Lisp语言发明者 人工智能奠基人 John McCarthy
图灵奖获得者，Lisp语言的发明者，人工智能的奠基者之一，计算机科学家JohnMcCarthy昨日病逝。JohnMcCarthy生于美国马萨诸塞州波士顿，计算机科学家。他因在人工智能领域的贡献而在1971年获得图灵奖。实际上，正是他在1955年的达特矛斯会议上提出了“人工智能”这个概念。麦卡锡发明了LISP并于1960年将其设计发表在《美国计算机学会通讯》（en:CommunicationsoftheACM）上。他帮助推动了麻省理工学院的MAC项目（en:ProjectMAC）。然而，他在1962年了离开麻省理工学院，前往斯坦福大学并在那里协助建立了斯坦福人工智能实验室（en:StanfordArtificialIntelligenceLaboratory），成为MAC项目多年来的一个友好的竞争对手。他于1948年获得加州理工学院数学学士学位，1951年获得普林斯顿大学数学博士学位。分别短暂地为普林斯顿大学、斯坦福大学、达特茅斯学院和麻省理工学院供职后，麦卡锡于1962年-2000年底在斯坦福担任教授，退休后成为名誉教授。JohnMcCarthy：1927年9月4日生于美国波士顿，计算机科学家与认知科学家。被称为“人工智能之父”。1971年图灵奖得主。--1948年，加州理工，数学学士--1951年，普林斯顿大学，数学博士--1956年Dartmouth会议的发起人（该会议被视为AI作为一门学科诞生的标志），1955年在为该会议写的建议书(与Minsky,Rochester和Shannon一同撰写)中提出ArtificialIntelligence一词，从而被视为“人工智能之父”。--1958，发明Lisp编程语言（该语言至今仍在人工智能领域广泛使用）--1960左右，提出计算机分时(time-sharing)概念--1962~2000（退休），斯坦福大学计算机系教授，后期工作主要关注常识和非单调推理。--1965~1980，斯坦福AI实验室主任--1971因对AI的贡献获图灵奖。--1985获得IJCAI(theInternationalJointConferenceonArtificialIntelligence)颁发的第一届"ResearchExcellenceAward"（可看作是AI的终身成就奖）--1990年获得“美国国家科学奖(NationalMedalofScienceAward)”出版书籍：《FormalizingCommonSense》，1990（http://www.douban.com/subject/3542872/）参考：维基页面http://en.wikipedia.org/wiki/John_McCarthy_(computer_scientist)个人主页http://www-formal.stanford.edu/jmc/（其主要论文都可以从该主页下载）其中：“WHATISAI(什么是人工智能)”（http://www-formal.stanford.edu/jmc/whatisai.html）是一篇很好的AI入门读物===========JohnMcCarthy的生平介绍==========以下内容来自《ACM图灵奖：1966～2001》(http://www.douban.com/subject/1649502/)：1971年的图灵奖授予提出“人工智能”这一术语并使之成为一个重要的学科领域的斯坦福大学教授约翰·麦卡锡(JohnMcCarthy)。麦卡锡1927年9月4日生于波士顿。他的父亲是一个爱尔兰移民，做过木匠和渔夫，同时也是一个发明家和工会积极分子，拥有捻船缝机和桔汁冷冻机两项专利。麦卡锡的母亲是来自立陶宛的犹太人，热心于女权运动，当过记者。夫妻两人在20世纪30年代都曾参加美国共产党。