原標(biāo)題：那些青史留名的 AI和AI學(xué)家
電影《人工智能》海報(bào)圖片
在幾代人工智能學(xué)者的帶領(lǐng)下，我們已經(jīng)擁有了蘋果的Siri這樣真實(shí)可感的人工智能。下一步驚人的成就會(huì)從哪里突破？很可能不在學(xué)院，而是商業(yè)公司，或許不在美國(guó)，而在中國(guó)、英國(guó)或日本。無論如何，離人工智能交一份滿分答卷還早。
圖靈預(yù)言，20世紀(jì)末會(huì)有電腦通過“圖靈測(cè)試”。他的預(yù)言在IBM的深藍(lán)身上部分實(shí)現(xiàn)。不過，卡斯帕羅夫和深藍(lán)是通過棋局切磋，而不是言語(yǔ)交流。能夠跟人長(zhǎng)時(shí)間無限制地交流而不被辨認(rèn)出來的電腦，仍然未有，這一點(diǎn)上圖靈太樂觀了。
由于4∶1大勝人類圍棋冠軍，一個(gè)名叫“阿爾法狗”的AI（人工智能）紅了。在阿爾法狗之前，它的許多前輩也曾紅極一時(shí)，深藍(lán)、尤金……每一次AI的進(jìn)步都會(huì)同時(shí)引發(fā)一輪熱潮，我們應(yīng)該記住它們和它們的締造者——
隨著阿爾法狗（AlphaGo）戰(zhàn)勝李世石，人工智能的發(fā)展又引起了全世界的興趣。其實(shí)，人們自古就幻想著智慧的機(jī)器。中國(guó)古籍記載，周穆王去西邊的昆侖山旅游，碰到一個(gè)工匠叫偃師的，能造出跟人一模一樣的假人，能跳舞唱歌，還對(duì)周穆王的愛妃暗送秋波。惹得穆王大怒，要處死偃師。偃師急忙扯掉假人的頭，原來里面是機(jī)器。
如今大家對(duì)人工智能的印象，跟周穆王差不多：有時(shí)幾乎被它蒙騙，但下一個(gè)時(shí)刻它又現(xiàn)出原形。即使許多最聰明的頭腦投入這項(xiàng)事業(yè)，人工智能的“奇點(diǎn)”仍未到來。
不能不說的圖靈測(cè)試
1945年，技術(shù)史上劃時(shí)代的天才，阿蘭·圖靈提出了所謂的“仿真系統(tǒng)”，他寫了一份詳細(xì)的文件，想制造一種沒有固定的指令系統(tǒng)的計(jì)算機(jī)。它能模擬各種不同指令系統(tǒng)的計(jì)算機(jī)的函數(shù)。
這份文件公布于1972年，此時(shí)大家才知道：圖靈在二戰(zhàn)結(jié)束時(shí)就開啟了后來被稱為“人工智能”領(lǐng)域的研究，而且他已經(jīng)開始注意人的神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)器可能的聯(lián)系。
1950年，圖靈來到曼徹斯特大學(xué)任教，并負(fù)責(zé)曼大的自動(dòng)計(jì)算機(jī)項(xiàng)目。就在1950年10月，他發(fā)表了另一篇題為《機(jī)器能思考嗎？》 的論文，成為劃時(shí)代之作。也正是這篇文章，為圖靈贏得了“人工智能之父”的不朽名譽(yù)。
這篇論文里，圖靈第一次提出了“機(jī)器思維”。他有條理地反駁機(jī)器不能思維的看法。他還把對(duì)機(jī)器智能的判斷變成一個(gè)行為主義范疇的問題。
圖靈給出了后來人工智能領(lǐng)域的金標(biāo)準(zhǔn)——一個(gè)人如果不是面對(duì)面地交流，而是隔著一道帷幕，和對(duì)方進(jìn)行問答，而且在相當(dāng)長(zhǎng)時(shí)間內(nèi)，無法根據(jù)這些問題判斷對(duì)方是人還是計(jì)算機(jī)，那么就可以認(rèn)為這個(gè)計(jì)算機(jī)具有同人相當(dāng)?shù)闹橇Α＿@就是著名的“圖靈測(cè)試”（Turing Testing）。圖靈說，只要有30%的人類測(cè)試者在5分鐘內(nèi)無法分辨出被測(cè)試對(duì)象，就可以認(rèn)為機(jī)器通過了圖靈測(cè)試。
