学习时报：解开人工智能奥秘的关键钥匙

2018-01-25

哲学关切的是关于人、社会和世界的一些基础性、根本性与本质性的问题。除了存在、精神和意识这类与人类紧密相关的问题之外，“智能”也是人类的一个本质性特征。关于智能问题的探究在哲学上也由来已久。从词源上来看，西方的哲学（Philosophia）一词字面上的涵义便是“爱智慧”。亚里士多德曾说过：“智慧显然是所有知识里面最为完满的那种。智慧之人不仅知道从本原得出的结论，而且真正认识到了这些本原。所以，智慧必然是理性与真知的结合，必定是那种关于最高题材的、居于首位的知识。”

智能是人类所独有的吗？换言之，机器或者其他人造物会具有智能吗？莱布尼茨是比较系统地思考这一问题的哲学家。莱布尼茨洞察到思想与符号之间的关系，在《关于物与词之间联系的对话》一文中，莱布尼茨断言了“真”和意义能够通过先验地确定一些符号及关系以机械的方式计算得出。这为机械智能的实现提供了理论基础。

理性主义与经验主义

螺旋推动人工智能快速发展

对机械智能的突破性和创新性研究来自图灵。图灵于1950年发表了一篇题为《计算机械与智能》的论文，该文集中讨论一个问题，即“机器能思考吗？”。图灵为了摆脱对“机器”和“思考”这些概念的日常涵义所带来的歧义以及科学归纳的误用，引入一个“模仿游戏（imitationgame）”的概念，在图灵提出“模仿游戏”之后，人工智能的光芒第一次投射到人类历史中。

自此之后，学术界对机械智能的问题开展了不断地讨论。1956年夏季，明斯基、麦卡锡、罗切斯特和申农等在达特茅斯会议上首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。自此，轰轰烈烈的人工智能发展浪潮正式拉开了序幕。

从1956年至今的60余年间，人工智能的发展大致经历了三次浪潮。第一次浪潮始于1956年，在这个过程中，涌现了大量的专家，发明了Prolog语言，同时定理证明方法得到快速发展；第二次浪潮始于1976年左右，这段时间，神经元网络的理论和方法得到充分的发展和推广；第三次浪潮始于2007年左右，深度学习理论和算法以及大数据方法是其典型代表。

在人工智能波澜壮阔的海浪下，潜藏地是理性主义和经验主义的激烈交锋，是人工智能三大流派（符号学派、联结学派、行为学派）的创生、汇聚与融合。

符号学派认为，智能以符号知识为基础，可以通过逻辑推理进行问题求解而实现。符号学派早期又分为心理学派和计算机软件学派。心理学派强调“符号”对于智能实现的意义是本质和整体的，将智能看作一套标准的物理符号系统，试图通过这种系统来反映智能主体内部的信息处理机制。计算机软件学派则认为智能是各种智能体或智能主体在世界中实现目标的一种能力的可计算部分，包括人类、多数动物和一些机器在内的智能体，展现出不同类型和程度的智能。人工智能是一种旨在运用智能计算机程序理解人类智能、进而创造智能机器的科学和工程。随着知识工程、专家系统和知识的框架理论的提出，新的符号主义进路认为智能是一种知识（或常识）的表征，智能是可以通过构造知识表征的框架形式来实现的。

联结学派从神经元的数学模型出发，以模拟人脑结构和功能作为人工智能实现的主要途径。在联结学派的早期，主要是基于二值逻辑关系，随着信息科学、神经科学和认知科学的结合，新兴的人工神经网络科学研究对早期联结学派的“神经元”网络结构模型的重塑。并行分布式处理理论就是其中的一个进展，它把智能看作是一种心智表现，强调智能表征的无限性和基础结构性，把人类认知视为智能的重要表现。