受父母的影响，麦卡锡对社会问题也比较关注，参与过在加州的PaloAlto创办自由大学的活动，倡仪过修改“人权法案”(theBillofRights，这是美国于1789年通过的对美国宪法的第一次修正案)。但与他在计算机科学上所做的工作和贡献相比，麦卡锡主要还是一个科学家而非社会活动家。此外，麦卡锡还喜欢攀岩、跳伞、驾驶滑翔机等有刺激性和危险性的运动，曾和他的第二任妻子维拉·沃特森(VeraWatson)一起攀登过世界上不少大山高峰。沃特森是一位程序员，也是世界知名的女登山运动员，是第一位独自攀上西半球第一高峰、位于阿根廷和智利边界的安第斯山脉的阿空加瓜山(海拔6960米)的女性，后来在一次攀登位于尼泊尔中部的阿那波尔那峰(海拔8075米)的妇女探险活动中不幸遇难牺牲。麦卡锡是一个天赋很高的人，还在上初中时，他就弄了一份加州理工大学的课程目录，按目录自学了大学低年级的高等数学教材，做了教材上的所有练习题。这使他1944年进入加州理工学院以后可以免修头两年的数学，并使他虽因战时环境(第二次世界大战当时正在进行之中，美国也在珍珠港事件后宣布参战)要在军队中充任一个小职员，占去了部分时间，仍得以·在1948年按时完成学业。然后到普林斯顿大学研究生院深造，于1951年取得数学博士学位。麦卡锡留校工作两年以后转至斯坦福大学，也只呆了两年就去达特茅斯学院任教(达特茅斯学院位于新罕布什尔州的汉诺威)。在那里，他发起了并成功举办了成为人工智能起点的有历史意义的“达特茅斯会议”。1958年麦卡锡到MIT任职，与明斯基(L．Minsky，1969年图灵奖获得者)一起组建了世界上第一个人工智能实验室，并第一个提出了将计算机的批处理方式改造成为能同时允许数十甚至上百用户使用的分时方式(6me-sharing)的建议，并推动MIT成立组织开展研究。其结果就是实现了世界上最早的分时系统——基于IBM7094的CTSS和其后的MULTICS。麦卡锡虽因与主持该课题的负责人产生矛盾而于1962年离开MIT重返斯坦福，未能将此项目坚持到底，但学术界仍公认他是分时概念的创始人。麦卡锡到斯坦福后参加了一个基于DECPDP—1的分时系统的开发，并在那里组建了第二个人工智能实验室。麦卡锡对人工智能的兴趣始于他当研究生的时候。1948年9月，他参加了一个“脑行为机制”的专题讨论会，会上，冯·诺伊曼发表了一篇关于自复制自动机的论文，提出了可以复制自身的机器的设想，这激起了麦卡锡的极大兴趣和好奇心，自此就开始尝试在计算机上模拟人的智能。1949年他向冯·诺伊曼谈了自己的想法，后者极表赞成和支持，鼓励他搞下去。在达特茅斯会议前后，麦卡锡的主要研究方向是计算机下棋。下棋程序的关键之一是如何减少计算机需要考虑的棋步。麦卡锡经过艰苦探索，终于发明了著名的α-β搜索法，使搜索能有效进行。在。-p搜索法中，麦卡锡将结点的产生与求评价函数值(或称返上值或倒推值)两者巧妙地结合起来，从而使某些子树结点根本不必产生与搜索(这谓之“修剪"--pruning或cutoff)。之所以称为。—p搜索法，是因为将处于取最大值级的结点的返上值或候选返上值PBV(ProvisionalBack-upValue)称为该结点的α值，而将处于取最小值级的结点的候选返上值或返上值称为该结点的p值。这样，在求得某结点的。值时，就可与其先辈结点的p值相比较，若。≥p，则可终止该结点以下的搜索，即从该结点处加以修剪，这叫p修剪；而在求得某结点的p值时，就可与其先辈结点的α值相比较，若p≤。，则可终止该结点以下的搜索，即从该结点处加以修剪，这叫。修剪。为了说明。-p修剪，我们举一个最简单的例子。设在取火柴棍的游戏中，A、B两人轮流从N根火柴中取1根或2根，不得多取，也不能不取。取走最后一根火柴者胜。用A(n)、B(n)表示轮到A或B时有n根火柴的状态，当n：5时轮到A取，则如下图所示，A有两种可能，一是取2根火柴进入B(3)，另一是取1根火柴进入B(4)。显然，进入B(3)后，不管B取几根，A必胜，故A必走这一步，余下的分支不必再搜索了。。