文化杂谈｜赛博朋克的前世、今生及未来
当然，我是说，如果你在2020年12月这个当下提起“赛博朋克”，众多的游戏玩家则认为你一定是在说《赛博朋克2077》这款席卷全球的电子游戏。某种意义上，它已经成为了中文互联网世界里最普遍的赛博朋克等价物。
在经过漫长的开发、宣传乃至不断地延期之后，这款由波兰著名游戏开发商CDPR（全称CDProjektRED）制作的游戏大作最终于12月10日正式发售。虽然，围绕其发售后相关技术问题（如层出不穷的bug以及糟糕的主机平台优化）的讨论依然甚嚣尘上，但毫无疑问地，《赛博朋克2077》再一次让“赛博朋克”这个充满着后现代主义风格的词汇回到了人们的视野中来。
那么，作为一种文化浪潮，“赛博朋克”又有着怎样的前世、今生乃至未来呢？
（1）
一个鲜为人知的事实在于，“赛博朋克”这个词在中国大陆的历史非常之短，短到只有区区20年。
事实上，“赛博朋克”本身就不是个遥远的概念，其很大部分内容源自于上世纪六七十年代的“新浪潮科幻运动”，后来又吸收了黑客文化和朋克文化，并最终在80年代被确立为一种“科幻文学门类”。千禧年之交，“赛博朋克”这个概念传入中国。
作为舶来品，若想深入理解它的涵义，莫不如从它的本来面貌入手。赛博朋克，即英文Cyberpunk，很明显，这是一个合成词。Cyber一词源于希腊语单词Kubernetes，意思为“舵手”；美国应用数学家诺伯特·维纳使用“Cybernetics”指代“控制论”，后来作为词语前缀，Cyber代表与计算机、网络相关的事物，即利用电子工具或计算机进行的控制。而Punk一词更是天生便有反骨，极大程度上带着反叛和愤青底色，与它相关的事物一定是反主流的、带来对抗的。两个词语结合起来，有时也被称为数字朋克、电脑朋克、网络朋克等；在中国港澳台地区，“Cyberpunk”又称“电驭叛客”，倒是让人顾名思义，也颇为恰当。
此外，我们要明白的是，“赛博朋克”作为一种文化浪潮，后世有着多种衍生物或变体，比如复古未来主义的蒸汽朋克，未来派衍生物的纳米朋克，以及发条朋克、特斯拉朋克、神话朋克等众多分支，其家族可谓生生不息，精彩纷呈。
（2）
赛博朋克，作为一种科幻文学类别，它的故事往往都弥漫着浓浓的反乌托邦氛围。
在其社会背景营造中，一般都执迷于高科技与低生活的社会冲突。即在并不太遥远的未来，科学技术的蓬勃发展，带来了社会形态的质变，但高科技下的品质生活往往只属于富人，基本难以惠及底层穷人。在众多的赛博朋克作品中，社会结构处于一定程度的崩坏，社会秩序受到政府、财团或者秘密组织的高度控制，掌权者或富人在繁华的大楼里纸醉金迷，甚至实现了长生不死，但底层却只能苟延残喘。
以游戏《赛博朋克2077》为例，在它的背景里，故事发生地“夜之城”实际上由荒坂财团控制，其创始者荒坂三郎出生于1919年，却一直活到了2077年，他打算在自己过世时将自己的人格（灵魂）下载到一个AI上，用于完成这项使命的设备和特别小队24小时待命，随时准备着将他复活；如果不是被自己的亲儿子掐死，158岁的他没准能再活158年。而当庞大的企业公司取代了政府成为权力中心，进而控制人类时，这叫什么？公司殖民主义吗？
哦，我们差点忘了最重要的事情，即在赛博朋克世界里我们的主角。实际上，那些创作者偏爱来自于底层的主角，往往会为他们赋予相当的胆识，即便在高度受控的赛博朋克世界里，我们的主角同样会坚持自我，完成某种突破，比如“烧掉夜之城”。
于是，一个经典的、或者套路化的赛博朋克故事应该这样展开：在崩坏的未来，义体改造、都市分层、脑内骇入、虚拟空间、人工智能已经司空见惯，社会阶层却出现严重贫富不均；总是在下雨的天气，映着光怪陆离的霓虹灯与显示屏，当然还要有足够多的汉字元素；一个有胆有识的底层社畜主角穿行其中，独来独往，要反抗某种控制或者体制。
如果这故事必须要深刻，那就讲讲科技高度发展的人类文明与脆弱渺小的人类个体之间的矛盾；或者完全可以提升到哲学的高度，去探讨虚拟与现实、人类与机器、皮相与内在、灵魂与肉体、过去与未来的哲思，最好交织着宿命与反抗、迷幻与执着。
恭喜你，对于赛博朋克，你已经算是入门了；如果你有闲暇，还是建议细读赛博朋克作家，如菲利普·K·迪克、威廉·吉布森等人的作品。
（3）
当然，如果你无法从文字中获得对“赛博朋克”的直观印象，我们可以从文学作品中跳到它的可视化表现作品中来，比如游戏、漫画，比如电影。
