日本免费精品视频,男人的天堂在线免费视频,成人久久久精品乱码一区二区三区,高清成人爽a毛片免费网站

在你的顱腔里，有個(gè)器官能夠閱讀。這個(gè)器官就是人的大腦，它具有其他動(dòng)物大腦沒有的一些能力，而我們?cè)诘厍蛏系闹髟椎匚槐銡w功于這些獨(dú)特的能力。其他動(dòng)物有更強(qiáng)壯的肌肉或更銳利的爪子，但是我們有更聰明的大腦。我們?cè)谝话阒悄芊矫娴男┰S優(yōu)勢(shì)使我們創(chuàng)造了語(yǔ)言，發(fā)展了科技，并建立了復(fù)雜的社會(huì)組織。這種優(yōu)勢(shì)隨著時(shí)間的延續(xù)而不斷提高，因?yàn)槊恳淮说某删投冀⒃谇叭说某删椭稀?/p>

如果有24小時(shí)我們發(fā)明了超越人類大腦一般智能的機(jī)器大腦，那么這種超級(jí)智能將會(huì)非常強(qiáng)大。并且，正如現(xiàn)在大猩猩的命運(yùn)更多地取決于人類而不是它們自身一樣，人類的命運(yùn)將取決于超級(jí)智能機(jī)器。

然而我們擁有一項(xiàng)優(yōu)勢(shì)：我們清楚地知道如何制造超級(jí)智能機(jī)器。原則上，我們能夠制造一種保護(hù)人類價(jià)值的超級(jí)智能，當(dāng)然，我們也有足夠的理由這么做。實(shí)際上，控制問題—也就是如何控制超級(jí)智能，似乎非常困難，而且我們似乎也只有一次機(jī)會(huì)。一旦不友好的超級(jí)智能出現(xiàn)，它就會(huì)阻止我們將其替換或者更改其偏好設(shè)置，而我們的命運(yùn)就因此被鎖定了。

在本書中，我將努力詮釋可能出現(xiàn)的超級(jí)智能帶來的挑戰(zhàn)，以及我們?nèi)绾胃玫貞?yīng)對(duì)。這很可能是人類面對(duì)的最重要和最可怕的挑戰(zhàn)。而且，不管我們成功還是失敗，這大概都是我們將要面對(duì)的一個(gè)挑戰(zhàn)。

本書并不認(rèn)為，我們即將在人工智能方面取得重大突破，或者能夠預(yù)測(cè)突破會(huì)在何時(shí)發(fā)生。突破有可能會(huì)在21世紀(jì)的某些時(shí)候?qū)崿F(xiàn)，但是我們并不能確定。本書的前幾章討論了取得突破的可能途徑，并談?wù)摿撕螘r(shí)能夠突破的問題。然而，本書的主要部分討論的是智能爆發(fā)以后會(huì)發(fā)生什么。我們會(huì)研究智能大爆發(fā)的動(dòng)力學(xué)，超級(jí)智能的形式和能量，以及具有決定性優(yōu)勢(shì)的超級(jí)智能體有哪些戰(zhàn)略選擇。然后，我們探討的重點(diǎn)轉(zhuǎn)向控制問題，并提出為了讓我們生存并且獲得有利的結(jié)果，我們?nèi)绾芜x擇初始數(shù)據(jù)的問題。在本書的結(jié)尾，我們將畫面拉遠(yuǎn)，思考我們的研究所呈現(xiàn)的更大的圖景。提出了一些建議，指出為了增加避免存在性災(zāi)難的概率，我們現(xiàn)在可以做些什么。

我希望本書可以開辟出一條道路，以使其他研究者能夠更加快速和便捷地到達(dá)這個(gè)領(lǐng)域的前沿，從而以全新的視角加入這項(xiàng)研究，進(jìn)一步擴(kuò)展我們的認(rèn)識(shí)。(如果我鋪的這條道路有點(diǎn)崎嶇不平，那么我希望評(píng)論家們?cè)谠u(píng)判結(jié)果時(shí)，不要低估原來地勢(shì)的險(xiǎn)惡情況！)

這本書寫起來并不容易。我努力使其讀起來容易，但是我覺得可能并沒有做到。寫作時(shí)，我把早前時(shí)間切片(time-slice)里的自己當(dāng)作目標(biāo)讀者，并盡量把書寫成自己喜歡閱讀的類型。雖然這可能會(huì)導(dǎo)致讀者群較窄，但我還是認(rèn)為書中的內(nèi)容對(duì)很多人來說都是能夠理解的，前提是他們對(duì)書中的內(nèi)容進(jìn)行一些思考，同時(shí)拒絕盲目地將任何一個(gè)新觀點(diǎn)誤解為他們文化中相似而陳舊的觀點(diǎn)。非科技專業(yè)的讀者不必因?yàn)闀信紶柍霈F(xiàn)的數(shù)學(xué)知識(shí)或?qū)I(yè)術(shù)語(yǔ)感到氣餒，因?yàn)橥梢酝ㄟ^上下文的解釋看懂主要觀點(diǎn)。

