今天的人工智能，可以像人类一样独立思考了吗
|· 本文来自“我是科学家”·|
我们在前面的几篇文章中讨论了数学、逻辑、数字电路、机械计算机，一直到我们今天已经普及的电子计算机。这些凝结着人类智慧的耕耘，积累到了上个世纪50年代，终于开出智慧之花。人类开始尝试用计算的方式来理解智慧。
虽然今日“人工智能”这个概念在我们的生活中随处可见，但它仍然是高科技的代名词。这个技术中蕴含的伟大力量，到现在才开始逐渐释放。那么，人工智能这一概念究竟是由谁提出的呢？最初的人工智能与今天的人工智能又有哪些区别呢？
人工智能的萌芽上个世纪50年代，在二战结束不久，战争中的很多军用技术蓬勃发展。在战后的美国，这些科学家和技术专家也不断推动这些技术的发展，甚至形成了新的学科。比如维纳（NorbertWiener）的控制论和香农（ClaudeElwoodShannon）的信息论。
在信息技术萌芽发展的大背景下，很多科学家开始考虑如何用自动决策系统或机械的方法来解释人的决策。1965年，达特茅斯学院的年轻助理教授约翰·麦肯锡（JohnMcCarthy）在他的主场请来了包括香农在内的一些对“能思考的机器”有兴趣的科学家。包括MIT的明斯基（MarvinMinsky）,卡内基工学院(今天卡内基梅隆大学的前身)的司马贺（HerbertSimon）等。
参与达特茅斯会议的科学家。
在这个会议上，麦肯锡与多位专家激烈讨论，最终将“人工智能（ArtificialIntelligence）”确立为这一门新学科的名称。在几天的讨论中，这些在数学、逻辑学和信息学领域的专家同时也讨论了人工智能、神经网络等问题，会议后大家分别回到自己的大学把新的想法吸收创新，不但使其大学成为了人工智能研究的重镇，也为后来人工智能学科的发展奠定了基础。
“人工智能（ArtificialIntelligence）”最终被确立为这一门新学科的名称。图片来源：AProposalfortheDartmouthSummerResearchProjectonArtificialIntelligence。
参会的人中还有司马贺的学生纽厄尔（AlanNewell），虽然司马贺是纽厄尔的老师，但他们毕生的合作却是平等的。他们共享了1975年的图灵奖，三年后司马贺再得诺贝尔经济学奖。纽厄尔和司马贺代表了人工智能的另一条路线——“物理符号系统假说”。简单地说，就是智能是对符号的操作，后来简称为“符号派”。
他们和当时的数学系主任、第一届图灵奖获得者珀里思（AlanPerlis）一起创立了卡内基梅隆大学的计算机系，从此，卡内基梅隆大学（CMU）成为计算机学科的重镇，并一直持续至今。而最初的计算机系，也发展成了美国乃至世界计算机门类最齐全的计算机学院。作者以前访问学习的CMU机器人所（RoboticsInstitute）就是以两位先驱命名的:Newell-SimonHall.
明斯基回到麻省理工后创建了人工智能实验室(AILab)，他与西蒙·派珀特(SimonPapert)发表了《感知器》一书，提到了最早的神经网络模型在解决异或（XOR）问题方面的限制。他指出，神经网络被认为充满潜力，但实际上无法实现人们期望的功能。神经网络的研究迅速陷入了低谷，人工智能进入“暗淡”时期。
明斯基的经典著作《感知器》。图片来源：goodreads
20世纪60年代，明斯基又首次提出了“telepresence”（远程介入）这一概念。通过利用微型摄像机、运动传感器等设备，明斯基让人体验到了自己驾驶飞机、在战场上参加战斗、在水下游泳这些现实中未发生的事情，这也为他奠定了“虚拟现实”（virtualreality）倡导者的重要地位。
明斯基。图片来源：Sethwoodworth/Wikipedia
霍兰德(JohnHolland)是密歇根大学的计算机学家，他却另辟蹊径，开始研究随机的优化问题并提出了“遗传算法”。因为很多人工智能的问题最后都可以转化为优化问题（optimizeproblem）。而“遗传算法”本身又可以被直接拿来使用到任何问题，只需要定义好“染色体”和适应度函数即可，是非常方便的一种“即插即用”（Off-the-Shelf）的算法。
