跟我走，一二三四五，人工智慧之「前世今生」
CCF YOCSEF 南京邀請南京大學王崇駿教授對於人工智慧 (AI )作精彩評論。
一二三四五，道破AI的 「前世今生」。
難道AI也有慢慢人生路？
何處是盡頭？
讓我們聆聽王教授的娓娓道來，抽絲剝繭，
打開月光寶盒，
沿著AI的時光隧道走一遭！
（YOCSEF 南京肖亮2018-2019主席評論）
（〇）人工智慧時代來了
長期以來，棋牌博弈，尤其是圍棋博弈，被認為是只有很有智能的人才能玩的遊戲。
正是這樣的想法，2016年AlphaGo在圍棋博弈中戰勝李世石引發了民眾對人工智慧的關注，人們很自然的問：人工智慧還能做什麼呢？
或許正是社會各界對人工智慧在行（產）業的賦能期待（以及在很多領域的應用嘗試獲得成功）掀起了人工智慧的新一輪熱潮。
事實上，人工智慧作為一個學術名詞得到社會各界的認可已經過去了六十餘年。本文嘗試對人工智慧相關史料和文獻進行簡單梳理，以便釐清人工智慧相關常識和知識。
為了便於理解和記憶，下文圍繞圖1所示的框架結構介紹人工智慧之一二三四五，即「一個1」、「二個2」、「三個3」、「四個4」和「五個5」，具體而言：
1）「一個1」對機器是否能夠思考這一樸素思想進行了簡介；
2）「二個2」 從研究內容和研究方向兩個角度進行的簡單分類；
3）「三個3」從發展階段、研究學派、研究層次三個角度進行的簡介；
4）「四個4」從關鍵要素、研究範疇、公共平台、響應態度四個角度進行的簡介；
5）「五個5」 從棋牌博弈、研究學派、研究方向、賦能環節和思想流派五個角度進行簡介；
圖1 本文內容結構
（一）一個1
1950年，圖靈在《計算機與智能》中提出「計算機能夠思考嗎」這樣的疑問，並以性別模仿遊戲為例來說明如何判斷計算機是否有智能，這個遊戲的大致描述如下：
1）遊戲參與者包括一名男性（A）、一名女性（B）和一名裁判（C）；
2）遊戲流程和規則是：C和A、B被隔開，C向A和B提問，由A和B分別進行回答，其中B模仿男性的思考方式回答問題，經過多輪次的提問後，然後由C判斷B的性別（此處假定裁判無法通過衣著打扮、聲音來判斷性別），如果C無法準確判定B的性別，我們就說B在性別模仿遊戲中欺騙了裁判而獲得了勝利；
3）將B換成計算機繼續進行這個遊戲，如果計算機成功欺騙了裁判，我們就說計算機在性別模仿遊戲方面能夠像人一樣思考。
其實，這個遊戲就是圖靈測試的最初原型，圖2給出了圖靈測試的一個示意圖，詳情此處不再贅述。
圖2 圖靈測試
（二）二個2
本節提及的「二個2」是從研究內容和研究方向兩個角度進行的簡單分類，分別是：
1）從研究內容上，人工智慧可以分為弱人工智慧和強人工智慧（最近興起了「超級人工智慧」的概念，一個樸素的定義是：能自動、主動生成、演化比自己更強（智能）的人工智慧，詳情此處不再贅述）：
（1）弱人工智慧指的是在某一（些）方面，該智能能夠像人一樣思考和工作，但是並不真正擁有智能，典型的特點是：其不會有自主意識；
（2）強人工智慧指的是能夠推理和解決問題的智能機器，典型的特點是：該智能擁有自我意識；
2） 從研究方向上，人工智慧可以分為個體智能和群體智能，這兩個研究方向事實是對應於「人」（確切的說是「生物體」）的自然屬性和社會屬性：
（1） 經過進化，人具備了恰到好處的感知器官（眼耳口鼻舌）、看起來比較完備的大腦（爬行動物腦、哺乳動物腦、新腦同時存在並協同工作）和看起來比較豐富的行動能力（比如奔跑、吶喊、哭泣、情感等），正因為進化得到的自然屬性，人類具備對世界進行感知、記憶、思考、語言和行為等能力。個體智能對標的就是此，即如何通過演算法實現像單個「人」一樣的智能；
（2） 作為一個個體，每個人都不足夠強大，甚至比較弱小，恰因為如此，人類從一開始就學會了合作，即通過多個個體的合作來完成某種一個人完成不了或者完成不好的任務。群體智能對標的就是此思想，如何通過演算法實現不同個體之間的合作從而達到在合作中進行最優求解；
（3） 值得注意的是，在實際情況下，個體智能和群體智能往往是耦合的，此處不贅述。
（三）三個3
本節提及的「三個3」是從發展階段、研究學派、研究層次三個角度進行的簡單分類，分別是：
1）三個發展階段
（1）推理期人工智慧
隨著推理（機）的研究，研究者發現沒有規則的推理機毫無用處，因此人工智慧的研究進入到了知識期人工智慧（20世紀70-80年代），人們希望能夠把領域知識形式化成計算機可以理解和推理的規則交由推理機去進行推理，因此該階段典型的特徵是：重視知識，無法學習；
