【編者按】本文作者沐陽浸月，中科院自動(dòng)化所復(fù)雜系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室研究生，主攻水下機(jī)器人。

“假設(shè)在你面前站著一個(gè)黑衣人，他渾身都裹著一層布，所以你并不知道他是真正的人還是什么東西。就在這時(shí)你問了他一個(gè)問題：什么事情iPad能做，但是iPhone卻不能做？他思考片刻回答道：燜住方便面桶。說完，默默地拿起iPad就把你剛剛泡上的方便面用iPad蓋上了?！?/strong>

11月23日，世界機(jī)器人大會(huì)在國(guó)家會(huì)議中心盛大開幕,規(guī)?？芍^盛況空前。習(xí)近平主席發(fā)來賀電，李克強(qiáng)總理進(jìn)行批示，李源潮副主席親自到會(huì)并發(fā)表重要講話等，各個(gè)國(guó)家頂級(jí)的機(jī)器人專家悉數(shù)進(jìn)行了精彩絕倫的演講，比如這個(gè)：超限機(jī)器人是什么樣的，比如說納米機(jī)器人？ | 2015 世界機(jī)器人大會(huì)。

這里就不贅述了，我也到場(chǎng)看了，有所感悟，主要的目的是想借此機(jī)會(huì)給雷鋒網(wǎng)的讀者們來科普一些關(guān)于人工智能的基礎(chǔ)理解。

什么是智能？

通過此次盛會(huì)，機(jī)器人以及人工智能的概念又一次被推上了風(fēng)口浪尖。因?yàn)闄C(jī)器人能看到實(shí)體，所以大家并不陌生。但是人工智能對(duì)于大眾來講卻一直是一個(gè)很玄幻的概念，而且針對(duì)人工智能，很多謬誤也遍地開花。

所以，我就從一個(gè)基礎(chǔ)的角度講講人工智能到底是什么，把它從一個(gè)看似遙不可及的概念拉回到一個(gè)我們?nèi)巳硕寄芾斫獾膶哟巍?/strong>

“智人”，生物學(xué)分類中人屬的一個(gè)“種”，地球上現(xiàn)今全體人類的一個(gè)共有名稱，說的也就是我們自己。我們用“智能”作為和其他生物劃清界限的一個(gè)重要指標(biāo)。

那到底什么是智能？

智能是我們所具有的基于神經(jīng)器官一種高級(jí)的綜合能力，它包含有感知、知識(shí)、記憶、理解、聯(lián)想、情感、邏輯、分析、判斷、決定等多種能力，它是一種可以使我們做出導(dǎo)致成功的決策的能力。

所以從字面上理解，人工智能自然就是由人工制造出來的系統(tǒng)所表現(xiàn)出來的一種智能。但是，真實(shí)的人工智能并不像我們字面上看到的這么簡(jiǎn)單。因?yàn)槲覀冊(cè)谘芯咳斯ぶ悄艿倪^程中，并不只是單單想制造出來一種機(jī)器或者一段程序，他的表現(xiàn)“看起來”像人一樣，因?yàn)槲覀冏陨硪膊⒎且环N完美的存在，我們也有自己的不足和缺陷，所以我們要追求的人工智能需要從以下四個(gè)維度去定義。

先把圖放上：

在上圖的四種定義中，頂部的定義關(guān)注思維過程與推理，底部定義強(qiáng)調(diào)行為；左側(cè)的定義根據(jù)與人類表現(xiàn)的逼真度來權(quán)衡，右側(cè)的定義依靠合理性的理想的表現(xiàn)量來衡量。

而合理的定義就是如果一個(gè)系統(tǒng)可以基于已知條件做正確的事情那么它就是合理的。

下面我們對(duì)這四種定義進(jìn)行詳細(xì)敘述。

1、 像人一樣思考

如果我們說某個(gè)程序能像人一樣思考，那么我們必須找一個(gè)辦法來確定人是如何思考的，但是十分遺憾地說，目前并沒有一個(gè)十分有效的辦法來找出我們?nèi)祟惖乃季S方式。所以我們到底是如何思考的至今仍然是一個(gè)待解的謎題。雖然是個(gè)難題，但是我們也在試圖通過我們可以想到的辦法來解決它，一個(gè)是通過對(duì)人類思維行為的觀察和實(shí)驗(yàn)，一個(gè)是對(duì)我們的大腦進(jìn)行觀察與試驗(yàn)，而對(duì)大腦解密也是聞名世界的人類大腦計(jì)劃（Human Brain Project, HBP）想要解決的一個(gè)子問題。