霍兰德指导他的学生们完成了多篇有关遗传算法研究的论文。1971年，Hollstien在他的博士论文中首次把遗传算法用于函数优化。霍兰德在1975年出版了《自然系统和人工系统的自适应》（AdaptationinNaturalandArtificialSystems），这是第一本系统论述遗传算法的专著。霍兰德在该书中系统地阐述了遗传算法的基本理论和方法，并提出了对遗传算法的理论研究和发展极其重要的模式理论（schematheory）。在此基础上有各种的理论和应用研究不断产生，很多的期刊和会议也因此诞生，渐渐形成了“进化计算”（EvolutionaryComputation）这个人工智能的重要分支。
壮志雄心与困难重重达特茅斯会议之后，这些第一代的人工智能科学家都雄心勃勃。司马贺(HerbertA.Simon)甚至说：“在1968年之前，计算机就将战胜人类的国际象棋大师。”“在1985年之前，计算机就能够胜任人类的一切工作。”马文·明斯基也预言，“在1973-1978年，就能够制作出一台具有人类平均智力的计算机。”这些充满信心的话让当时的政府和军方非常感兴趣，向人工智能领域投入了大量的经费。
政府和军方向人工智能领域投入了大量的经费。图片来源：Pixabay
然而，这些人工智能领域的专家们似乎错误地估计了人工智能学科的难度，他们这些充满信心的预言中几乎都未实现。直到1997年，IBM的计算机“深蓝”才成功战胜了人类国际象棋的世界冠军。到了2016年，人工能“AlphaGo”才战胜人类的围棋冠军。而时至今日，也没有人工智能能够胜任人类的一切工作。因此在上世纪70年代，政府对于这些无法兑现预言的专家非常失望，纷纷减少了对人工智能领域的经费投入，人工智能领域的研究也陷入的低谷。
当地时间2016年3月15日，韩国首尔，人机大战第5局，李世石1-4谷歌AlphaGo。图片来源：图虫创意
尽管发展一个能够胜任人类所有工作的计算机是一件十分困难的事情，但利用计算机强大的计算能力和信息存储能力，让计算机在某一个领域超过普通人的水平是不难实现的。因此，专家系统应运而生。专家系统在设计时能够收集大量的专业知识，并且根据一定的程序，进行计算、分析、预测等功能。
例如，最早的专家系统“Dendral”是在1965年由爱德华·费根鲍姆（EdwardFeigenbaum）设计的，“Dendral”是一款应用于化学领域的专家系统，它能够根据光谱的度数分析化合物的可能成分。在人类专家相对匮乏的时代，通过这个系统就能让更多的科学研究得以顺利进行。
爱德华·费根鲍姆。图片来源：WikimediaCommons
除此之外，还有专门用于诊断疾病的专家系统，通过专家系统可以弥补人类医生在诊断时可能出现的疏忽。而预测型专家系统能够在综合多方面的专业知识背景的情况下预测出未来事物的发展趋势，例如对一条河流污染物的迁移扩撒进行预测，从而提前采取有效的措施。
“强人工智能”离我们还有多远？而到了二十一世纪初，由于信息产业和互联网的普及，机器学习作为一种学习大数据背后的规律的方法成为了人工智能研究的主流。尤其是后来深度学习的发展，让我们重新看到了人工智能的希望，当然，也引发了人们的担忧，随之而来的是各种技术、哲学、伦理上的讨论。
人们看到了人工智能的希望，当然，也引发了人们的担忧。图片来源：图虫创意
其中讨论重点之一就是目前基于逻辑和计算的智能被称为“弱人工智能”。
“弱人工智能”是在某一方面能够表现出智能或者说看起来像是智能，而不希望研究出与人类相同的智力和思维。例如，图像识别、语音识别方面的人工智能，这些人工智能只能在特定的领域（图像识别领域和语音识别领域）具有智能。尽管目前图像识别和语音识别人工智能也具备了自我学习能力，但它们只会在自己的领域中去学习，而不会像人类那样产生自己的好奇心，从而去探索全新领域的内容。
虽然弱人工智能的名字中带有一个“弱”，但实际上，弱人工智能的实力可不容小觑。目前的主流研究都集中于这一类弱人工智能的研究上，且产生了巨大的研究突破。例如能够战胜人类顶尖高手的围棋机器人AlphaGo也是一款“不弱”的人工智能；在千万张人脸中一眼就看到目标人物的人脸识别软件也是弱人工智能；能够自己穿梭于亚马逊物流仓库中并且在电量不足时找到充电桩自动充电的物流机器人，以及能够看清路况自动将人员安全送到目的地的自动驾驶汽车，都是属于弱人工智能。
