復雜，我們的思維就變得越先進。到2030年末或2040年初，庫茲韋爾認為人類思維中的非生物因素將占據(jù)主導地位。他說：“我們將逐漸融合，并不斷提高自己。在我看來，這就是人類的本質(zhì)，我們不斷超越自己的極限。”

俄羅斯億萬富翁德米特里·伊茨科夫 （Dmitry Itskov，1981年-）創(chuàng)建的2045研究所正與研究人員和企業(yè)合作，準備共同創(chuàng)造下一場人工智能革命。德米特里說：“我100%堅信，這場革命終將到來。否則，我就不會開始了。2045項目希望到2020年能有一個可以讓人類通過大腦控制機器人的 ‘化身’。”這些聽起來令人難以置信的事情，超乎常人的思維所及，未來可能就在眼前。

“人機共生”的第二層意思則是從社會學意義上說的。人機各有所長，互為補充。人類非常擅長于問自己一些有趣的問題，擅長于推理、理解世界的運作方式，在理解的基礎上推理。同時可以基于情感處境進行價值判斷。但是，在另一些方面機器又做的比我們好。機器更擅長于專利發(fā)現(xiàn)、統(tǒng)計推理、大規(guī)模計算推理等等，它們能夠在我們不那么擅長的方面幫助我們，因此人類形式的智能和機器形式的智能可以共同探索以做出更好的決定。因此未來是人與機器共同創(chuàng)造，而不是機器自己。人機合作，可以通過更多的數(shù)據(jù)獲得更多、更深刻、更有洞察力的知識，用更少的資源做更好的決定。當然，隨著機器智能水平的不斷提升，特別是 “情感機器人”的出現(xiàn)，必然會出現(xiàn) “人機共生”的新形態(tài)，甚至改變?nèi)祟惖?“類形態(tài)”。

宏觀上看，從笛卡爾、拉美特利時代開始，延續(xù)至今的人類進化歷史，總體上屬傳統(tǒng)生物學意義上的進化模式。隨著人工智能迅猛發(fā)展，傳統(tǒng)生物學意義上的進化模式將可能讓位于人-機共同進化模式。今天我們用傳統(tǒng)生物學意義上的大腦來思考未來人-機共生的社會歷史場景時，其局限性是不言自明的，但這并不阻礙我們對未來人-機共同演化時代的向往。盡管未來的我們很難說還是現(xiàn)在的我們的同類，這或許也是今天的我們高度關注人工智能未來發(fā)展的魅力所在。