雖然計(jì)算機(jī)當(dāng)時(shí)剛剛發(fā)明，還遠(yuǎn)達(dá)不到能跟人對(duì)話的程度，但圖靈預(yù)言，20世紀(jì)末會(huì)有電腦通過“圖靈測(cè)試”。他的預(yù)言在IBM的深藍(lán)身上部分實(shí)現(xiàn)。不過，卡斯帕羅夫和深藍(lán)是通過棋局切磋，而不是言語(yǔ)交流。能夠跟人長(zhǎng)時(shí)間無限制地交流而不被辨認(rèn)出來的電腦，仍然未有，這一點(diǎn)上圖靈太樂觀了。
2014年6月12日，一個(gè)名為“尤金·古斯特曼”的聊天程序成功地在5分鐘內(nèi)蒙騙了30%的人類測(cè)試者，被認(rèn)為通過了圖靈測(cè)試。但也有人反駁說，這個(gè)聊天機(jī)器人自稱只有13歲，并使用第二語(yǔ)言來回答問題，因此它模仿的不應(yīng)該是圖靈所想的那種正常智人。
群星輩出的短暫黃金期
1956年8月，在美國(guó)漢諾斯小鎮(zhèn)的達(dá)特茅斯學(xué)院，約翰·麥卡錫、馬文·閔斯基、克勞德·香農(nóng)、艾倫·紐厄爾、赫伯特·西蒙等人發(fā)起了第一次用機(jī)器模擬人的智力的大討論。這些名字后來在學(xué)界都是響當(dāng)當(dāng)?shù)摹?/p>
會(huì)議開了兩個(gè)月，沒有共識(shí)，但會(huì)議討論的內(nèi)容有了一個(gè)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，隨著大批智者撲向這一新領(lǐng)域，人工智能像噴氣式飛機(jī)一樣驟然升空。
一開始，有人用計(jì)算機(jī)程序代替人類進(jìn)行自動(dòng)推理來證明了數(shù)學(xué)定理。在達(dá)特茅斯會(huì)議上，紐厄爾和西蒙展示了他們的程序：“邏輯理論家”可以獨(dú)立證明出《數(shù)學(xué)原理》第二章的38條定理；1963年，它已證明該章的全部52條定理。
1958年，美籍華人王浩在IBM704計(jì)算機(jī)上，5分鐘之內(nèi)就證明了《數(shù)學(xué)原理》中有關(guān)命題演算部分的全部220條定理。IBM公司還研制出了平面幾何的定理證明程序。
1976年，凱尼斯·阿佩爾和沃夫?qū)す系热死萌斯ず陀?jì)算機(jī)混合的方式證明了一個(gè)著名的數(shù)學(xué)猜想：四色定理——“任意一張區(qū)域劃分的地圖，僅用四種顏色就可以染色該地圖，使任意兩個(gè)相鄰的國(guó)家不會(huì)撞色；這個(gè)定理之前被經(jīng)驗(yàn)肯定，但人們不知如何從公理上證明。兩位研究者把這個(gè)定理化作幾千種不同的特例，然后用計(jì)算機(jī)的窮舉能力，一個(gè)一個(gè)證明了。但這種借助計(jì)算機(jī)蠻力的辦法，至今被許多數(shù)學(xué)家認(rèn)為不算是真正的證明。
機(jī)器學(xué)習(xí)也突飛猛進(jìn)；達(dá)特茅斯會(huì)議上，阿瑟·薩繆爾公開了一個(gè)跳棋程序，它具有自學(xué)習(xí)函數(shù)，可以不斷總結(jié)經(jīng)驗(yàn)提高水平。1959年，該跳棋程序打敗了設(shè)計(jì)者薩繆爾本人，3年后，它已經(jīng)可以擊敗美國(guó)一個(gè)州的跳棋冠軍。
1956年，奧利弗·薩爾夫瑞德研制出首個(gè)字符識(shí)別程序，開辟了模式識(shí)別這一新的領(lǐng)域。1957年，紐厄爾和西蒙等開始研究一種不依賴于具體領(lǐng)域的“通用問題求解器”。1963年，詹姆斯·斯拉格發(fā)表了符號(hào)積分程序SAINT，輸入一個(gè)函數(shù)的表達(dá)式，該程序就能自動(dòng)輸出這個(gè)函數(shù)的積分表達(dá)式。過了4年后，他們研制出了升級(jí)版SIN，已可表現(xiàn)出專家水準(zhǔn)。