在第一種辦法中，我們可以通過兩項(xiàng)任務(wù)來完成：

一個(gè)是通過內(nèi)省，也就是我們通過對(duì)自己思維過程的捕捉、回顧和思考來獲得我們自身的思維過程；

另一個(gè)便是通過心理實(shí)驗(yàn)，也就是觀察工作和進(jìn)行思維活動(dòng)的人，我們通過對(duì)被觀察人的行為以及行為所表現(xiàn)出的特征，通過心理學(xué)等學(xué)科的方法，來逆向推測(cè)人類的思維活動(dòng)。

但是我們很容易發(fā)現(xiàn)，這種方法中的兩項(xiàng)任務(wù)都具有很大的主觀性。

我們的自省，不同人有不同的生活閱歷以及三觀，這就導(dǎo)致不同的人對(duì)自己的認(rèn)知以及對(duì)自己思維的反省都不可能客觀，而且人類的思維過程也有十分大的缺陷，即使是一個(gè)具有高度自省能力的人也很容易落入窠臼。這個(gè)缺陷中的一種就是我們總是相信我們?cè)敢庀嘈诺臇|西，即我們無法意識(shí)到的認(rèn)知偏向性，將導(dǎo)致我們對(duì)于預(yù)期中和預(yù)期外的后果有著不均等的注意，所以我們的內(nèi)省自然也經(jīng)常會(huì)帶有或多或少的認(rèn)知偏向性。

而通過觀察被觀察人來逆向得出思維過程則更充滿主觀，這個(gè)主觀既來自被觀察人，也來自觀察人，被觀察人的真實(shí)思維不一定會(huì)有外在表現(xiàn)，而外在表現(xiàn)也并不一定是真實(shí)思維活動(dòng)，這也正如成語“口是心非”所描繪的場(chǎng)景。而觀察人對(duì)行為-思維的判斷則在本身的主觀性上又加了一層。由于觀察人的經(jīng)驗(yàn)、學(xué)識(shí)以及認(rèn)知的不同，自然對(duì)同一個(gè)行為也會(huì)產(chǎn)生不一樣的判斷，所以這種辦法雖然可行，但是結(jié)果的客觀性的衡量仍然有待考證。

所以這種方法遇到困難后人們就自然想繞過“心理”這個(gè)層面，直接對(duì)我們的大腦進(jìn)行研究，所以我們的目標(biāo)又投向了神經(jīng)生理學(xué)以及神經(jīng)信息學(xué)。

只有具備了人腦足夠精確的理論，我們才能把這樣的理論表示成計(jì)算機(jī)程序。人類大腦計(jì)劃的目標(biāo)是利用現(xiàn)代化信息工具，將大量、不同層次的有關(guān)腦的研究數(shù)據(jù)分析、處理、整合與建模，建立神經(jīng)信息學(xué)數(shù)據(jù)庫和有關(guān)神經(jīng)系統(tǒng)所有數(shù)據(jù)的全球知識(shí)管理系統(tǒng)，以便從分子水平到整體系統(tǒng)水平研究、認(rèn)識(shí)、保護(hù)、開發(fā)大腦。

大腦如何思維一直是困擾人類的一個(gè)問題。人類的“智能”正是來自人類極其復(fù)雜的大腦。在過去的六億年中，生物體通過進(jìn)化產(chǎn)生出由大量神經(jīng)元相互聯(lián)結(jié)而形成的神經(jīng)網(wǎng)絡(luò)，解決了在不斷變化的復(fù)雜環(huán)境中人腦如何處理各種復(fù)雜信息的問題。尤其是人的高級(jí)認(rèn)知功能的高度發(fā)展，使得人類成為萬物之首，具備了主宰世界的能力。由于人腦的結(jié)構(gòu)和功能極其復(fù)雜，所以我們需要從分子、細(xì)胞、系統(tǒng)、全腦和行為等不同層次進(jìn)行研究和整合，才有可能揭示其奧秘。這里補(bǔ)充一句，人類大腦計(jì)劃雖然是個(gè)十分偉大的計(jì)劃，但是遺憾的是，它現(xiàn)在也正在陷入一場(chǎng)危機(jī)，有興趣的朋友可以移步《人類大腦計(jì)劃陷入困境》，這里不再贅述。

