第一章 人工智能来了（第6/8页）

可没过多久，不少粗通编程的人发现，计算机基本上是在用搜索或优化搜索的方式来解决博弈问题。虽然其中有各种避免穷举的算法技巧，但在公众眼中，程序只不过是按事先编写的搜索策略一步步找到最佳走棋步骤而已。随着PC的普及，每台个人电脑都可以运行一个水平相当高的西洋跳棋程序，会下棋的计算机逐渐褪去了神秘的光环。人们开始怀疑西洋跳棋程序的智能程度，不少人会用国际象棋作为例子，挑衅式地说：“下西洋跳棋有什么了不起？哪天在国际象棋棋盘上赢了世界冠军，那才叫人工智能。”

后面的事情大家都很熟悉了。1996年，IBM研究团队倾力打造的计算机深蓝挑战世界棋王卡斯帕罗夫，当年虽遗憾败北，但人们已经看到了计算机战胜人类的希望。1997年，深蓝卷土重来，在六局棋的对抗赛中战胜卡斯帕罗夫后声誉大振。当时，几乎全世界的人都在讨论深蓝的强大和可怕，没人怀疑深蓝就是人工智能的代表，至少，公众愿意相信，在深蓝巨大的黑色机箱内，拥有一颗在棋类博弈领域不输人类的特殊“大脑”。

好景不长，与西洋跳棋相似的历史很快就再次上演。当国际象棋、中国象棋已经被计算机玩得滚瓜烂熟，连一部手机、一台平板电脑上的象棋程序都能与人类高手分庭抗礼时，公众立即开始怀疑这样的博弈程序是不是还算得上人工智能。事实上，与下棋类似的事情也发生在OCR（光学字符识别）等已经失去了新鲜感的计算机算法身上20。道理很简单，公众总是乐于证明人类在智慧层面的独一无二。不管是不是真的懂得算法细节，人们总会说，计算机只不过是在程序控制下机械地完成搜索或穷举罢了。

拒绝承认象棋程序是人工智能后，公众找到了维护人类智慧尊严的最后阵地——围棋。直到2016年年初，除了一个叫樊麾的职业围棋选手和谷歌Deep Mind的一支规模不大的研发团队外，几乎所有地球人，包括围棋高手和不少计算机专家都经常会说：“下象棋有什么了不起？真有智能的话，来跟世界冠军下盘围棋试试？围棋可是一项无法穷尽搜索，需要依靠人类大局观的智力运动，是唯一一种计算机无法战胜人类的棋类比赛。”

很不幸，人类的自以为是又一次被快速发展的人工智能算法无情嘲笑了。2016年3月9日，围棋世界冠军李世石坐在Alpha Go面前，宿命再一次降临。随着Alpha Go在五番棋中以四比一大胜，有关人工智能的热情和恐慌情绪同时在全世界蔓延开来，也因此引发了一拨人工智能的宣传热潮。

2017年元旦前后，升级版的Alpha Go更是以Master的网名悄然复出，在对弈平台上，与包括中日韩最高水平棋手在内的数十位人类顶尖棋手过招，弈出了60︰0的绝对优势战绩，可谓笑傲棋坛，但求一败。

今天，没有人怀疑Alpha Go的核心算法是人工智能。但想一想曾经的西洋跳棋和国际象棋，当时的人们不是一样对战胜了人类世界冠军的程序敬若神明吗？再过两三年，当手机上的围棋程序可以轻松战胜职业棋手，当所有围棋比赛都要严查手机作弊时，人们还会认为计算机下围棋是一件不可思议的事吗？人们还会将围棋程序视为人工智能的代表吗？

定义二　AI就是与人类思考方式相似的计算机程序

这是人工智能发展早期非常流行的一种定义方式。另一种类似的，同样从思考方式本源出发的定义是：AI就是能遵照思维里的逻辑规律进行思考的计算机程序。

从根本上讲，这是一种类似仿生学的直观思路。既然叫人工智能，那用程序来模拟人的智慧就是最直截了当的做法。但历史经验证明，仿生学的思路在科技发展中不一定可行。一个最好也最著名的例子就是飞机的发明。在几千年的时间里，人类一直梦想着按照鸟类扑打翅膀的方式飞上天空，但反讽的是，真正带着人类在长空翱翔，并打破了鸟类飞行速度、飞行高度纪录的，是飞行原理与鸟类差别极大的固定翼飞机。

人类思考方式？人究竟是怎样思考的？这本身就是一个复杂的技术和哲学问题。要了解人类自身的思考方式，哲学家们试图通过反省与思辨，找到人类思维的逻辑法则，而科学家们则通过心理学和生物学实验，了解人类在思考时的身心变化规律。这两条道路都在人工智能的发展历史上起到过极为重要的作用。

思维法则，或者说，逻辑学，是一个人的思考过程是不是理性的最高判定标准。从古希腊的先贤们开始，形式逻辑、数理逻辑、语言逻辑、认知逻辑等分支在数千年的积累和发展过程中，总结出大量规律性的法则，并成功地为几乎所有科学研究提供了方法论层面的指导。让计算机中的人工智能程序遵循逻辑学的基本规律进行运算、归纳或推演，是许多早期人工智能研究者的最大追求。

世界上第一个专家系统程序Dendral是一个成功地用人类专家知识和逻辑推理规则解决一个特定领域问题的例子。这是一个由斯坦福大学的研究者用Lisp语言写成的，帮助有机化学家根据物质光谱推断未知有机分子结构的程序。Dendral项目在20世纪60年代中期取得了令人瞩目的成功，衍生出一大批根据物质光谱推断物质结构的智能程序21。Dendral之所以能在限定的领域解决问题，一是依赖于化学家们积累的有关何种分子结构可能产生何种光谱的经验知识，二是依赖符合人类逻辑推理规律的大量判定规则。Dendral的成功事实上带动了专家系统在人工智能各相关领域的广泛应用，从机器翻译到语音识别，从军事决策到资源勘探。一时间，专家系统似乎就是人工智能的代名词，其热度不亚于今天的深度学习。

但人们很快就发现了基于人类知识库和逻辑学规则构建人工智能系统的局限。一个解决特定的、狭小领域问题的专家系统很难被扩展到稍微宽广一些的知识领域中，更别提扩展到基于世界知识的日常生活里了。一个著名的例子是早期人们用语法规则与词汇对照表来实现机器翻译时的窘境。1957年苏联发射世界上第一颗人造卫星后，美国政府和军方急于使用机器翻译系统了解苏联的科技动态。但用语法规则和词汇对照表实现的俄语到英语的机器翻译系统笑话百出，曾把“心有余而力不足”（the spirit is willing but the flesh is weak）翻译为“伏特加不错而肉都烂掉了”（the vodka is good but the meat is rotten），完全无法处理自然语言中的歧义和丰富多样的表达方式22。在后起的统计模型、深度学习等技术面前，专家系统毫无优势可言，因而从20世纪90年代开始就备受冷落。科研机构甚至不得不解雇过时的语言学家，以跟上技术发展的脚步。