第六章  智能：人机协作的第五次爆发

24  什么是智能？

在讲完科学革命之后，我们花了四百年时间，把物理世界、生命世界、宇宙规律都研究了个遍。我们用望远镜看到了百亿光年外的星系，用显微镜看到了原子核内部的夸克，用探测器登陆了火星，用手术刀修补了心脏。

我们几乎把外部世界的一切都“征服”了。

但有一个领域，我们始终没有征服，而且它就藏在我们自己的头颅里。

那就是“智能”本身，也就是“思考”这件事。

你知道怎么思考，你每天都在思考。但你有没有问过自己一个最难的问题：

（1）“思考”到底是什么？

这问题难倒了古往今来最聪明的大脑。孔子没说清楚，柏拉图没说清楚，连牛顿也没说清楚。因为思考不像苹果，你看得见、摸得着、可以放在秤上称一称。思考是“无形”的，它发生在你的大脑里，发生在几十亿个神经细胞之间那些微弱的电信号里。

你没有办法把“一个想法”拿出来给人看。

你只能说：“我在想……”，然后别人只能通过你的表情、你的语言、你的行动来“猜测”你在想什么。

所以说，“智能”是人类认识史上一块最难啃的骨头，我们想弄清楚自己是怎么思考的，这就像一个人想用自己的眼睛看自己的眼睛，你得借一面镜子。

而这面“镜子”，就是人工智能。

（2）会思考的东西和不思考的东西——差别在哪？

在我们深入“人工智能”之前，先来回答一个更基础的问题：

什么东西算“有智能”？什么东西算“没有”？

你看一只猫，它会抓老鼠、会躲开汽车、会认出主人。它有智能吗？有一点，但不多。

你看一台冰箱，它会制冷、会恒温、会“知道”什么时候该启动压缩机。但它有智能吗？没有。它只是按照你设定的程序在运作，它不知道“冷”是什么，不知道“食物”是什么，它什么都不知道。

那我们人类呢？我们会说话、会写诗、会解方程、会为别人难过、会为自己骄傲——我们毫无疑问是地球上智能最高的生物。

（3）那把人类和猫、和冰箱区分开来的，到底是什么？

科学家们经过长时间的研究，总结出“智能”至少包含以下几个核心能力：

第一，感知能力。你能看到红色的花、听到鸟叫、闻到面包的香气——你的感官把外界的信号变成了大脑可以处理的“信息”。没有感知，就没有智能。

第二，记忆能力。你能记住昨天妈妈说了什么话、能记住学校门口那棵树的形状、能记住乘法口诀表。没有记忆，你就永远只活在一瞬间，没法积累经验。

第三，推理能力。你看到天色变暗，你“推理”出可能要下雨了。你做了两道相似的数学题，你“推理”出第三道题的解法。推理是从已知到未知的桥梁。

第四，学习能力。你第一次做错了一件事，第二次就不会再犯。你第一次不认识一个字，查了字典之后就认识了。学习是“根据经验改变自己的行为”的能力。

第五，想象和创造能力。你能想象一头长着翅膀的鹿，能写出一首别人没写过的诗，能设计一个别人没设计过的建筑。这是最高级的智能。

你拿这五条去对比一下：

冰箱——感知没有，记忆有一点（记住温度设定），推理没有，学习没有，想象没有。所以冰箱是工具，不是智能体。

猫——感知有（视力、听力、嗅觉都很好），记忆有（能记住主人和回家的路），推理有（但很有限），学习有（能学会开猫门），想象没有（猫不会画画）。所以猫有一定的智能，但很低。

