本文試著給出一個適當視角，來看待人工智能（AI），回顧我們所做的工作和取得的成就。我們列出了半個世紀以來在人工智能領(lǐng)域的成就，并討論了最近IBM的沃森-危險邊緣挑戰(zhàn)賽。我們也權(quán)衡了從未達到過人類級別的人工智能的前景。

首先，我們回顧了搜索、知識表示和學(xué)習(xí)在人工智能系統(tǒng)建設(shè)中的重要性，并給出了示例，說明合適的知識表示有助于解決問題。

其次，我們介紹了在神話和文學(xué)中反復(fù)出現(xiàn)的一個主題——創(chuàng)造生命或智能體的嘗試總會遇到可怕的后果。也許，我們應(yīng)該向人工智能界提出一些警告。

本文說明了計算機科學(xué)中無法求解的問題的概念，即不存在求解算法的問題。我們自問是否能夠創(chuàng)造人類級別的人工智能，就是這樣的問題。

接著，我們回顧了半個世紀以來在人工智能領(lǐng)域的成就。

然后，我們討論了IBM的沃森系統(tǒng)。2011年3月，在一場觀眾眾多的電視比賽中，IBM計算機擊敗了危險邊緣挑戰(zhàn)賽中的兩位常勝Jeopardy冠軍。

最后，我們回顧了關(guān)于創(chuàng)造生命的若干理論，并解釋了智能和意識。

之前我們開始了人工智能旅程。當時我們說，如果你想設(shè)計智能軟件，那這個軟件就需要具備以下特點。

（1）搜索能力。

（2）知識表示的語言。

（3）學(xué)習(xí)的能力。

在早期的工作中，這就已經(jīng)顯而易見，盲目的搜索算法（即沒有領(lǐng)域知識），如廣度優(yōu)先搜索和深度優(yōu)先搜索的算法，無法有效、成功地越過它們所面臨的大規(guī)模搜索空間這個障礙。

如本書中所述，一條有用的指導(dǎo)原則是，如果你想設(shè)計用于執(zhí)行某項任務(wù)的系統(tǒng)，請先查看自然中是否已經(jīng)存在類似的系統(tǒng)。

如果現(xiàn)在是1902年，而你想設(shè)計一個“飛行機器”，那么你的注意力應(yīng)該集中在鳥類上。1903年，萊特兄弟成功地制造了飛機。飛機的機身相對較薄，并且有兩個突出的大飛翼，這一點都不奇怪。（見圖1.1）

圖1.1

盲目搜索算法不具備所必需的功能來應(yīng)對人工智能領(lǐng)域出現(xiàn)的大規(guī)模的搜索問題。但是，人類是專家級別的“問題求解機器”。紐厄爾和西蒙認識到了這一特點，研究了在問題求解過程中被要求“說出自己思想”的人類。

1957年，這項研究最終導(dǎo)致了一般問題求解器（GPS）的發(fā)明。一般問題求解器具有從人類學(xué)科中提取出來的啟發(fā)式，成功解決了以下問題：水壺問題、傳教士和食人族問題以及康尼斯堡橋問題等。

1736年，萊昂哈德·歐拉寫了關(guān)于圖論的第一篇論文，給出這樣的結(jié)論：當且僅當圖17.3所示的橋包含了一個環(huán)，且這個環(huán)包含了所有的邊和頂點時，圖17.2所示的橋才可以如所描述的那樣遍歷。Euler得出結(jié)論，當且僅當每個頂點的度是偶數(shù)時，這個圖才包含這樣一個環(huán)（現(xiàn)在稱為“歐拉環(huán)”）。

顯然，問題的表示對于有效地發(fā)現(xiàn)解有著巨大的影響。上述指導(dǎo)原則帶領(lǐng)我們得到了兩種學(xué)習(xí)范式。人腦（和神經(jīng)系統(tǒng)）是自然學(xué)習(xí)系統(tǒng)中最引人注目的例子。