-p搜索法至今仍是解决人工智能问题中一种常用的高效方法。至于达特茅斯会议，当东道主的麦卡锡是主要发起人，另外3个发起人是当时在哈佛大学的明斯基(1969年图灵奖获得者)，IBM公司的罗杰斯特(N．Rochster)，信息论的创始人香农。麦卡锡发起这个会议时的目标非常宏伟，是想通过10来个人2个月的共同努力设计出一台具有真正智能的机器。会议的经费是洛克菲勒基金会资助的，包括每个代表1200美元加上外地代表的往返车票。会议的原始目标虽然由于不切实际而不可能实现，但由于麦卡锡在下棋程序尤其是α—β搜索法上所取得的成功，以及卡内基—梅隆大学的西蒙(H．A．Simon)和纽厄尔(A．Newell，这两人是1975年图灵奖获得者)带来了已能证明数学名著《数学原理》一书第二章52个定理中的38个定理的启发式程序“逻辑理论家”LT(10sicTheorist)，明斯基带来的名为Snarc的学习机的雏形(主要学习如何通过迷宫)，这使会议参加者仍能充满信心地宣布“人工智能”这一崭新学科的诞生。1959年，麦卡锡基于阿隆索·邱奇(AlonzoChurch)的l-演算和西蒙、纽厄尔首创的“表结构”，开发了著名的LISP语言(ListProcessinglanguage)，成为人工智能界第一个最广泛流行的语言。LISP是一种函数式的符号处理语言，其程序由一些函数子程序组成。在函数的构造上，和数学上递归函数的构造方法十分类似，即从几个基本函数出发，通过一定的手段构成新的函数。LISP语言还具有自编译能力。具体说来，LISP有以下几个主要特点：1.计算用的是符号表达式而不是数；2．具有表处理能力，即用链表形式表示所有的数据；3．控制结构基于函数的复合，以形成更复杂的函数；4．用递归作为描述问题和过程的方法；5．用LISP语言书写的EVAL函数既可作为LISP语言的解释程序，又可以作为语言本身的形式定义；6．程序本身也同所有其他数据一样用表结构形式表示。已经证明，LISP的这些特点是解决人工智能核心问题的关键。此外，精巧的表机制也是进一步简化LISP程序设计的方便而有力的工具，因此，LISP自发明以来，已经被广泛用于数学中的符号微积分计算，定理证明，谓词演算，博奕论等领域。它和后来由英国伦敦大学的青年学生柯瓦连斯基(R．Kowaliski)提出、由法国马赛大学的考尔麦劳厄(A．Colmerauer)所领导的研究小组于1973年首先实现的逻辑式语言PROLOG(PROgramminginLOGic)并称为人工智能的两大语言，对人工智能的发展起了十分深远的影响。LISP所蕴含的丰富的思想和深刻的意义也吸引了负责设计Algol语言的国际委员会，麦卡锡因此而被吸收为该委员会的成员。Algol中后来采纳了LISP关于递归和条件表达式这些思想。麦卡锡在20世纪50年代末研究的另一个课题是如何使程序能接受劝告从而改善其自身的性能。为此他提出过一个名为AdviceTaker的系统的设想。有资料说，这是世界上第一个体现知识获取工具思想的系统，1968年建成。实际上，这个系统并未最后完成，只是完成了一部分，用LISP语言建立起了一个具有常识(commonsense)的软件，能理解告诉它的是什么，并能评估其行动的后果。但正是在AdviceTaker的开发过程中，启发麦卡锡提出了用“分时系统”代替“批处理系统”的建议，使计算机的使用方式引发了一场革命。除了人工智能方面的研究和贡献之外，麦卡锡也是最早对程序逻辑进行研究并取得成果的学者之一。1963年他发表的论文“计算的数学理论的一个基础”一文(收录于P．Braffort和D．Hirschberg编辑的《计算机程序设计和形式系统》——ComputerProgrammingandFormalSystems，NorthHolland，33-70页)集中反映了他这方面的成果。