挫折后轉(zhuǎn)向機(jī)器學(xué)習(xí)
一開始人工智能就顯現(xiàn)出光明前景，學(xué)者們沒有理由不樂觀。1958年，紐厄爾和西蒙自信地說，不出10年，計(jì)算機(jī)將會(huì)成為世界象棋冠軍，證明重要的數(shù)學(xué)定理，譜出優(yōu)美的音樂。照這樣的速度發(fā)展下去，2000年人工智能就能超過人類。
可事實(shí)沒那么簡(jiǎn)單。1965年，機(jī)器定理證明遇到瓶頸：計(jì)算機(jī)推了數(shù)十萬步也無法證明兩個(gè)連續(xù)函數(shù)之和仍是連續(xù)函數(shù)。薩繆爾的跳棋程序也無法進(jìn)一步戰(zhàn)勝世界冠軍。
1960年代計(jì)算機(jī)技術(shù)爆發(fā)時(shí)，大家估計(jì)人工智能不超過十年就能實(shí)現(xiàn)。但后來人工智能技術(shù)的發(fā)展之難，讓很多科學(xué)家放棄了這個(gè)領(lǐng)域。后來學(xué)界也將人工智能分為兩種：難以實(shí)現(xiàn)的強(qiáng)人工智能和可以嘗試的弱人工智能。
強(qiáng)人工智能是科幻電影里常見的那種，可以認(rèn)為它就是人，可執(zhí)行“通用任務(wù)”。弱人工智能則處理單一問題。我們迄今仍處于弱人工智能時(shí)代。
1970年代，愛德華·費(fèi)根鮑姆的思路被學(xué)界接受：人工智能不光要研究解法，還得引入知識(shí)。專家系統(tǒng)就誕生了。它利用數(shù)字化的知識(shí)去推理，以模仿領(lǐng)域?qū)＜医鉀Q問題。第一個(gè)成功的專家系統(tǒng)DENDRAL1968年問世，可根據(jù)質(zhì)譜儀的數(shù)據(jù)推知分子結(jié)構(gòu)。
在1977年世界人工智能大會(huì)提出的“知識(shí)工程”的啟發(fā)下，日本的第五代計(jì)算機(jī)計(jì)劃、英國(guó)的阿爾維計(jì)劃、歐洲的尤里卡計(jì)劃和美國(guó)的星計(jì)劃相機(jī)出臺(tái)，人工智能都是這些計(jì)劃的重要組成部分。
于是，在1980年代，機(jī)器學(xué)習(xí)成為了人工智能的焦點(diǎn)。而且學(xué)者也提出了讓機(jī)器不靠人類灌輸知識(shí)，而是模擬小孩子自己去學(xué)的方法。其中，有學(xué)者模擬大腦結(jié)構(gòu)（神經(jīng)網(wǎng)絡(luò)）實(shí)現(xiàn)，也有學(xué)者模擬與環(huán)境互動(dòng)的簡(jiǎn)單生物體。他們與傳統(tǒng)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，日本在機(jī)器人領(lǐng)域大量投資，但當(dāng)時(shí)效益不明顯。
IBM“三兄弟”唱主角
1988年，人工智能系統(tǒng)深思闖入國(guó)際象棋界。它是IBM研發(fā)的，每秒考慮70萬步棋。1991年，深思II戰(zhàn)平了澳大利亞國(guó)際象棋冠軍。
1996年，深思的升級(jí)版深藍(lán)挑戰(zhàn)人類國(guó)際象棋世界冠軍，如日中天的加里·卡斯帕羅夫，2∶4落敗。一年后的5月11日，深藍(lán)以3.5∶2.5的成績(jī)戰(zhàn)勝了卡斯帕羅夫。這兩次比賽都引發(fā)了全球關(guān)注，最終讓人工智能重新贏得世界的注意力。