行为学派强调智能是一种行为（的实现），强调智能实现过程中感知与行动的联系。行为学派认为，人工智能是以实现在机器人上复刻（或实现）与人类水平相当的智能表现为目标的广泛研究，它批判了传统的智能表征方式，认为其过于复杂和多余。其研究出发点是基于一种全面的智能世界观。

人工智能的第一次浪潮实质上是理性主义至上，符号学大都以逻辑为基础，重视规则和推理，然而机器翻译的失败使得这一次浪潮退去。第二次浪潮是经验主义压倒理性主义，联结学派占主导，然而对于逻辑运算问题的束手无策，导致该学派的研究进入了冬天，停滞了近10年。第三次浪潮是理性主义与经验主义的融合，融合了符号学派和联结学派的深度学习和大规模自然语言的形式语义走上了历史舞台。理性主义与经验主义交替与融合最终推动了人工智能螺旋式的发展。

人工智能的核心问题是

重构人类的世界观

人工智能发展到现在，可以说在许多专门的领域，已经远远超越人类自身。2011年，IBM的Watson计算机在电视游戏节目“危险边缘”中击败人类冠军。2016年3月谷歌旗下的DeepMind所开发的AlphaGo以4比1的总比分战胜世界围棋冠军。

随着智能机器人学、计算神经科学、计算社会科学、量子计算等新兴科学技术研究的发展，智能概念进一步复杂化、多元化。从理论的发展来看，智能的概念出现了一种统一的趋势和普适性的回归，出现了所谓的通用人工智能的理论。

通用人工智能指的是能够在各个方面都超越人类的机器智能，俗称“强人工智能”。摆在通用人工智能面前的问题是“常识”“意向性”“意识”“自我意识”，需要机器能够掌握常识，理解“抽象”的事物，懂得“情感”等。

站在机器的视角而言，似乎机器文明正处于一个“混沌未开”的时候，犹如人类在2000多年前渴望着苏格拉底的“精神助产术”那般。从某种意义上而言，发展人工通用智能的所有问题都是哲学问题，不是计算机科学的，也不是神经心理学的问题。当前在通用人工智能中进展中遇到的问题主要是一些认识谬误和概念与方法的误解、误用与混淆。如同图灵在《计算机械与智能》一文中提及对“机器能思考吗？”所持的一类所谓的“不能”的反对意见，他们认为以下的能力是机器所不能的：“友善、机智、美丽、友好、有主动性、有幽默感、明辨是非、犯错、恋爱、享受草莓和冰激凌、让别人爱上它、从经验中学习、合理的措辞、主观性、与人类一样具有多种多样的行为、创新。”

对所谓的这一类“不能”的反对，图灵给出的总体回应是：这是人类对科学归纳方法的滥用所产生的错误结论。正如图灵所言：“人类的工作与习惯似乎并不是非常适合应用科学归纳。如果我们希望能够获得可靠的结论，我们必须仔细研究问题所涉及的时空。”

再如对学习的理解，学习绝不是将已有的知识原原本本地转移，从而形成一种顺从的存在价值。正如卡尔·波普尔所说：“没有这样的教学（指导）……我们不会通过复制它们或通过观察进行归纳推导或通过环境的任何其他教学方法来发现新的事实或新的效应。相反，我们使用的是尝试和消除错误的方法。”

关于认识论谬误，其中典型的例子是人类中心论谬误，实际上机器智能并不总是需要以人类智能为模板。生物形态的模拟并不是简单的复制，飞机并不像鸟那样飞翔。如果机器逻辑并非是生物形态的，那么我们如何去展望机器将发展出与动物或者人类相类似的捕食和破坏的本能呢？

从这种意义上而言，人工智能并不是人类教会机器如何思考，而是机器教会人类思考究竟是什么。实现通用人工智能的关键在于人类重构世界观，重塑本体论与认识论，在于人类不断地厘清人类理性、情感与智能中的本质性概念。犹如塔尔斯基通过辨析“真”之形式概念，才建立了现代模型论语义学，也如同丘奇用Lambda演算重塑函数理论，才为现代的函数式编程语言奠定了理论基础。