其实，早在上世纪30年代，喜剧大师卓别林的《摩登时代》，我认为起码部分表现了“赛博朋克”的精神内涵。当主角查理挣扎在工厂流水线上，他的任务是拧紧六角螺帽，长此以往，他看什么都像螺帽，都想把它拧紧。你看，人本来应该控制机器的，却被机器给控制了，这就是“人异化成了机器”。
后来，千禧年前后的电影《黑客帝国》三部曲将这个主题表现的更为淋漓尽致：现实世界只是计算机AI为人类构建的“幻觉”，人类成为了奴隶（机器），机器（计算机AI）成为了主人。当然，《黑客帝国》探讨的东西要深入地多，比如意识上传和数字永生之类的议题等，暂不赘述。
在欧美，菲利普·K·迪克的作品被认为是赛博朋克类型作品的前身，他的小说后来多被改编成了电影，比如《少数派报告》《全面回忆》和《银翼杀手》等。这其中，1982年的《银翼杀手》改编自他的小说《仿生人会梦见电子羊吗？》，而这部电影被公认为是催生了赛博朋克电影的先驱，奠定了赛博朋克世界的视觉基础。
在漫画产业高度发达的日本，其赛博朋克作品最先发迹于漫画。1982年大友克洋的系列漫画《亚基拉》是其开端，而后更是经典辈出，如《苹果核战记》《攻壳机动队》《铳梦》（后来被改编成了电影《阿丽塔：战斗天使》）《玲音》《BLAME!》等，亦各有特色。
近些年来，优秀的赛博朋克影视作品还有《人工智能》《我，机器人》《银翼杀手2049》《头号玩家》《机械姬》《极乐空间》以及《爱、死亡和机器人》《西部世界》等。
总而言之，随着科幻片这一电影类型的高歌猛进，赛博朋克的文化内涵也随之日趋丰富多彩。
（4）
无数的文艺作品，赛博朋克亦包含在内，大都在追寻一个自古至今长盛不衰的命题，那就是：何为人类？我们为什么而活着？什么是真实的，什么是虚假的？
而这些问题可能永远都不会有答案。
需要引起注意的是，“赛博朋克”这一文化浪潮之所以会风靡世界，不仅仅在于它作为文艺作品本身的魅力、价值和引发的古老思考，还在于赛博朋克真的可能发生在我们的现实未来。
那位著名的美国企业家、富豪埃隆·马斯克在今年8月展示了最新研发的脑机接口技术：一个可以植入脑内的芯片，只有硬币大小，能够传输实时神经元信号。他宣称：脑机接口技术才是未来的科技。不出意料地，在道德层面有洁癖的人们，肯定会批评马斯克用动物来测试芯片是不道德的。但另一方面，该技术引发的伦理担忧却并非危言耸听；毕竟，若借助外部技术可以实现控制人类大脑，那《黑客帝国》中的可怕未来还会遥远吗？
赛博朋克的世界中永远存在着强烈反差，上层与下层的，人类与生化人的，总之是令人不愉快的。某种意义上，赛博朋克世界的这种不愉快倾向反映的是人类对技术的反思和恐惧，怕当下的人类发展趋势最终会催生出黑暗的社会未来。
可以说，“赛博朋克”正是人类自身对未来社会发展的一种极端预测，包含着对科技发展的幻想与慌乱，也有对当下社会的警示，所以往往会在绝望的故事中透露出希望，以达到“号召人们改变现在从而避免未来悲剧”的目的。
我想，这大概便是赛博朋克给予我们的现实意义了。
（5）
最后，如果要在当下选出一位能代表“赛博朋克”的娱乐人物，谁能胜任呢？
如你所想，《黑客帝国》中扮演救世主尼奥的基努·里维斯堪当大任。事实上，游戏开发商CDPR在2019年宣布基努·里维斯将出演《赛博朋克2077》游戏的消息，几乎是游戏宣传史上最成功的营销事件。
所以，未来的事情便留给未来。现在，你完全可以先行步入《赛博朋克2077》的游戏世界，提前感受光怪陆离的赛博朋克世界。何况，还有基努·里维斯陪着你，一起将“夜之城”烧成灰呢。
如此乐事，完全值得开一瓶好酒。
可信人工智能的前世今生
陶大程澳大利亚科学院院士、京东探索研究院院长、京东集团高级副总裁
2021年12月11日，由南方科技大学主办，南科大人文科学中心、斯发基斯可信自主系统研究院、腾讯研究院共同承办的“AI伦理关键问题及其解决路径”学术研讨会，在南科大人文社会科学学院报告厅召开。29位专家学者从不同视角出发，共同探讨未来人工智能发展的可行路径。本文为陶大程先生的分享内容。
今天，在深度学习技术的驱动下，人工智能在自然语言处理和机器视觉等领域都取得了非常迅速的进展。
以视觉应用为例，深度学习技术，不仅可以帮助我们识别场景中的文字，检测人脸、人体的特征点，分割物体、场景，跟踪单个目标、多个目标，识别人的表情、性别、年龄、动作，充分理解视频场景的内容，还可以做很多特效处理——包括慢镜头、加/去雨雾等等。我们甚至只需要一张图片，就可以估计每一个像素到摄像机的距离，恢复这个场景的三维信息。此外，我们还可以对场景中人和人、人和物、物和物之间的关系进行充分的建模。