AlphaGo也是一款“不弱”的人工智能。图片来源：《AlphaGo世纪对决》
弱人工智能为我们的生活带来了极大的便利，并且能够最直接的将研究成果应用到生产生活的实践中，因此各国对于弱人工智能的研究都投入了巨大的经费。
相对“弱人工智能”的是“强人工智能”。尽管科学家们所希望的就是创造一个具有和人类一样能够独立思考具有自己的人格的人工智能，但这个方面的研究一直没有突破的进展，强人工智能还只能存在于科幻与文学作品中，例如《机器姬》里的艾娃，《黑客帝国》中的母体“矩阵”。
《机器姬》里的艾娃。图片来源：《机器姬》
强人工智能强调的是计算机需要具有自己的思维，而计算机在获得自己的思维之后，是否还会按照人类的思维方式和道德体系去思考，对于目前的科学家来说是难以确定的。因此，按照计算机思维的不同，又可以分为类人思维的人工智能和区别于人类思维的人工智能。例如《超能陆战队》中的大白，就属于前者，尽管外形并不是人类，但它的思维方式与人类一致。而获得了自主思考能力的“矩阵”（《黑客帝国》）和“天网”（《终结者》）系统，它们就属于后者，它们产生了区别于人类的价值观，以自己理解的方式去执行“保护人类”这一项任务。
《超能陆战队》中的大白属于类人思维的人工智能。图片来源：《超能陆战队》
毕竟从另一个角度上说，制造一个强人工智能就意味着制造了一个能够独立思考的生命体，这一难度是可想而知的。因此，也有不少的宗教学者、哲学家反对强人工智能的研究。如果说强人工智能是现代都市里的摩天大楼，那么目前人类在人工智能方面所取得的进展只能相当于原始人所穴居的洞穴，从当今的弱人工智能向强人工智能的发展还有很长的路要走。（编辑：Yuki）
作者名片人工智能时代学生如何学习
韩国围棋世界冠军李世石被人工智能打败后，很多人开始担心，人类如何抗衡人工智能。诺贝尔文学奖获得者莫言在回答高中生的提问“人工智能对世界的影响”时，幽默地说：“你们要好好学习，未来还是你们的，不是机器人的。”
“学习”的确是人们面对人工智能首先要采取的姿态。
人工智能等数字科技重塑人脑
“在计算机擅长的领域中，人类绞尽脑汁来战胜人工智能是不明智的。与其在这个领域中和机器较劲，不如把精力放在自己擅长的领域，比如创造与想象。充分发挥自己的专长，并且利用好机器的专长，岂不是更加美好？”华东师范大学教授祝智庭说。
德国波鸿市鲁尔大学的一项研究表明，大脑在学习新东西以后的3个小时内便会改变结构。人工智能支持的个性学习、协同学习、体验学习和探究学习等学习方式，对脑结构的改变会更加明显。特别是人工智能支持的深度体验与探究学习，会多方面深度激活不同脑神经区域，也就是说人类的大脑正不断地被智能科技重新塑造。
“当人工智能帮助人类处理规则确定性、动作机械性、过程重复性的日常事务后，人们将会有更多的时间和精力去处理富有情感性和创造性的活动。”祝智庭说。
那么，被人工智能重塑的大脑应该学习什么以迎接新生活呢？
“在人工智能时代，在更‘黑’的‘黑科技’时代，人怎么活着、为什么学习、怎样学习等，才是更本质的问题。”北京景山学校计算机教师吴俊杰说。新的时代，又重复起古老的命题，认识你自己，认识个人与社会的关系，即认识群体。
清华大学数学系教授、清华大学附中校长王殿军认为，在学校引入人工智能，让孩子通过研究机器人更好地理解智能和人类自身，让孩子学会如何和机器人打交道。
“从‘认识你自己’出发，学生要学会提高自我效能感。否则，在人工智能时代，你很容易被机器‘饲养’起来。所以要把自己的天赋发挥出来，在不断的正反馈中，创新成瘾。”吴俊杰说，“从‘认识群体’出发，学生要学会适应和热爱群体化创新。在人工智能时代，特别需要通过群体化方式去共同解决一些问题。”
人工智能时代需转换学习方式
我国“863超脑计划”在开发高考机器人，期望到2020年能够达到清华、北大考生的水平。在祝智庭看来，这是随着人工智能深度学习技术的发展，教育技术正在出现的第六种范式——机器自主学习。其他5种范式包括计算机辅助教学、智能教学系统、Logo-as-Latin（让儿童用LOGO语言来教计算机，以此发展儿童思维能力）、计算机支持的协作学习（CSCL）和新出现的个性化适性学习。