麦卡锡在这篇论文中系统地论述了程序设计语言语义形式化的重要性，以及它同程序正确性、语言的正确实现等问题的关系，并提出在形式语义研究中使用抽象语法和状态向量等方法，开创了“程序逻辑”(10gicsofprograms)研究的先河。程序逻辑就是一种“语言”，用这种语言可以无二义地表达程序的各种性质，其语义规定了该语言中各种表达式的意义，而它的一组规则则用同意义相关的方式去操作这些表达式以计算该语言中的各种断言(assertation)的真值。研究程序的逻辑对于帮助人们了解软件是否合理十分重要，它可以用于程序验证(programverification)，自动程序设计，为优化和审计而进行的程序分析等方面。麦卡锡在上述论文中提出的方法是用递归函数作为程序的模型。他以两个链表(1ist)的“附加”(append)操作为例说明可以用递归的方法定义这个函数，并可以用形式化的方法证明链表的附加操作是满足结合律的(associativelaw)，即x@(y@z)二(x@y)@z。麦卡锡进而证明了用一系列递归定义的函数就完全可能建造大型的软件系统，并用归纳法证明这些系统所具有的性质。麦卡锡所提出的方法是有关程序逻辑研究中第一个比较系统而成熟的方法，曾被广泛地采用。20世纪70年代以后，麦卡锡又开始研究非单调逻辑。在经典逻辑中，由已知事实推出的结论，决不会在已知事实增加时反而丧失其有效性，因此是“单调的”(monotonic)。但在人类思维过程中，由于信息的不完全和认识的局限性，常常有随着事物的发展变化，原有结论被否定和取消的情况，这就导致了所谓“非单调逻辑”(nonmonotoniclogic)。非单调逻辑中有一类是基于最小化语义的最小化非单调逻辑。1980年，麦卡锡在一篇论文中提出了“限制逻辑”或称“限界逻辑”，成为这类非单调逻辑中比较成功的一个体系(见J．McCarthy：CircumscriptionaformOfnonmonotonicreasoning·ArtificialIntelligence，V01.13，1980，27—39页)。限制逻辑的基本思想是：“限制”某个谓词P也就是排除以P的原有事实为基础所建立的大部分模型，而只保留有关P的最小模型。这与人类思考问题时总是在某些条件限制下考虑，也就是只考虑所涉及的个体或关系，而决不去涉及其他个体或关系，是比较相符的。1986年，麦卡锡在AI杂志上就限制逻辑的应用发表了进一步的研究论文：“限制逻辑在常识知识形式化中的应用”(ApplicationsOfCircumscriptiontOFormalizingCommonSenseKnowledge，AI，V01．28，1986，89—116页)，对倡导常识推理和常识研究起了十分重要的作用。麦卡锡的主要著作有：《自动机研究》(AutomataStudies，PrincetonUni．Pr.，1956，与香农合编)《信息学：科学美国人之书》(1nformation：AScientificAmericanBook，Freeman，1966)《形式化的常识：麦卡锡论文选集》(FormalizingCommonSense：PapersbyJohnMcCarthy，AblexPub．Co.，1990，由V．Lifschitz编辑)除了获得图灵奖以外，麦卡锡在1988年获得由日本INAMORI基金会所设立的KYOTO奖，这个奖主要奖励在高科技方面作出杰出贡献的科学家，麦卡锡是这个奖的第5位获得者。1990年麦卡锡获得美国全国科学奖章(NationalMedalofScience)。麦卡锡的图灵奖演说题为“人工智能研究的现状”(ThePresentStateofResearchonArtificialIntelligence)。但不知什么原因，这篇演说没有发表。在《前20年的图灵奖演说集》(ACMTuringAwardLecturesTheFirst20Years：1966—1985，ACMh．)中，则以“附录”(postscript)的形式约请麦卡锡另写了一篇“人工智能的一般原理”(GeneralityinArtificialIntelligence)，刊于该书257—268页