但是，今天的人工智能也遇到了很多挑战，尤其是和可信相关的诸多问题。
例如，一个水杯，正常情况下用深度学习系统识别时，它是一个水杯。但如果在这个水杯上放一个小卡片，系统就会把它识别成一个装饰物，而不再是一个水杯了。这就是我们常说的对抗攻击，而这个干扰就是对抗样本。
再举一个无人驾驶的例子。今天辅助驾驶已经非常普遍，无人驾驶也已经成为研究趋势。其中，有一个很重要的技术，就是道路交通牌的识别。但如果在这个道路交通牌上贴上小广告，比如房屋出租、寻找Roommate或是修水管（其实很多地方都会出现这样的问题），智能驾驶系统可能就会把一个停车的stopsign识别成100km/h。这对于智能驾驶就是致命性的问题。
另外，由于缺乏可解释性，无人驾驶系统在道路上事故频发，也使得我们对于人工智能的信任不断下降。
此外，用户隐私保护、算法歧视等问题也不断挑战着人工智能的可信性。如某公司在未征得用户同意的情况下，使用用户数据进行精准广告推荐。这样的操作违反了欧洲在2016年出台的《通用数据保护条例》（GDPR），被法国监管机构开出了巨额罚单。美国的一家公司开发的犯罪风险评估系统COMPAS也存在对黑人的系统性歧视问题。相对白人来说，它认为黑人有更大的可能性被认定为再犯罪。
除了种族之外，类似的歧视问题还会出现在很多方面，比如对性别的、年龄的、收入的、居住区域的歧视。
那么，面对上述人工智能系统所面临的可信挑战，我们又该如何应对呢？
2016年4月，欧盟出台了《通用数据保护条例》；2017年12月，国际电气和电子工程师协会（IEEE）出台了《人工智能设计的伦理准则》；此后，欧盟、美国、澳大利亚、新加坡都出台了相关的指南、计划、条例、法规等等。
在中国，可信人工智能的发展也非常迅速。2017年，何积丰院士于香山科学会议第S36次学术研讨会上，首次在国内提出了可信人工智能的概念。2017年12月，工信部印发了《促进新一代人工智能产业发展三年行动计划（2018-2020）》。在此之后，国内包括腾讯、百度、京东等在内的高科技公司都出台了相应的规划。比如京东在2019年10月提出了践行“可信赖AI”的六大维度；2021年4月，京东探索研究院把可信人工智能正式列为三个主要的战略研究方向之一。
通过梳理一些比较有代表性的指南和准则，我们会发现大家都在探讨一些非常相似的概念，虽然这些词汇本身会有一些差异，但究其背后的定义，大致可以总结为：透明可解释、安全可靠、被遗忘权、人的监督与干预、造福环境与社会、隐私保护、精准性、包容性、公平性等九个方面。
另外需要强调的一点是，不管是技术性的、还是非技术性的，这些概念都不是最近才有的。在计算机刚刚诞生时，就已经有人在担忧计算机对人类的影响，开始探讨鲁棒、安全的问题了。有关数据隐私保护的讨论也可以往前追溯到互联网刚开始的时代，当时就有科学家指出互联网的快速发展势必会导致隐私问题。
根据这九个概念的定义，我们可进一步把它们归并为五大方面：稳定性、可解释性、隐私保护、公平性以及相关的责任划分。
稳定性，指人工智能系统抵抗恶意攻击或者环境噪声的能力；可解释性，是希望人工智能系统能够对决策过程以及相关数据给出正确的、可以让人理解的解释；隐私保护，是希望人工智能系统能够保护用户的个人隐私信息不被泄露；公平性，是希望人工智能系统能够不因人种、性别、年龄等特定特征对用户产生系统性的歧视或者偏差。
除了去定义这些基础特性之外，我们还需要找到一个量化的手段。因为量化是我们认知事物的基础，例如长度，我们需要建立合理的度量衡，并且要达成共识。对于可信的每一个概念，也是一样，需要建立统一的度量标准，以此分析和明确责任。
稳定性该如何度量呢？虽然刚才做了一个非常简单的总结，但实际上稳定性是非常复杂的。对于对抗样本、自然噪声、系统噪声的分析处理，稳定性可能是完全不一样的。最近我们联合北京航空航天大学、牛津大学、悉尼大学等单位做了大量实验，发现不同类型的神经网络对不同噪声的攻击所表现出的状态是不一样的。这就要求我们能够从基础定义出发，深入探讨如何度量系统的稳定性。比如对于系统攻击的稳定性，可以通过对抗攻击、中毒攻击、后门攻击等的成功率来衡量。
