張夢

人工智能就在我們身邊，但并非所有人都能留意到它的存在。

到底什么是人工智能？人工智能究竟有沒有一個容易把握和

界定的科學定義？

歷史上，人工智能的定義歷經(jīng)多次轉(zhuǎn)變。被廣泛接受的定義有很多種，具體使用哪一個，通常取決于我們討論問題的語境和關(guān)注的焦點。

這里，簡要列舉幾種歷史上有影響的，或目前仍流行的人工智能的定義。

AI就是讓人覺得不可思議的計算機程序

人工智能就是機器可以完成人們不認為機器能勝任的事——這個定義非常主觀，但也非常有趣。一個計算機程序是不是人工智能，完全由這個程序的所作所為是不是能讓人目瞪口呆來界定。這種唯經(jīng)驗論的定義顯然缺乏一致性，會因時代不同、背景不同、評判者的經(jīng)驗不同而套用不同的標準。但這一定義往往反映的是一個時代里大多數(shù)的普通人對人工智能的認知方式：每當一個新的人工智能熱點出現(xiàn)時，新聞媒體和大眾總是用自己的經(jīng)驗來判定人工智能技術(shù)的價值高低，而不管這種技術(shù)在本質(zhì)上究竟有沒有“智能”。

AI就是與人類思考方式相似的計算機程序

這是人工智能發(fā)展早期非常流行的一種定義方式。另一種類似的，同樣以思考方式本源出發(fā)的定義是：AI就是能遵照思維里的邏輯規(guī)律進行思考的計算機程序。從根本上講，這是一種類似仿生學的直觀思路。既然叫人工智能，那用程序來模擬人的智慧就是最直截了當?shù)淖龇ā?/p>

人究竟是怎樣思考的？這本身就是一個復雜的技術(shù)和哲學問題。要了解人類自身的思考方式，哲學家們試圖通過反省與思辨，找到人類思維的邏輯法則，而科學家們則通過心理學和生物學實驗，了解人類在思考時的身心變化規(guī)律。這兩條道路都在人工智能的發(fā)展歷史上起到過極為重要的作用。但在仿生學的道路上，最本質(zhì)的問題是，人類至今對大腦如何實現(xiàn)學習、記憶、歸納、推理等思維過程的機理還缺乏認識，況且，我們并不知道，到底要在哪一個層面（大腦各功能區(qū)相互作用的層面？細胞之間交換化學物質(zhì)和電信號的層面？還是分子和原子運動的層面？）真實模擬人腦的運作，才能制造出可以匹敵人類智慧的智能機器。

AI就是與人類行為相似的計算機程序

和仿生學派強調(diào)對人腦的研究與模仿不同，實用主義者從不覺得人工智能的實現(xiàn)必須遵循什么規(guī)則或理論框架?！昂谪埌棕垼『淖拥木褪呛秘??！痹谌斯ぶ悄艿恼Z境下，這句話可以被改成：“簡單程序，復雜程序，聰明管用的就是好程序。”

也就是說，無論計算機以何種方式實現(xiàn)某一功能，只要該功能表現(xiàn)得與人在類似環(huán)境下的行為相似，就可以說，這個計算機程序擁有了在該領(lǐng)域內(nèi)的人工智能。這一定義從近似于人類行為的最終結(jié)果出發(fā)，忽視達到這一結(jié)果的手段。另一種對人工智能的近似定義則更強調(diào)人工智能的實用色彩：AI就是可以解決問題并獲得最大收益的計算機程序。

