英文“Intelligence”在詞典中有兩個核心定義：一是人類獲取和應(yīng)用知識的技巧與能力；二是情報，最初指軍事情報，后來擴展到經(jīng)濟情報和社會情報。我認為，這兩個定義必須結(jié)合考慮。情報的本質(zhì)是KAO：Knowledge（知識）、Action（行動）和Organization（組織）。未來的智能也應(yīng)如此，不應(yīng)僅是簡單算法，應(yīng)是以KAO形式開展，有知識，有組織，有行動。

2016年6月5日，墨子沙龍邀請到王飛躍教授在中國科學技術(shù)大學上海研究院作主題為《智能的本源——歷史與展望》的講座。本文根據(jù)報告整理而成。

1

第一部分

追溯“智能”歷史，從古希臘到達特茅斯

今年（注：講座舉辦于2016年）是達特茅斯會議（Dartmouth Conference）召開60周年，許多人以此作為人工智能“誕生”的標志，將其視為智能歷史的起點。其實人類智能的起源遠早于此，從猴子時代開始，我們就已具備基本的智能形式，怎么能說只有60年呢？

▲坐落于美國新罕布什爾州漢諾威小城的達特茅斯會議舊址，來源：清華大學

達特茅斯會議于1956年順利召開，其最大功臣是約翰·麥卡錫（John McCarthy）。作為Lisp語言[1]的創(chuàng)始人，麥卡錫畢業(yè)于普林斯頓大學數(shù)學系，與“人工智能之父”馬文·明斯基（Marvin Lee Minsky）是同系校友。畢業(yè)后，他前往達特茅斯學院任教。早在1955年，麥卡錫就萌生了創(chuàng)建人工智能領(lǐng)域的想法，他創(chuàng)造了“Artificial Intelligence”（人工智能）這一術(shù)語，并向洛克菲勒基金會寫信申請經(jīng)費，提出舉辦人工智能的研討會。最終，他們獲得了資助，會議吸引了十幾位專家參加。

在我看來，麥卡錫雖是發(fā)起者，但最大貢獻者是明斯基。人工智能的三大主要學派[2]中，有兩個是由明斯基創(chuàng)立的：符號主義和連接主義。明斯基是最早在博士論文中提出隨機神經(jīng)元網(wǎng)絡(luò)的人。此外，明斯基還是認知科學家，而非單純的人工智能專家。

▲年輕時的馬文·明斯基，來源：百度百科

回顧人工智能的古代和近代史，其實可以追溯到三位關(guān)鍵人物：亞里士多德、萊布尼茨，以及集大成者的喬治·布爾（George Boole）。

亞里士多德是第一個將邏輯形式化的人。他的形式邏輯奠定了符號主義的基礎(chǔ)，三段論[3]（syllogism）就是其核心貢獻。萊布尼茨（Gottfried Wilhelm Leibniz）的影響同樣深遠。他發(fā)表微積分論文早于牛頓，當今微積分符號大多源于萊布尼茨。他還研究了“推理微積分”（calculus ratiocinator），旨在將思維模式化，這與我們今天計算機處理邏輯的方式一脈相承。更重要的是，二進制系統(tǒng)也是萊布尼茨發(fā)明的。

布爾創(chuàng)立了邏輯代數(shù)，即布爾代數(shù)，這是現(xiàn)代計算機、邏輯電路和電路設(shè)計的基礎(chǔ)。隨后，查爾斯·巴貝奇（Charles Babbage）設(shè)計并制作了第一臺差分機和分析機[4]，這些機械計算設(shè)備預示了計算機的雛形。接著，諾伯特·維納（Norbert Wiener）創(chuàng)立了控制論（Cybernetics），將反饋機制引入系統(tǒng)科學。這些發(fā)展串聯(lián)起人工智能的近代基礎(chǔ)。

▲巴貝奇差分機2號互動模型，來源：清華大學科學博物館

人工智能并非孤立出現(xiàn)，而是哲學、數(shù)學和工程的交匯。達特茅斯會議只是一個起點，它激發(fā)了后續(xù)的符號主義、連接主義和控制論等學派。從亞里士多德的邏輯形式化，到萊布尼茨的二進制和推理系統(tǒng)，再到布爾的代數(shù)邏輯，以及巴貝奇的機械計算和維納的反饋理論，這些先驅(qū)共同鑄就了人工智能的根基。

2

第二部分

蘇格拉底、圖靈與明斯基，古今學者的“智能觀”