当有了稳定性的度量后，如何提升系统的稳定性？可以通过对抗训练——过去我们也从理论上证明了通过对抗训练确实能够有效提升稳定性，或者还可以通过样本检测的方式，把不好的样本剔除出去。另外，我们最近的研究指出transformer系列的工作将会成为一个重要趋势，transformer对于对抗攻击的稳定性非常鲁棒。
如果说稳定性的研究是复杂的，那可解释性的研究将会更具挑战性。甚至对于什么是可解释性，今天我们还没有达成一个共识。
比如在研究一个神经网络的可解释性时，网络的性能、泛化误差、网络损失曲面的复杂度等等，都构成可解释性的不同方面，其中泛化误差上界的研究非常重要。可解释性的内容包括有效性分析、样本检测、显著性分析。另外，如何从训练样本、测试样本的角度出发，去理解我们的神经网络，也是非常好的研究方向。
隐私保护的问题，也是大家非常关心的。AI系统在为用户提供精准服务的同时，也要注重保护用户的隐私。比如有了一个人的人名、家庭住址，超大规模神经网络就能把电话号码、社保号等隐私信息恢复出来。这主要是由于神经网络本身是一个很庞大的记忆体，具有很强的、非线性的记忆功能。
神经网络，很像是一个编码器，对所有的训练信息进行编码。很显然，它有机会去重构被编码的数据。另外，还可以根据训练好的模型进行成员推断攻击，来判断一个数据是不是该模型的训练数据，也可以做模型的反转攻击，通过模型的输出进行数据重构。所以从理论上，大部分模型都有可能会泄露用户的隐私。
基于差分隐私这种度量手段，我们就有机会找到一些技术性的方法，来降低系统泄露用户隐私的风险。此外，也可以通过联邦学习，结合同态加密、多方计算等，提升用户隐私保护的性能。
公平性包含了个体公平性、群体公平性。我们现在定义的方式也是非常局限的，如何针对具体问题得到具体定义，是非常重要的手段。
如何去保护公平性？我们在训练网络、定义模型或者数据处理阶段，有各种各样的机会，去提升我们这个系统的公平性。公平性保障算法包括了预处理方法、处理中方法、后处理方法等。
需要强调的是，大数据杀熟不是公平性的问题，而是不正确的行为，需要合理的管控。因此，我们进行研究时还需要搞清楚哪些是技术性的，哪些是非技术性的问题。
稳定性、泛化能力（可解释性）、公平性、隐私保护，是可信人工智能的基础。它们并不是完全独立的，比如理论上可以分析出泛化能力和稳定性存在一定的平衡关系，稳定性和隐私保护也存在平衡的关系，而泛化能力和隐私保护又有协同的关系。
因此，我们需要建设相关的综合治理框架或者统一的研究范式，来对它们进行基础理论分析，得到最终我们觉得合适的度量标准。
总体来看，未来可信人工智能的一体化研究将会是非常重要的方面，可信能力评测也是人工智能在落地过程中必不可少的一个环节，从理论与实践层面持续展开可信人工智能的研究，我们相信一定会推动人工智能进一步的落地并在产业中创造新的机会。
（内容整理：郎萌腾讯研究院助理研究员）
人工智能的前世今生：从图灵机到人工智能
一条无限长的纸带TAPE。纸带被划分为一个接一个的小格子，每个格子上包含一个来自有限字母表的符号，字母表中有一个特殊的符号“_”表示空白。纸带上的格子从左到右依次被编号为0，1，2，…，纸带的右端可以无限伸展。
一个读写头HEAD。该读写头可以在纸带上左右移动，它能读出当前所指的格子上的符号，并能改变当前格子上的符号。
一套控制规则TABLE。它根据当前机器所处的状态以及当前读写头所指的格子上的符号来确定读写头下一步的动作，并改变状态寄存器的值，令机器进入一个新的状态。
一个状态寄存器。它用来保存图灵机当前所处的状态。因为寄存器数量是有限的，所以图灵机的所有可能状态的数目是有限的，并且规定有一个特殊的状态，称为停机状态，代表计算完成。
这种机器的每一部分都是有限的，但它有一个潜在的无限长的纸带，因此这种机器只是一个理想的设备，不会被真正的制造出来。图灵的论文证明了这台机器就能模拟人类所能进行的任何计算过程。
图灵机的图形表示
图灵机思想的价值所在是因为它虽然结构简单，但却可以描述任何人类能够完成的逻辑推理和计算过程，换句话说，图灵机的计算能力是人类能够完成的所有计算的全集，只要一个问题是可判定的，它的计算过程可以被符号和算法所表达出来，它就可以使用图灵机来完成计算。当时很多学者都无法想象这么一台听起来跟打字机差不多的东西，会是一个能够承载人类所有可以完成的逻辑和运算计算模型，此前，“计算”能力是被视为与“思考”相类似的人类抽象能力，大家一时间很难接受“计算”可以被如此简单的模型所概括。
