那些青史留名的AI和AI学家

文·本报记者 高 博 综合报道

由于4∶1大胜人类围棋冠军，一个名叫“阿尔法狗”的AI（人工智能）红了。在阿尔法狗之前，它的许多前辈也曾红极一时，深蓝、尤金……每一次AI的进步都会同时引发一轮热潮，我们应该记住它们和它们的缔造者——

随着阿尔法狗（AlphaGo）战胜李世石，人工智能的发展又引起了全世界的兴趣。其实，人们自古就幻想着智慧的机器。中国古籍记载，周穆王去西边的昆仑山旅游，碰到一个工匠叫偃师的，能造出跟人一模一样的假人，能跳舞唱歌，还对周穆王的爱妃暗送秋波。惹得穆王大怒，要处死偃师。偃师急忙扯掉假人的头，原来里面是机器。

如今大家对人工智能的印象，跟周穆王差不多：有时几乎被它蒙骗，但下一个时刻它又现出原形。即使许多最聪明的头脑投入这项事业，人工智能的“奇点”仍未到来。

不能不说的图灵测试

1945年，技术史上划时代的天才，阿兰·图灵提出了所谓的“仿真系统”，他写了一份详细的文件，想制造一种没有固定的指令系统的计算机。它能模拟各种不同指令系统的计算机的函数。

这份文件公布于1972年，此时大家才知道：图灵在二战结束时就开启了后来被称为“人工智能”领域的研究，而且他已经开始注意人的神经网络和计算机器可能的联系。

1950年，图灵来到曼彻斯特大学任教，并负责曼大的自动计算机项目。就在1950年10月，他发表了另一篇题为《机器能思考吗？》 的论文，成为划时代之作。也正是这篇文章，为图灵赢得了“人工智能之父”的不朽名誉。

这篇论文里，图灵第一次提出了“机器思维”。他有条理地反驳机器不能思维的看法。他还把对机器智能的判断变成一个行为主义范畴的问题。

图灵给出了后来人工智能领域的金标准——一个人如果不是面对面地交流，而是隔着一道帷幕，和对方进行问答，而且在相当长时间内，无法根据这些问题判断对方是人还是计算机，那么就可以认为这个计算机具有同人相当的智力。这就是著名的“图灵测试”（Turing Testing）。图灵说，只要有30%的人类测试者在5分钟内无法分辨出被测试对象，就可以认为机器通过了图灵测试。

虽然计算机当时刚刚发明，还远达不到能跟人对话的程度，但图灵预言，20世纪末会有电脑通过“图灵测试”。他的预言在IBM的深蓝身上部分实现。不过，卡斯帕罗夫和深蓝是通过棋局切磋，而不是言语交流。能够跟人长时间无限制地交流而不被辨认出来的电脑，仍然未有，这一点上图灵太乐观了。

2014年6月12日，一个名为“尤金·古斯特曼”的聊天程序成功地在5分钟内蒙骗了30%的人类测试者，被认为通过了图灵测试。但也有人反驳说，这个聊天机器人自称只有13岁，并使用第二语言来回答问题，因此它模仿的不应该是图灵所想的那种正常智人。

群星辈出的短暂黄金期

1956年8月，在美国汉诺斯小镇的达特茅斯学院，约翰·麦卡锡、马文·闵斯基、克劳德·香农、艾伦·纽厄尔、赫伯特·西蒙等人发起了第一次用机器模拟人的智力的大讨论。这些名字后来在学界都是响当当的。

会议开了两个月，没有共识，但会议讨论的内容有了一个名字：人工智能。所以也有人把1956年看作是人工智能元年。之后，随着大批智者扑向这一新领域，人工智能像喷气式飞机一样骤然升空。

一开始，有人用计算机程序代替人类进行自动推理来证明了数学定理。在达特茅斯会议上，纽厄尔和西蒙展示了他们的程序：“逻辑理论家”可以独立证明出《数学原理》第二章的38条定理；1963年，它已证明该章的全部52条定理。

1958年，美籍华人王浩在IBM704计算机上，5分钟之内就证明了《数学原理》中有关命题演算部分的全部220条定理。IBM公司还研制出了平面几何的定理证明程序。

1976年，凯尼斯·阿佩尔和沃夫冈·哈肯等人利用人工和计算机混合的方式证明了一个著名的数学猜想：四色定理——“任意一张区域划分的地图，仅用四种颜色就可以染色该地图，使任意两个相邻的国家不会撞色；这个定理之前被经验肯定，但人们不知如何从公理上证明。两位研究者把这个定理化作几千种不同的特例，然后用计算机的穷举能力，一个一个证明了。但这种借助计算机蛮力的办法，至今被许多数学家认为不算是真正的证明。

机器学习也突飞猛进；达特茅斯会议上，阿瑟·萨缪尔公开了一个跳棋程序，它具有自学习函数，可以不断总结经验提高水平。1959年，该跳棋程序打败了设计者萨缪尔本人，3年后，它已经可以击败美国一个州的跳棋冠军。

1956年，奥利弗·萨尔夫瑞德研制出首个字符识别程序，开辟了模式识别这一新的领域。1957年，纽厄尔和西蒙等开始研究一种不依赖于具体领域的“通用问题求解器”。1963年，詹姆斯·斯拉格发表了符号积分程序SAINT，输入一个函数的表达式，该程序就能自动输出这个函数的积分表达式。过了4年后，他们研制出了升级版SIN，已可表现出专家水准。