回溯智能的本質(zhì)，英文“Intelligence”在詞典中有兩個核心定義：一是人類獲取和應(yīng)用知識的技巧與能力；二是情報，最初指軍事情報，后來擴展到經(jīng)濟情報和社會情報。我認為，這兩個定義必須結(jié)合考慮。正如陰陽互補——陽為智能，陰為情報，沒有情報的智能如同盲人。谷歌和百度等正是基于此起家，它們從搜索引擎起步，擅長情報收集和處理。情報的本質(zhì)是KAO：Knowledge（知識）、Action（行動）和Organization（組織）。未來的智能也應(yīng)如此，不應(yīng)僅是簡單算法，應(yīng)是以KAO形式開展，有知識，有組織，有行動。

▲單詞“intelligence”在劍橋英語詞典中的解釋

不同科學家對智能的理解不同。西方哲學家蘇格拉底持極端觀點：“我知道我一無所知?！彼J為無知是人類進步的動力，如果人類無所不知，我們的存在理由將消失。另一極端是愛因斯坦，他強調(diào)智能不止于知識，更需想象力：“想象力比知識更重要?！蔽覀€人認為，最靠譜的是約翰·馮·諾伊曼（John von Neumann）的觀點。今天的社會印證了他的預言：知識的積累和應(yīng)用是一個過程，隨著人口的增加、積累的知識的增加，會有一個爆炸式的增長?，F(xiàn)在的社會并非智能奇點，而是智能爆炸。

馬文·明斯基是人工智能的真正思想家。他不相信智能有單一原理：“是什么不可思議的訣竅讓我們變得智能？訣竅就是沒有訣竅。智能的力量源于我們自身的巨大多樣性，而非任何單個完美的原理?！蔽艺J同這一觀點，也相信哥德爾不完備定理[5]（G?del's Incompleteness Theorems）和圖靈不可判定性[6]（Turing's Halting Problem）。這些定理揭示了有限與無限的本質(zhì)矛盾：人類有限的生命試圖理解無限宇宙，自然會存在這種矛盾。因此，我堅決不相信人工智能會“取代人類”。

艾倫·圖靈（Alan Turing）的論文《論可計算數(shù)及其在判定問題上的應(yīng)用》（On Computable Numbers, with an Application to the Entscheidungsproblem, 1936）定義了丘奇-圖靈論題（Church-Turing Thesis）：所有可計算函數(shù)均可由圖靈機計算。這奠定了通用計算機的基礎(chǔ)。他還在哲學雜志上發(fā)表《計算機器與智能》（Computing Machinery and Intelligence, 1950），提出圖靈測試（Turing Test），評估機器是否具備人類智能。

▲艾倫·圖靈（Alan Turing），來源：騰訊新聞

早期人工智能深受邏輯理論家影響，赫伯特·西蒙（Herbert Simon）和艾倫·紐厄爾（Allen Newell）開發(fā)的人工智能程序GPS（General Problem Solver），旨在模擬人類解決一般性問題的思維過程，是一個通用推理工具，這受到了羅素和懷特海的《數(shù)學原理》（Principia Mathematica）啟發(fā)。西蒙曾預測：到1968年，數(shù)字計算機將贏得國際象棋冠軍；十年后，又預言到1985年，電腦能完成男人的所有工作。這些預測雖未全實現(xiàn)，但已預見到人工智能領(lǐng)域的未來發(fā)展。

1996年，IBM開發(fā)國際象棋計算機深藍，2016年，谷歌DeepMind開發(fā)圍棋AI——AlphaGo。深藍在1997年擊敗卡斯帕羅夫，AlphaGo在2016年擊敗李世石，這些都是AI史上的標志性事件。二者天差地別。深藍是應(yīng)用數(shù)學的巔峰：其計算路徑透明，所有人都能追蹤；AlphaGo則基于深度學習，其神經(jīng)網(wǎng)絡(luò)提取特征的過程黑箱化——連設(shè)計者也不知道提取了什么特征，這些特征又形成了怎樣的特征空間。這正是智能的重要特征：無人知曉。如果一切透明，就不是智能，而是邏輯數(shù)學。最初，大家懷疑AlphaGo，因為它無法解釋特征，但實踐證明了深度學習在圖像識別上的效用：機器翻譯從低精度躍升，同聲翻譯和網(wǎng)絡(luò)翻譯的可用性，正是深度學習的成果。

然而，深度學習有自身局限。杰弗里·辛頓（Geoffrey Hinton）曾說：“如果你只有一個問題要解決，用神經(jīng)網(wǎng)絡(luò)就好。但若想從事科學、理解架構(gòu)選擇或遷移到新問題，你必須明白不同架構(gòu)的能與不能?！?