如果了解过可“计算性理论”（ComputabilityTheory）这个学术分支历史的读者会知道，在图灵机被提出之前其实就已经有了能模拟人类所能进行的全部计算过程的模型被设计出来。例如图灵在硕士阶段的导师，普林斯顿大学的阿隆佐·邱奇（AlonzoChurch，1903-1995）教授于1928年就提出的“Lambda演算”就是其中之一。
但图灵机相比起其他计算模型的优势在于它极为直观易于理解，而且很容易通过机械或者电子技术来实现。因此，图灵机的价值被人们所发现后，迅速成为了计算机解决“如何计算”问题的基础，在计算理论上也成为了可计算性的对标物。当一个新的计算模型出现，人们会判定它是否能解决所有在算法上可计算的问题，如果是的话，它就被称为是图灵等价或者图灵完备的。今天，我们称某种程序设计语言是图灵完备的，意思也是所有可计算的算法都能够用这种语言来实现（如今天常见的C、C++、Java、JavaScript等都是图灵完备的，而HTML/CSS这些语言则不是图灵完备的）。
由于笔者是个程序员，所以这里就再多写一句题外话，由于图灵机的结构简单性，不考虑编码效率和可读性的话，只需寥寥几个操作指令就能照着图灵机的定义实现出一款图灵完备的语言，制造出脑洞大开的效果，大家有兴趣的话可以搜索一下“BrainFuck”和“Whitespace”这两门语言看看。
03人工智能的萌芽
在和图灵的交流中，香农很快就理解并接受了图灵机的概念，并对此非常感兴趣。因为他与图灵都看到了一个令人激动的前景——
既然图灵机这样一个并不复杂的计算模型就可以抽象人类逻辑和计算能力，而逻辑和计算又是人类最具代表性的智能表现之一，那“思考”能力，也就是“智能”是否也可以被一个模型所承载抽象，并且被机器所实现呢？图灵机是否也可以扩展为概括所有智能活动的模型？如果图灵机不足以成为这种模型的话，是否有其他的抽象模型可以代替，成为人造智能的基石呢？
有必要再强调一下，当时是1943年，处于信息科学的萌芽期，连正经的通用电子计算机都还不曾出现的时代，并没有实际的图灵机和编程，图灵和香农所讨论的一切对智能的构想都停留在数学和哲学层面，而两位人工智能的先驱所讨论的这几个基础理论问题，在今天仍然是人工智能学界未能解决的问题，他们当时讨论的内容对计算机和人工智能的研究仍有很大启发意义。
当时他们的讨论主要是围绕图灵机能否作为智能的基础模型、如何令机械拥有智能展开的，要解决这些问题，首先要解决的就是要定义什么是“智能”。香农提出考虑机器智能问题时，应当把艺术、情感、音乐等方面的能力一并考虑进去，这很接近今天对多元智能理论中对智能的理解。而图灵则不认可，图灵认为智能既然是由物质（指人类大脑）所承载的，就应该是可由物理公式去推导，可以用数学的方式去描述的，不应该把这些文化方面的内容包含进去。
据《图灵传》（“AlanTuring:TheEnigma”）的记载，一次他们两个在讨论智能的定义时发生了争论，图灵反驳香农时是这么说的：“不！我对如何建造一颗无所不能的大脑完全不感兴趣，我只要一颗并不太聪明的大脑，和美国电报电话公司董事长的脑袋那样就差不多行了！”，如果这位躺枪的董事长先生（贝尔实验室是AT&T下辖的研究机构，董事长既是他们两个的老板）在场的话，大概不会同意图灵给智能所作的定义。
图灵（左）和香农（右）
对于机器如何实现智能这个问题，图灵提出了两条可能的发展路线：一种是基于建设“基础能力”的方法，通过编写越来越庞大完善的程序，使机器具备越来越多的能力，譬如可以与人下棋、可以分析股票、可以识别图形等等这样的能力，图灵认为这是完全可以做到的。但他更有兴趣的是基于“思维状态”来建造大脑。
这种方法的指导信念是，人类大脑一定存在着某种内在机制来产生智能，因为并没有什么更高等的神秘力量在为人脑编程，所以一定存在着某种方法，可以使机器自动地学习，就像人类大脑一样。图灵进一步解释到：新生儿的大脑是不具备智能的，因此，找到人类大脑获得智能的途径，然后应用于机器上，可以实现一个可以自己学习成长，成为机器掌握任何领域技能的一揽子解决方案。
图灵在美国交流期间，他和香农并未能解决“如何定义智能”、“图灵机能否作为智能的承载模型”等问题，但是他们在贝尔实验室一系列关于智能的讨论，代表这个时期学者对“机器和智能”思考的萌芽，是人工智能从“科幻”走向“科学”踏出的第一步。