你——感知有、记忆有、推理有、学习有、想象有。全部都有，而且每一项都很强。所以你是高智能体。

那现在问题来了：

我们能不能造出一个东西，让这个东西也拥有感知、记忆、推理、学习，甚至想象？

如果造出来了，那这个东西就叫人工智能，简称AI（Artificial Intelligence）。

（4）从“计算”到“思考”：AI之前的铺垫

实际上，在真正的人工智能诞生之前，人类已经花了很长时间去造“能算数”的机器。

你听说过算盘吗？那是公元前1000年左右中国人发明的计算工具，拨动珠子来做加减乘除。算盘是工具，但它不是“智能”，它不会自己“思考”，它只会执行人的手指指令。

到了17世纪，布莱兹·帕斯卡（就是那个研究气压、发明了“帕斯卡定理”的法国人）造了一台机械计算器，能做加减法。后来莱布尼茨改进了一版，能做乘除法。这些机器比算盘快得多，但它们依然没有“智能”，只是把人类算数的过程“自动化”了。

真正意义上的“会思考的机器”，要等到电子计算机出现之后。

1940年代，世界上第一台通用电子计算机诞生了，像美国的ENIAC（埃尼阿克），它有一间屋子那么大，重达30吨，里面全是电子管和电线。它算东西确实快，一秒钟能算几千次，在当时是不可思议的速度。

但ENIAC也只是“超级算盘”。你给它输入一个数学问题，它算出来给你输出答案。它不会“思考”，不会“理解”，不会“创造”。它只是根据工程师给它的指令，一步一步地执行计算。

那“智能”和“计算”到底有什么不同？

计算是按照固定规则（算法）处理数据，例如1+1=2，不管谁算、在哪里算、什么时候算，结果都一样。计算是机械的、确定的。

智能则需要“理解”“判断”“学习”“适应”，面对一个新问题，你从来没有见过，没有现成的规则，但你能用自己的经验去推测、去尝试、去解决。智能是灵活的、不确定的。

从“计算”到“智能”，中间隔着一条巨大的河。在20世纪中叶之前，没有人知道怎么跨过这条河。

直到1956年，有一群人聚在一起，决定试一下。

（5）图灵：一个问出“终极问题”的人

在讲1956年的那个会议之前，我们必须先认识一个人——艾伦·图灵（1912—1954）。

图灵是英国人，数学天才，也是计算机科学的奠基人之一。他在1936年（才24岁！）就提出了一种“万能计算模型”后来被称为“图灵机”，从理论上证明了：只要给一台机器足够的“纸带”和一套明确的规则，它可以做任何可以计算的事情。

图灵的这个理论，后来成为所有计算机的“蓝图”。你手里那部手机，本质上就是一台“图灵机”的物理实现。

但图灵还不满足。他提出了一个更大胆、更奇怪的问题：

“怎么判断一台机器有没有智能？”

这个问题太重要了，因为如果你不知道“什么算有智能”，你就没法回答“机器有没有智能”。

图灵设计了一个“游戏”，后来被称为“图灵测试”。它是这样的：

你坐在一个房间里，面前有一个屏幕（当然，在图灵那个年代还没有屏幕，他是用打字机来描述的），你可以通过打字和另一边的“对象”对话。那个对象可能是另一个人，也可能是一台机器。你提问，它回答，你们来回交流。

如果你在交流了一段时间之后，分辨不出对方是人还是机器，那么这台机器就通过了测试，我们就说这台机器“有智能”。

这个测试听起来很简单，但它背后的思想极其深刻：

图灵说，不要纠结机器“心里”有没有意识、有没有感觉，那些我们永远看不到。我们唯一能判断的，是机器的“行为”能不能伪装得像人一样。

如果一台机器能像人一样对话、能接住你的玩笑、能回答你的问题、能让你觉得“这应该是个真人吧”——那我们就承认它有智能。至于它“真的在思考”还是“只是模拟思考”？图灵认为这个问题没有意义，因为既然你分辨不出来，那对我们来说，它就是有智能的。

