沉寂了30多年的“人工智能”一詞，最近兩年變得如火如荼，成為科技企業的主戰場、媒體眼中的風向口，受到投資界的廣泛追捧。

正如英國首相丘吉爾所言：“你能看到多遠的過去，就能看到多遠的未來”，我們都對人工智能的未來充滿好奇，但此刻真的能看清方向嗎？當下不如先追本溯源，反思一下，自己了解人工智能多少？人工智能到底是什么？它又是從哪里來的呢？

本文通過對人工智能起源的梳理，將人類各大文明從人-物關系、人-神關系、人-人關系和人-環境關系等多種可能視角進行特色解讀。并指出在未來，人工智能的發展方向很可能是“人機融合智能”，人的智慧與機器的智能結合在一起，形成一個更有力的、更具支撐性的“人—機—環境交互系統”。

人工智能創立至今，已經度過了60余載。在這一個甲子多的時間里，有高潮也有低谷。雙體實驗室近期開始推送劉偉先生的“追問人工智能”系列，希望與大家共同探究人工智能從哪里來，到哪里去等基本問題。

從某種意義上說，人類文明是一個人類對世界和自己不斷進行認知的過程。追根溯源，我們應該從人類歷史，以及人類的知識獲取方式的起源及其發展歷程談起。

東西方視角下的“人工智能”有何差異？

在人類古文明的歷史中，古巴比倫和古埃及這兩種文明幾乎同時出現，它們在距今6000多年前，就已經有了國家、工具和文字，這兩種文明直接導致了歐洲文明的起源。這兩個文明主要是研究人與物（客觀對象）之間的關系，如水利、工具、制度與法律。這種人和物之間的關系，后來影響到了歐洲的一些地中海（希臘）文明，繼而輻射到整個歐洲大陸，誕生了科學和技術——科學和技術的宗旨就是研究人與物之間的關系。

除了這兩個最早的文明以外，古印度文明很重要的一種特質就是研究人和神之間的關系，這主要是人和抽象事物、不可掌控的一些事物之間的關系，在中東、印度一帶，誕生了幾乎世界上所有最主要的宗教，包括伊斯蘭教、基督教、印度教、佛教等，它們都探討人和神之間的關系。

此外，還有一種文明研究的是人和人之間的關系、人和環境之間的關系，即中華文明。中華文明關注的不是人和物、人和神之間的關系，而是人和人之間如何融洽，人和環境之間如何和諧，天、地、人之間如何共生的問題。

如果通過同一時間軸來看，會呈現地更加明顯。西方最主要的科學之祖，也是哲學之祖——泰勒斯，和中國的老子、孔子差不多出現在同一時代（距今約2500年以前），其思想體現在他的一句箴言中——“Water is best”（水是最好的）。水是一種物質，地球生物是從海洋里誕生出來的，即生命源于水，然后水又滋養和哺育了人類，所以西方的科學和哲學一開始就與物質密切相關；老子的“上善若水”，孔子的“逝者如斯夫”，也是對水的一種感嘆，但他們大多都拘泥于感性和倫理方面。東西方文明的差異從這幾個代表性人物的言語中可見一斑。

也就是說，在歷史發展的長河中，人類四大文明分別聚焦于人與物、人與神、人與人、人與環境之間的關系。而科學和技術的發展和“人與物”密切相關，這也是現代科學技術起源于歐洲的原因之一。但目前來看，隨著社會和人類的不斷進步，人與人、人與環境之間的關系日益受到重視。因此，當下世界的焦點，逐漸從西方轉移到了以人與人、人與環境為主的東方視角上來。

人工智能的本質是什么？

人與物之間的關系是西方一個重要的研究方向，同時機器屬于人造物，所以人機交互也起源于西方。人機交互的本質是共在，即“being together”。人把自己的優點與機器的長處結合在一起，形成了一個交互的、實質性的問題。而未來人工智能的發展方向，很可能是人機融合智能或人機混合智能，即將人的智慧和機器的智能結合在一起，形成一個更有力的、更具支撐性的發展模式。這不但是研究人機交互的生理問題，還是研究心理的或者大腦的問題。其實，“人機交互”或“人機混合智能”，都是不準確的表達，最準確的表達是“人—機—環境交互系統”，因為人和機器及物質的交互是不完整的，均是通過環境這個大系統進行溝通，所以“人—機—環境”系統工程，可能是未來的一個主要研究方向。