图灵回到英国之后，他与香农仍然保持着联系，香农还在战后到英国回访过图灵，他们仍然为解决几个问题而不懈努力。在本章中，笔者将继续以图灵的工作为主线进行讲解，而香农的研究工作也间接地导致了人工智能史上另一个重要里程碑事件的发生，而这就是下一章的内容了。
04图灵测试：何谓智能？
1945年到1947年期间，图灵从美国回到英国之后居住在伦敦的汉普顿区。这段时间内他在为“英国国家物理实验室”（NationalPhysicalLaboratory，NPL）工作，工作的具体内容是设计一款名为“自动计算引擎”（AutomaticComputingEngine，ACE）的通用电子计算机。1946年2月，图灵发表了世界上详细论述带程序存储功能（Stored-Program）的计算机体系架构的最早论文之一。但是由于政府决策者的短视，ACE完成理论设计后，反而陷入了一连串研发电子计算机的工作是否值得现在就去投入的争论中，并未能立刻进入建造阶段。图灵因此感到心灰意冷，离开NPL回到大学校园（剑桥大学和曼切斯顿大学），专心研究机械与智能去了。
ACE电子计算机
关于ACE的历史，其实很值的详细书写一番，如果ACE当时立即启动建造，将很有可能和冯·诺依曼的“离散变量自动电子计算机”（ElectronicDiscreteVariableAutomaticComputer，EDVAC）竞争“现代计算机的鼻祖”的头衔（当ACE建造工作重新启动之后，在1950年竣工，EDVAC则在1949年完成，两者完成时间仅差不到1年），也许今天的学校的计算机课本教授到体系架构时就不再称为冯·诺依曼架构了。图灵和冯·诺依曼（VonNeumann，1903-1957）都是数学和计算机科学领域的天才，他们虽然没有直接的合作，分别在两个国家独立研究，但对计算机体系架构的观点却出奇的一致，只是运气上冯·诺依曼要比图灵幸运得多。图灵关于ACE的工作和人工智能关系有限，我们就不再花费笔墨在这上面了。
由于英国政府的保密要求，回到剑桥后，图灵所做的关于机械智能的研究在当时并未公开发表（图灵的论文《智能机器》（“IntelligentMachinery”）写于1948年，直至1992年才在《艾伦·图灵选集》中发表）。直到1950年，图灵在《心灵》（“Mind”）杂志上发表了另一篇划时代的论文：《计算机器和智能》（“ComputingMachineryandIntelligence”），笔者相信大部分读者都没有听说过这文章，但也敢肯定有很多人听说过“图灵测试（TuringTest）”，正是这篇文章提出了著名的“图灵测试”。可以说，也正是因为这篇论文对图灵研究工作的总结，使得后来图灵被世人冠以人工智能之父的荣耀。
1950年图灵在《心灵》杂志中发表《计算机器和智能》，图为《心灵》杂志的目录
我们先来介绍图灵测试，与当年和香农争论“智能该如何定义”这个问题时的思路不同，经过几年时间的探索，图灵已经意识到在当时的学术积累下强行定义智能将是适得其反的。因此，在《计算机器和智能》的开篇就直接说明了他不会正面地的明确定义何谓“智能”，而是先假定智能可以被机器所模拟，然后对机器是否拥有智能给出了一个侧面的判定途径：
如果人类由于无法分辨一台机器是否具备与人类相似的智能，导致无法分辨与之对话的到底是人类还是机器，那即可认定机器存在智能。
这个简单的机器对人类的“模仿游戏”便是现今举世闻名的图灵测试。图灵在提出图灵测试的时候，并未想到会对后世带来如此深远的影响。大概1998年互联网兴起开始，每隔一段时间就有企业或机构出来声称自己研制的机器人通过了图灵测试，其实这几乎都是商业操作和宣传的噱头，无一例外都是特定条件下，如“在5分钟或者20句的对话中，成功令若干个的受测者认为与他对话的机器是个13岁的孩子”这一类型的“通过测试”。
而图灵所定义的图灵测试，更接近于一个思想实验，并未规定参加测试的机器要和人对话多长时间，要骗过受测者中多少人，参加测试的人类智力、年龄等应该在什么样的水平，机器应该模仿一个年龄多大的人类等等（论文中倒是列举了很多可能提的问题和计算机回答的场景来进行论述，但并未对测试加以任何判定的条件限制）。图灵测试中所指的人类，也更多是一个泛称，而非特定的某类人或某个人类个体。