本書提出的很多觀點(diǎn)可能是不恰當(dāng)?shù)模行┓浅Ｖ匾挠^點(diǎn)我可能也沒有考慮到，從而削弱了我的某些或者所有結(jié)論的有效性。我已經(jīng)盡可能地在全書中指明細(xì)微差別和不確定性—書中遍布著太多的“可能”、“或許”、“也許”、“也有可能”、“看起來”、“大概”、“非常可能”、“幾乎肯定”這樣的詞。每個(gè)限定詞的使用都是經(jīng)過深思熟慮的。然而，這些字眼所體現(xiàn)出的認(rèn)識(shí)方面的謙虛謹(jǐn)慎依然是不夠的，還必須要補(bǔ)充對(duì)不確定性和易錯(cuò)性的整體說明。這不是虛偽的謙虛，因?yàn)殡m然我相信我的書中可能有一些較嚴(yán)重的問題和誤導(dǎo)性，但是我認(rèn)為目前書中提到的其他觀點(diǎn)更加糟糕，包括默認(rèn)觀點(diǎn)或者所謂的“零假設(shè)”，這些觀點(diǎn)認(rèn)為我們可以暫時(shí)安全地或合理地忽略超級(jí)智能出現(xiàn)的可能性。

及時(shí)章 人工智能：昨日成就與今日現(xiàn)狀

首先，我們回顧過去。在最長(zhǎng)的時(shí)間范圍里，歷史似乎呈現(xiàn)出一系列不同的增長(zhǎng)模式，每個(gè)新模式都比前一個(gè)模式增長(zhǎng)更快。根據(jù)這個(gè)規(guī)律推測(cè)，可能會(huì)出現(xiàn)另一種(甚至更快速的)增長(zhǎng)模式。然而，我們并不特別強(qiáng)調(diào)這個(gè)觀點(diǎn)，因?yàn)檫@并不是一本關(guān)于“科技加速”、“極速增長(zhǎng)”，或者集合在“奇點(diǎn)”標(biāo)題下的各種觀點(diǎn)的書。然后，我們要回顧人工智能的歷史，之后再探索目前人工智能的能力。，我們簡(jiǎn)要地介紹一些專家近期的觀點(diǎn)和調(diào)查，并且思考一下我們對(duì)于未來發(fā)展之時(shí)間表的空白領(lǐng)域。

增長(zhǎng)模式和宏大歷史

僅在幾百萬(wàn)年前，我們的祖先還在非洲森林中穿梭。以地質(zhì)或進(jìn)化的時(shí)間尺度來看，從與類人猿共同擁有的一代祖先向智人的進(jìn)化是非常快速的。我們進(jìn)化出直立的姿勢(shì)和對(duì)生拇指，而最重要的是，我們的大腦體積和神經(jīng)組織發(fā)生了相對(duì)微小的變化，但正是這些變化引起了人類認(rèn)知能力的巨大進(jìn)步。因此，人類可以進(jìn)行抽象思維，交流復(fù)雜的思想，可以比地球上任何其他物種更好地積累和傳承文化信息。

這些能力使人類創(chuàng)造出越來越高效的生產(chǎn)技術(shù)，從而使我們的祖先從熱帶雨林和草原向遠(yuǎn)方的遷徙成為可能。尤其是進(jìn)行農(nóng)耕之后，人口總數(shù)和人口密度都在增加。更多的人口意味著更多的想法；更大的人口密度則意味著想法更容易傳播，并且更多的個(gè)體可以專注于發(fā)展專門的技能。這些發(fā)展提高了經(jīng)濟(jì)生產(chǎn)力和技術(shù)實(shí)力的增長(zhǎng)率。后來與工業(yè)革命相關(guān)的發(fā)展則帶來了第二次與此相當(dāng)?shù)脑鲩L(zhǎng)率的劇增。

這些增長(zhǎng)率的變化有著重要的影響。幾十萬(wàn)年前，在早期人類(或原始人類)史前時(shí)代，增長(zhǎng)非常緩慢，要使人類生產(chǎn)能力增長(zhǎng)到能夠維持另外100萬(wàn)人基本生存的水平，需要大約100萬(wàn)年的時(shí)間。到了公元前5000年，經(jīng)過了農(nóng)業(yè)革命，增長(zhǎng)率已經(jīng)提高到只需要兩個(gè)世紀(jì)就能實(shí)現(xiàn)同樣的增長(zhǎng)。今天，經(jīng)過了工業(yè)革命，世界經(jīng)濟(jì)平均每90分鐘就能夠增長(zhǎng)相同的量。

即使是現(xiàn)在的增長(zhǎng)率，如果持續(xù)一定時(shí)間，也會(huì)產(chǎn)生可觀的結(jié)果。如果世界經(jīng)濟(jì)繼續(xù)以過去50年的速度增長(zhǎng)，那么到2050年，全球財(cái)富將是現(xiàn)在的約5.8倍，到2100年則是約35倍。