第二個范式是進化，這也許不是那么明顯。達爾文描述了植物和動物物種如何適應(yīng)環(huán)境得以生存。在此處，是物種本身而不是個體在學(xué)習(xí)。第12章概述了兩種進化學(xué)習(xí)方法—遺傳算法和遺傳規(guī)劃。在從調(diào)度到優(yōu)化的問題求解領(lǐng)域中，這兩種方法都獲得了成功。

在希臘神話中，普羅米修斯是個神，他從天庭中偷取火種，并把火種帶到了人間。有些記述也賦予了他將人類從黏土中造出來的重任。在文學(xué)中，以無生命的材料創(chuàng)造生命的主題是普遍存在的。也許最令人毛骨悚然的描述出現(xiàn)在《Frankenstein》一書或瑪麗·雪萊的小說《The Modern Prometheus》中。

毫無疑問，讀者熟悉這個科學(xué)家創(chuàng)造生命然后對自己的創(chuàng)造物感到驚恐的故事。1931年，由詹姆斯·惠爾執(zhí)導(dǎo)的電影中，鮑里斯·卡洛夫扮演了怪物的角色。

Shelly小說的第一版出版于1818年，當時工業(yè)革命正如火如荼地進行著。人類利用蒸汽動力在制造業(yè)和紡織業(yè)領(lǐng)域進行了翻天覆地的改革。電報的發(fā)明使遠距離通信實際上變成了即時通信。

許多人認為這場革命的后遺癥并不完全是有益的。我們對蒸汽和煤電，然后是石油，以及最近的核能的依賴，已經(jīng)嚴重污染了星球、水體，還有空氣。還有人認為，工業(yè)革命促進了墮落的物質(zhì)主義。

文學(xué)評論家則非常深刻地指出，《弗蘭肯斯坦》的道德是，社會必須警惕其試圖掌控大自然的嘗試。隨著在整個21世紀，人們對智能知識的掌控持續(xù)增強，這也許需要不斷向人工智能界強調(diào)這個警告。

計算機科學(xué)是一門涉及信息和計算的科學(xué)領(lǐng)域。其重點是問題的算法解。20世紀讓這個新生學(xué)科謙虛謹慎。由于人們發(fā)現(xiàn)了問題可解性的基本限制，因此這個學(xué)科就愈加謹慎起來。也就是說，可能存在一些問題，這些問題不存在算法解。著名的問題就是所謂的“停機問題”。

給定任意流程P，運行任意數(shù)據(jù)w，P（w）會暫停嗎？例如，四色問題也許是圖論中著名的開放性問題。它的命題是“對地圖進行著色，四種顏色是否足以使兩個相鄰區(qū)域的顏色不一樣？”1976年，阿佩爾和哈肯對這個問題做出了肯定的回答。

對于這個問題，計算機程序求解了幾百個小時。如果運行這個程序的操作系統(tǒng)可以預(yù)測該程序最終會停止，那么這將大有裨益。停止問題告訴人們，這種先驗知識并不總是可能的。

本書早些時候提到了阿蘭·圖靈。1936年，他正在研究什么樣的函數(shù)是可計算的這個問題例如，加法是一個可計算的函數(shù)，也就是說，可以給出一個逐步的過程，這樣如果將整數(shù)X和Y作為輸入，那么在有限的計算步驟之后，可以獲得它們的和X + Y。

他提供了一個現(xiàn)在稱為圖靈機的計算模型（見圖1.2）。圖靈機由如下三部分組成。

（1）輸入/輸出磁帶，在輸入/輸出磁帶寫上輸入問題；同時在磁帶上也寫入了結(jié)果。存在各種圖靈機模型；圖1.2所示的是一種雙向無界磁帶的模型。磁帶被分成了單元格，并且在每個單元格中都可以寫入一個符號。磁帶上的每個單元格預(yù)先加載了空白符號（B）。