迄今为止，没有任何机器能够通过真正意义上的图灵测试。有趣的是，因为机器在图灵测试上一次又一次的失败，人类基于机器通过这种测试的困难度，反而创造出图灵测试最广泛的应用场景，这种应用在网络上随处可见——图形验证码。验证码的英文单词“Captchac”其实就是“通过图灵测试来完全自动地分辨出计算机和人类”这句话的首字母缩写（CompletelyAutomatedPublicTuringtesttotellComputersandHumansApart）
05智能与人类的界限
今天主流的人工智能研究中，直接以创造出能通过图灵测试的人造智能机械为目标的研究项目其实极为罕见的，这一方面原因是因为图灵测试的难度实在是太高，难以出成果；还有另一方面的原因是图灵测试所提出的目标，其实是已经超过了人类自身的需要了，好比人类要不断制造更好飞机的目的肯定是为了更快更舒适的旅行，而不是为了它飞的更像鸽子以至于能欺骗掉其他鸟类。
通过一个简单的集合关系，可以令我们以更严谨的方式来理解“人类所需的智能”和“能够模仿人类通过图灵测试的智能”这两个问题的差别。如图所示，我们定义了两个集合：“全部智能行为”和“全部人类行为”，以及两者的交集“属于人类需要范畴的智能行为”，并以此举例：
属于全部智能行为可以回答的问题：“围棋规则中执黑需要贴目多少才能确保公平？”
属于全部人类行为可以回答的问题：“周志明和周杰伦谁唱歌比较好听？”
属于人类范畴的智能行为可以回答的问题：“菠菜3元一斤买3斤需要多少钱？”
人类行为与智能行为的范围
显而易见，图灵测试所判定的“智能”是能够模拟全部人类行为的智能，但是全部人类行为的范围内并非都是“属于人类需要范畴的智能行为”，也并非所有人类行为都有让计算机代替人类去完成的必要，你没必要让计算机替你分辨出“榴莲到底是不是一种好吃水果”，觉得榴莲是否好吃这种问题也不会用来衡量回答者有没有智能或者作为判断智商的高低的依据，对吧？
今天学术界人工智能研究的主流是机器从事人类范畴的智能行为（当然，机器天生就可以完成一部分人类之外的智能行为，譬如速算，所以要研究的问题是机器还完成不了的人类范畴的智能行为）这部分内容，而笔者相信现在绝大部分人都很容易接受人工智能的研究定位在人类范畴的智能行为是合理的。
但是当时的主流学者并不都这么认为，在1950年以及之后的一、二十年里，人们对机械实现智能的难度估计普遍都表现出极为乐观的态度，很多的投入是花费在“意识”（Consciousness）、“心智”（Mind）、“自我”（Self）这一类今天划归于强人工智能范畴的研究之中，以至于在20世纪80年代大家终于接受快速实现人工智能的愿望已不切实际这个现实后，出现了一系列关于人工智能前途的大讨论，如“技术奇异点”的讨论、“中文房间”实验、强弱人工智能之分等都是这个时期提出的。
附：一张图看懂人工智能的前世今生
-END-
人工智能的前世今生：过去、现在和未来
近年来，人工智能已发展成为一种强大的工具，使机器人能够像人类一样思考和行动。它引起了全球IT公司的关注，被视为继移动和云平台增长之后的下一次重大技术革命，甚至被一些人称为“第四次工业革命”。研究人员开发了使用达尔文进化思想（例如“适者生存”）构建人工智能算法的软件，该算法无需人工干预即可改进一代又一代。计算机能够在短短几天内重新创建数十年的人工智能研究，它的创造者相信有一天它能够找到新的人工智能技术。
人工智能的历史
尽管人工智能已经存在了数千年，但直到1950年代才对其真正的潜力进行了调查。一代科学家、物理学家和知识分子产生了人工智能的想法，但直到英国博学者艾伦·图灵提出人们可以利用可用信息和理由来解决问题和做出决定。
计算机的难度是扩张的主要绊脚石。在进一步扩张之前，他们需要从根本上适应。机器可以执行订单，但不能存储它们。直到1974年，融资也是一个问题。到1974年，计算机变得很流行。如今，它们更快、更便宜，并且能够存储更多数据。
今日人工智能研究
人工智能研究在当今世界正在进行并不断扩大。据有关研究表明，人工智能研究在过去五年中以每年12.9%的速度增长。预计中国将在未来4年内超越美国成为世界领先的人工智能技术来源。
在人工智能发展领域，欧洲是较大、最多样化的大陆，国际合作水平很高。印度是人工智能研究产出的第三大国家，仅次于中国和美国。
当下的人工智能
