756
《伟大的计算原理》一人工智能
本节书摘来华章计算机《伟大的计算原理》一书中的第2章 ，［美］彼得 J. 丹宁（Peter J. Denning）
克雷格 H. 马特尔（Craig H. Martell）着 罗英伟 高良才 张 伟 熊瑞勤 译 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
人工智能
让机器可以执行人类智力活动的想法可以追溯到5个世纪之前。1642年，Blaise Pascal建造了一台机械式计算器。1823年，Charles Babbage发明了差分机，用于自动进行算数函数的计算。在19世纪后期，一个名为“mechanical Turk”的自动下棋机器人，在受到广泛关注后最终被发现只是一个恶作剧（Standage 2003）。实际上，很多这些类似的想法都可以被看作人工智能的萌芽（Russell and Norvig 2010）。
1956年，在Claude Shannon和Nathaniel Rochester的帮助下，John McCarthy在德国达特茅斯组织了一次研讨会。这次研讨会标志着人工智能领域的诞生。当时，研究者的一个基本观点是“原则上，人类智能的机理可以被精确地描述出来，因此，可以用机器来仿真人类智能”。这种观点是非常合理的，因为很多人类智力活动似乎就是在执行某种算法，而且人的大脑似乎就是一个可以执行算法的电子化网络。Herbert Simon预测，到1967年计算机可能成为世界象棋冠军，可能发现并证明一些重要的数学定理，而且很多心理学理论可以体现在计算机程序中。他的第一个设想比预计时间迟到了30年才得以实现，而剩下的两个设想目前仍然没有实现。
图灵（1950）为现代人工智能留下了很多火种：图灵测试、机器学习以及通过“成长”形成一台智能机器。图灵意识到，由于对“智能”一词人们始终缺少一个足够明确的定义，以至于无法有效衡量一台机器是否有智能或具有何种程度的智能。他提出的模拟游戏（即图灵测试）不再关注一台机器是否有智能，转而关注一台机器是否表现出智能的行为。他预测，到2000年，机器至少能够让70%的人类评审者在5分钟的时间内无法判断与之交谈的是一台机器还是一个人类。这个设想到目前还没有实现。
图灵关于智能的行为观点在人工智能领域的形成中起到了重要作用。然而，到20世纪70年代，这种观点受到了尖锐的批判。很多人工智能项目开始以设计“专家系统”为目标，即：构造出与某些领域（如医学诊断领域）的人类专家具有相同能力的智能系统。Hubert Dreyfus（1972，1992）则坚持认为，专家的行为绝不是基于规则的机器所能完全模拟的。当时，人们对这种观点嗤之以鼻，但时间证明了这种观点的正确性。只有非常少的专家系统表现出一定的实用价值，但没有一个专家系统能够达到人类专家的水平。John Searle（1984）则认为传统机器具有智能是不可能的：一个基于规则的机器可能可以使用中文与人对话，但机器根本不知道这些中文的含义。他不认同“强人工智能”的概念（即机器行为能产生意识），而更偏向于“弱人工智能”（即机器能够模仿出人类的行为，但这种模仿背后的机制可能与人类大脑的工作机制没有任何相似之处）。Terry Winograd和Fernando Flores（1987）认为人工智能基于某些人类的哲学假设，而这些假设可能根本无法解释智能的工作机理或根本无法导致智能的产生。
到20世纪80年代中期，人们逐渐意识到关于人工智能的很多初始设想很难在短时间内实现。提供研究基金的机构开始停止向人工智能领域提供新的资金支持并且要求已有研究项目提供更为确实的研究成果。缺少资金的支持，很多研究者无法展开具体的研究工作，转而开始认真反思这个领域面临的问题。人工智能领域的先驱者Raj Reddy将这一黑暗时期称为“人工智能的冬天”。
这一时期的反思酝酿了人工智能研究的一个新方向。人们不再关注如何对人类意识活动进行建模，转而去寻求构造一些能够替代人类认知活动的智能系统。自动认知系统的工作原理不需要与人类意识活动的原理相一致。它们甚至根本不去刻意模仿人类解决问题的过程。这一新方向更强调通过实验来确认所提出的自动化工作原理是否有用、可靠和安全（Russell and Norvig 2010，Nilsson 2010）。这一新方向最近引起公众广泛关注的进展包括：1997年IBM深蓝国际象棋程序击败国际象棋世界冠军Garry Kasparov，2010年Google的无人驾驶汽车，2011年IBM的Watson计算机在益智问答游戏节目“危险边缘”中获得冠军（击败人类对手）。这些计算机程序中使用到的方法具有极高的效率，但却没有刻意模仿人类思考或大脑运作的机制。同时，这些方法仅对解决特定的问题有效，而不具有通用性。
计算机科学、认知科学、医学及心理学领域的很多研究者仍然在研究人脑的工作机理和意识的产生机理。Kurzweil的畅销书《奇点临近》（Kurzweil 2005）和2013年对外公布的研究项目Brain Activity Map Project表明，这个研究方向仍然具有非常强大的吸引力。
人工智能的重生显示了巨大的成功，进而产生了一些崭新的关注点。在与机器的竞赛过程中，Erik Brynjolfsson和Andrew McAfee（2012）发现，自动化的浪潮正逐渐取代人类在知识相关领域的工作，正如在上个世纪中机械自动化取代了大量的人类体力劳动。知识自动化的实例包括：电话转接中心、语音菜单系统、在线商品交易、在线银行、政府服务、出版、新闻传播、音乐发布、广告、监管、反恐等方面。笔者所担忧的是我们正滑向一个不需要大量人工劳动的社会，而这个社会又无法为大量失业的人类个体提供充足的资源。
表2.2给出了人工智能领域涉及的人、问题以及计算基本原理。
最后更新：2017-06-26 12:02:09