（2）一種包含算法（即求解問題的分步過程）的有限控制。

（3）讀/寫頭，這可以讀取磁帶上的符號，并將符號寫入此磁帶。它可以向左或向右移動。

圖1.2  圖靈機

Turling討論了通用圖靈機的概念—這種圖靈機能夠運行其他圖靈機的程序，即能夠模擬“普通”圖靈機的行為。Turling證明，對于任意的圖靈機（T），任意輸入（w），即T（w），不可能確定圖靈機（T）是否會停止。這就是所謂的圖靈機停機問題。

這個問題更一般的版本（即停機問題），不能被證明是不可判定的。人們不假思索地接受了，圖靈-邱奇論文給出的這個觀點。這篇論文中提到，圖靈機與數(shù)字計算機的計算能力相當，結(jié)果就是，大多數(shù)計算機科學(xué)家認為，在圖靈機上無法解決的問題在算法上也是無法解決的。

因此，計算有根本的限制。作為計算機科學(xué)的子學(xué)科，人工智能也具有這些基本的限制。人們想知道的是，人類級別人工智能的創(chuàng)造是否也有這些限制。

我們回到創(chuàng)造人類級別人工智能的可行性。現(xiàn)在，我們簡要介紹之前所描述的人工智能的成就。

搜索方面

視頻游戲設(shè)計中已納入了A*，這使游戲變得更加真實。

Mapquest、Google和Yahoo地圖使用啟發(fā)式搜索。許多GPS和智能手機應(yīng)用程序都集成了這種技術(shù)。

用Hopfield網(wǎng)絡(luò)和進化方法找到難題，有時甚至是NP完全問題（如TSP）的近似解。

博弈方面

Minimax評估使計算機可以玩比較簡單的游戲，如tic-tac-toe和nim。

由啟發(fā)式和其他機器學(xué)習(xí)工具輔助，通過alpha-beta修剪的Minimax評估使得計算機可以玩錦標賽級別的跳棋和國際象棋（Deeper Blue擊敗世界國際象棋冠軍Garry Kasparov）。

錦標賽級別的奧賽羅程序（Logistello，1997），以及西洋雙陸棋（TD-Gammon，1992）、橋牌（Jack和WBridge 5，2000s）和撲克中的“精通玩家”。