（2）知識期人工智慧
隨著推理（機）的研究，研究者發現沒有規則的推理機毫無用處，因此人工智慧的研究進入到了知識期人工智慧（20世紀70-80年代），人們希望能夠把領域知識形式化成計算機可以理解和推理的規則交由推理機去進行推理，因此該階段典型的特徵是：重視知識，無法學習；
（3）學習期人工智慧
隨著研究的推進，研究者發現將領域知識形式化為計算機可以理解和推理的規則困難太大，因此研究者將該理念進行改進，能否充分利用領域數據，通過計算機的建模，能夠自動學習出規則，於是人工智慧的研究就進入到了學習期人工智慧階段（20世紀80年代至今），並因為機器學習在許多問題上取得了突破性的成果，其研究成果和在各個領域的滲透應用逐步深化並逐步形成了比較獨立的發展勢頭（可以不再依靠推理），這個階段的特點是：重視學習，對數據依賴度大。
何處是盡頭？
難道AI也有慢慢人生路？ 何處是盡頭？
1）三個研究學派
（1）符號主義：也稱為邏輯主義、心理學派、計算機學派，其基於物理符號系統（符號操作系統）假設和有限合理性原則，假設知識是先驗地存儲於黑箱之中的，該主義擅長解決利用現有的知識做比較複雜的推理、規劃、邏輯運算和判斷等問題；
（2）連接主義：也稱為仿生學派、生理學派，其基於神經網路及神經網路間的連接機制與學習演算法，從結構的角度來模擬智能系統的運作，而不單單重現功能，比符號學派更加底層；
（3）行為主義：也稱為進化主義、控制學派，其基於控制論及感知-動作型控制系統，研究更低級的智能行為，它更擅長模擬身體的運作機制，而不是腦；
2）三個研究層次
對標於人的自然屬性，將人工智慧的研究從感知（對標於人的感知）、思考（對標於人的思考、記憶、推理等）、行動（對標於人的行動，如表情生成等）三個層面，此處不再贅述。
（四）四個4
本節提及的「四個4」是從關鍵要素、研究範疇、公共平台、響應態度四個角度進行的簡單分類，分別是：
1）四個關鍵要素：
在很多場合，人工智慧的四個要素被認為分別是A、B、C和D，其中：（1）A指的是演算法（Algorithm）；（2）B指的是應用（Business）；（3）C指的是算力（Computing Power）；（4）D指的是數據（Data），具體細節不再贅述；
2）四個研究範疇：
事實關於人工智慧的研究一直有兩個維度的考量，一個維度是：對標「人」的智能還是對標「動物」的智能；另外一個維度是：對標「腦」的思考智能還是對標「整體」的智能，基於這兩個維度，可以將研究範疇分為四類（如表1所示）：
3）四個公共平台：
2017年7月20日國家發布了新一代人工智慧發展規劃而後，根據該規劃中提及的人工智慧公共創新平台建設的提議，在11月由科技部牽頭成立了首批四個公共服務平台，分別是：
（1）依託百度公司建設自動駕駛國家新一代人工智慧開放創新平台；
（2）依託阿里雲公司建設城市大腦國家新一代人工智慧開放創新平台；
（3）依託騰訊公司建設醫療影像國家新一代人工智慧開放創新平台；
（4）依託科大訊飛公司建設智能語音國家新一代人工智慧開放創新平台；
4）四個響應態度：
人工智慧是否會引發「奇點」的到來，人類對其抱有不同的態度，可以從兩個維度進行劃分，一個維度是：樂觀的還是悲觀的；另外一個維度是：理性的還是感性的，基於這兩個維度，可以將響應態度分為四類（見表2）：
（五）五個5
本節提及的「五個5」是從棋牌博弈、研究學派、研究方向、賦能環節和思想流派五個角度進行的簡單分類，分別是：
1）五種棋牌博弈：
在人工智慧的發展歷史上，有很多棋牌博弈被當作驗證人工智慧演算法研究成果的驗證工具，典型的至少有以下5個，分別是：
（1）跳棋：1949年，Arthur Samuel在IBM701上編寫世界第一款國際跳棋程序Checkers，股票大漲15%；1962年打敗人類選手；1990-1994年8月JonathanSchaeffer教授率隊跳棋程序Chinook與數學家MarionTinsley持續膠著大戰（另外一段佳話，此處不再贅述）；
（2）黑白棋：Michael Buro編寫的黑白棋程序Logistello以6:0擊敗人類世界冠軍北野武村上；
（3）國際象棋：1997年，IBM 「深藍」4:2戰勝卡斯帕羅夫；