2、像人一樣行動(dòng)

如果說像人一樣思考說的是把模仿人的內(nèi)部智能思維過程定義為人工智能，那么像人一樣行動(dòng)則說的是把模仿人類智能外在表現(xiàn)稱為了人工智能。

值得注意的是，這種模仿并不是一種物理模擬，例如我造了一個(gè)人形機(jī)器人，如果他除了外表長(zhǎng)得像人一樣，而其他什么也不會(huì)做的話，我們并不能將其稱之為有智能。

但是我們想一想，如果他可以交流，你問他問題他也不會(huì)答非所問，他能看見你并且和你擁抱，他感受到冷了會(huì)自己加衣，那么情況就完全不一樣了，這時(shí)候我們就可以說這樣的機(jī)器人他“可能”擁有了智能。

通過上面這個(gè)例子，我們似乎對(duì)什么是“像人一樣行動(dòng)” 有了一個(gè)初步概念。

如果嚴(yán)格地說，要想讓一個(gè)機(jī)器能在“像人一樣行動(dòng)”這個(gè)維度具有智能，他需要的能力包括：自然語言處理，知識(shí)表示，自動(dòng)推理，機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺以及機(jī)器人學(xué)。

自然語言處理說的是對(duì)語言處理的能力，基本能力便是能成功的用英語進(jìn)行交流；

知識(shí)表示是指存儲(chǔ)它知道的或者聽到的信息的能力；

自動(dòng)推理說的是運(yùn)用存儲(chǔ)的信息來回答問題并作出推出新結(jié)論的能力；

機(jī)器學(xué)習(xí)則指的是獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的能力；

計(jì)算機(jī)視覺和機(jī)器人學(xué)是指感知物體和操作移動(dòng)對(duì)象的能力。

說了這么多理論的東西，我們來舉一個(gè)具體的例子。

我們先設(shè)定一種情況：

假設(shè)在你面前站著一個(gè)黑衣人，他渾身都裹著一層布，所以你并不知道他是真正的人還是什么東西。就在這時(shí)你問了他一個(gè)問題：什么事情iPad能做，但是iPhone卻不能做？他思考片刻回答道：燜住方便面桶。說完，默默地拿起iPad就把你剛剛泡上的方便面用iPad蓋上了。

這個(gè)時(shí)候再問你，你覺得他是一個(gè)真實(shí)的人類還是一種機(jī)器？

于是你陷入了沉思，這貨不論是從問題回答的正確性以及行為動(dòng)作而言根本看不出有什么漏洞，而且竟然還會(huì)機(jī)智地說段子，然后你承認(rèn)你無法判斷。

例子講完了，其實(shí)剛才那個(gè)過程就是所謂的圖靈測(cè)試的生動(dòng)版。

（阿蘭·圖靈像）

由圖靈提出的圖靈測(cè)試正是旨在為智能提供一個(gè)令人滿意的可操作的定義，而且在這個(gè)概念提出的60多年后這個(gè)設(shè)計(jì)仍然適合對(duì)智能的判斷，這一點(diǎn)十分令人稱贊。

圖靈測(cè)試的測(cè)試內(nèi)容，即是一個(gè)人（代號(hào)C）使用測(cè)試對(duì)象皆理解的語言去詢問兩個(gè)他不能看見的對(duì)象任意一串問題，對(duì)象為：一個(gè)是正常思維的人（代號(hào)B）、一個(gè)是機(jī)器（代號(hào)A），如果經(jīng)過若干詢問以后，C不能得出實(shí)質(zhì)的區(qū)別來分辨A與B的不同，則此機(jī)器A通過圖靈測(cè)試。