“到了那时，人们才会清醒地意识到，既然基于算法的机器人能够轻易超越人的逻辑思维能力，教育为什么不让学生转向审辩思维、创造思维发展呢？高考为什么不多用一些面向本真问题解决的综合能力测试题呢？这是技术促进教育变革的真正意义所在。”祝智庭说。
清华大学附小五年级的穆子雯最近在老师指导下完成了一项北京地铁空间中PM2.5及PM10的调查研究，起因是重度雾霾使她连续3天都要戴口罩。2017年7月至10月，她选择西直门、西单等7个典型车站，测试晴天、雾霾、大风和下雨等典型天气下的PM2.5和PM10的数值，积累了数百组、上千个数据，对地铁公司提出了绿色出行的建议。像穆子雯这样的学习方式，正是在人工智能背景下比较典型的学习方式。
吴俊杰认为，按照现代学习理论，根据学习中智能匹配的不同方式，可以分为基于问题的学习、基于项目的学习和基于产品的学习三种形式。
“基于问题的学习，倾向于产生知识。它适合所有学校已知的科目，主要是在校园里解决的。基于项目的学习产生的是一个方案，一定要有甲方、乙方，可以超越校园，更加接近真实生活。还有一种新的学习模式叫基于产品的学习，这种学习更倾向于真实的环境，从使用产品到设计产品，甚至将产品转化成全人类的共同财富。基于产品的学习在现在流行的创客教育中慢慢流行开来，教育不仅引导大家适应现在的生活，而且号召我们主动构建未来的生活。”
人工智能创造新的学习文化
在北京景山学校初一年级的计算机课上，学生李雨嘉演示了自己编程设计的爱心卡，按下爱心卡的一个按键，可以显示自己的名字；按两下，可以显示好朋友的名字；按三下，可以显示一颗爱心。
这样的编程看似简单，却是未来社会常见的甚至是必需的技能，编程语言可能成为人类必须掌握的新语言。“人工智能时代，需要掀起一场‘新识字运动’，所有人都要学会重新学会‘写字’，这场运动的主角是编程、创客、机器人。”吴俊杰说。只有这样，人工智能才会为人类开创一种新的文明形态。
这是迥异于传统语言文字的“语言”，代表着学习形态的变化，代表着一种新的学习文化。
南京大学教授桑新民自20世纪90年代就开始在课堂教学中研究信息时代学习理论与技术，他认为人工智能对教育的价值，正在于不断替代师生的低水平重复性教学活动，让课堂充满生命活力。这种对教育的挑战，恰恰是教育的福音和教育的未来。
这种新的学习文化，具有丰富的内涵。在祝智庭看来，人工智能使得学习者可以在任何时间、任何地点通过多种渠道接入学习，获取知识不再局限于学校教育阶段。此外，人工智能使得认知不仅发生在头脑中，还发生在人与智能工具的交互过程中。在教育关系方面，人工智能打破了教育的知识传播平衡，加强了“以学生为中心”的关系。而虚拟导师、虚拟学伴、虚拟团队、虚拟教练、虚拟班友等，是对人脑智能的延伸、强化和补充，改变了以往学习主体之间、学习主体与环境之间的交互作用，改变了学习生态。“但是无论如何变化，教育发展的总趋向是让学生从学会到会学与会创。”祝智庭说。
在这种新的学习文化中，教师也变了一个样。未来，教师不可能被人工智能所取代。但祝智庭认为，教师角色必须转变，从知识传播者变为学习促进者；教师的能力结构也必须改变，不懂技术的教师将被懂技术的教师所替代；人与机器之间必须合理分工、协同工作。
“君子不器。不要把自己变成一个物品，变成一个工具，变成一个只有一样功能的人。人工智能时代帮助教师变成智者。”吴俊杰说。
学生也同样如此。（本报记者杨桂青）
人工智能怎么实现智能
随着计算机技术的发展，人工智能从渐渐的走进人们的视野，到现在的妇孺皆知，可以说是十分火热的话题了。但是，机器是怎么实现同人脑一样的智能呢？从信息处理的途径上来说，两者大致是一致的，即信息的输入，储存，处理，输出，反馈。但是只是从类似的信息处理途径的这一点上来说并不能实现智能，只是说能处理信息并做出反馈。我认为实现智能的关键点在于如何处理信息。深度学习模式是现在AI一个重要的模式。机器通过学习大量的数据，找出数据的规律和特征，从机械走向“智能”。