▲杰弗里·辛頓（Geoffrey Hinton）在2025世界人工智能大會上發(fā)言，來源：世界人工智能大會

3

第三部分

那些不為人知的“至暗時刻”

我們常說，人工智能只有酷暑和寒冬，卻沒有春天與秋天。發(fā)展至今，人工智能經(jīng)歷了至少九次“冬天”，即資金和興趣銳減期。第一個冬天源于翻譯失敗。20世紀50年代，IBM開發(fā)喬治城翻譯機器。宣稱“電子大腦翻譯俄語”，“雙語機器”。然而，實際的演示只是將一套精心挑選的49個俄語句子翻譯成英語，機器的詞匯量僅限于250個單詞?！癟he spirit is willing but the flesh is weak”（心有余而力不足，flesh指肉體）。早期機器翻譯成俄文后，反譯回英文，變成了：“伏特加酒是好的，可惜肉是爛的”（酒香而肉臭）。這導致1950年代末的翻譯項目崩盤。

第二冬由明斯基和西摩·帕佩特（Seymour Papert）引發(fā)。他們在論文《感知機》（Perceptron, 1969）中，用單層神經(jīng)元網(wǎng)絡(luò)無法解決XOR問題（異或門），擴展結(jié)論批評整個領(lǐng)域，向美國軍方報告不負責任言論，導致經(jīng)費中斷，十年無人觸及神經(jīng)網(wǎng)絡(luò)。雖然后來他們澄清未否定感知機[7]的價值，但白紙黑字已造成了損害。直到1986年，并行分布式處理小組推出反向傳播算法，神經(jīng)網(wǎng)絡(luò)復蘇，才催生了今日的深度學習。

第三個冬天源于英國的Lighthill報告（1973），報告對人工智能的發(fā)展現(xiàn)狀進行了評估，認為人工智能研究人員夸大了他們的承諾，發(fā)展人工智能技術(shù)是錯誤且徒勞的，這直接導致英國資助停止。隨后是Lisp機器熱潮和日本第五代計算機計劃（1980s）。我親歷了這個浪潮，它對邏輯編程（Logic Programming）投入甚多。日本宣稱投入巨資開發(fā)基于邏輯的計算機，但最終不了了之。我讀過多本邏輯編程書籍，羅伯特·科瓦爾斯基（Robert Kowalski）的《邏輯作為萬能鑰匙》（Logic for Problem Solving）最佳。辛頓參與了神經(jīng)網(wǎng)絡(luò)的“第一次復活”，如今仍是深度學習領(lǐng)軍人物。杰夫·霍金斯（Jeff Hawkins）的《論智能》（On Intelligence）也影響深遠。

▲《Logic for Problem Solving》，來源：豆瓣

一次又一次冬天體現(xiàn)出人工智能發(fā)展的周期性，但每次復蘇都會帶來新的技術(shù)進步，比如符號主義、連接主義和深度學習。

如何實現(xiàn)真正的智能？當前多數(shù)AI是封閉的，局限于預設(shè)數(shù)據(jù)庫。人腦的智能則是開放的：面對問題，人的思維瞬間擴散，激活腦海中過去歷史、生活、知識和經(jīng)歷，整個大腦網(wǎng)絡(luò)都會蘇醒。人工智能現(xiàn)有的算法僅能激活內(nèi)部知識庫，如何擴展？還需要云計算、物聯(lián)網(wǎng)和大數(shù)據(jù)等提供途徑，促進從封閉智能轉(zhuǎn)向開放智能。

生命的本源是獲取知識、面對未知；智能的本源是利用已知解決未知。這將引領(lǐng)第五個時代：工業(yè)5.0。從第一代蒸汽機機械化、第二代電動機電氣化、第三代計算機信息化、第四代路由器網(wǎng)絡(luò)化，到第五代平行化（Parallelization），未來，大量人類將構(gòu)建軟件定義的系統(tǒng)：軟件定義的你、我、房間、家庭、過程和產(chǎn)品。智能社會需要軟件定義的一切（Software Defined Anything,），也將催生新行業(yè)：決策師、評估師、學習師、游戲工程師等。機器人也將平行化：物理機器與軟件定義機器融合。

AlphaGo最神奇之處，就是海量計算中擊敗人類。我提出從丘奇-圖靈論題轉(zhuǎn)向AlphaGo論題（AlphaGo Thesis）。丘奇-圖靈論題是一個猜想：所有可計算者均由圖靈機計算，奠定計算機基礎(chǔ)。AlphaGo論題則指出，復雜性問題可轉(zhuǎn)化為可解形式。AlphaGo式結(jié)構(gòu)不提供新算法，但劃定范圍后，AI可達到或超過人類水平。

