作者：徐思彦 腾讯研究院研究员

在技术领域，人类智能（Aritificial Intellitgence）也许永远是世界上最打动人的命题，直接触碰了人类对宇宙跟自身的探讨。制造出才能像人类一样思考的机器是科学家们最伟大的理想之一。用智慧的头脑解读智慧将会变成科学发展的终极。

刚刚过去的2016年，对于人工智能来说意义非凡。从年初Alpha Go大胜围棋九段李世石，让人工智能成为技术新浪潮和投资风向标。到国内外的技术公司相继建立AI实验室，紧锣密鼓筹谋人工智能未来。以及美、英等国也相继颁布人工智能国家战略情感机器，以图争夺制高点。

种种征兆显示AI突然到了商业化拐点。尤其是在语音辨识、深度识别等基于深度学习算法应用的领域逐渐产业化，赛道已经铺开。几乎所有技术公司都集结兵力准备在人工智能领域大干一场，全球人工智能竞争日趋激烈。 IDC在其《全球半年度认知/人工智能系统支出指南》（Worldwide Semiannual Cognitive/Artificial Intelligence Systems Spending Guide）中分析，人工智能的利润将从去年的80亿美元增长至2020年的470亿美元，复合年增长率（CAGR）为55.1％。

“What magical trick makes us intelligent? The trick is that there is no trick. The power of intelligence stems from our vast diversity, not from any single, perfect principle.” （是哪个让我们有智慧？其中的真谛是并不存在奥秘。智慧的力量来自于我们的多样性，而不是来自于任何单一、完美的理论。）

——Marvin Minsky （The Societyof Mind, 1987）

在1956年夏天，几位顶尖的青年科学家（那时还没有“计算机科学家”这个词汇）倡议在达特茅斯学院召开了一次大会，发表了一份倡议书来分析被人们称为“人工智能”的主题。“这项研究是基于在一个猜想上进行——那就是学习的每一方面，或智能的任何其它特性，在原则上可以被准确地叙述，并且无法造出一部机器来对其进行模仿，”这次大会一般被觉得是人工智能研究的起始。倡议书作者中的三人，表处理语言（LISP）发明者John McCarthy，麻省理工学院40届理学本科、40届博士、信息论先驱克Claude Shannon（香农），以及之后的图灵奖得主Marvin Minsky，后来都曾在麻省理工学院授课。[i]1959年，Minsky和他的同学John McCarthy一起创立了麻省理工学院人工智能实验室。该实验室对现代计算机业产生了深远的影响。

从人工智能领域推动至今，经历了繁荣与沉寂。其中几个位于争论核心的难题是：是否从心理或神经方面模拟人工智能？能否用简洁的逻辑来表述智能行为？还是需要缓解大量完全无关的弊端？这些难题也蕴含了人工智能研究中两种截然不同的探究路径。其中一种认为，人工智能就是找到一套方法，模拟出人类认知的过程。正如Minsky流传颇广的一句话：“大脑无非是肉做的机器而已”。

70年代早期，Minsky与MIT另一位著名的教育学和计算机学家Seymour Papert教授共同致力于他们称为“意识的社会”的探究。Minsky深受罗素的逻辑学思想影响，就像科学解释其它东西一样，人的观念也可以用数学逻辑表达。如果无法模拟神经细胞的行为，进而构成一张人工的神经网络，那么理论上能够模拟出人的头脑，实现智能。他的理论最后变成了1985年出版的专著“The Society of Mind”(《意识的社会》)。里面提及“智能并不是任何单一机制的产物，而是来自各种代理的有条理的互动”。他与Papert受到神经科学的启发，神经元就像是机器一样，并没有“智能”，是借助大量神经元的相互作用产生的。人类虽然是一种机器，其大脑由许多半自治性但不智能的“代理”（agent）构成。

早期的人工智能学者采取看这些自上而下的探究思路，即借助反省自己的大脑是怎样工作的，再运用计算机程序把它模拟出来。

在MIT Courseware的同名课程[ii]中，你会学习关于怎么坠入爱河、常识、惊恐和恐惧、知识表现的方式。是的，这些都跟人工智能有关。这门课程考察了认知的各个方面，诸如视觉、语言、学习、推理、记忆、意识、理想、情感跟时尚。结合了心理学、人工智能和计算机科学的观念，以缓解诸如整体与个别、结构与功能表述、陈述性与程序性表示、符号与联结主义模型或者逻辑与学习的知识理论等弊端。在这种集合中，你将从了解自己感受思维造就的过程。

Minsky在MIT的课程吸引了好几代研究生，其中很多人都变成了计算机科学领域的明星，其中就比如发明家和将来学家Ray Kurzweil，人工智能研究员Gerald Sussman，MIT人工智能实验后来的主管Patrick Winston。

（图：The Soceity of Mind课程大纲）

今天，几乎所有的科学家都不坚持“机器应象人一样思考就能获取智能”。

机器智能更重要的是无法解决人脑所能解决的弊端，而不在于能否应采取跟人一样的方式。基于统计，我们不需要模拟人的认知过程，可以借助一个大量的数据集来练习计算机，让他自己找到规律，即“机器学习”。今天深度领域的繁荣，有非常一部分归功于Marvin Minsky在1950年发表的人工神经网络的相关论文。1950年，Minsky本科的最终一年，他与朋友一起建造了世界上第一台神经网络计算机。这台计算机是由3000个真空管和B-24轰炸机上一个多余的手动只是装置来模拟40个神经元组成的网络。随后，他在普林斯顿大学攻读物理博士学位，并以“神经网络和脑模型问题”为题完成教授论文。这些工作可以被觉得是神经网络更早期的工作。[iii]而Marvin Minsky自己竟是这种方式的反对者。