图灵的测试提出了一个大方向：不要看机器的“内部”有什么，要看机器的“行为”像不像人。

这让“造一台会思考的机器”从哲学空想变成了一个有明确目标的技术问题。

可惜的是，图灵因为同性恋的身份在当时受到迫害，被强制接受化学阉割。他在1954年去世，年仅41岁，吃了一口含有氰化物的苹果，可能是自杀。

他没有看到自己提出的那个问题，在几十年后变成了一场席卷全世界的技术革命。

25  人工智能的诞生

1956年夏天，美国达特茅斯学院。

那是新罕布什尔州一个安静的小镇，绿树成荫，夏天凉快。一群年轻的数学家、工程师、心理学家和计算机专家聚集在那里，参加一个为期两个月的暑期研讨会。

组织者是约翰·麦卡锡（当时是达特茅斯的年轻教授，才28岁）、马文·明斯基（哈佛大学的研究员）、纳撒尼尔·罗切斯特（IBM公司的科学家）和克劳德·香农（信息论的创始人，已经是大名鼎鼎的人物）。

他们提交了一份会议提案，提案里赫然写着一个当时所有人都觉得“太狂妄了”的词——“人工智能”（Artificial Intelligence）。

这个词，就是麦卡锡在那份提案里第一次使用的。之前大家用的都是“思维机器”“自动机”“复杂信息处理”之类含糊的说法。麦卡锡说：干脆一点，就叫“人工智能”。

“我们提议，在1956年夏天在达特茅斯学院进行一次为期两个月的人工智能研究……我们将尝试让机器能够使用语言、形成抽象概念、解决人类目前只能解决的各种问题。”

这个提案写得太狂妄了，好像在说“我们两个月搞定人类几千年的难题”。但实际上，这次会议并没有产生任何突破性成果，参加者们吵了两个月，谁也没说服谁，最后各回各家了。

但是，这次会议的名字和理念留下来了。“人工智能”这个领域，就在这一天正式诞生了。

就像一个婴儿呱呱坠地，虽然哭声还挺虚弱，但毕竟活了。

（1）第一波浪潮：“规则派”的乐观

达特茅斯会议之后，AI研究迎来了第一个“春天”。参加者们都信心爆棚：

1965年，赫伯特·西蒙（后来的诺贝尔经济学奖得主）预言：“在二十年内，机器将能够完成人类能做的任何工作。”

1958年，麦卡锡发明了一种叫LISP的编程语言（至今还在用！），专门用来处理“符号”——不是简单的数字，而是像“名词”“动词”“句子”这样的逻辑符号。他的想法是：人类思维本质上就是“符号操作”，我们把概念组合在一起形成判断，把判断组合在一起形成推理。如果机器也能操作符号，不就能像人一样思考了吗？

这种思路被称为“符号主义”或“规则派”，相信智能来自于一系列明确的逻辑规则。你告诉机器：“所有人类都会死；苏格拉底是人；所以苏格拉底会死。”机器就学会了三段论推理。

在1960年代到1970年代，规则派确实取得了一些令人瞩目的成果：

有一个程序叫“ELIZA”，是一位叫约瑟夫·魏泽鲍姆的科学家在1966年写的。它模拟的是一个心理医生，你对着打字机说一句话，它就根据你的话反问你一句。

你说：“我最近很沮丧。”

ELIZA回答：“你为什么会感到沮丧？”

你说：“因为我妈妈对我很严厉。”

ELIZA回答：“你妈妈对你严厉，这件事让你什么感受？”

这个程序其实根本“不懂”你说了什么，它只是在你的句子里找关键词，然后套用一些固定的反问句。但当时很多人跟ELIZA聊完之后，竟然觉得“她”真的很懂自己！有些人甚至不愿意相信这是一台机器，他们觉得屏幕后面有一个真人在打字。

ELIZA的成功让人大吃一惊，原来“假装懂”只需要这么简单的规则就能骗过普通人。但同时，这也暴露了一个大问题：ELIZA并没有真正的理解，它只是一本有几十条规则的“问答手册”。

另一个成功的项目叫“SHRDLU”，是1970年由特里·威诺格拉德写的。它在一个“积木世界”里操作——你输入英语指令：“把那块蓝色的方块放在红色金字塔上面。”SHRDLU就会指挥一只虚拟的机械臂，把积木按指令摆好。它不仅能执行指令，还能回答你的问题：“这块绿色的方块在哪个积木上面？”