模糊邏輯方面

手持式攝像機自動補償虛假的手部移動。

汽車牽引力控制裝置。

數(shù)碼相機、洗衣機和其他家用電器的控制裝置。

專家系統(tǒng)方面

具有內(nèi)置推理和解釋性裝置的知識密集型軟件或所謂的專家系統(tǒng)（ES），可幫助消費者選擇合適的車型、瀏覽在線網(wǎng)站、進行購物等。

ES還可用于分析、控制、診斷（患者有哪些疾?。浚?、指導(dǎo)和預(yù)測（我們應(yīng)該在哪里挖石油？）。

ES用于多個領(lǐng)域，如藥物、化學(xué)分析和計算機配置。

只要ES系統(tǒng)用于幫助而不是取代人類，將ES作為人工智能領(lǐng)域最大的成就之一就不會引起爭議。

神經(jīng)網(wǎng)絡(luò)方面

雷克薩斯汽車有倒車攝像頭、聲納設(shè)備和神經(jīng)網(wǎng)絡(luò)。采用這些技術(shù)，汽車可以自動并行停放。

當車輛太靠近其他車輛或物體時，梅賽德斯汽車以及其他汽車有自動停止控制。

Google汽車幾乎完全自主，但是它自動駕駛時，車內(nèi)必須有人。

光學(xué)字符讀取器自動路由大量郵件。

自動語音識別系統(tǒng)得到廣泛的應(yīng)用。軟件智能體例行公事地幫助我們?yōu)g覽信用卡和銀行交易。

在機場，當檢測到在“禁飛”名單中的人時，軟件會提供自動安全警報。

神經(jīng)網(wǎng)絡(luò)協(xié)助醫(yī)學(xué)診斷和經(jīng)濟預(yù)測。

進化方法方面

電信衛(wèi)星的軌道調(diào)度，防止通信漸隱消失。

優(yōu)化天線和超大規(guī)模集成（VLSI）電路設(shè)計的軟件。

數(shù)據(jù)挖掘軟件使數(shù)據(jù)對公司更有價值。

自然語言處理（NLP）方面

會話智能體為個人提供旅游信息，并協(xié)助預(yù)約酒店等。

GPS系統(tǒng)通常向用戶發(fā)出語音指令，例如“在下一個路口，左轉(zhuǎn)”。一些智能手機具有應(yīng)用程序，允許人們說出請求：“最近的能制作卡布奇諾的咖啡店在哪里？”

Web請求允許跨語言進行信息檢索，并在需要時進行語言翻譯。

交互式智能體向正在學(xué)習(xí)閱讀的兒童提供口頭協(xié)助。

 具有神經(jīng)網(wǎng)絡(luò)、自然語言處理（見第13章）、語音理解和規(guī)劃的機器學(xué)習(xí)應(yīng)用程序，在機器人技術(shù)方面取得了顯著的進步。

總體來說，對于一個開始其第二個50年發(fā)展的計算機科學(xué)子學(xué)科，來說這是一個不太糟的成績。

回到先前討論中提出的懸而未決的問題：人類級別人工智能的創(chuàng)造是否會超出人工智能的基本界限？我們先來思考一下人類智力的起源，然后再思考一下生命本身的起源。

英國著名科學(xué)家理查德·道金斯解決了后一個問題，他在達爾文的進化論中找到了見解。當然，40億年前，地球上沒有動物或植物——只是基本原子的“原始湯”。

Dawkins認為，達爾文的理論可以推廣到“穩(wěn)定者生存”，換句話說，穩(wěn)定的原子（和分子）更有可能在這個古老的地球上生存下去。他進一步推測，在早期的歷史上，這個星球擁有豐富的水、二氧化碳、甲烷和氨，因此可能形成氨基酸（作為蛋白質(zhì)的組成成分的復(fù)合分子）。

蛋白質(zhì)是已知生命的前驅(qū)體。Dawkins設(shè)想，在這個星球漫長的生命之路上，下一步是所謂的“復(fù)制因子”的意外創(chuàng)造。這個復(fù)制因子具有一個顯著的性質(zhì)—能夠忠實地復(fù)制自己。他認為，在這個原始環(huán)境中，能夠快速準確地復(fù)制自己的復(fù)制因子是穩(wěn)定的。

復(fù)制（或繁殖）過程本身需要有穩(wěn)定的基本“原材料”的供給。毫無疑問，不同的復(fù)制因子不斷競爭，以獲得充分的水、二氧化碳、甲烷和氨的供給。這一進化過程持續(xù)了40億年。Dawkins認為，經(jīng)歷了這個漫長的進化回合，在當今棲息在這個星球上的動植物中，我們可以找到繼承者—這就是基因。

關(guān)于這個星球上可能的生命起源，Dawkins通過解釋這些基因如何努力確保生存來繼續(xù)其非凡的論述。在過去大約6億年的時間里，它們的行為非常像虛構(gòu)的精靈。

它們一直在塑造人類的眼睛、耳朵、肺等，生命之舟（即身體）也就從這些器官中構(gòu)建而來。在這一論述中，動物的身體和植物好像只是保護所有重要基因生存的保護性隔斷。最近，隨著深入（SL）閱讀Dawkins的作品，我的思緒回到了“星球大戰(zhàn)”系列電影中的一個場景。

在這個場景中，敵方部隊將士兵置于裝有巨腿的機器人戰(zhàn)斗機器中，這形成了士兵的保護殼。即使我們接受了Dawkins的理論，但還是有一個問題—“人類意識的起源在哪里？”

Dawkins可能會認為那些擁有意識的動物（再次通過自然選擇產(chǎn)生的）將具有優(yōu)勢，因此可以實現(xiàn)相對的穩(wěn)定性，從而確保生存。