Minsky认为，处理神经网络的计算机存在两点关键的弊端：首先，单层神经网络能够处理“异或”电路；其次，当时的计算机缺少足够的计算能力满足大型神经网络长时间的运行需求。过去的数据量相当少。在互联网出现之前，除了《圣经》和少量联合国文件，找不到类似的数据。

Minsky对神经网络的解构将其在整个70年代带入“寒冬”，人工智能产生了这些不同的方向，神经网络好像被他们忘掉。直到80年代，David Rumelhar和Geoffery Hinton等人强调了反向传播（Backpropagation，BP）算法，解决了两层神经网络所必须的复杂计算量问题，克服了Minsky说过神经网络能够缓解异或问题，该算法是对神经网络得到批评的一个有力的提问。在之后的30年，随着工具算法和软件性能的不断优化，深度学习科技已经可以大展拳脚。

（图：人工智能与机器学习的热度变化趋势）

最近加入微软云机器学习部门的华人科学家李飞飞就是深度学习领域的代表人物。李飞飞的假定是，计算机读懂图片和文字，也可以借助和人一样的感知过程。从零至几岁，我们是借助大量数据在了解这个世界，这个数据包含视觉数据、听觉数据、触觉数据。把人眼变成一个相机，一个三岁的小孩早已找了上亿张照片。在这个认知的启发下，李飞飞和其它科学家建立了ImageNet数据库，收集了1500万张包含22000个分类的图片。神经网络经过自我锻炼，可以“看见”图片中的物体。而且，随着数据的累积，错误率不断下降，到2016年下降至3%。

这一过程也有他们所说的“机器学习”。在这些被称为是“自下而上”的研究模式中，智能体可以被看成为一个黑箱情感机器，它接受输入信息，进行一定的推导，然后输出。人工智能研究的重点就是如何设计这个智能体，让它自己找的规律来缓解问题。与最早的“人工智能”有了相当不同的意义。正是这一方法推动了这次的语音识别和文本翻译功能。

Marvin Minsky对AI的启发：

计算机科学家Alan Kay这样评价Minsky：“马文在计算机领域中具备罕见的卓识，他把计算机科学从花瓶般的定位中解放出来，并意识到计算机的使命，是作为有史以来，人类素质更强悍的放大器。”

我们现在亲历的人工智能浪潮，都起初于达到半个世纪之前。过去的60年，奠定了AI领域的基础。在21世纪的第二个十年，AI开始迈向走进他们的生活、走入社会的第一步。就在Marvin去世的那一周，Alpha Go战胜了人类围棋最高水准的选手代表李世石。Google的迪恩将这近一年来最新的AI能力发展变迁比作“进化”。“我们正进入一个AI迅速进化的过程中——这就好比以往的动物没有眼睛，而目前人们有了”。“看见”物体只是是了解世界更开始的一小步，理解人脑、懂得爱情仍然会是人类更雄心壮志的研究。

Minsky最后的著作《情感机器》是关于怎么形成智能机器的一个计划，Minsky试图建立未来会探讨的机器人的愿景。情感，与他们所认为的探讨并没有太大的差别。相反，情感是他们用以提高智能的方法。

在情感方面，目前的人工智能还远远没有走到这一步。在《情感机器》出版后的访谈中，Minsky谈到，“人工智能领域的每个人都在探求某种逻辑推理系统、遗传计算系统、统计推理系统或神经网络，但无人获得重大突破，原因是他们更加简单。这些新理论充其量只能缓解部分问题，而对其它难题无能为力。我们不得不承认，神经网络不能做逻辑推理。例如，在推导概率时，它能够理解数字的真正含义是哪个。”在Marvin Minsky看来，仅仅识别图像或语言远远不是完美的人工智能。他期望才能推动《情感机器》中叙述的认知图的构架，使人工智能在各类思维模式之间切换。迄今为止，还没有人构造一个系统具有以及无法获得自我反思的知识，这样的平台随着时间推移，解决难题的能力会越来越强。Marvin Minsky对戏剧的探究也是这样思维的再现。在他看来，理解戏剧是理解人类头脑一种有效的方式。反之，理解人类头脑也有助于我们欣赏戏剧的本质。理解大脑这件事似乎比理解音乐要难一些，但我们必须了解，优势对难题领域的扩展可以使问题更加简洁。在好几个世纪的时间里，代数方程的平方根理论都受困于由实数组成的狭小世界，但在高斯揭示出更大的复数世界背后，一切都显得简洁起来。类似的，一旦无法穿透听众的灵魂，音乐经常先出更为丰富的内涵。

Marvin Minsky这样的科学家提醒我们很兴奋人心的科学绝不仅仅是黑箱化的数据和建模。人工智能是一门集合了心理学、认知科学、数学、哲学、生物学、计算机科学等不同学科的复杂工作。未来人工智能带来的产品，应该是人类智慧的“容器”。制造一个可以象人类一样思考（或者达到人类智能）的机器仍然必须自上而下的、符号处理或者自下而上模拟神经元三者的结合。

附：Minsky的主要著作有

《计算：有限与无限的机器》(Computation：Finite and Infinite Machines, Prentice-Hall，1967)

《语义信息处理》(Semantic Information Processing，MIT Pr.，1968)

《感知器》(Perceptrons，MIT Pr.，1969；expanded edition，1988)

《表示知识的框架》(A Framework for Representating Knowledge,McGraw-Hill ,1975)

《心智的社会》(The Society of Mind，Simon & Schuster ,1986)

《机器人学》（Robotics, Anchor Pr./Doubleday, 1985）