那么，人工智能或智能的本質是什么？這可以從人的成長經歷或發展上看出一些端倪。一般來說，胎兒在母親腹中就已經開始有了各種感覺，如聽覺、嗅覺、味覺、觸覺，并開始和外部環境及母親腹中的內部環境進行交互，產生了一個很簡單的“我”的概念。出生以后，由于視覺、聽覺等感覺發育得不是很完善，更多的是通過觸覺來接觸世界，了解他周圍的一些事物。隨著自主能力的產生，他們會試圖擺脫大人的束縛，更愿意自己爬，自己走，不希望別人去扶。

我們在研究過程中發現，人工智能的起點，第一個詞是“being”（“是”），即存在，客觀的物質，這是西方哲學中一個很重要的詞，世界是物質的還是意識的，其中物質就是“being”。關于人的智能和智慧，還存在著“should”（“應該”）。《三國演義》中的“義”，就是“should”（“應該”）的意思，“仗義”的“義”也是“應該”的意思，“應該”這個詞，在西方非常重要，在東方也很受重視，這是東西方交流的一個交匯點。“should”，翻譯成哲學語言，就是意識，即“awareness”或“consciousness”。另外，還有“want”，人有“want”，即想干什么；而機器不會“want”，機器只會按照程序、指令進行操作；而人還有一個“can”（“能”）的問題，即能做還是不能做。機器沒有這個問題，只是運作。

休謨在他的哲學體系中提出了一個很重要的問題：“是”推不出“應該”，這句話的意思是從事實中推不出價值觀。中國古代有一句著名的話“天行健，君子以自強不息”，這是不成立的。“天行健”是一個事實，“君子以自強不息”是一種價值觀，二者不能畫等號。這里面涉及一個很重要的詞“change”（“變”），人會不斷地改變，而機器不能，只會按部就班、因循守舊、刻舟求劍。所以，“事實推不出價值觀”是人工智能和人類智能很重要的差異。

另外，人還有一個很重要的特質，即感知的恒常性，人在變化的外界環境中通常能夠保留對這個事物本來面目的感知，如某種顏色。在不同的背景下，這種顏色的影響會發生變化，但是人能夠在這種變化中找到不變的那種感覺；而機器則不是，機器對外部變化的顏色，會有一個實時的反應，很難找到那種不變的東西。

何為“智能”？

人工智能來自于智能。何為智能？究其最深之處是一個哲學問題。早期有一批哲學家一直在討論什么是智能、知識。邁克爾·波蘭尼（Michael Polanyi）曾在20世紀60年代寫過一部《默會維度》（The Tacit Dimension），提出“我們知道的越多，那么我們知道的越少”。同時，他認為我們知道的遠比我們能說出來的要多很多（We can know more than we can tell）。通過波蘭尼這句話可見，默會知識在支配著我們不斷地向顯性的知識遞進與演化。

弗里德里希·哈耶克（FriedrichHayek）的經濟學對世界的影響很大，曾拿到過諾貝爾經濟學獎。他一生對政治、社會、經濟、文化、藝術、哲學和心理學均有涉獵，在認知科學領域，他有一本著作《感覺的秩序》（The Sensory Order）。在這本書中，他明確地提出了一個觀點：“行為遠比設計更重要”，其大意即人的各種感覺是通過行為來表征的，而不是故意設計出來的，后來的演化造成了設計的出現。維基百科的創立人之一吉米·威爾士（Jimmy Wales）很推崇《感覺的秩序》一書，認為是這本書啟發他創立了維基百科。

卡爾·波普爾（KarlPopper）是一位偉大的哲學家，提出過三個世界的觀點，即物理的、精神的和人工的。此外，在《科學發現的邏輯》（The Logic of Scientific Discovery）一書中，他提出科學不是證實而是證偽，認為科學是提出問題進行猜想，然后進行反駁，不斷試錯，接著有新科學的出現，而不是常規意義上的、通過觀察歸納來證實的實證機制。在歸納里有很多的漏洞，因為歸納是不完全的歸納，波普爾有針對性地對歸納進行了梳理。

通常認為，人工智能的學科起源，是從1956年美國的達特茅斯會議。但實際上，它的科學起源最早可以追溯到19世紀的查爾斯·巴貝奇（Charles Babbage），他曾任劍橋大學盧卡斯教授，是世界上做機械計算機的鼻祖，他做出的機械計算機能夠用來計算正弦和余弦數值的大小，從此人類拉開了計算的帷幕。另一個是劍橋大學的伯特蘭·羅素（Bertrand Russell），羅素利用其哲學思想和數學基礎，創立了一個重要的哲學新分支——分析哲學。將分析哲學推至制高點的是路德維希·維特根斯坦（Ludwig Wittgenstein），他在《邏輯哲學論》這部書里提出，語言是哲學的重要工具，也是哲學的切入點。