（4）圍棋：2015年10月，AlphaGo前身（當時還不出名）5:0橫掃歐洲圍棋冠軍樊麾；2016年3月AlphaGo打敗李世石（名聲大振）；然後化名Master連勝60局；2017年5月AlphaGo打敗柯傑；2017年10月AlphaGo Zero打敗Alpha Go；
（5）德州撲克：2017年1月30日，在賓夕法尼亞州匹茲堡的Rivers賭場，CMU開發的人工智慧系統Libratus戰勝4位德州撲克頂級選手；
2）五個研究學派：
機器學習有不同的學派，每個學派從不同的角度看問題：
（1）符號學派更多關注哲學，邏輯學和心理學，並將學習視為逆向演繹；
（2）連接學派專註物理學和神經科學，並相信大腦的逆向工程；
（3）進化學派在遺傳學和進化生物學的基礎上得出結論；
（4）貝葉斯學派注重統計學和概率推理；
（5）類推學派更多是關注心理學和數學優化來推斷相似性判斷。
3）五大研究方向：
2015年中國工程院承擔的人工智慧2.0的戰略預研項目中，提及在新的時代，人工智慧的研究應該有別於傳統人工智慧研究中「讓計算機實現的人工智慧實現人一樣的智能」，而是應該將「人和機器融合」形成混合智能系統、將「人、機器和網路融合」形成新型群體智能系統、將「人、機器、網路和物融合」形成複雜智能系統，為了達到這個目標有必要在五個研究方向展開相關研究，分別是：
（1）大數據智能：目標是形成從數據到知識、從知識到智能的能力，打破數據孤島，形成鏈接多領域的知識中心，支撐新技術和新業態的跨界融合與創新服務；
（2）跨媒體智能：其目標是研製跨媒體智能感知、學習和推理引擎，以語義相通相容為媒介，實現跨媒體分析推理，為建立「耳聰目明」和「融會貫通」的智能提供技術支撐。人在工作的時候不再是單獨的媒體工作，而是多個媒體融合，打通語言、視覺、圖形、聽覺等層面；
（3）群體智能：能夠在網上把大家的智慧和計算機的智慧進行結合，整合為一個整體，建立相關平台，完成各種行為；
（4）自主智能：以海、陸、空、天自主無人載運操作平台、複雜無人生產加工系統等為典型對象，深入研究智能自主無人系統的技術、架構、平台和設計標準；
（5）人機融合智能：目標是實現生物智慧系統與機器智能系統的緊密耦合，相互協同工作，形成更強的智慧和能力；
4）五個賦能環節：
在「AI+X」的具體實踐過程中，涉及到的5個基本環節：
（1）數據和集成層：富集和整合各類數據為後續AI應用提供數據支撐；
（2）實驗和發展層：演算法設計、實現、測試；
（3）部署和運營層：進行數據模型的風險評估，並查看模型證明模型的可解釋性、模型偏差和公平性以及模型故障安全機制；
（4）智能和呈現層：將智能作為一種服務和進行賦能的功能提供給用戶；
（5）體驗和交互層：通過人機交互實現與用戶進行交互。
5）五個思想流派：
《哈佛商業評論》將人工智慧分為五大思想流派，代表了人們在擁抱人工智慧方面的不同態度，見表3：
值得一提的是：可將此表與上一節的第一部分進行對標比較，些許差異，此處不再贅述。
結束語
本文從「一個1」、 「二個2」、「三個3」、 「四個4」和「五個5」五個角度梳理了智能涉及到的相關史料和文獻，對其中涉及到的研究內容、方向、理念、技術進行了簡單的介紹和比較。更多內容請持續關注更多相關文獻以確保人工智慧知識體系的逐漸完備化。
參考文獻
[1] 李開復，李詠剛, 人工智慧，文化出版社，2017
[2] 佩德羅·多明戈斯.機器學習和人工智慧如何重塑世界.中國出版集團，2016
[3] 騰訊-人工智慧+製造.產業發展研究報告.2018，6-48
[4]http://xian.qq.com/a/20180307/019021.htm
[5]http://www.sohu.com/a/235087084_100110234
（本文作者）
王崇駿
男，博士、教授、博導，任職於南京大學計算機科學與技術系及南京大學軟體新技術國家重點實驗室，現任南京大學計算機應用研究所副所長、南京大學中德HPI研究院副院長。研究興趣是自主智能與群體智能、複雜網路分析、大數據分析及智能系統等，近五年發表論文50餘篇、出版專著2部。截至2017年底，主持和參與包括國家重點研發項目、973、發改委專項、工信部產業化基金、國家自然科學基金、國家社會科學基金、省自然科學基金及支撐計劃在內的國家及省部級基金與企事業資助項目50餘項，30餘項成果獲得產品化和商品化推廣。
TAG:YOCSEF南京 |