哲学关切的是关于人、社会和世界的一些基础性、根本性与本质性的问题。除了存在、精神和意识这类与人类紧密相关的问题之外，“智能”也是人类的一个本质性特征。关于智能问题的探究在哲学上也由来已久。从词源上来看，西方的哲学（Philosophia）一词字面上的涵义便是“爱智慧”。亚里士多德曾说过：“智慧显然是所有知识里面最为完满的那种。智慧之人不仅知道从本原得出的结论，而且真正认识到了这些本原。所以，智慧必然是理性与真知的结合，必定是那种关于最高题材的、居于首位的知识。”

智能是人类所独有的吗？换言之，机器或者其他人造物会具有智能吗？莱布尼茨是比较系统地思考这一问题的哲学家。莱布尼茨洞察到思想与符号之间的关系，在《关于物与词之间联系的对话》一文中，莱布尼茨断言了“真”和意义能够通过先验地确定一些符号及关系以机械的方式计算得出。这为机械智能的实现提供了理论基础。

理性主义与经验主义

螺旋推动人工智能快速发展

对机械智能的突破性和创新性研究来自图灵。图灵于1950年发表了一篇题为《计算机械与智能》的论文，该文集中讨论一个问题，即“机器能思考吗？”。图灵为了摆脱对“机器”和“思考”这些概念的日常涵义所带来的歧义以及科学归纳的误用，引入一个“模仿游戏（imitationgame）”的概念，在图灵提出“模仿游戏”之后，人工智能的光芒第一次投射到人类历史中。

自此之后，学术界对机械智能的问题开展了不断地讨论。1956年夏季，明斯基、麦卡锡、罗切斯特和申农等在达特茅斯会议上首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。自此，轰轰烈烈的人工智能发展浪潮正式拉开了序幕。

从1956年至今的60余年间，人工智能的发展大致经历了三次浪潮。第一次浪潮始于1956年，在这个过程中，涌现了大量的专家，发明了Prolog语言，同时定理证明方法得到快速发展；第二次浪潮始于1976年左右，这段时间，神经元网络的理论和方法得到充分的发展和推广；第三次浪潮始于2007年左右，深度学习理论和算法以及大数据方法是其典型代表。

在人工智能波澜壮阔的海浪下，潜藏地是理性主义和经验主义的激烈交锋，是人工智能三大流派（符号学派、联结学派、行为学派）的创生、汇聚与融合。

符号学派认为，智能以符号知识为基础，可以通过逻辑推理进行问题求解而实现。符号学派早期又分为心理学派和计算机软件学派。心理学派强调“符号”对于智能实现的意义是本质和整体的，将智能看作一套标准的物理符号系统，试图通过这种系统来反映智能主体内部的信息处理机制。计算机软件学派则认为智能是各种智能体或智能主体在世界中实现目标的一种能力的可计算部分，包括人类、多数动物和一些机器在内的智能体，展现出不同类型和程度的智能。人工智能是一种旨在运用智能计算机程序理解人类智能、进而创造智能机器的科学和工程。随着知识工程、专家系统和知识的框架理论的提出，新的符号主义进路认为智能是一种知识（或常识）的表征，智能是可以通过构造知识表征的框架形式来实现的。

联结学派从神经元的数学模型出发，以模拟人脑结构和功能作为人工智能实现的主要途径。在联结学派的早期，主要是基于二值逻辑关系，随着信息科学、神经科学和认知科学的结合，新兴的人工神经网络科学研究对早期联结学派的“神经元”网络结构模型的重塑。并行分布式处理理论就是其中的一个进展，它把智能看作是一种心智表现，强调智能表征的无限性和基础结构性，把人类认知视为智能的重要表现。

行为学派强调智能是一种行为（的实现），强调智能实现过程中感知与行动的联系。行为学派认为，人工智能是以实现在机器人上复刻（或实现）与人类水平相当的智能表现为目标的广泛研究，它批判了传统的智能表征方式，认为其过于复杂和多余。其研究出发点是基于一种全面的智能世界观。