杰拉德·埃德爾曼是一名生物學(xué)家，曾獲得了諾貝爾獎。他提出了一種意識生物學(xué)理論，這個理論也建立在達爾文主義的基礎(chǔ)上。他認為意識和心靈純粹是生理現(xiàn)象。神經(jīng)元組自組織成許多復(fù)雜和適應(yīng)性強的模塊。

Edelman認為，腦具有功能可塑性，也就是說，由于人類基因組沒有足夠的編碼能力來完全指定腦結(jié)構(gòu)，因此大量的腦組織是自我定向的。

Marvin Minsky在《Society of Mind》中解決了一個更為廣泛的問題。他問：“大腦是如何組織的？”“認知是如何發(fā)生的？”正如Dawkins告訴我們的，人類的大腦是歷經(jīng)數(shù)億年演變而來的。統(tǒng)一場理論無法簡單直白地解釋人類頭骨內(nèi)復(fù)雜器官的功能。

構(gòu)建一種智慧好比組建一支沒有指揮者的管弦樂隊。其中，樂器就是智能體，它們不是在播放音樂，而是在解釋世界。一些智能體有助于了解語言，另一些智能體可以解釋視覺場景，還有一些智能體為人類提供了常識。

除非智能體之間能進行有效的通信，否則這一切毫無意義。Minsky假設(shè)，在任何時間點，個人的心理狀態(tài)可以解釋為一種功能，這個功能中的智能體子集是活躍的。也許人工智能還是太過年輕的一個領(lǐng)域，還沒有準備好提出一個像Minsky這樣的智能“統(tǒng)一場理論”。

但是，當人工智能成熟的時候，Minsky的《Society of Mind》可能會在其中發(fā)揮突出的作用。

2015年，在生物和化學(xué)層面上，人們完全了解了個體神經(jīng)元的功能。在人類的知識中，依然存在的不足是，一群神經(jīng)元如何處理感覺數(shù)據(jù)、編碼經(jīng)驗、理解語言，以及在更一般意義上如何促進認知、啟動意識。目前的研究使用X射線和其他掃描技術(shù)，在功能模塊層面獲得對大腦的理解。

Kurzweil預(yù)測，到21世紀中葉，我們將對人類大腦有一個完整的、體系架構(gòu)般的理解。

此外，他推測，計算機組件的小型化將會提升到一個新階段，到那時，使用硬件來完全實現(xiàn)大腦是可行的——這種實現(xiàn)可能需要數(shù)十億個人工神經(jīng)元和數(shù)萬億甚至數(shù)十億個神經(jīng)元的連接。也許在那時，我們將有足夠的力量來實現(xiàn)人類層次的人工智能。

對我們而言，比較明智的做法是記住普羅米修斯創(chuàng)造完全意識人類的“獎勵”，即他被捆綁著，這樣獅子就可以享用他的肝臟，然后他的肝臟再生，讓獅子再次享用他的肝臟。

科幻文學(xué)概述了人類創(chuàng)造人類層次人工智能的無數(shù)情景。我們希望，如果人工智能可以永遠遵循這個崇高的目標，那么這個獎勵將比給普羅米修斯的“獎勵”更令人滿意。

美國經(jīng)典入門教材，被譽為人工智能領(lǐng)域百科全書。人工智能領(lǐng)域近十年來最前沿教程，更加適合本科生使用。

本書基于人工智能的理論基礎(chǔ)， 向讀者展示全面、新穎、豐富多彩且易于理解的人工智能知識體系。本書給出諸多的示例、應(yīng)用程序、全彩圖片和人物軼事，以激發(fā)讀者的閱讀和學(xué)習(xí)興趣；還引入了機器人和機器學(xué)習(xí)的相關(guān)高級課程，包括神經(jīng)網(wǎng)絡(luò)、遺傳算法、自然語言處理、規(guī)劃和復(fù)雜的棋盤博弈等。

小福利