然而，當(dāng)前這種依指數(shù)增長(zhǎng)實(shí)現(xiàn)穩(wěn)定繁榮的方式仍舊是不夠的，如果世界再經(jīng)歷一次農(nóng)業(yè)革命或工業(yè)革命那樣的飛躍式增長(zhǎng)，世界將會(huì)呈現(xiàn)出不同的面貌。經(jīng)濟(jì)學(xué)家羅賓 漢森通過研究歷史上的經(jīng)濟(jì)和人口數(shù)據(jù)，推測(cè)出過去社會(huì)中經(jīng)濟(jì)呈倍數(shù)增長(zhǎng)所要經(jīng)歷的時(shí)間：在洪積世狩獵采集社會(huì)下，經(jīng)濟(jì)增長(zhǎng)翻倍需要224 000年，在農(nóng)業(yè)社會(huì)需要909年，在工業(yè)社會(huì)則需要6.3年。(在漢森的模型中，當(dāng)今時(shí)代是農(nóng)業(yè)社會(huì)和工業(yè)社會(huì)發(fā)展模式的混合體，世界經(jīng)濟(jì)實(shí)現(xiàn)倍數(shù)增長(zhǎng)的速度還不能達(dá)到6.3年這個(gè)平均時(shí)長(zhǎng)。)但如果出現(xiàn)另外一種不同的經(jīng)濟(jì)增長(zhǎng)模式，類似于農(nóng)業(yè)革命和工業(yè)革命時(shí)期的飛躍式發(fā)展，那么世界經(jīng)濟(jì)便會(huì)以每?jī)芍艿臅r(shí)間實(shí)現(xiàn)翻倍增長(zhǎng)。

以當(dāng)今形勢(shì)看，要實(shí)現(xiàn)這種增長(zhǎng)速度無異于癡人說夢(mèng)。觀察家們可能已經(jīng)發(fā)

洪積世(Pleistocene)，又譯更新世，地質(zhì)時(shí)代第4紀(jì)的早期。—譯者注現(xiàn)，對(duì)于以往的歷史時(shí)期而言，世界經(jīng)濟(jì)很難在某一段時(shí)期中實(shí)現(xiàn)好幾次翻倍增長(zhǎng)。然而，我們現(xiàn)在就要學(xué)著對(duì)這種不尋常的情況習(xí)以為常。

弗諾 文奇(Vernor Vinge)開創(chuàng)性的文章以及雷 庫(kù)茲韋爾(Ray Kurzweil)等人的著述所揭示的那種即將到來的技術(shù)性奇點(diǎn)已經(jīng)受到了廣泛關(guān)注。然而，“奇點(diǎn)”這一術(shù)語(yǔ)在很多不同領(lǐng)域被混亂地使用，并催生出一種不合理的技術(shù)烏托邦氛圍，就好像我們會(huì)就此迎來太平盛世了。考慮到“奇點(diǎn)”這個(gè)詞所指的大部分涵義與本文的論述不甚相關(guān)，我們可以去掉這個(gè)詞并代替以更的術(shù)語(yǔ)，以便闡述得更清晰。

我們更感興趣的一個(gè)與“奇點(diǎn)”相關(guān)的術(shù)語(yǔ)是智能爆發(fā)，尤其是機(jī)器超級(jí)智能的前景。肯定會(huì)有人意識(shí)到圖1–1所顯示的增長(zhǎng)模式是比農(nóng)業(yè)革命和工業(yè)革命還要激烈的另一種可能的飛躍式增長(zhǎng)模式。這些人也會(huì)意識(shí)到，要想讓世界經(jīng)濟(jì)實(shí)現(xiàn)在僅僅數(shù)周內(nèi)翻倍的增長(zhǎng)速度，就需要?jiǎng)?chuàng)造出一種比人類的生物性思維更快、更有效的思維方式。但是我們很難通過分析經(jīng)濟(jì)增長(zhǎng)曲線以及推斷過往經(jīng)濟(jì)增長(zhǎng)模式來認(rèn)真嚴(yán)肅地了解機(jī)器智能變革的前景。我們將看到，更加強(qiáng)有力的理由會(huì)讓我們認(rèn)真考慮這一問題。

大預(yù)期

自20世紀(jì)40年代計(jì)算機(jī)被發(fā)明出來之后，機(jī)器就一直被寄予厚望，人們希望機(jī)器能夠具備人的一般智能，更確切地說，就是機(jī)器要具備普通判斷力和有效的學(xué)習(xí)、推理能力，并且要能夠制訂計(jì)劃以應(yīng)對(duì)復(fù)雜信息處理過程帶來的挑戰(zhàn)，這種挑戰(zhàn)可能來自自然和抽象領(lǐng)域的各個(gè)方面。在計(jì)算機(jī)剛面世時(shí)，人們就期望能夠在未來20年之內(nèi)賦予計(jì)算機(jī)人工智能。但一年又一年過去了，實(shí)現(xiàn)讓機(jī)器具備人工智能的日期卻一拖再拖；以至于今天，關(guān)心人工智能的未來學(xué)家們依舊普遍認(rèn)為智能機(jī)器的出現(xiàn)還需要20多年。

