AlphaGo的胜利[1]，无人驾驶的成功，深度学习在各领域的突破性进展[2]……人工智能（Artificial Intelligence，AI）以前所未有的速度改变着世界。对于普通人而言，人工智能就是DeepMind的AlphaGo，是Google的无人车，是代替人们劳动的机器人。也许我们不知道的是，人工智能的概念，源于人们长期以来对心灵、自我、意识的思考，以及对思维过程和智能行为的模拟和探索。

奇怪的是，一门被视为未来发展趋势并取得突破性进展的科学，我们竟然很难给出一个不同于大众理解的精确解释。至少目前。对于如何对人工智能进行精确定义，业界还没有达成共识。与很多自然科学不同的是，缺乏一个精确的、普遍接受的定义反而帮助AI成为成长日益加快的领域。人工智能的从业者、研究人员和开发者，大多是按照自己朦胧的方向感以及努力跟上发展形势的紧迫感在该领域探索。没有精确定义和明确边界的人工智能，在发展过程中充分融合了统计学、神经科学、信息论、控制论、计算复杂性理论等多个学科的知识，并在专家系统、自然语言处理、计算机视觉、智能机器人等分支大放异彩。对于企业家而言，这也是一个很好的机会能够让他们“摇身一变”为自己的企业镀上“人工智能”的金身。尽管90%以上“在人工智能领域深耕多年”的企业家和“深谙人工智能商业模式”的投资人从未抵达过人工智能战场的前沿，但是他们歇斯底里的吆喝声客观上提高了政府和社会对这个方向的重视。

尽管我们并不认为一个精确的定义会对人工智能的发展起到正面的作用，但科学界仍然对人工智能的内涵有着孜孜不倦的追求。那么到底什么是人工智能？早在1950年，计算机科学理论奠基人图灵[3]就提出了著名的“图灵测试”——如果一台机器能够与人展开对话（通过电传设备），并且会被人误以为它也是人，那么这台机器就具有智能。图灵奖得主，并誉为人工智能之父的马文·明斯基[4]则将其定义为“让机器作本需要人的智能才能够做到的事情的一门科学”。而代表人工智能另一条路线——符号派的代表人物，图灵奖和诺贝尔奖双料得主司马贺认为[5]，智能是对符号的操作，而最原始的符号对应于物理客体。

1956年夏天， 在美国达特茅斯学院召开了历时两个多月的会议，学者经过充分的总结和讨论，首次提出了“人工智能” （ArtificialIntelligence）这一术语。斯坦福大学人工智能实验室的教授尼尔斯·J·尼尔森提供了一个可供参考的定义： “人工智能致力于使机器智能化，智能化是衡量实体在特定环境中反应和判断能力的定量指标。”

       从这个角度来看，如何定义AI取决于研究者更加看重软硬件系统的“反应”能力还是软件系统的“判断”能力。功能简单的计算机器计算速度比人脑快，而且从不出错，这能算是一种计算器智能吗?我们同尼尔森的观点一样，认为应当从多维谱系来看待智能。在我们看来，计算器和人脑之间的差异不是单一维度的，而是包括规模、速度、自治程度和通用性等多个维度。这种方法还可以用于比较他物体的智能，比如智能语音识别软件、动物大脑、汽车的巡航控制系统、围棋程序、恒温器等。以我们宽泛的解释，可以把计算器放到智能频谱中，但是这种简单的设备和今天的AI并没有什么相似之处。AI的前沿进展日新月异，而计算器的功能即便在今天我们所使用的智能手机中，也只是众多功能里面极不起眼的一个。

[1]关于AlphaGo的算法，可以参考两篇发表在《自然》杂志上的代表性论文：D. Silver, et al., Mastering the game of Go with deep neural networksand tree search, Nature 529 (2016) 484; D. Silver, et al., Mastering the gameof Go without human knowledge, Nature 550 (2017) 354.

[2]可以参考最近的综述论文：Y. LeCun, Y. Bengio, G. Hinton, Deep Learning, Nature 521 (2015)436.

[3] A. M. Turing, Computing machinery and intelligence, Mind 59 (1950)433.

[4] M. Minsky, The society of mind (New York, Simon and Schuster, 1986).

[5] H. A. Simon, The sciences of the artificial (Cambridge, MIT Press,1969).

（这个科普系列内容的撰写受到了徐增林、陈歆、任亚洲、连德富等朋友帮助，特此致谢）。