在此之前，哲學的發展有兩個里程碑，其中一個是關于世界本源的問題，即世界是物質的還是意識的，這個問題討論了一千多年，后來笛卡兒提出二元論。在此之后，人們找了很多方法來研究哲學，但收效甚微，直到維特根斯坦改變了哲學的軌跡。他的前半生研究關于語言的人工性，所謂人工性的語言就是標準化的、格式化的、流程性的、程序化的語言；他的后半生主要否定了自己前半生的工作，開始研究生活化的、自然化的語言，他認為真正的哲學是通過生活化的語言呈現的，由此體現哲學的深奧和哲學的意義。

針對智能的概念，權威辭書《韋氏大詞典》中的解釋是“理解和各種適應性行為的能力”；《牛津詞典》中的說法是“觀察、學習、理解和認知的能力”；《新華字典》中的解釋是“智慧和能力”；美國著名人工智能研究專家阿爾布斯（James Albus）在答復另一位人工智能專家埃克斯穆爾（Henry Hexmoor）時說：“智能包括知識如何獲取、表達和存儲；智能行為如何產生和學習；動機、情感和優先權如何發展和運用；傳感器信號如何轉換成各種符號；怎樣利用各種符號執行邏輯運算，對過去進行推理及對未來進行規劃；智能機制如何產生幻覺、信念、希望、畏懼、夢幻甚至善良和愛情等現象。”

但是，作為一門前沿科學和交叉學科，人工智能至今尚無統一的定義。不同科學背景的學者對人工智能做了不同的解釋：符號主義學派認為人工智能基于數理邏輯，通過計算機的符號操作模擬人類的認知過程，從而建立起基于知識的人工智能系統；聯結主義學派認為人工智能基于仿生學，特別是人腦模型的研究，通過神經網絡及網絡間的鏈接機制和學習算法，建立起基于人腦的人工智能系統；行為主義學派認為智能取決于感知和行動，通過智能體與外界環境的交互和適應，建立起基于“感知—行為”的人工智能系統。其實這三個學派分別從思維、腦、身體三個方面對人工智能進行了闡述，目標都是創造出一個可以像人類一樣具有智慧、能夠自適應環境的智能體。

人工智能的發展經歷了哪些階段？

人工智能的發展可以分為四個階段，即醞釀階段、起步發展階段、反思發展階段與蓬勃發展階段。

（1）醞釀階段

任何事物的形成與發展都有一定的基礎，人工智能也不例外。首先，在哲學領域，學者對于意識問題情有獨鐘。自從笛卡爾于17世紀提出“我思故我在”的論述之后，有關意識的組成爭論就從未停止過。托馬斯·霍布斯、梅洛·龐蒂等曾經明確反對身心二元論，前者認為人是純粹理性的，而后者認為身體和心理并不是獨立分開的個體。可以說，這些哲學爭論為早期的人工智能起到了很好的促進與推動作用。

1943年，麥克洛奇與匹茨提出了著名的M-P模型（Mc Culloch Pittsneural model），他們將神經元視為二值開關，通過不同的組合方式可以實現不同的邏輯運算。該模型的意義在于開創了人工神經網絡的研究。1949年，唐納德·赫布（DonaldHebb）提出學習模型，大體觀點為，如果在突觸前后的兩個神經元被同步激活，那么這個突觸連接增強。M-P模型與赫布學習規則的確立為后期的聯結主義奠定了基礎。

在其他領域，“現代計算機之父”馮·諾依曼（von Neumann）于1945年提出了后來被稱為馮·諾依曼結構的計算機體系結構，并被沿用至今。1948年，諾伯特·維納（NorbertWiener）指出了神經系統與計算機工作的相似性，找到了它們之間的內在聯系，將自動控制的研究提到了一個新的高度，對后期人工智能學科的創立產生了巨大的影響。1936與1950年，阿蘭·圖靈先后提出圖靈機與圖靈測試的概念，旨在弄清楚計算機能做什么、如何定義智能等關鍵問題。維特根斯坦也對這個問題有所思考，他在《哲學研究》中明確指出：機器肯定不能思維。

（2）起步發展階段

人工智能早期發展的主要領域在于公理證明。艾倫·紐厄爾（Allen Newell）和赫伯特·西蒙（HerbertSimon）等人編寫了一種名為邏輯理論家（LT）的智能程序，用來證明數學命題。與常見的數學推理過程不同，這種程序由結論出發，一步步從后向前分析，直到找出合適的證明問題為止。1963年，LT程序證明了羅素與懷特海《數學原理》第一章中的全部定理。兩年后，邏輯學家王浩和數理邏輯家亞伯拉罕·魯濱遜（Abraham Robinson）使用消解方法，使用機器證明了《數學原理》中的全部命題演算定理。

