智慧的疆界：从图灵机到人工智能

2018年出版

第一部分 以智慧创造智慧

第1章 洪荒年代

1.1 概述

​ “人工智能”作为一个专业名词，是在1956年首次出现的。

1.2 引言：信息革命

​ 在二战发生的6年时间里（1939年～1945年），美国的国民生产总值（GDP）就增长了一倍，几乎集中了全球经济资源和智慧力量。

​ 1948年，诺伯特·维纳（Norbert Wiener,1896—1964）和克劳德·香农（Claude Shannon,1916—2001）创立了“控制论”和“信息论“，路德维希·冯·贝塔朗菲1945年发表的对“系统论”的总结性著作，称之为”信息学三论“。

​ 蒸汽机械代替人类体力劳作的工业革命。

​ 智能机械代替人类做脑力劳作的信息革命。

1.3 图灵机，计算的基石

​ 图灵机”与“冯·诺依曼架构”并称现代通用计算机的“灵魂”与“躯体”。

​ 只要一个问题是可判定的，它的计算过程可以被符号和算法所表达出来，它就可以使用图灵机来完成计算。

​ 称某种程序设计语言是图灵完备的，意思也是所有可计算的算法都能够用这种语言来实现。

​ 由于图灵机的结构简单性，不考虑编码效率和可读性的话，寥寥几个操作指令就能照着图灵机的定义实现一款图灵完备的语言，如“BrainFuck”和“Whitespace”这两门语言。

1.4 人工智能的萌芽

​ 定义什么是“智能”。

​ 香农提出考虑机器智能问题时，应当把艺术、情感、音乐等方面的能力一并考虑进去，这很接近今天多元智能理论中对智能的理解。

​ 图灵则不认可，他认为智能既然是由物质（指人类大脑）所承载的，就应该可以由物理公式去推导，可以用数学的方式去描述，不应该把这些文化方面的内容包含进去。

​ 对于机器如何实现智能这个问题，图灵提出了两条可能的发展路线：一种是基于建设“基础能力”的方法，通过编写越来越庞大、完善的程序，使机器具备越来越多的能力，另一种他更感兴趣的是基于“思维状态”来建造大脑。

1.5 图灵测试：何谓智能？

​ 在1945年到1947年期间，图灵为“英国国家物理实验室”（National Physical Laboratory, NPL）设计一款名为“自动计算引擎”（Automatic Computing Engine, ACE）的通用电子计算机。

​ 图灵在《计算机器和智能》的开篇就直接说明了他不会正面地明确定义何谓“智能”，而是先假定智能可以被机器所模拟，然后对机器是否拥有智能给出了一个侧面的判定途径：

​ 如果人类由于无法分辨一台机器是否具备与人类相似的智能，导致无法分辨与之对话的到底是人类还是机器，那即可认定机器存在智能。”这个简单的机器对人类的“模仿游戏”便是现今举世闻名的图灵测试。

迄今为止，没有任何机器能够通过真正意义上的图灵测试。

人类基于机器通过这种测试的困难度，反而创造出图灵测试最广泛的应用场景，这种应用在网络上随处可见—图形验证码。

1.6 智能与人类的界限

​ 20世纪80年代大家终于接受快速实现人工智能的愿望已不切实际，关于人工智能前途的大讨论，“技术奇异点”的讨论、“中文房间”实验、强弱人工智能之分等都是这个时期提出的。

1.7 机器能思考吗？

​ 首先要消除“思考（Think）”一词的歧义性，哲学观点认为思考是一种人类独有的活动，即使机器能充满智能地行动，将思维属性赋予机器其实也是没有意义的。

​ 图灵所指的“思考”，是一种可在外部观察到的行为，是指机器通过学习而获得某项技能，并能够将这项技能表现出来的能力。

​ 机器拥有智能的反对意见主要来自于哥德尔不完备定理，该定理证明了一个反科学直觉的结论：“如果一个形式系统是不含矛盾的，那就不可能在该系统内部证明系统的不矛盾性。”

​ 图灵与香农最初探讨的问题：人类的智能是否能够被某种模型所抽象？如果是，那必将存在着人类智能绝对无法解决的问题，如果不是，那人类就很难制造出能够拥有人类思维的机械智能。

1.8 机器拟人心

​ 图灵正面给出机器获得思维的一种可能途径。

​ “学习机器（Learning Machine）“

​ 创造人工智能的过程就可以分解为建造一部学习机器以及对这部机器的教育过程两个部分。

图灵这篇《计算机器和智能》论文中关于学习机器的描述是最早出现的计算机遗传算法思想的文献记录。

1.9 机器拟人脑

​ 1955年，在美国洛杉矶举行了一个“学习机器讨论会”，神经元模型的发明者、数理逻辑学家沃尔特·皮茨在做会议总结时说道：

​ 有两条通向智能的路径，一条是模拟人脑的结构，一条是模拟人类心智，这两条路最终是殊途同归的。

​ 六十多年来，人工智能的探索历程就是“结构派”和“心智派”交替提出新理论和新发现，交替占据主流地位的发展史。

​ 图灵本人应该算是“心智派”的代表人物。

​ 从实践角度，“结构派”的思路似乎更为可行，至少可以模仿生物结构，道路更为“有迹可循”。

​ 1904年，西班牙病理学家拉蒙·卡哈尔，神经元学说

​ 1943年，麦卡洛克、皮茨发表论文《神经活动中内在思想的逻辑演算》，首次提到了人工神经元网络的概念及数学模型，M-P神经元模型。

​ 1949年，心理学家唐纳德·赫布，认为神经网络的学习过程最终是发生在神经元之间的突触部位，突触的联结强度随着突触前后神经元的活动而变化，变化的量与两个神经元的活性之和成正比。该方法称为Hebb学习规则。

​ 1952年，IBM的程序员阿瑟·塞缪尔，开发了一款西洋跳棋的程序，通过算法赋予计算机一定的学习能力，创造了“机器学习”这一概念，定义为：“在没有明确指令的情况下赋予计算机能力的一个研究领域”。

​ 1957年，心理学家弗兰克·罗森布拉特第一个将Hebb学习理论用于模拟人类感知能力，提出了“感知机”（Perceptron）的概念模型。

1.10 机器拟人身

​ 图灵在1948年的论文《智能机器》，把研究智能的方向划分为“具身智能”（EmbodiedIntelligence）和“非具身智能”（Disembodied Intelligence）两大类。

​ 心智派在研究模拟智能的软件，结构派在研究模拟智能的硬件，行动派就是在模拟智能生物的身体。

​ 心智派、结构派和行动派分别发展成人工智能中的三大经典学派：符号主义学派、连接主义学派和行为主义学派。

第2章 迈向人工智能

2.1 概述

人工智能的起源，公认是1956年的达特茅斯会议。

2.4 有学术就有江湖

美国人工智能学术圈就形成了斯坦福、麻省理工和卡内基梅隆大学三足鼎立的格局。

2.5 有江湖就有传奇

人工智能是一门涉及多个领域的交叉学科，数学、哲学、信息科学、计算机科学、