在談到徹底變革所需要的時(shí)間時(shí)，預(yù)言家們總喜歡用20年這個(gè)時(shí)間跨度：這個(gè)時(shí)間跨度既抓眼球，又足夠長(zhǎng)，長(zhǎng)到可以讓一個(gè)目前看起來還是模糊想象的突破成為現(xiàn)實(shí)。為什么不是更短的時(shí)間跨度呢？因?yàn)榇蠖鄶?shù)在未來5~10年內(nèi)可能對(duì)世界產(chǎn)生重大影響的技術(shù)目前已經(jīng)在小范圍內(nèi)被應(yīng)用了，而全新的技術(shù)在不到15年之內(nèi)就能讓世界煥然一新，當(dāng)然這也只是一個(gè)理論假設(shè)。另外，之所以喜歡說20年，還有可能是因?yàn)橐粋€(gè)預(yù)言家的職業(yè)生命大概就是這么長(zhǎng)，這樣一來他在做出大膽假設(shè)時(shí)也不用承擔(dān)名聲受損的風(fēng)險(xiǎn)。

然而，即便一些人在過去對(duì)人工智能的預(yù)言不，這也并不意味著人工智能就是不可能或者永遠(yuǎn)無法實(shí)現(xiàn)的。那么，為什么人工智能的發(fā)展總是落后于預(yù)期呢？這主要是因?yàn)閯?chuàng)造人工智能機(jī)器所遭遇的技術(shù)困難遠(yuǎn)遠(yuǎn)超過了先驅(qū)者們認(rèn)為的程度。但這也只是說明我們遇到了多大的技術(shù)難題以及我們離解決這些難題還有多遠(yuǎn)。很多時(shí)候，一個(gè)最初看起來復(fù)雜得不可救藥的難題往往在后來都會(huì)意外地被非常簡(jiǎn)單的手段所解決，當(dāng)然，用復(fù)雜的手段解決難題更為常見。

在下一章，我們將會(huì)看到那些可能實(shí)現(xiàn)與人類相同智能的人工智能的具體路徑。但我們?cè)谝婚_始就需要注意一點(diǎn)，那就是如果我們將實(shí)現(xiàn)人工智能視為一輛火車所要到達(dá)的站臺(tái)，那么不管我們現(xiàn)在與將要到達(dá)的站臺(tái)之間有多少臨時(shí)停靠站，實(shí)現(xiàn)與人類智能相同的機(jī)器智能也并不是終點(diǎn)站。順著這條道路再往前走，下一個(gè)站臺(tái)就是機(jī)器智能超越人類智能。這列火車不會(huì)在達(dá)到人類智能水平這一站就停滯不前或者減速行駛，它很有可能會(huì)飛速而過。

第二次世界大戰(zhàn)時(shí)期，阿蘭 圖靈密碼破譯小組的首席統(tǒng)計(jì)師兼數(shù)學(xué)家I. J. 古德大概是清晰闡述人工智能未來圖景的及時(shí)人。在那段寫于1965年、后來被經(jīng)常引用的名言中，他這樣寫道：

我們把超智能機(jī)器定義為具備超越所有聰慧人類智能活動(dòng)的機(jī)器。考慮到設(shè)計(jì)機(jī)器是智能活動(dòng)的一部分，那么超智能機(jī)器甚至能夠設(shè)計(jì)出更好的機(jī)器。毫無疑問，肯定會(huì)出現(xiàn)諸如“智能爆發(fā)”這樣的局面，人類智能會(huì)被遠(yuǎn)遠(yuǎn)地甩在后面。因此，及時(shí)臺(tái)超智能機(jī)器將是人類創(chuàng)造的一臺(tái)機(jī)器，當(dāng)然前提條件是這臺(tái)機(jī)器足夠聽話并告訴我們要怎樣才能控制它。

目前存在的顯著風(fēng)險(xiǎn)便與這個(gè)智能爆發(fā)相關(guān)，我們必須以最嚴(yán)肅的態(tài)度審視這一風(fēng)險(xiǎn)，即使我們知道(實(shí)際上我們并不知道)出現(xiàn)這一風(fēng)險(xiǎn)的可能性非常小。但是盡管人工智能的先驅(qū)者們相信與人類智能水平相當(dāng)?shù)娜斯ぶ悄芩嬖诘奈：Γ蠖鄶?shù)人也并不認(rèn)為人工智能會(huì)有超越人類智能的可能。他們腦海里存在著這樣的固有觀念，即就算是機(jī)器能夠達(dá)到人類的智能水平，也不能因此就推斷出機(jī)器最終會(huì)發(fā)展成超越人類智能的超智能機(jī)器。

