人工智能(极)简史

作者 佚名    译者 | jeynnecool (译言)   发表时间 | 2015-09-01    来源 | aaai.org


在这段简史里,人工智能的起源可以追溯到哲学、虚构和想象。电子、工程和其他许多领域里的早期发明都影响了人工智能的发展。一些早期的里程碑,包括学习如何解决问题,其中关于对知识的习得与展现,以及对语言的理解,翻译,对定理的证明,联合记忆,以及基于知识的系统。这篇文章的结尾回顾了一些有影响力的机构和组织,以及目前的热点领域。

人工智能的历史是一部关于幻想、可能性、实证和希望的历史。从荷马写下机械“三足鼎”等待众神晚餐开始,想象利用机械来协助生活已成为人类文化的一部分。然而,仅仅从上半个世纪开始,人类才开始在人工智能领域制造机器,用测试关于思考和智能行为的假说,并造出此前仅仅是理论上可能存在的机械装置。尽管目前来看,成熟的人工智能仍属于遥远的未来,我们依旧需要为了实现希望而保持沟通和努力。

哲学家们曾经提出一种可能存在的智能机器,帮助我们从文献上定义了它对人类的意义。例如,笛卡尔对“机械人”的兴趣更多的在于其中的隐喻含义,而不是一种现实的可能性。而另一方面,莱布尼兹预见过一种可能性,发明一种机械的逻辑装置,用纯粹的逻辑帮助人们消除争论。莱布尼兹和帕斯卡都曾设计过计算机器,用来解决算术问题,这成了后来学者发明“计算器”的有力证据,但是两者从未宣称这种机器本身会进行思考。康底拉克(法国哲学家)曾在隐喻中提到一座雕像,人们往它的脑中倒入各种有价值的知识碎块最后作者提问到什么程度这座雕像会拥有足够多的知识而使它看起来就像人一样富有智慧

科幻小说作家们用智能机器的可能性推动着人们对非人类智慧的想象,同时促使我们思考自己作为人类本身的特质。19世纪的儒勒·凡尔纳和20世纪的艾萨克·阿西莫夫是个中翘楚,此外还有写出绿野仙踪的莱曼·弗兰克·鲍姆。鲍姆写过数个机器人角色,并在1907年(的绿野仙踪里)将机器人“Tiktok”形容为一个“非常有责任感,能想出各种点子,并能完美交谈的机器人。它能思考、说话、行动,以及做一切事情,除了活着。”这些作家激发了许多人工智能学家的灵感。


绿野仙踪卡通剧照。

机器人,和人工创造的生物,如犹太传说中的哥勒姆(希伯来传说中有生命的假人)和玛丽·雪莱的弗莱肯斯坦,总是捕获了大众的想象,这其中不乏利用了人类的恐惧。机械动物和玩偶——包括一种机械小号手,贝多芬曾为其写过管弦乐作品——其实是由17世纪的钟表匠们制作而成。尽管他们所能完成的表演极其有限,并且制造他们的初衷也是好奇多于制造一种真正可以思考的机器,它们依然提供了一些原始的以机械学角度之于行为的观点并揭示这些行为无需令人惧怕。随着工业界的机械化程度进一步提高,机器也变得更加精巧和普及。但从本质来看,它们依然只是简单的发条装置。

1819世纪流行的国际象棋游戏机器被当做一种智能机器展示,其中最引人注意的是一个叫“土耳其”(the Turk)的机器这些机器甚至让一些人相信它们是通过自主思考来下棋的。国际象棋毫无疑问是一种需要思考的活动,人们作此联想也就毫不奇怪了。比如,塞姆·朗赫恩·克列门斯(马克·吐温)在报纸专栏里曾经写道,“土耳其”的象棋下得太好了,可见它一定是机器。象棋在早期的人工智能领域被广泛使用,用以学习推理和表达机制是如何运作的其中一个重要里程碑就是1997年深蓝机器人打败了国际象棋冠军盖里·卡斯帕罗夫。


随着20世纪电子领域的诸多发明,以及二战后曼彻斯特阿兰·图灵实验室宾州大学电子系摩尔学院哈佛霍华德.艾肯德实验室BM和贝尔实验室,以及各地现代计算机的出现,曾经提出的可能性得到了进一步证实。因为现代计算机惊人的计算能力,20世纪40年代计算机常常被称为“巨脑”。

尽管在公众认知里,机器人一直是智能计算机的一部分,早期的机器人研究更多聚焦于机械工程层面上的而不是智能控制层面。不过最近,机器人已经发展成一种强有力的工具,可以用来印证我们对智能行为的诸多猜想。此外,让机器人对生活中的对象(现象和物件)拥有足够多的知识,从而使它们能在日常环境中正常运作成为一个令人头疼的任务。这一点是显而易见的,例如,一个行动中的机器人无法分辨阴影中的楼梯