2011年2月，在美國(guó)一個(gè)著名的電視問答節(jié)目《危險(xiǎn)》中，IBM公司的沃森（Watson）系統(tǒng)戰(zhàn)勝了人類選手，成為深藍(lán)后另一個(gè)里程碑。這個(gè)節(jié)目是各種知識(shí)的問答，主持人給出一些線索，選手則要猜出主持人所講的東西。自然語(yǔ)言理解對(duì)機(jī)器是很難的，因?yàn)樯婕暗秸Z(yǔ)言的隱含意思，各種比喻和歧義。沃森能夠搞明白人類的語(yǔ)言是一大進(jìn)步。
IBM巨額投入在各種表演性質(zhì)的人工智能上，樹立了AI領(lǐng)袖的形象，也拉升了自己的股票。目前，沃森和同類系統(tǒng)已經(jīng)被用在幫助律師處理案卷，或者幫助醫(yī)生根據(jù)病例做初步診斷上。
隨著Google在近十年大量投資人工智能，桂冠似乎正要從IBM頭頂摘下。谷歌公司的工程總監(jiān)是未來學(xué)家雷·庫(kù)茲韋爾，他由于普及了奇點(diǎn)概念而名震業(yè)界。庫(kù)茲韋爾認(rèn)為：人工智能遲早要發(fā)展到一個(gè)轉(zhuǎn)折點(diǎn)，由于所有信息被人工智能吸納，它將生產(chǎn)出人類再也無法消化的海量信息從而超越人類。
從神經(jīng)網(wǎng)絡(luò)到阿爾法狗
前幾天結(jié)束的阿爾法狗對(duì)抗李世石，最終電腦笑到了最后，為什么人工智能這么厲害？靠的是神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)。
所謂神經(jīng)網(wǎng)絡(luò)研究，可追溯到1943年。當(dāng)時(shí)，沃倫·麥卡洛克和沃爾特·匹茲提出了單個(gè)神經(jīng)元的計(jì)算模型。1957年，弗蘭克·羅森布拉特?cái)U(kuò)充了麥卡洛克-匹茲模型，在神經(jīng)元上加入了學(xué)習(xí)算法，并稱之為“感知機(jī)”。它根據(jù)模型的輸出，與人們希望模型的輸出之間的誤差，調(diào)整權(quán)重來學(xué)習(xí)。
感知機(jī)根據(jù)輸出效果的好壞來調(diào)整自己的神經(jīng)網(wǎng)絡(luò)，這跟人的大腦是相同的原理。神經(jīng)網(wǎng)絡(luò)學(xué)派給機(jī)器學(xué)習(xí)指出了一條路。1974年，杰夫·辛頓提出，用多個(gè)感知機(jī)連接成一個(gè)網(wǎng)絡(luò)，它就能解決任何問題；配合以反向傳播算法，就能訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
“阿爾法圍棋”復(fù)制了小孩子的學(xué)習(xí)過程，成功了就調(diào)高相關(guān)通路強(qiáng)度，失敗了就調(diào)低，使神經(jīng)網(wǎng)絡(luò)在自我對(duì)弈百萬盤（用不同風(fēng)格）后調(diào)整到最優(yōu)。
除了模擬大腦的“神經(jīng)網(wǎng)絡(luò)派”，還有模擬昆蟲的“行為智能派”。他們從螞蟻這樣單個(gè)智力有限但群體表現(xiàn)優(yōu)異的動(dòng)物獲得啟發(fā)，讓機(jī)器在與環(huán)境互動(dòng)中獲得知識(shí)。不久前，美國(guó)波士頓動(dòng)力公司研發(fā)的“大狗”四足機(jī)器人，就是這個(gè)學(xué)派的產(chǎn)物。
在幾代人工智能學(xué)者的帶領(lǐng)下，我們已經(jīng)擁有了蘋果的Siri這樣真實(shí)可感的人工智能。下一步驚人的成就會(huì)從哪里突破？很可能不在學(xué)院，而是商業(yè)公司，或許不在美國(guó)，而在中國(guó)、英國(guó)或日本。無論如何，離人工智能交一份滿分答卷還早。（記者 高博 綜合報(bào)道）