人工智能的先驅(qū)者們大多數(shù)時(shí)候都不認(rèn)為他們的事業(yè)可能會(huì)存在風(fēng)險(xiǎn)。至于創(chuàng)造人工智能以及具備人工智能的計(jì)算機(jī)霸主是否會(huì)存在任何安全隱患或者倫理風(fēng)險(xiǎn)，先驅(qū)者們才不會(huì)在這些問題上面多費(fèi)唇舌，更別說去嚴(yán)肅思考了。即便是在當(dāng)今這個(gè)不怎么批判技術(shù)使用過程中所存風(fēng)險(xiǎn)的社會(huì)背景下，這種缺失也讓人備感詫異。我們當(dāng)然希望這些先驅(qū)者們的事業(yè)最終能夠成功，但我們要的不僅僅是嫻熟的技術(shù)以引燃智能爆炸，我們還要能在更高水平上掌握控制權(quán)，以免我們?cè)诒ㄖ猩硎桩愄帯?/p>

而在瞻望未來之前，對(duì)于機(jī)器智能歷史的飛速一瞥對(duì)我們而言還是頗有助益的。

希望與絕望并存

1956年夏天，10名研究神經(jīng)網(wǎng)絡(luò)、自動(dòng)化理論以及智能的科學(xué)家們?cè)谶_(dá)特茅斯學(xué)院組成了一個(gè)為期6周的工作組。這個(gè)達(dá)特茅斯夏季項(xiàng)目經(jīng)常被認(rèn)為是人工智能研究的及時(shí)縷曙光。大多數(shù)參與者后來都成了這一領(lǐng)域的開創(chuàng)性人物。項(xiàng)目組成員的樂觀預(yù)期在給項(xiàng)目資助方洛克菲勒基金會(huì)提交的一份報(bào)告書中展現(xiàn)得淋漓盡致：

現(xiàn)報(bào)告我們10人團(tuán)隊(duì)經(jīng)過兩個(gè)月針對(duì)人工智能的研究成果……這項(xiàng)研究建立在這樣一個(gè)設(shè)想的基礎(chǔ)上，即智能所能實(shí)現(xiàn)的學(xué)習(xí)或者任何其他方面的特征在理論上都能夠被機(jī)器地模擬出來。該研究嘗試去發(fā)現(xiàn)機(jī)器是如何使用語(yǔ)言、形成抽象思維與概念、解決人類所面臨的問題以及學(xué)會(huì)自我改良的。我們認(rèn)為由這些精心遴選出來的科學(xué)家們組成的團(tuán)隊(duì)在經(jīng)過一個(gè)夏天的研究后，能夠在其中一個(gè)或者幾個(gè)問題上實(shí)現(xiàn)突破性進(jìn)展。

距離這一大膽的開創(chuàng)性研究已經(jīng)過去了60年，人工智能在這60年中跌宕起伏，既經(jīng)歷過大肆宣傳、野心勃勃的高潮期，也遭遇過挫折滿滿、令人失望的低潮期。

達(dá)特茅斯會(huì)議激發(fā)了人工智能的及時(shí)次研究熱潮，該項(xiàng)目的主要組織者約翰 麥卡錫說這一時(shí)期是一個(gè)“看，我能辦到！”的時(shí)代。在這一人工智能發(fā)展的早期時(shí)代，研究者們建立起各種系統(tǒng)以批駁那些認(rèn)為“機(jī)器不能做‘某事’”的懷疑論。這類懷疑論在當(dāng)時(shí)非常流行。為了對(duì)抗這種懷疑論，人工智能研究者們?cè)谀承┪⒂^領(lǐng)域創(chuàng)造了小型系統(tǒng)去實(shí)現(xiàn)具體的“某事”，以便證明機(jī)器是能夠做“某事”的。這些微觀領(lǐng)域往往被限制在某個(gè)非常具體的范圍內(nèi)，使得演示簡(jiǎn)單的機(jī)器性能成為可能。比是早期的邏輯思想家的這類系統(tǒng)便可以證明懷特海和羅素那本《數(shù)學(xué)原理》(Principia Mathematica)第二章中的大多數(shù)定理，而邏輯思想家的證明過程甚至比原來的證明更加簡(jiǎn)潔，這駁斥了那種認(rèn)為機(jī)器“只會(huì)數(shù)數(shù)”的想法并顯示出機(jī)器也能夠進(jìn)行推理和邏輯證明。在這之后又出現(xiàn)了通用問題解算程序，這種程序在原理上能夠解決很大范圍內(nèi)的專業(yè)問題：既有能夠解決大學(xué)一年級(jí)課本里微積分問題的程序，也有能應(yīng)用于某些智商測(cè)驗(yàn)中解決圖像類比問題的程序，還有能寫出簡(jiǎn)單代數(shù)語(yǔ)言的程序。Shakey(意思為搖擺)機(jī)器人的出現(xiàn)顯示出邏輯推理能夠與知覺結(jié)合在一起，并可以應(yīng)用于設(shè)置和控制肢體動(dòng)作，其之所以被叫作shakey，是因?yàn)檫@種機(jī)器人在演示時(shí)總是不停抖動(dòng)。ELIZA程序則展示了一臺(tái)計(jì)算機(jī)是如何模仿羅杰斯這類心理治療師的。在20世紀(jì)70年代中期，SHRDLU系統(tǒng)演示了一只模仿人類的機(jī)器人手臂是如何在擺放著幾何物體的世界中，遵循使用者用英文打出的指令行事并且回答其輸入的問題的。在之后的10年中，相繼出現(xiàn)了各式各樣的系統(tǒng)程序：能夠以多個(gè)古典音樂作曲家的風(fēng)格創(chuàng)作曲子的系統(tǒng)，在特定的臨床診斷中表現(xiàn)得比初級(jí)醫(yī)師還要好的系統(tǒng)，能夠自動(dòng)駕駛汽車的系統(tǒng)，以及能夠發(fā)明專利的系統(tǒng)。有的系統(tǒng)甚至還會(huì)說笑話。