▲李世石與AlphaGo人機大戰(zhàn)，來源：百度百科

當今世界，90后、00后成長于碎片化、離散信息中。而智能產(chǎn)業(yè)需要深度知識，二者之間鴻溝巨大。因此，必須靠知識自動化、AI、機器人來彌補。經(jīng)濟學家西蒙曾憑有限理性（Bounded Rationality[8]）獲諾貝爾獎，有限智能也是有限理性。未來，智能將從固定知識轉(zhuǎn)向流動智能，實現(xiàn)知識數(shù)字化、動態(tài)化和實時化。

注釋

[1] Lisp語言誕生于 1958 年，由美國計算機科學家約翰?麥卡錫（John McCarthy）在麻省理工學院（MIT）主導設(shè)計，既是最早的函數(shù)式編程語言，也是首個專注于符號處理的語言。從誕生至今，Lisp 雖未成為大眾主流語言，卻在人工智能（AI）、計算機科學教育、自動化工具開發(fā)等領(lǐng)域持續(xù)發(fā)揮核心作用，其 “代碼即數(shù)據(jù)、數(shù)據(jù)即代碼” 的設(shè)計哲學，更是深刻影響了后續(xù)編程語言（如 Python、JavaScript、Haskell）的發(fā)展。

[2] 人工智能的研究可以劃分為三大學派：符號主義、連接主義和行為主義。符號主義學派認為人工智能源于數(shù)學邏輯，其原理主要為物理符號系統(tǒng)（即符號操作系統(tǒng)）假設(shè)和有限合理性原理。這一學派通過邏輯推理和符號操作來模擬人類的智能行為。例如，早期的專家系統(tǒng)就是基于符號主義的思想開發(fā)的。連接主義學派認為人工智能應(yīng)該通過模擬人腦中的神經(jīng)網(wǎng)絡(luò)來實現(xiàn)。這一學派的研究重點是神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、學習算法和應(yīng)用。隨著深度學習技術(shù)的興起，連接主義學派在圖像識別、語音識別等領(lǐng)域取得了顯著成果。

行為主義學派認為人工智能應(yīng)該通過感知和行動來實現(xiàn)智能行為。這一學派的研究重點是機器人的感知、行動和學習能力。行為主義學派的研究成果在智能機器人、自動駕駛等領(lǐng)域得到了廣泛應(yīng)用。

[3] 三段論：公元前4世紀，亞里士多德在《工具論》中首次提出三段論的完整模型，將其定義為“由三個命題組成的推理結(jié)構(gòu)”（包含大前提、小前提和結(jié)論），并確立其為邏輯學的基石。

[4] 世界第一臺差分機（1822年）和分析機（1834年）由巴貝奇設(shè)計。差分機計算精度達6位小數(shù)、可處理3個不同5位數(shù)；分析機能用多項式展開的方法計算對數(shù)和三角函數(shù)，它們是計算機的雛形，為現(xiàn)代計算機和人工智能的算法與硬件基礎(chǔ)提供了關(guān)鍵思想原型。

[5] 哥德爾不完備定理（1931年）指出，在任何足夠強的數(shù)學系統(tǒng)中，總存在既不能被證明也不能被證偽的命題，揭示了數(shù)學的局限性。

[6] 圖靈不可判定性（1936年）證明，不存在一個通用算法能判斷任意程序是否會停止運行，這是計算理論的基礎(chǔ)，也影響了人工智能的邊界。

[7] 感知機（Perceptron）由康奈爾大學心理學家弗蘭克·羅森布拉特于1958年提出。作為首個模擬人類思維的實驗性機器，感知機由美國海軍資助，具備400個光傳感器模擬視網(wǎng)膜，連接約1000個神經(jīng)元進行信息處理，并輸出單一結(jié)果。羅森布拉特將其定位為“首個類似人腦思維的機器”。

[8] 有限理性模型（Bounded Rationality Model），又稱西蒙模型，由美國經(jīng)濟學家赫伯特·西蒙于20世紀50年代提出。該模型突破傳統(tǒng)經(jīng)濟學“完全理性人”假設(shè)，主張用“社會人”取代“經(jīng)濟人”，認為決策者因信息獲取能力、計算能力和認知能力的限制，只能在有限范圍內(nèi)做出理性選擇。

文字整理：詩學