人工智能的第一次浪潮实质上是理性主义至上，符号学大都以逻辑为基础，重视规则和推理，然而机器翻译的失败使得这一次浪潮退去。第二次浪潮是经验主义压倒理性主义，联结学派占主导，然而对于逻辑运算问题的束手无策，导致该学派的研究进入了冬天，停滞了近10年。第三次浪潮是理性主义与经验主义的融合，融合了符号学派和联结学派的深度学习和大规模自然语言的形式语义走上了历史舞台。理性主义与经验主义交替与融合最终推动了人工智能螺旋式的发展。

人工智能的核心问题是

重构人类的世界观

人工智能发展到现在，可以说在许多专门的领域，已经远远超越人类自身。2011年，IBM的Watson计算机在电视游戏节目“危险边缘”中击败人类冠军。2016年3月谷歌旗下的DeepMind所开发的AlphaGo以4比1的总比分战胜世界围棋冠军。

随着智能机器人学、计算神经科学、计算社会科学、量子计算等新兴科学技术研究的发展，智能概念进一步复杂化、多元化。从理论的发展来看，智能的概念出现了一种统一的趋势和普适性的回归，出现了所谓的通用人工智能的理论。

通用人工智能指的是能够在各个方面都超越人类的机器智能，俗称“强人工智能”。摆在通用人工智能面前的问题是“常识”“意向性”“意识”“自我意识”，需要机器能够掌握常识，理解“抽象”的事物，懂得“情感”等。

站在机器的视角而言，似乎机器文明正处于一个“混沌未开”的时候，犹如人类在2000多年前渴望着苏格拉底的“精神助产术”那般。从某种意义上而言，发展人工通用智能的所有问题都是哲学问题，不是计算机科学的，也不是神经心理学的问题。当前在通用人工智能中进展中遇到的问题主要是一些认识谬误和概念与方法的误解、误用与混淆。如同图灵在《计算机械与智能》一文中提及对“机器能思考吗？”所持的一类所谓的“不能”的反对意见，他们认为以下的能力是机器所不能的：“友善、机智、美丽、友好、有主动性、有幽默感、明辨是非、犯错、恋爱、享受草莓和冰激凌、让别人爱上它、从经验中学习、合理的措辞、主观性、与人类一样具有多种多样的行为、创新。”

对所谓的这一类“不能”的反对，图灵给出的总体回应是：这是人类对科学归纳方法的滥用所产生的错误结论。正如图灵所言：“人类的工作与习惯似乎并不是非常适合应用科学归纳。如果我们希望能够获得可靠的结论，我们必须仔细研究问题所涉及的时空。”

再如对学习的理解，学习绝不是将已有的知识原原本本地转移，从而形成一种顺从的存在价值。正如卡尔·波普尔所说：“没有这样的教学（指导）……我们不会通过复制它们或通过观察进行归纳推导或通过环境的任何其他教学方法来发现新的事实或新的效应。相反，我们使用的是尝试和消除错误的方法。”

关于认识论谬误，其中典型的例子是人类中心论谬误，实际上机器智能并不总是需要以人类智能为模板。生物形态的模拟并不是简单的复制，飞机并不像鸟那样飞翔。如果机器逻辑并非是生物形态的，那么我们如何去展望机器将发展出与动物或者人类相类似的捕食和破坏的本能呢？

从这种意义上而言，人工智能并不是人类教会机器如何思考，而是机器教会人类思考究竟是什么。实现通用人工智能的关键在于人类重构世界观，重塑本体论与认识论，在于人类不断地厘清人类理性、情感与智能中的本质性概念。犹如塔尔斯基通过辨析“真”之形式概念，才建立了现代模型论语义学，也如同丘奇用Lambda演算重塑函数理论，才为现代的函数式编程语言奠定了理论基础。