但在早期的演示系統(tǒng)中取得成功的這種方式卻被證明很難向更廣泛的領(lǐng)域延伸，也很難解決更難的問題。原因之一在于常用的窮舉法很難解決可能的“組合爆炸”的問題。窮舉法可以解決簡(jiǎn)單問題，但是只要問題變得稍微復(fù)雜一些，這種方法就沒有用了。例如要證明一個(gè)有5步推理、一個(gè)推理規(guī)則以及5條公理的定律，便可以簡(jiǎn)單列舉出3 125種可能的組合方式，然后挨個(gè)試驗(yàn)并尋找那個(gè)能夠推出預(yù)期結(jié)果的組合。窮舉法也可以運(yùn)算6步或者7步的推理。但是隨著任務(wù)變得越來越復(fù)雜，這種窮舉法便很快遇到了瓶頸。要證明一個(gè)有50步推理的定律，工作量可并不是證明5步推理定律工作量的10倍，如果用窮舉法的話，就可能需要550≈8.9×1034種可能的組合，即使是對(duì)于最快速的超級(jí)計(jì)算機(jī)來說，這也是不可能實(shí)現(xiàn)的計(jì)算。

要克服“組合爆炸”帶來的問題，就需要有能夠開發(fā)目標(biāo)領(lǐng)域結(jié)構(gòu)的算法，并且要能通過啟發(fā)式搜索、計(jì)劃以及靈活的抽象信息處理方式有效利用已有知識(shí)，而這些都是早期人工智能系統(tǒng)所欠缺的地方。其早期系統(tǒng)性能還有一個(gè)缺陷，就是過多依賴脆弱且無根據(jù)的符號(hào)化的表達(dá)方式，再加上數(shù)據(jù)稀缺以及硬盤條件嚴(yán)重限制了計(jì)算機(jī)的存儲(chǔ)容量和加工速度，這些都使早期系統(tǒng)沒有很好的方法來控制不確定性。到了20世紀(jì)70年代中期，這些問題變得越發(fā)突出。在意識(shí)到多數(shù)人工智能項(xiàng)目無法成功實(shí)現(xiàn)我們最初的設(shè)想后，人工智能的研究迎來了及時(shí)個(gè)寒冬：項(xiàng)目被砍，資金縮水，懷疑論甚囂塵上，人工智能備受冷落。

20世紀(jì)80年代早期，人工智能迎來了春天。當(dāng)時(shí)日本發(fā)起了第5代計(jì)算機(jī)系統(tǒng)工程，并專門為該工程建立起良好的公私合作伙伴關(guān)系，以確保充足的項(xiàng)目資金。該工程的主要目的在于超越當(dāng)時(shí)的技術(shù)發(fā)展水平，通過發(fā)展大規(guī)模并行計(jì)算結(jié)構(gòu)為人工智能的實(shí)現(xiàn)搭建平臺(tái)。該工程與日本的“戰(zhàn)后經(jīng)濟(jì)奇跡”一起受到關(guān)注，這一時(shí)期，西方國(guó)家政府以及商業(yè)精英們焦急地尋找能夠揭示日本經(jīng)濟(jì)成功的規(guī)律，以期在其國(guó)內(nèi)復(fù)制日本的這種繁榮。當(dāng)日本決定在人工智能領(lǐng)域大手筆投入時(shí)，其他國(guó)家都緊隨其后。

接下來的幾年見證了專家系統(tǒng)的繁榮。專家系統(tǒng)的設(shè)計(jì)理念是為決策者提供支持工具，該系統(tǒng)是一些基于從一系列由實(shí)際知識(shí)構(gòu)建的知識(shí)庫(kù)中得到簡(jiǎn)單推論的程序，而這些實(shí)際知識(shí)則是由某一領(lǐng)域的人類專家們提供并被精心編成以代碼表達(dá)的形式語(yǔ)言。當(dāng)時(shí)有大約幾百個(gè)類似的專家系統(tǒng)被建立起來。然而專家系統(tǒng)也同樣存在著缺陷：小規(guī)模系統(tǒng)沒什么太大價(jià)值，大規(guī)模系統(tǒng)則需要在開發(fā)、確認(rèn)和數(shù)據(jù)更新上耗費(fèi)大量成本，在運(yùn)用時(shí)往往也會(huì)非常麻煩。為了運(yùn)行一個(gè)單一程序，就設(shè)置一臺(tái)獨(dú)立計(jì)算機(jī)，這不太現(xiàn)實(shí)。所以到了20世紀(jì)80年代末期，人工智能的這一繁榮時(shí)期也變得黯淡起來。