转至：http://www.equn.com/forum/thread-32516-1-1.html
浅析人工智能生成内容的保护路径
原标题：浅析人工智能生成内容的保护路径随着人工智能技术的成熟，越来越多的行业开始将这项技术运用于商业生产中，如利用人工智能技术进行自动的图像、符号信息处理，进而产生有欣赏价值的绘画、文学内容等。那么，这些内容是否符合我国著作权法中对作品的定义？相关主体是否可以通过著作权法来进行保护？这些问题在司法实务界和理论学界均存有一定的争议。在笔者看来，分析这些问题应把握两个原则：第一，不能因为保护某些行业而采用功利主义来论断适用某项法律，即对人工智能投资者、使用者的保护不一定要通过著作权法的路径来实现；第二，在大陆法系中需要保障法律的稳定性，不能因出现新事物而轻易改变既有法律规则，因此不宜为人工智能创设新的民事主体类型。
功利主义分析的误区
作品的构成要件包括“属于智力成果”“具有独创性”“表达相对完整”等要素。笔者认为人工智能自动生成的内容难以符合第一个要件，即智力成果是由民法上的自然人或法人创作而产生。但是，从外在表现上看，人工智能生成内容有的难以和自然人或法人创作的作品相区分，如果有人把它当成自己的作品使用、寻求著作权法保护，能否得到支持？这就引发了人工智能生成内容是否应该获得著作权法保护的问题。部分学术和司法观点认为：人工智能生成内容从外在表现上难以与人类的作品区分开来，如果有人将其冒充为人类所创作的作品，事实上很难识别出来，因此区分是没有意义的。另外，如果不给予人工智能生成内容著作权保护，人工智能生成物的投资者就缺少对该内容的垄断性，这可能会损害其利益。基于上述理由，如果人工智能生成物外在表现上类似于人类的创作，那么该内容应该被认定为作品。但笔者认为这种推论存在一定逻辑缺陷，需要加以厘清。
思考人工智能生成内容是否应该获得著作权法保护，需要从两个层面思考问题：一是从本质主义的视角，人工智能生成内容是否满足作品的实质性要求；二是从功利主义角度，给予人工智能著作权有无必要。回答第一个问题，需要厘清我国法律对于作品的实质判断要件。其中，著作权法实施条例第三条所称的“创作”和人工智能生产过程是否等价？如果人工智能生成过程属于著作权法实施条例第三条所称的“创作”，那么人工智能生成物可以被认定为作品，但谁才是这一作品的作者和著作权人？这仍然是法律要解决的问题。从功利主义出发，则需要厘清人工智能生成内容是否值得保护。如果回答是肯定的，则需要研究应采取什么路径来进行保护。如果采取著作权法保护路径，该如何确定著作权归属？此时，无论从本质主义还是功利主义层面，都要解决人工智能的法律地位问题。
具体而言，人工智能生成内容的使用涉及人工智能研发者、人工智能使用者、生产内容使用者之间的利益平衡。例如，媒体斥资购买人工智能软件，使用人工智能生成新闻稿件或股市和金融市场快报，若其他媒体未经同意擅自使用该文稿，此类行为无疑会分流前者的受众，损害前者的商业利益。此时，如果将人工智能生成的新闻稿认定为作品，则前者的利益可以获得著作权法的保护。如果新闻稿的独创性较低，无法被认定为作品，还可以通过反不正当竞争法来保护前者的利益，因此，著作权法保护并非是唯一路径。功利主义分析常见的误区是：以保护人工智能使用者的利益来证明人工智能生成内容应当受著作权法保护，这在逻辑上是有缺陷的，两者不是必然的因果关系。
人工智能的法律属性
将人工智能生成内容认定为作品，还面临一个难以逾越的理论难题：人工智能生成的内容不是人类智力创作成果，不满足作品必须是由自然人或法人所创作、具有创造性这两个条件。为此，有人提出可以扩大受著作权法保护的主体的范围，将人工智能作为“赛博人”，即拟制的人加以保护，并且这方面有法人制度可供借鉴。然而，这种思路不仅会导致知识产权法的重大变化，而且也将影响民法有关主体的规定。