人工智能技术正在以前所未有的方式提高生产力，从工作流管理解决方案到趋势预测，甚至公司购买广告的方式。人工智能可以收集和组织大量数据，以得出超出人类手动理解能力的推论和估计。它还提高了组织效率，同时降低了错误风险，并且可以即时识别垃圾邮件和欺诈等异常模式，以提醒组织注意可疑行为等。人工智能的重要性和复杂性越来越高，以至于一家日本投资公司成为第一个提名人工智能董事会成员的公司，因为它能够比人类更快地预测市场趋势。
人工智能已经被应用于生活的许多方面，例如自动驾驶汽车、更精确的天气预报和更早的健康诊断等。
未来的人工智能
有专家曾经提出，我们正处于第四次工业革命的边缘，这将与前三场不同。第四次工业革命最重要的好处之一是能够提高世界人民的生活质量和提高收入水平。随着机器人、人类和智能设备致力于改善供应链和仓储，我们的企业和组织正在变得“更聪明”，生产力也更高。
不同行业的人工智能
人工智能可以通过多种方式帮助提升公司的价值。如果应用得当，它可以帮助优化运营、增加总收入并让公司员工专注于更重要的职责。因此，人工智能正被用于世界各地的各个行业，包括卫生保健、制造行业、金融业、电子商务、招商行业、物业管理等。
卫生保健：人工智能可以提升医疗保健业务。它正在增强该行业的每个领域，从数据安全到机器人辅助操作。人工智能给这个因低效的程序和不断上涨的价格而受到损害的行业带来了一个极大的改观。
汽车：自动驾驶汽车暗示着未来即将来临，它不再是科幻小说，自动驾驶汽车已经成为现实。根据商业信息提供商IHSMarkit的关于自动驾驶汽车的预测，到2040年，预计将有大约3300万辆具有自动驾驶能力的汽车上路。
金融：银行业与人工智能是完美结合。实时数据传输、准确性和大规模数据处理是推动金融业发展的最重要因素。由于人工智能很适合这些任务，银行业正在认识到其有效性和准确性，并将机器学习、统计套利、自适应认知、聊天机器人和自动化纳入其业务运营。
电子商务：阿里巴巴、Rakuten，以及亚马逊等企业利用人工智能技术进行评论挖掘，开发聊天机器人，进行产品推荐，处理大数据等。人工智能有三个关键要素：数据挖掘、自然语言处理以及机器学习。三者推动电子商务公司快速发展。人工智能使得机器学会执行以前需要人工操作才能完成的任务，这给了我们专注于业务战略的时间。企业采用机器学习技术来建立强大的客户关系，这些技术不仅可以个性化客户体验，还可以帮助企业增加销售额。
招商：人工智能在招商行业也得到了广泛的应用，例如智慧园区招商，AI园区建设已成为城市的发展趋势，“智慧化”、“科技化”正成为产业园区转变的风向。通过搭建智能讲解、虚拟现实互动、3D全景多维视觉、智能电子图册、智能形象、智能电子图册、智能后台操作、视频植入、场景漫游、建筑结构分层查看、入驻企业形象导入等多功能综合平台，建立园区智能展示一键式管理系统，一键预览漫游产业园区全景成为现实。通过“互联网+”技术和智慧运维平台的搭建，融入物联网、人工智能等核心技术，为园区和入驻企业的产品与服务提供智能展示平台，实现园区招商的可视化，帮助园区经营方解决招商引资难题，还能帮助企业产品营销的场景化，提升园区的管理、服务能力，进而创造园区经济效益的最大化。
物业管理：物业管理在人工智能化技术应用，采用了综合信息集成云计算技术、智能化系统物联网技术，以及综合物业能耗管理技术，为物业营造了一个人与自然和谐统一的环境，展示了一个舒适，健康，环保，节能的人性化办公生活的新概念。实现物业内各信息系统、网络系统、监控系统、管理系统之间的互联互通和数据共享交换，将智能系统之间各应用系统通过信息模式及三维模式有机的联系在一起，集成为一个相互关联、完整协调的综合监控与管理的大系统，使系统信息高度共享和合理分配，克服以往因各应用系统独立操作，各自为政的“信息孤岛”现象。在物业显示操作的环境上，可实现智能化应用系统之间的信息资源的共享与管理，各应用系统的户操作和快速响应与联动控制，以达到自动化监控的目的。
物业公司还能通过智能机器人等智能终端产品的应用，实现巡逻、清洁、配送、安保监控、环境监测、检查基础设施的运营情况等功能，极大的减少人工管理成本和提高工作效率。
在21世纪初，没有哪个地方比工作场所对人工智能的影响更大，机器学习技术正在带来前所未有的生产力提升。人工智能正在改变我们开展业务的方式，从工作流管理解决方案到趋势预测，甚至企业购买广告的方式。人工智能研究有很大的希望，以至于很难想象没有它的世界。到2030年，无论是自动驾驶汽车、更精确的天气预报还是太空旅行，人工智能都将在日常生活中普及。