文/陈根

或许，你已经感受到了，人工智能这个概念被越来越频繁地提及，网上、书中五花八门的关于人工智能的音频、视频、文字是当前最容易抓住眼球的热点，人工智能从一个阳春白雪、深藏于专业实验室的学术名词，迅速转变为产品经理和市场营销人员的口头禅，还成为普通大众茶余饭后的谈资。

当大家提起拥有智能的机器，往往还怀有一种科幻小说式的神秘与敬畏，一边忍不住对未知的憧憬，想要从钥匙孔中窥探潘多拉盒子里面藏着怎样的秘密，一边又担心打开了这个盒子，会放出人类无法掌控的可怕力量。

或许，你还没有注意到，人工智能带来的变化已经在我们身边悄然出现。你打开的新闻是人工智能为你做的算法推荐，你网上购物，首页上显示的是人工智能为你推荐的你最有可能感兴趣、最有可能购买的商品。

今天，这些智能化的成果已经深入地渗透到我们的工作和生活之中，而这些细节变化背后的技术进步，一点都不比机器能在棋盘上战胜人类冠军来得更小。

关于人工智能的起源可以追溯到哲学、虚构和想象。

作为计算机科学的一个分支，人工智能学科的诞生不过短短70年历史，这70年伴随了几代人的成长，人工智能也在这70年内经历了跌宕和学术门派之争，经历了混乱的困惑和层峦叠嶂般的迷思，在人工智能的三起两落之后，未来的人工智能将走向怎样的远方？人类和机器的关系又如何界定？人工智能最终会取代人类吗？

想要理解现在，预见未来，或许可以从历史回溯开始。

古老的想象

“人工智能”虽然是一个现代性的专业名词，但是人类对人造机械智能的想象与思考却是源远流长。

在古代的神话传说中，技艺高超的工匠可以制作人造人，并赋予其智能或意识，如希腊神话中出现了赫淮斯托斯的黄金机器人和皮格马利翁的伽拉忒亚这样的机械人和人造人；根据列子辑注的《列子·汤问》记载，中国西周时期也已经出现了偃师造人的故事；犹太人传说中有具有生命形式的泥人；印度传说中，守卫佛祖舍利子制造了机器人武士（模仿古希腊罗马自动人形机的设计）。

地球上第一个行走的机器人叫塔洛斯，是个铜制的巨人，大约2500多年前在希腊克里特岛降生在匠神赫菲斯托的工棚。据荷马史诗《伊利亚特》描述，塔洛斯当年在特洛伊战争中负责守卫克里特。诸神饮宴时有会动的机械三足鼎伺候。

埃德利安·梅耶（Adrienne Mayor）在《诸神与机器人》（Gods and Robots）甚至把希腊古城亚历山大港称为最初的硅谷，因为那里曾经是无数机器人的家园。

古老的机器人虽然跟现在一般意义上的人工智能风马牛不相干，但这些尝试都体现了人类复制、模拟自身的梦想。

法国索邦大学计算机学教授让-加布里埃尔·加纳西亚（Jean-Gabriel Ganascia）认为，古代神话中人形物体被赋予生命，与今天人们想象和担忧的“通用人工智能”，即具有超级智能的机器，都更多属于想象而不是科学现实，至少目前如此。

从图灵机到人工智能

人类对人工智能的凭空幻想阶段一直持续到了20世纪40年代。

由于第二次世界大战交战各国对计算能力、通信能力在军事应用上迫切的需求，使得这些领域的研究成为人类科学的主要发展方向。信息科学的出现和电子计算机的发明，让一批学者得以真正开始严肃地探讨构造人造机械智能的可能性。

1935年春天的剑桥大学国王学院，年仅23岁的图灵第一次接触到了德国数学家大卫·希尔伯特（David Hilbert）23个世纪问题中的第十问题：“能否通过机械化运算过程来判定整系数方程是否存在整数解？”

图灵清楚地意识到，解决这一问题的关键在于对“机械化运算”的严格定义。考究希尔伯特的原意，这个词大概意味着“依照一定的有限的步骤，无需计算者的灵感就能完成的计算”，这在没有电子计算机的当时已经称得上既富想象力又不失准确的定义。

但图灵的想法更为单纯，机械计算就是一台机器可以完成的计算，用今天的术语来说，机械计算的实质就是算法。

1936年，图灵在伦敦权威的数学杂志上发表了划时代的重要论文《可计算数字及其在判断性问题中的应用》，一脚踢开了图灵机的大门。

1950年，图灵再次发表了论文《计算机器与智能》，首次提出了对人工智能的评价准则，即闻名世界的“图灵测试”。图灵测试是在测试者与被测试者（一个人和一台机器）隔开的情况下，由测试者通过一些装置向被测试者随意提问。如果经过5分钟的交流后，如果有超过30%的测试者不能区分出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类水准的智能。