根据有关法律规定，法人和自然人一样，具有独立的民事权利能力和民事行为能力，法人以其独立的财产作为民事责任的承担。如果将“赛博人”拟制为新的民事主体，其权利由谁享有？义务和责任由谁负担？如果为其创设新的民事主体规制，那么法人制度的存在还有什么意义？显然，在可以预见的时期内，“赛博人”是无法自行负担其权利和义务的。但是“赛博人”产生的后果，需要由对应的自然人或法人来享受权益承担义务和责任，如此，为什么不采用类似动物致人损害、产品责任这样的传统民法制度来解决有关问题？
具体而言，在权利方面，将人工智能视为“无体物”，其生产的内容视为由“无体物”产生的“孳息”，由人工智能的投资者享有对于“孳息”的利益。责任方面，因人工智能进行的文本和数据挖掘、算法自动生成文字等内容，由此造成的民事责任、知识产权责任由财产的所有者、使用者承担无过错责任。因此，引入“赛博人”作为新的法律主体的必要性要画个大大的问号。更核心的问题是人工智能生成内容也不具备创造性，因为就目前的“弱人工智能”而言，其可以进行运算但是不会进行思考，遵循数理逻辑但不具备自然人或法人的理性。除此之外，人工智能更没有自然人非理性的情感机制。因此，人工智能不具备著作权法上作者的“人格”特质，其生成的内容也不具备创造性，而创造性是人类特有的能力，是人区别于物的根本属性之一。
“工具论”的合理性
人工智能不具备独立的民事主体资格，人工智能自动生成的内容不满足作品的“智力成果”要件，但是，这并不能排除人工智能生成内容可能受到著作权法的保护，只是著作权主体仍为自然人或法人，而该类人工智能生成内容是作为人利用技术辅助生成的作品加以保护的。创作作品是人的主体性的实现，是人的自由意志的运用，人可以直接创作作品，也可以借助一定的工具完成、甚至通过委托他人实现创作目的。就部分“弱人工智能”生成内容而言，本质上是创作者借助人工智能这一工具进行创作，而生成物是人意志发动的结果，是人的自由意志的实现，因而是人的意志的产物。人工智能生成内容的过程是运用一定的算法进行信息加工选择的过程，因此算法体现程序设计者的主体意志和选择，而程序的使用者某种程度上承认、接受了该算法，创作方向和人工智能设计方向有着高度的契合，这种对算法的接受也是使用者自由意志的选择。所以人工智能生成内容归根结底是人的自由意志的运用和实现。人工智能使用者运用人工智能生成的表达可以作为使用者的作品加以保护。
通过以上分析可得出初步的结论：人工智能不宜被视为独立的作者或著作权人，但部分内容可以作为人工智能使用者的作品得到著作权保护，也即有人参与创作的人工智能生成物可以被认定为作品。
从功利主义出发，论证人工智能生产内容应该以著作权法保护是有逻辑缺陷的。除此之外，部分观点反驳“工具论”的理由是：既然从内容本身无法分辨一项表达究竟出于人工智能还是自然人或法人，那么在司法实践中还有必要去进行分辨吗？但笔者认为，这实际上是一个证据的问题，应该从举证角度去考虑。即便一项表达事实上出自于人工智能，但由自然人对其进行署名并登记，那么如果无相反证据，法律应推定该表达属于人类智力成果，构成作品。以证据来推定事实是法律制度对现实生活的简化，追求法律的形式正义就需要接受应然层面和实然层面的一定脱节。
因此，在无法举证证明作品不是由人创作而是由人工智能生成的情况下，只能认定该表达构成作品，受到著作权法的保护。在总体上不对人工智能自动生成内容提供著作权保护的情形下，这将导致部分人工智能生成内容实际上可以冒充人类的创作而得到著作权保护，但并不能因此说明所有人工智能生成内容都可以作为作品受到保护，只要它形式上看起来类似人类的创作，这就好比某些假冒商标的商品无法被识别出来，不能因此主张所有的假冒该商标的商品都应该被认定为真品。（华东政法大学龙文懋龙明明）
（本文仅代表作者个人观点）
(责编：林露、李昉)分享让更多人看到