SHRDLU看起来非常聪明，它好像真的“理解”了你的话，也“理解”了那个积木世界的几何关系。

但问题在于：SHRDLU只懂“积木世界”。你问它“明天的天气怎么样？”，它就傻了。它没有常识，不会举一反三，它的所有智能都局限于那个被程序员设计好的、极其狭小的世界里。

到了1980年代，规则派的AI走到了一个致命的瓶颈：世界太复杂了，无法用规则全部写出来。

你想让机器识别一张照片里有没有“猫”，你要是用规则派的方法，你得写多少条规则？

“如果有一个椭圆的头，而且有两个三角形的耳朵，而且有三根胡须……那可能是猫。”

“但如果耳朵是圆的呢？如果猫侧着脸呢？如果猫闭着眼睛呢？如果照片是黑白的呢？如果猫被挡住了半边呢？”

规则越来越多，越来越多，直到写几十万条规则还是认不全，而且不同规则之间还会打架。

规则派走到了一条死胡同里。他们试图用“人的逻辑”去教机器思考，但他们忽略了一个基本事实：人类自己从来不是靠逻辑规则来识别猫的，我们是靠“看多了就知道”的。

（2）第二波浪潮：从“教”到“学”的革命

既然“教”机器走不通，那换一个思路：

别教了。让机器自己“学”。

这个思路叫“机器学习”。它的核心思想是：你不要告诉机器“猫长什么样”，你给它看成千上万张猫的照片和不猫的照片，让它自己总结出“猫”的特征。

这就像你教小孩识字一样，你不需要跟他讲文字学的构造规则，你只需要指着“猫”这个字，说“这叫猫”，反复一百遍，他就认识了。

机器学习需要两样东西：

第一，海量的数据。你得有成千上万、甚至几百万张猫的照片给它看。

第二，强大的计算能力。它要看完每一张照片、调整自己内部的“参数”、不断优化，这个过程需要算得非常快。

到了21世纪，这两样东西都开始爆炸性地增长。

互联网提供了海量的数据，你每上传一张照片、每发送一条信息、每一次点击，都在为AI提供“食物”。

计算机芯片遵循着摩尔定律：每两年算力翻一倍，让几十万次的重复运算变成了一眨眼的事。

机器学习里最厉害的一个分支，叫“深度学习”（Deep Learning）。它的灵感来自大脑的神经网络。

（3）神经网络：模仿大脑的“电路”

人类的大脑里有大约860亿个神经细胞（神经元）。每个神经元跟其他成千上万个神经元连着，形成一个巨大的、密密麻麻的“网络”。你“思考”的时候，就是电信号在这个网络里飞速传递：从一层神经元传到下一层，再下一层，每一层都对信号进行某种“加工”。

深度学习就是模仿这个结构，用软件在计算机里建造一个“人工神经网络”。

这个网络有好几层（“深”就是指“层数多”）。第一层接收原始信息，比如一张图片的像素；中间一层一层地“提取特征”，第一层辨认边缘，第二层辨认形状，第三层辨认眼睛鼻子，第四层辨认整个猫的脸；最后一层输出判断，“这是猫，概率92%。”

这个过程不需要程序员去告诉它“第一层看边缘、第二层看形状”，程序员只是给它看了几百万张图片，网络自己在每一次看图中调整内部参数，慢慢“学会”了哪些特征组合最像猫。

2012年，一个叫AlexNet的深度神经网络在一项“ImageNet图像识别大赛”中取得了惊天动地的成绩，它的错误率只有15%，比第二名的26%低了整整11个百分点。全世界的AI科学家都震惊了。从那之后，深度学习一夜之间成了AI领域最热门的方向。

你手机里的人脸识别、你手机上相册自动整理的照片、你在搜索引擎里输入半句话它就帮你补全了后面的内容，这些全是深度学习的功劳。

支持单位：