本质上说，图灵测试从行为主义的角度对智能进行了重新定义，它将智能等同于符号运算的智能表现，而忽略了实现这种符号智能表现的机器内涵。它将智能限定为对人类行为的模仿能力，而判断力、创造性等人类思想独有的特质则必然无法被纳入图灵测试的范畴。

但无论图灵测试存在怎样的缺陷，它都是一项伟大的尝试。自此，人工智能具备了必要的理论基础，开始踏上科学舞台，并以其独特的魅力倾倒众生，带给人类关于自身、宇宙和未来的无尽思考。

1956年8月，在美国达特茅斯学院中，约翰·麦卡锡（John McCarthy,LISP语言创始人）、马文·闵斯基（Marvin Minsky,人工智能与认知学专家）、克劳德·香农（Claude Shannon,信息论的创始人）、艾伦·纽厄尔（AllenNewell,计算机科学家）、赫伯特·西蒙（Herbert Simon,诺贝尔经济学奖得主）等科学家聚在一起，讨论着一个不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。这样就是著名的达特茅斯会议。

会议足足开了两个月的时间，讨论的内容包含了自动计算机、编程语言、神经网络、计算规模理论、自我改进（机器人学习）、抽象概念和随机性及创造性，虽然大家没有达成普遍的共识，但是却将会议讨论的内容概括出一个名词：人工智能。

于是，1956年成为了人工智能元年，世界也由此变化。

人工智能一起一落

达特茅斯会议之后的数年是大发现的时代。对许多人而言，这一阶段开发出的程序堪称神奇：计算机可以解决代数应用题，证明几何定理，学习和使用英语。

当时大多数人几乎无法相信机器能够如此“智能”。1961年，世界第一款工业机器人Unimate在美国新泽西的通用电气工厂上岗试用。1966年，第一台能移动的机器人Shakey问世，就是那个会抽烟的机器人，跟Shakey同年出生的还有伊莉莎。

1966年问世的伊莉莎（Eliza）可以算作今天亚马逊语音助手Alexa、谷歌助理和苹果语音助手Siri们的祖母，“她”没有人形，没有声音，就是一个简单的机器人程序，通过人工编写的DOCTOR脚本跟人类进行类似心理咨询的交谈。

伊莉莎问世时，机器解决问题和释义语音语言的苗头已经初露端倪。但是，抽象思维、自我认知和自然语言处理功能等人类智能对机器来说还遥不可及。

但这并不能阻挡研究者们对人工智能的美好愿景与乐观情绪，当时的科学家们认为具有完全智能的机器将在二十年内出现。而当时对人工智能的研究几乎是无条件的支持，时任ARPA主任的J.C.R.Licklider相信他的组织应该“资助人，而不是项目”，并且允许研究者去做任何感兴趣的方向。

但是好景不长，人工智能的第一个寒冬很快到来。

70年代初，人工智能开始遭遇批评，即使是最杰出的人工智能程序也只能解决它们尝试解决的问题中最简单的一部分，也就是说所有的人工智能程序都只是“玩具”。人工智能研究者们遭遇了无法克服的基础性障碍。

随之而来的还有资金上的困难，人工智能研究者们对其课题的难度未能作出正确判断：此前的过于乐观使人们期望过高，当承诺无法兑现时，对人工智能的资助就缩减或取消了。由于缺乏进展，对人工智能提供资助的机构（如英国政府，DARPA和NRC)对无方向的人工智能研究逐渐停止了资助。

NRC(National Research Council,美国国家科学委员会）在拨款二千万美元后停止资助。1973年Lighthill针对英国人工智能研究状况的报告批评了人工智能在实现其“宏伟目标“上的完全失败，并导致了英国人工智能研究的低潮。DARPA则对CMU的语音理解研究项目深感失望，从而取消了每年三百万美元的资助。到了1974年已经很难再找到对人工智能项目的资助。

人工智能再起又落

当人类进入到80年代时，一类名为“专家系统”的人工智能程序开始为全世界的公司所采纳，专家系统能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。

1965年起设计的Dendral能够根据分光计读数分辨混合物，1972年设计的MYCIN能够诊断血液传染病，准确率69%，而专科医生是80%。1978年 ，用于电脑销售过程中为顾客自动配置零部件的专家系统XCON诞生，XCON是第一个投入商用的人工智能专家，也是当时最成功的一款。

人工智能再一次获得了成功，1981年，日本经济产业省拨款八亿五千万美元支持第五代计算机项目，其目标是造出能够与人对话，翻译语言，解释图像，并且像人一样推理的机器。