但是圖靈測(cè)試也并不是最佳的測(cè)試方法，因?yàn)檫@種測(cè)試方法只關(guān)注外在表現(xiàn)，并沒有把真正的關(guān)注點(diǎn)放在產(chǎn)生這種思維的原理上，所以即使是通過了圖靈測(cè)試的機(jī)器也許并不是真正的具有了智能，蒙混過關(guān)的情況也很有可能發(fā)生。

你一定還有印象，2014年俄羅斯團(tuán)隊(duì)宣稱開發(fā)出了一臺(tái)首次通過圖靈測(cè)試人工智能的機(jī)器人，這臺(tái)名為Eugene Goostman的計(jì)算機(jī)被描述為“把自己偽裝成十三歲的男孩，騙過了超過 30% 的測(cè)試人員”。其實(shí)想讓計(jì)算機(jī)蒙混過關(guān)并不復(fù)雜，這里還有10個(gè)伎倆，有興趣的話可以看看。后來英國(guó)皇家學(xué)會(huì)將圖靈的標(biāo)準(zhǔn)具體化：在一系列時(shí)長(zhǎng)為 5 分鐘的鍵盤對(duì)話中，只要計(jì)算機(jī)被誤認(rèn)為是人類的比例超過30%，那么這臺(tái)計(jì)算機(jī)就被認(rèn)為通過了圖靈測(cè)試。

一年一度的Loebner Prize比賽便以此標(biāo)準(zhǔn)，這個(gè)大賽也早就出現(xiàn)了“通過測(cè)試”的機(jī)器人，比如2011年的 Cleverbot 程序達(dá)到59%的通過率。但是，這個(gè)名為Eugene Goostman機(jī)器人就是單純地為了通過這個(gè) 5 分鐘測(cè)試而設(shè)計(jì)的，編寫者還頗有心機(jī)地把它設(shè)定成一個(gè) 13 歲的非英語母語的小孩，以便在很多問題無法回答或者出現(xiàn)錯(cuò)誤的時(shí)候，讓裁判誤以為這是因?yàn)樗挲g小而產(chǎn)生的語無倫次。

也就是說，Goostman既不是“第一個(gè)通過測(cè)試”的程序，也不是一臺(tái)人工智能機(jī)器人。

另一個(gè)經(jīng)常出現(xiàn)的謬誤是我們經(jīng)常聽“這個(gè)機(jī)器人的智力已經(jīng)接近多少歲的兒童”這樣的報(bào)道。

百度李彥宏曾說“百度內(nèi)部有個(gè)‘百度大腦’的項(xiàng)目，用技術(shù)模擬人腦思維，現(xiàn)在大約已經(jīng)相當(dāng)于2 - 3歲孩子的智力水平。未來十幾二十年，這樣的大腦或許比人腦還要聰明?！倍④浶”欢x為“一個(gè) 17 歲的萌妹子”。

瑞典的科學(xué)家在 2012 年開發(fā)了一個(gè)據(jù)稱智商達(dá)到150的人工智能程序。但是遺憾的是，這些話大多數(shù)只是這些科技公司為了營(yíng)銷而說的一些話。人類的大腦能學(xué)習(xí)幾乎所有東西，比如兩三歲的孩子已經(jīng)能夠掌握至少一門的語言、能從極其復(fù)雜的環(huán)境中一眼認(rèn)出父母，不管他們的站姿和表情。但這與人工智能相距甚遠(yuǎn)，更不用說搞清楚“智力”這種玄乎的東西了。

3、合理地思考

雖然我們?nèi)祟惖闹悄苁莻ゴ蟮?，但是盡管如此，我們?nèi)匀恍枰鎸?duì)一個(gè)十分嚴(yán)酷的結(jié)論，我們?nèi)祟惒⒉皇峭昝赖摹６谧非笸昝赖穆飞?，我們遇到了人工智能，所以我們是將人工智能向人的方向發(fā)展還是向更加完美、在一定程度上已經(jīng)脫離了人這個(gè)本體的方向來發(fā)展，這也是我們?nèi)绾味x人工智能的一個(gè)重要議題。