挫折后转向机器学习

一开始人工智能就显现出光明前景，学者们没有理由不乐观。1958年，纽厄尔和西蒙自信地说，不出10年，计算机将会成为世界象棋冠军，证明重要的数学定理，谱出优美的音乐。照这样的速度发展下去，2000年人工智能就能超过人类。

可事实没那么简单。1965年，机器定理证明遇到瓶颈：计算机推了数十万步也无法证明两个连续函数之和仍是连续函数。萨缪尔的跳棋程序也无法进一步战胜世界冠军。

1960年代计算机技术爆发时，大家估计人工智能不超过十年就能实现。但后来人工智能技术的发展之难，让很多科学家放弃了这个领域。后来学界也将人工智能分为两种：难以实现的强人工智能和可以尝试的弱人工智能。

强人工智能是科幻电影里常见的那种，可以认为它就是人，可执行“通用任务”。弱人工智能则处理单一问题。我们迄今仍处于弱人工智能时代。

1970年代，爱德华·费根鲍姆的思路被学界接受：人工智能不光要研究解法，还得引入知识。专家系统就诞生了。它利用数字化的知识去推理，以模仿领域专家解决问题。第一个成功的专家系统DENDRAL1968年问世，可根据质谱仪的数据推知分子结构。

在1977年世界人工智能大会提出的“知识工程”的启发下，日本的第五代计算机计划、英国的阿尔维计划、欧洲的尤里卡计划和美国的星计划相机出台，人工智能都是这些计划的重要组成部分。

于是，在1980年代，机器学习成为了人工智能的焦点。而且学者也提出了让机器不靠人类灌输知识，而是模拟小孩子自己去学的方法。其中，有学者模拟大脑结构（神经网络）实现，也有学者模拟与环境互动的简单生物体。他们与传统的人工智能流派鼎足而立。

但是，直到1990年代，人工智能的研究仍未走出低潮，日本在机器人领域大量投资，但当时效益不明显。

IBM“三兄弟”唱主角

1988年，人工智能系统深思闯入国际象棋界。它是IBM研发的，每秒考虑70万步棋。1991年，深思II战平了澳大利亚国际象棋冠军。

1996年，深思的升级版深蓝挑战人类国际象棋世界冠军，如日中天的加里·卡斯帕罗夫，2∶4落败。一年后的5月11日，深蓝以3.5∶2.5的成绩战胜了卡斯帕罗夫。这两次比赛都引发了全球关注，最终让人工智能重新赢得世界的注意力。

2011年2月，在美国一个著名的电视问答节目《危险》中，IBM公司的沃森（Watson）系统战胜了人类选手，成为深蓝后另一个里程碑。这个节目是各种知识的问答，主持人给出一些线索，选手则要猜出主持人所讲的东西。自然语言理解对机器是很难的，因为涉及到语言的隐含意思，各种比喻和歧义。沃森能够搞明白人类的语言是一大进步。

IBM巨额投入在各种表演性质的人工智能上，树立了AI领袖的形象，也拉升了自己的股票。目前，沃森和同类系统已经被用在帮助律师处理案卷，或者帮助医生根据病例做初步诊断上。

随着Google在近十年大量投资人工智能，桂冠似乎正要从IBM头顶摘下。谷歌公司的工程总监是未来学家雷·库兹韦尔，他由于普及了奇点概念而名震业界。库兹韦尔认为：人工智能迟早要发展到一个转折点，由于所有信息被人工智能吸纳，它将生产出人类再也无法消化的海量信息从而超越人类。

从神经网络到阿尔法狗

前几天结束的阿尔法狗对抗李世石，最终电脑笑到了最后，为什么人工智能这么厉害？靠的是神经网络进行深度学习。

所谓神经网络研究，可追溯到1943年。当时，沃伦·麦卡洛克和沃尔特·匹兹提出了单个神经元的计算模型。1957年，弗兰克·罗森布拉特扩充了麦卡洛克-匹兹模型，在神经元上加入了学习算法，并称之为“感知机”。它根据模型的输出，与人们希望模型的输出之间的误差，调整权重来学习。

感知机根据输出效果的好坏来调整自己的神经网络，这跟人的大脑是相同的原理。神经网络学派给机器学习指出了一条路。1974年，杰夫·辛顿提出，用多个感知机连接成一个网络，它就能解决任何问题；配合以反向传播算法，就能训练神经网络。

“阿尔法围棋”复制了小孩子的学习过程，成功了就调高相关通路强度，失败了就调低，使神经网络在自我对弈百万盘（用不同风格）后调整到最优。

除了模拟大脑的“神经网络派”，还有模拟昆虫的“行为智能派”。他们从蚂蚁这样单个智力有限但群体表现优异的动物获得启发，让机器在与环境互动中获得知识。不久前，美国波士顿动力公司研发的“大狗”四足机器人，就是这个学派的产物。

在几代人工智能学者的带领下，我们已经拥有了苹果的Siri这样真实可感的人工智能。下一步惊人的成就会从哪里突破？很可能不在学院，而是商业公司，或许不在美国，而在中国、英国或日本。无论如何，离人工智能交一份满分答卷还早。