其他国家纷纷作出响应，英国开始了耗资三亿五千万英镑的Alvey工程，美国一个企业协会组织了MCC(Microelectronics and Computer Technology Corporation,微电子与计算机技术集团），向人工智能和信息技术的大规模项目提供资助。DARPA也行动起来，组织了战略计算促进会（Strategic Computing Initiative),其1988年向人工智能 的投资是1984年的三倍。

而历史总是惊人的相似，人工智能再次遭遇寒冬。

“人工智能之冬（en:Al winter)"一词由经历过1974年经费削减的研究者们创造出来，他们注意到了对专家系统的狂热追捧，预计不久后人们将转向失望。事实被他们不幸言中：从80年代末到90年代初，Al再一次遭遇了一系列财政问题。

变天的最早征兆是1987年A/硬件市场需求的突然下，Apple和IBM生产的台式机性能不断提升，到1987年时其性能已经超过了Symbolics和其他厂家生产的昂贵的Lisp机，老产品失去了存在的理由：一夜之间这个价值五亿美元的产业土崩瓦解。

21世纪的人工智能再兴起

“实现人类水平的智能“这一最初的梦想曾在60年代令全世界的想象力为之着迷，其失败的原因至今仍众说纷纭。最终，各种因素的合力将 人工智能拆分为各自为战的几个子领域，有时候它们甚至会用新名词来掩饰“人工智能“这块被玷污的金字招牌。

人工智能比以往的任何时候都更加谨慎，却也更加成功。

如今，已年过半百的Al终于实现了它最初的一些目标。

许多人工智能的能力已经超越人类，比如围棋、德州扑克，比如证明数学定理，比如学习从海量数据中自动构建知识，识别语音、面孔、指纹，驾驶汽车，处理海量的文件、物流和制造业的自动化操作。

机器人可以识别和模拟人类情绪，可以充当陪伴和护理员了，人工智能的应用也因此遍地开花，进入人类生活的各个领域。

人工智能的深度学习和强化学习成了时代强音，一个普遍认同的说法是，2012年的ImageNet年度挑战开启了这一轮人工智能复兴浪潮，ImageNet是为视觉认知软件研究而设计建立的大型视觉数据库，由华裔人工智能科学家李飞飞2007年发起，ImageNet把深度学习和大数据推到前台，也使大量投资资金涌入。

过去10年中，人工智能开始写新闻、抢独家，经过海量数据训练学会了识别猫，IBM超级电脑沃森战胜了智力竞赛两任冠军，谷歌阿尔法狗战胜了围棋世界冠军，波士顿动力的机器人Atlas学会了三级障碍跳。

在今年的疫情期间，人工智能更是落地助力医疗，智能机器人充当医护小助手，智能测温系统精准识别发热者，无人机代替民警巡查喊话，以及人工智能辅助CT影像诊断等。

人工智能会取代人类吗

随着机器文明的发展，人工智能是否会取代人类也越来越成为人们论争的交点。而这个论争归根到底就是一个相当简单的问题：我们的特别之处是什么？我们的长远价值是什么？

不可能是机器已经超过人类的那些技能，比如算数或打字，也不可能是理性，因为偏见和情感让我们缺乏理性。

那么，可能我们需要考虑相反的一个极端：激进的创造力，非理性的原创性，甚至是毫无逻辑的慵懒，而非顽固的逻辑。到目前为止，机器还很难模仿人的这些特质：怀着信仰放手一搏，机器无法预测的随意性，但又不是简单的随机。机器感到困难的地方也正是我们的机会。

这并非意味着放弃理性、逻辑和批判性思维。事实上，恰恰是因为我们如此重视与理性和启蒙有关的价值，所以我们才需要支持一下与之相反的东西。培养创新精神，培养挑战权威的意识，甚至是非理性的想法，并不是因为非理性是福佑，而是因为非理性的创造力才是对机器理性的补充。

机器文明的发展已经是现代社会的大势所趋，而人类文明的协同发展要求我们着眼于人类对劳动分工的贡献，对机器的理性进行补充，而非试图与它竞争。只有这样做才会让我们与机器产生差异，而正是这种差异化会创造价值。

与其担心机器取代人类，不如将更加迫切的现实转移到人类的独创性上，当车道越来越宽，人行道越来越窄，我们重复着日复一日的重复，人变得像机器一样不停不休，我们牺牲了我们的浪漫与对生活的感知力，人类的能量在式微的同时机器人却坚硬无比力大无穷。所以不是机器人最终取代了人类，而是当我们终于在现代工业文明的发展下牺牲掉独属的创造性时，我们自己放弃了自己。