第5代計(jì)算機(jī)系統(tǒng)工程并沒能實(shí)現(xiàn)它的目標(biāo)，而在美國(guó)和歐洲開展的類似項(xiàng)目也面臨著同樣的尷尬局面。第二次人工智能寒潮不期而至。這時(shí)，批評(píng)家的悲嘆甚囂塵上：“人工智能研究發(fā)展到今天，呈現(xiàn)出來的狀態(tài)往往是在特定領(lǐng)域取得了極其有限的成功之后，便立刻會(huì)在實(shí)現(xiàn)更宏大目標(biāo)的過程中遭遇挫折，而這種挫折往往都是被早期的成功所揭示的。”私人投資者們開始回避任何與人工智能相關(guān)的風(fēng)險(xiǎn)。甚至對(duì)于學(xué)術(shù)界人士以及學(xué)術(shù)資助人來說，“人工智能”一詞都讓人感到厭煩。

但技術(shù)依舊飛快地向前發(fā)展，到了20世紀(jì)90年代，第二次人工智能寒冬的冰雪開始消融。樂觀主義者重燃激情，因?yàn)樾录夹g(shù)似乎提供了一種有別于傳統(tǒng)邏輯范式(經(jīng)常被稱為GOFAI，意為“出色的老式人工智能”)的替代路徑，它聚焦于高水平符號(hào)處理，并且被20世紀(jì)80年代的專家系統(tǒng)發(fā)揮到了。神經(jīng)網(wǎng)絡(luò)和遺傳算法等新流行的技術(shù)有望在某種程度上克服GOFAI路徑的缺陷，尤其有可能會(huì)在傳統(tǒng)人工智能路徑的脆弱性上實(shí)現(xiàn)突破。這種脆弱性的主要體現(xiàn)是，只要系統(tǒng)存在一個(gè)微小的錯(cuò)誤假設(shè)，整個(gè)結(jié)果便會(huì)變得毫無意義。讓新技術(shù)引以為傲的是，它具備了更多的生物有機(jī)體屬性。以神經(jīng)網(wǎng)絡(luò)為例，它具備了“故障弱化”的特性：神經(jīng)網(wǎng)絡(luò)的微小損壞通常只會(huì)導(dǎo)致整體性能的微小弱化而不會(huì)造成系統(tǒng)崩潰。更重要的是，神經(jīng)網(wǎng)絡(luò)能夠從經(jīng)驗(yàn)中學(xué)習(xí)，也可以從樣本中找到最自然的概括路徑以及所輸入數(shù)據(jù)隱含的統(tǒng)計(jì)規(guī)律。這使得神經(jīng)網(wǎng)絡(luò)能夠有效解決模式識(shí)別和歸類的問題。比如，經(jīng)過聲吶信號(hào)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠?qū)W會(huì)分辨潛水艇、水雷、海洋生物等不同的聲音特征，比人類專家還要。而神經(jīng)網(wǎng)絡(luò)在實(shí)現(xiàn)識(shí)別不同的聲音特征前，也不需要人類事先對(duì)聲音類別進(jìn)行定義，或者事先總結(jié)出這些聲音的不同特點(diǎn)。

簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型自20世紀(jì)50年代后期開始被人們熟知，在引入能夠訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的反向傳播算法之后，人工智能領(lǐng)域又迎來了一陣復(fù)蘇。多層神經(jīng)網(wǎng)絡(luò)在輸入層和輸出層之間有一個(gè)或多個(gè)神經(jīng)元隱含層，能夠比之前的簡(jiǎn)單系統(tǒng)具備更強(qiáng)大的功能。輔之以日益強(qiáng)大的計(jì)算機(jī)，工程師們便可以用改進(jìn)的算法建立起能夠被很好地應(yīng)用到許多領(lǐng)域中的神經(jīng)系統(tǒng)網(wǎng)絡(luò)。

基于傳統(tǒng)算法規(guī)則的GOFAI系統(tǒng)雖然邏輯嚴(yán)密，但是性能很差，而神經(jīng)網(wǎng)絡(luò)具備類似于人類大腦的特質(zhì)，比之前的GOFAI系統(tǒng)要好出許多。神經(jīng)網(wǎng)絡(luò)還催生出了新的“機(jī)制”論，即所謂的“連接機(jī)制”，這種連接機(jī)制聚焦于大規(guī)模平行的精粒度亞符號(hào)數(shù)據(jù)處理的重要性。自那時(shí)起，以人工神經(jīng)系統(tǒng)為主題的學(xué)術(shù)文獻(xiàn)已超過150 000篇，并且人工神經(jīng)系統(tǒng)目前依舊是機(jī)器學(xué)習(xí)的重要路徑。