在其它研究領域，人工智能也有了初步的進展。1957年，羅森勃拉特（FrankRosenblatt）首次引入了感知機的概念，推廣了聯結主義的研究，同時感知機的出現使神經網絡也露出了其廬山真面目。幾年后，模仿自然生物進化機制的演化計算開始出現，代表人物為霍蘭德（John Holland）與福格爾（David Fogel）。1965年，麻省理工學院人工智能實驗室的羅伯茲編寫出多面體識別程序，開創了機器視覺的領域。

（3）反思發展階段

在起步發展階段，各個領域都有了一定的進展，但是，這離當初設想的人工智能還相距甚遠。1969年，被稱為“人工智能之父”的馬文·明斯基（MarvinMinsky）與西蒙·派珀特（Seymour Papert）出版著作《認知器演算法》（Perceptrons），指出單層感知器不能實現XOR（異或問題）邏輯，這極大地打擊了研究者的信心。20世紀70年代初，對人工智能提供資助的機構，如美國國防高級研究計劃局（DARPA）、美國核管理委員會（NRC）對無方向的人工智能研究逐漸停止了資助。人工智能的第一次寒冬到來。

在低谷階段，人工智能界開始了反思。一派是以德雷福斯（Hubert Dreyfus）為代表，無情地對人工智能進行批判，他曾說人工智能研究終究會陷入困局；而另一派則對人工智能抱有希望，代表人物為費根鮑姆（Edward Feigenbaum），他認為要擺脫困境，需要使用大量的知識。于是，知識工程與專家系統在各個領域嶄露頭角，比如早期的反向鏈接專家系統MYCIN可以診斷一些特定類型的傳染病。這個階段（1976～1980年）也被稱為復興期。

進入20世紀80年代后，人工智能學界重新肯定了早期人工智能研究中的神經聯結方法與遺傳算法。1982年，霍普菲爾德（John Hopfield）提出了Hopfield神經網絡，引入了“計算能量”概念，給出了網絡穩定性判斷。1984年，他又提出了連續時間Hopfield神經網絡模型，為神經網絡的研究做了開拓性的工作。1986年，杰弗里使用辛頓、魯姆哈特（David Rumelhart）和麥克勒蘭德（JamesMcClelland）重新提出了反向傳播算法，即BP算法。值得一提的是，聯結主義不同于符號主義，其研究方法巧妙地避開了知識表示所帶來的困難。與此同時，布魯克斯（Rodney Brooks）教授在1991年發表論文，批評聯結主義與符號主義不切實際，將簡單事情復雜化。他強調感知與行為直接聯系，這也極大地促進了人工智能研究另一學派——行為主義的發展。

由此可見，在這一階段，人工智能的研究空前繁榮，可是好景不長，1987年現代計算機的出現，讓人工智能的寒冬再次到來。人們普遍發現人工智能領域沒有取得實質性的突破，而所謂的專家系統使用范圍依然有限。于是，人工智能研究再一次陷入停滯。

（4）蓬勃發展階段

1997年“深藍”的勝利，重燃起人們對于人工智能的興趣。2006年，辛頓提出深度置信網絡，使深層神經網絡的訓練成為可能，這也使得深度學習迎來了春天。2011年，國際商業機器公司（IBM）的“沃森”參加《危險邊緣》（Jeopardy！）問答節目，并打敗了兩位人類冠軍，轟動一時。2012年，辛頓的學生艾利克斯·克里澤夫斯基（Alex Krizhevsky）使用AlexNet以大幅優勢取得了當年ImageNet圖像分類比賽的冠軍，深度神經網絡開始大放異彩。同年，運用了深度學習技術的谷歌大腦（Google Brain）觀看數千段的視頻后，自發地找出了視頻中的貓。2016年，Google Deep Mind的“阿爾法狗”（AlphaGo）戰勝了世界頂級圍棋高手李世石，由此推動了人工智能的再一次發展，目前正處于人工智能發展的第三次高潮期。

總的來說，人工智能創立至今，已經度過了60余載。在這一個甲子多的時間里，有高潮也有低谷。對人類來說，年過花甲意味著已經開始逐漸步入遲暮，很多方面都開始走下坡路；而對人工智能來說，在經歷過數次波折、幾起幾落之后的今天仍然蓬勃發展，并顯得愈發年輕起來。