這種實用主義的思想在今天仍有很強的現(xiàn)實意義。比如今天的深度學習模型在處理機器翻譯、語音識別、主題抽取等自然語言相關(guān)的問題時，基本上都是將輸入的文句看成由音素、音節(jié)、字或詞組成的信號序列，然后將這些信號一股腦塞進深度神經(jīng)網(wǎng)絡(luò)里進行訓練。深度神經(jīng)網(wǎng)絡(luò)內(nèi)部，每層神經(jīng)元的輸出信號可能相當復雜，復雜到編程者并不一定清楚這些中間信號在自然語言中的真實含義，但沒有關(guān)系，只要整個模型的最終輸出滿足要求，這樣的深度學習算法就可以工作得很好。在研究者看來，深度學習模型是不是真的跟人類大腦神經(jīng)元理解自然語言的過程類似，這一點兒都不重要，重要的是，整個模型可以聰明地工作，最終結(jié)果看起來就像人做的一樣。

AI就是會學習的計算機程序

沒有哪個完美主義者會喜歡這個定義。這一定義幾乎將人工智能與機器學習等同了起來。但這的確是最近這撥人工智能熱潮里，人工智能在許多人眼中的真實模樣。誰讓深度學習一枝獨秀，幾乎壟斷了人工智能領(lǐng)域里所有流行的技術(shù)方向呢？

“無學習，不AI”，這幾乎成了人工智能研究在今天的核心指導思想。許多研究者更愿意將自己稱為機器學習專家，而非泛泛的人工智能專家。谷歌的AlphaGo因為學習了大量專業(yè)棋手棋譜，然后又從自我對弈中持續(xù)學習和提高，因此才有了戰(zhàn)勝人類世界冠軍的本錢。微軟的小冰因為學習了大量互聯(lián)網(wǎng)上的流行語料，才能用既時尚，又活潑的聊天方式與用戶交流。媒體上，被宣傳為人工智能的典型應(yīng)用大多都擁有深度學習的技術(shù)基礎(chǔ)，是計算機從大量數(shù)據(jù)資料中通過自我學習掌握經(jīng)驗模型的結(jié)果。

這一定義似乎也符合人類認知的特點——沒有哪個人是不需要學習，從小就懂得所有事情的。人的智慧離不開長大成人過程里的不間斷學習。因此，今天最典型的人工智能系統(tǒng)通過學習大量數(shù)據(jù)訓練經(jīng)驗模型的方法，其實可以被看成是模擬了人類學習和成長的全過程。如果說人工智能未來可以突破到強人工智能甚至超人工智能的層次，那從邏輯上說，在所有人工智能技術(shù)中，機器學習最有可能扮演核心推動者的角色。

AI就是根據(jù)對環(huán)境的感知，做出合理的行動，并獲得最大收益的計算機程序

針對人工智能，不同的定義將人們導向不同的研究或認知方向，不同的理解分別適用于不同的人群和語境。人工智能是有關(guān)“智能主體（Intelligent agent）的研究與設(shè)計”的學問，而“智能主體是指一個可以觀察周遭環(huán)境并做出行動以達致目標的系統(tǒng)”。

基本上，這個定義將前面幾個實用主義的定義都涵蓋了進去，既強調(diào)人工智能可以根據(jù)環(huán)境感知做出主動反應(yīng)，又強調(diào)人工智能所做出的反應(yīng)必須達致目標，同時，不再強調(diào)人工智能對人類思維方式或人類總結(jié)的思維法則（邏輯學規(guī)律）的模仿。

以上，我們列舉了五種常見的人工智能的定義。其中，第二種定義（與人類思考方式相似）特別不可取。人們對大腦工作機理的認識尚淺，而計算機走的是幾乎完全不同的技術(shù)道路。第一種定義（讓人覺得不可思議）揭示的是大眾看待人工智能的視角，直觀易懂，但主觀性太強，不利于科學討論。第三種定義（與人類行為相似）是計算機科學界的主流觀點，也是一種從實用主義出發(fā)，簡潔、明了的定義，但缺乏周密的邏輯。第四種定義（會學習）反映的是機器學習特別是深度學習流行后，人工智能世界的技術(shù)趨勢，雖失之狹隘，但最有時代精神。第五種定義（維基百科使用的綜合定義）是學術(shù)界的教科書式定義，全面均衡，偏重實證。

基本上，偏重實證是近年來人工智能研究者的主流傾向。