所以在討論了“像人一樣”的話題后，我們要開始談?wù)摗昂侠淼亍边@個(gè)話題了。

上面已經(jīng)對(duì)什么是合理進(jìn)行了說明，即如果一個(gè)系統(tǒng)可以基于已知條件做正確的事情那么它就是合理的。

希臘的哲學(xué)家亞里士多德是首先識(shí)圖嚴(yán)格定義“正確思考”的人之一，他將其定義為不可反駁的推理過程。他提出的三段論為在給定正確前提時(shí)總產(chǎn)生正確結(jié)論的論證結(jié)構(gòu)提出了模式，這就是三段論推理模式。三段論推理說的是這樣一種簡(jiǎn)單判斷推理，它包含兩個(gè)直言命題構(gòu)成的前提，和一個(gè)直言命題構(gòu)成的結(jié)論。一個(gè)正確的三段論有且僅有三個(gè)詞項(xiàng)，其中聯(lián)系大小前提的詞項(xiàng)叫中項(xiàng)，在前提中出現(xiàn)兩次；出現(xiàn)在大前提中，又在結(jié)論中做謂項(xiàng)的詞項(xiàng)叫大項(xiàng)；出現(xiàn)在小前提中，又在結(jié)論中做主項(xiàng)的詞項(xiàng)叫小項(xiàng)。

概念有點(diǎn)復(fù)雜，我們舉一個(gè)例子：牛有四條腿，奶牛是牛，所以奶牛有四條腿，這便是三段論。

這些先賢認(rèn)為這些思維法則正是支配頭腦運(yùn)行的基本法則，并且開創(chuàng)了被稱為邏輯學(xué)的領(lǐng)域，而且19世紀(jì)的邏輯學(xué)家門為了世上各種對(duì)象以及對(duì)象之間關(guān)系的陳述制訂了一種精確的表示法。

從表面上看這種表示法似乎距離我們所說的人工智能又近了一步，但是遺憾的是，這種方法卻存在著很大的兩處缺陷：

一個(gè)就是由于這種表示法為了精確表達(dá)各種對(duì)象之間的關(guān)系所以必須做到事無巨細(xì)，但是這就導(dǎo)致了，有些稍微復(fù)雜的問題，他們之間的邏輯表示可能要幾百上千條，但是電腦的運(yùn)行資源是有限的，可能在求解一個(gè)只有幾百條事實(shí)的問題就已經(jīng)耗盡任何計(jì)算機(jī)的資源。

其實(shí)人工智能自1947年圖靈在倫敦?cái)?shù)學(xué)學(xué)會(huì)真正提出來之后的將近70年的時(shí)間里，人工智能經(jīng)歷了很長(zhǎng)一段的瓶頸期，直到現(xiàn)在才又重新蓬勃發(fā)展起來，邏輯學(xué)的這種思路正是一個(gè)重要原因。

也就是，人們總是希望創(chuàng)造或者用規(guī)則復(fù)現(xiàn)出一種合理推理的“規(guī)則”，然后讓計(jì)算機(jī)照著這種規(guī)則來運(yùn)行，但是問題就在這里，一方面這種規(guī)則的制定并不是一件容易的事情，他需要的人力以及智力都遠(yuǎn)遠(yuǎn)超乎想象，況且世界上那么多需要“列舉”的規(guī)則，能列舉的完嗎。另一方面即使列舉出了這些規(guī)則，但是要想將這些規(guī)則描述為計(jì)算機(jī)程序，龐大的計(jì)算量也并不是計(jì)算機(jī)所能承載的，更況且是幾十年前的計(jì)算機(jī)，所以這也是一大缺陷。

另一個(gè)大的缺陷就是，在我們這個(gè)世界上，并不是所有的關(guān)系都是確定的，而且真正的事實(shí)是，大部分的關(guān)系都不能真正用邏輯來表示。

拋一枚硬幣，結(jié)果是正面朝上還是反面朝上；收到一封郵件是不是垃圾郵件；今天會(huì)下雪嗎。凡此種種，我們都不能用一個(gè)“百分之百”的知識(shí)來表示，這也是人工智能瓶頸期的重要制約因素，這也是為什么隨著機(jī)器學(xué)習(xí)等優(yōu)秀的處理概率事件的方法面市后人工智能得到飛速發(fā)展的一個(gè)重要原因。