人工智能并非仅仅是关于机器人的,它同时也是关于理解智能思考的性质,以及如何用计算机作为实验装置的行为。1944年,赫伯特·西蒙提出了关于信息处理符号操纵理论心理学:“任何理性的决定都可以被认为是一些假设和预设下的结论……因此,如果一个人用以作出决定的相关条件和前提已经被定义,那么他的行为是可以被操控的。”(摘自纽厄尔和西蒙1972 年合著的论文附录)。

人工智能在它的壮大阶段受到许多其他学科的影响。它们分别来自工程学(例如,研究控制论的诺伯特·维纳,提出反馈和控制),生物学(例如,威廉·罗兹·阿什比,沃伦·麦卡洛克和沃尔特·皮茨对简单有机体上神经网络的研究),实验心理学(参见纽厄尔和西蒙1972年的论文),通讯理论(例如克劳德·香农的理论),博弈论(最著名的有约翰·冯·诺依曼和奥斯卡·摩根斯特恩),数学和统计学(例如,欧文·约翰·古德),逻辑学和哲学(例如,阿兰·图灵,阿隆佐·邱奇和卡尔·亨佩尔),以及语言学(例如诺姆·乔姆斯基对语法的研究)。这些研究在人工智能领域里留下了痕迹,并将持续影响着这个学科,这些影响巨大而深远。在吸收这些学科知识的同时,人工智能进一步发展超出了它们的范畴,并且反过来,也偶尔影响着这些学科本身。


仅仅在最近半个世纪,我们的计算工具和编程语言才强大到足以支撑我们对智能探索的理论进行实验证明。图灵1950年在哲学期刊Mind上提交的一篇学术论文是人工智能领域的巨大转折点。这篇论文对如何制造一台可以进行智能行为的机器提出了一个明确可行的想法,其中包括了对里程碑式的模仿游戏的描述——这正是我们熟知的图灵测试。万尼瓦尔·布什(Vannevar Bush)于1945年发表在亚特兰大月刊上的论文,对这种可能性提出了富有预见性的愿景,但是图灵则是实实在在地为计算机写了一段程序——例如,像香农在1950年的提议中计划的那样,下国际象棋。

早期的程序不可避免地受到了记忆存储大小,处理器速度,以及早期操作系统和语言本身的笨拙的制约。(比如,在垃圾回收机制发明以前,内存管理都是程序员头疼的问题。)直到20世纪50年代和60年代,除了硬件处理器和记忆存储的发展,符号操纵语言,如Lisp, IPLPOP以及分时系统的出现才赋予了程序员更强大的力量。尽管如此,依然出现了许多令人惊叹的程序,解决了从前之有智能人类才能解决的问题。

早期学会包含了许多对此类程序的具体描述,第一本综合描述人工智能领域研究的著作是爱德华·费根鲍姆(Edward Feigenbaum)和朱利安·费尔德曼(Julian Feldman)于1963年的著作,计算机与思考(Computers and Thought)。

书中描述了亚瑟·塞缪尔(Arthur Samuel)写的西洋棋程序,这个程序完成于20世纪50年代,使用了当时的IBM704和汇编语言,从IBM704的硬件条件,和汇编语言的简陋程度来看,这个程序完成得精巧至极。理解西洋棋的玩法只需要普通的智能,而完全掌握则需要比之稍高的智能。塞缪尔的程序(后来在性能上被切努克的程序打败)之所以更加出色,则是因为它能通过实验——也就是和人或其他程序的对战)来提高自己下棋的能力。每当我们试着找出智能的核心是什么,学习能力必然是其中之一(例如,参见马文·明斯基在1961年的论文“通往人工智能的阶梯”)。


艾伦·纽厄尔(Allen Newell),约翰·克里弗·肖(J. Clifford Shaw),和赫伯·西蒙(Herb Simon)在20世纪50年代也写出了富有超时代远见却又受制于时代工具的程序。他们的LT程序是另一件令人惊叹的巧作。这个程序通过发明对逻辑定理的证明令整个世界瞠目结舌——而这无疑是需要创意和智能的。这个程序在1956年达特茅斯人工智能学会上被展示,也正是这场学会确立了“人工智能”Artificial Intelligence缩写AI)这个名字。