以進(jìn)化為基礎(chǔ)的算法，比如遺傳算法和遺傳編程，構(gòu)建了另一條引領(lǐng)人們走出第二次人工智能寒冬的新路徑。這類方法在學(xué)術(shù)領(lǐng)域產(chǎn)生的影響或許并沒有神經(jīng)網(wǎng)絡(luò)系統(tǒng)那么大，卻受到了廣泛的歡迎。進(jìn)化模型能夠維系一個(gè)備選方案群(方案群本身可以通過數(shù)據(jù)結(jié)構(gòu)和程序來實(shí)現(xiàn))，并通過改變或重組現(xiàn)有方案群中的變量來生成新的備選群。通過應(yīng)用選擇標(biāo)準(zhǔn)(適應(yīng)度函數(shù))可以讓備選群周期性地減少，并且只讓其中那些更好的方案群進(jìn)入下一代。經(jīng)過數(shù)千代重復(fù)之后，備選方案池中解決方案的平均素質(zhì)就會(huì)慢慢提高。這種算法能夠在運(yùn)行中生成有效的解決方案來解決范圍很廣的問題，而這類解決方案可能是讓人耳目一新且非直觀的，比任何一個(gè)人類工程師設(shè)計(jì)出來的東西都更像自然結(jié)構(gòu)。從原理上講，這個(gè)過程可以在不太需要人工初始輸入具體而簡(jiǎn)單的適應(yīng)度函數(shù)的情況下發(fā)生。但在實(shí)際操作中，要讓進(jìn)化方法得以順利運(yùn)行，還是需要一定的技巧和獨(dú)特設(shè)計(jì)的，特別是要能設(shè)計(jì)出一個(gè)的表達(dá)形式。如果不能對(duì)可能的解決方案進(jìn)行有效編碼(也就是將其轉(zhuǎn)換成一種基因語(yǔ)言以匹配目標(biāo)領(lǐng)域的潛在結(jié)構(gòu))，關(guān)于進(jìn)化的研究道路就會(huì)變得蜿蜒曲折且沒有盡頭，它會(huì)迷失在一個(gè)宏大的研究空間中或者卡在某個(gè)局部環(huán)節(jié)上停滯不前。不過即便是有了好的表達(dá)格式，進(jìn)化算法也需要極大的計(jì)算量，并且常常會(huì)被“組合爆炸”擊垮。

20世紀(jì)90年代，神經(jīng)網(wǎng)絡(luò)和遺傳算法等研究方法激起了人們廣泛的興趣，為GOFAI范式提供了可替代的路徑。但本文在此并不是要為這兩個(gè)方法唱贊歌，也不是要拔高這類方法在機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域中的地位。實(shí)際上，過去20年間一個(gè)主要的理論進(jìn)展便是人們更清醒地意識(shí)到，目前表面上不同的各類技術(shù)，是可以被理解為存在于一個(gè)共同數(shù)學(xué)框架中的特殊案例的。舉個(gè)例子，許多類型的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)都可以被視為對(duì)特定類別統(tǒng)計(jì)計(jì)算的展示(是一種較大似然估計(jì))。這其實(shí)是將神經(jīng)系統(tǒng)視為從實(shí)例中學(xué)習(xí)分類的更大一類算法中的一種，比如：決策樹、邏輯回歸模型、支持向量機(jī)、樸素貝葉斯、KNN算法等。在一定程度上，遺傳算法可以被視為一種隨機(jī)爬山法的演示，是尋找化算法大類中的一種。每一類這種算法在建立分類和尋找解決空間上都有自己的優(yōu)缺點(diǎn)，而這些優(yōu)缺點(diǎn)都是能夠借助計(jì)算揭示出來的。不同的算法對(duì)處理時(shí)間和存儲(chǔ)空間的要求都有所不同，從而帶來了兩個(gè)問題：一個(gè)問題是算法的預(yù)先假設(shè)存在歸納偏置，不過這個(gè)問題可以通過納入外部?jī)?nèi)容來得到緩解；另一個(gè)問題就是，如何把算法的內(nèi)在運(yùn)行機(jī)制向人類分析家們解釋清楚。

在機(jī)器學(xué)習(xí)以及創(chuàng)造性的問題解決模式之喧囂炫目的背后，是一系列特定的計(jì)算權(quán)衡。理想的狀態(tài)是實(shí)現(xiàn)的貝葉斯程序(Bayesian agent)，即在可獲得的信息中尋找出概率。當(dāng)然，這種理想狀態(tài)是無法實(shí)現(xiàn)的，因?yàn)闆]有一臺(tái)物理計(jì)算機(jī)能支持它所需要的宏大計(jì)算量(延伸閱讀1)。但我們?nèi)耘f能夠?qū)⑷斯ぶ悄芤暈閷ふ医輳降囊环N探索：借助人工智能手段，我們可以通過在將其引入特定現(xiàn)實(shí)領(lǐng)域并維持其性能的同時(shí)犧牲一些解或者普遍性，進(jìn)而逐步靠近貝葉斯理想狀態(tài)