4、合理地行動(dòng)

為了說明行動(dòng)這個(gè)具有行為要素的概念，我們需要引入一個(gè)叫Agent的概念，它是一種能夠行動(dòng)的東西。我們平時(shí)所說的機(jī)器人只是Agent的一種表現(xiàn)形式，會(huì)寫新聞稿的那段程序也是Agent的一種表現(xiàn)形式。所以合理Agent是一個(gè)為了實(shí)現(xiàn)最佳結(jié)果，或者當(dāng)存在不確定性時(shí)，為了實(shí)現(xiàn)最佳期望結(jié)果而行動(dòng)的Agent。所以總體來看，“合理的行動(dòng)”相對(duì)于“像人一樣”避免了人類思維和行動(dòng)上的缺陷，也避免了“合理地思考”的局限性，故合理Agent可以看做是對(duì)人工智能最好的一種逼近。

在實(shí)現(xiàn)人工智能“思維法則”的途徑中，一個(gè)很重要的部分就是正確地推理，而且做出正確的推理也是合理Agent的重要組成部分——

因?yàn)楹侠硇袆?dòng)的一種方法就是邏輯地推理出給定行動(dòng)將實(shí)現(xiàn)其目標(biāo)的結(jié)論，然后遵照這個(gè)結(jié)論進(jìn)行行動(dòng)。

但是在這里需要注意的一點(diǎn)是，正確的推理只能是合理性的一部分，因?yàn)橛行┦虑槭呛侠淼?，但是它并不需要推理，正確推理是合理性的充分不必要條件。

例如手被火苗燙了一下，縮手就是一種反射行為，并且這也是一種合理行動(dòng)，但是我們不能說這里面涉及了推理，而且這種行為比仔細(xì)考慮后采取的較慢的行為更成功。

那我們?cè)儆眠@種思路看一下圖靈測(cè)試，我們可以發(fā)現(xiàn)，圖靈測(cè)試中那個(gè)“黑衣人”所需要的所有技能也同樣屬于一個(gè)Agent合理地行動(dòng)范疇，所以這個(gè)維度與圖靈測(cè)試并不矛盾。

合理Agent這個(gè)維度的定義與以上三種維度定義主要有兩大優(yōu)點(diǎn)：

第一點(diǎn)是合理地行動(dòng)比合理地思考具有更加普遍的適用性。

因?yàn)樗试S“可能性”這種機(jī)制的存在，當(dāng)我們遇到一個(gè)沒有 “百分之百”的決策的時(shí)候，我們可以通過先驗(yàn)概率和后驗(yàn)概率，得出一個(gè)實(shí)現(xiàn)最佳期望結(jié)果的決策。這樣，我們世界中基本上所有的事情就都可以通過這種方法而使Agent有所行動(dòng)了。

第二點(diǎn)就是這種途徑比“像人一樣”，即基于人類行為或者人類思維的途徑更經(jīng)得起科學(xué)發(fā)展的檢驗(yàn)。

合理性的標(biāo)準(zhǔn)在數(shù)學(xué)上定義十分明確而且完全通用，所以這種情況就完全避免了人的主觀性，這種合理性是可以通過科學(xué)方法驗(yàn)證能夠?qū)崿F(xiàn)的，“能被客觀證明”這種特質(zhì)也是“合理地行動(dòng)”這個(gè)維度定義的一大優(yōu)點(diǎn)。

5、小結(jié)   

雖然第四種維度的定義普遍被認(rèn)為是對(duì)人工智能的一種很好的逼近，但是如果把一個(gè)合理Agent放到一個(gè)十分復(fù)雜的環(huán)境中，由于環(huán)境參數(shù)巨大，決策難度和復(fù)雜度都超過了計(jì)算的限度。

這個(gè)時(shí)候，如果我們還想要實(shí)現(xiàn)完美的合理化，即總做正確的事情，恐怕這并不可行。不過我相信，隨著算法的簡(jiǎn)化以及計(jì)算能力的提升，我們距離真正實(shí)現(xiàn)合理Agent人工智能的目標(biāo)也一定會(huì)越來越近的。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。