纽厄尔和西蒙肯定了早期奥利弗·赛弗里奇对符号操纵程序的模式识别的证明(见费根鲍姆和费尔德曼1963年论文)。赛弗里奇对学习和多主体方式在问题解决(后称黑板模型)上的研究,以及20世纪50年代早期的其他研究,都被认为是启发法上的有力佐证。(这段太奇怪)早期演示逐渐确立了人工智能领域的一个基本准则,西蒙称之为“满意”:当缺乏一种有效的方法可以确保找到问题的解决方案时,在合理的时间内,启发法可以引导决策者找到一个令人满意的,尽管不一定是最优的,解决方案。

明斯基(1968)在对1950年后20年间研究工作的总结里写到:

“1962年以前,最核心问题都在于找到一种启发机制可以控制探索法的边界。次核心问题在于找到如何学习的技术。而1962年后,对学习的思考减少了,更多的变成了对知识的呈现以及对旧系统的破除。如何有效使用启发法进行搜索依然是潜在的制约条件,但它已不是人们正在思考的问题,我们沉浸在更精巧的小问题中,比如,对已有计划的呈现和修改。”

明斯基自己在知识网络中 “思想的社会”为此后的大量研究指明了方向。知识呈现(Knowledge representation)——正式和非正式的方面——已成为所有人工智能程序的奠基石。约翰·麦卡锡(John McCarthy1958年发表的重要论文,“具有常识的程序”(Programs with Common Sense)(在明斯基1968年论文中再版),提出了一个例子证明表达性知识呈现是可以被轻易操纵的。从此,麦卡锡力主采用正规的知识呈现,尤其在预测逻辑领域。麦卡锡和其他学者在非单调推理和默认推理所做的研究,如在变化的条件下进行计划,对智能行为的要求是什么,以及对人工智能的真正定义提供了重要意见。


GPS(纽厄尔,肖恩和香农)和其他早期研究受到了心理学问题和试验方法(纽厄尔和香农1972)的激励。比如,费根鲍姆于1959年完成的EPAM,在程序中探索组合记忆和遗忘,模拟了心理学实验中的行为(1963年费根鲍姆和费尔德曼)。卡耐基梅隆大学(当时名为卡耐基理工)的其他早期程序,有意试图模拟真人在尝试解决问题,例如解答算式谜题或为投资组合选择股票的推理过程中的步骤,包括其中的犯下的错误。生产系统,以及其后的基于规则的系统,都诞生于模仿人脑在长期和短期记忆中操纵符号的过程。唐纳德·沃特曼(Donald Waterman)于1970年在斯坦福的的结业论文中用生产系统来玩抽牌扑克游戏,用另一个程序来学习如何玩得更好。

托马斯·伊万斯(Thomas Evans1963年的论文解决了类似一般IQ测试中的分类测试,这是第一次在程序中使用类比推理的探索。詹姆斯·斯莱格尔(James Slagle)在论文中用收集启发法解决了初等微积分问题中的符号集合问题。此外,麻省理工学院1960年初,丹尼·布朗(Danny Brown),博特·拉斐尔(Bert Raphael),罗斯·奎利恩(Ross Quillian)和费雪·布莱克(Fischer Black)都写出了令人印象深刻的论文,这些在明斯基的集合都有所提及,语义信息处理(明斯基 1968)。

基于计算机在海量词典中存储和提取词汇的能力以此形成语言的理解和翻译是第一个被直接提出的想法。这种试图使用查询表进行翻译的方法常常失败闹出许多滑稽笑话,因此广受批评,许多年里学界几乎停止为机器翻译提供科研经费。丹尼·布朗的研究展示了计算机可以在有限语境下使用数学词汇理解并解决许多成年人都感到棘手的问题。此外,罗伯特·F·西蒙斯(Rober F. Simmons),罗伯特·林赛(Robert Lindsay),罗杰·尚克(Roger Schank)的研究,也现实了理解——甚至翻译——在有限领域里是可以实现的。尽管原本提出的查询表法没有升级,近期对语言理解的进步使我们离可对话的机器助手又更近了一步。用于翻译、文本解读和语音解读的商用系统,已经可以做到对语言,语境和语义都有一定程度的理解。


另一个转折点来自于20世纪60年代到70年代早期基于知识的系统的发展。20世纪60年代中期,艾拉·戈尔斯坦(Ira Goldstein)和塞默·佩帕特(Seymour Papert)(1977)描述的树图算法程序的演示过程(林赛及其他 1980)被认识是人工智能领域里基于知识的系统分支上的一次“范式转换”。而在此之前,逻辑推论和解决理论被认为是更为显著的。Mycin(布坎南和舒特列夫 1984年)和其他成百上千的专家系统在数个领域证明了少量知识对决策行为的重要性。尽管依然有诸多制约,部分由于获取知识的增加所需的努力,他们在提供专家级助理上的成功印证了古老的寓言“知识就是力量”。

20世纪60年代也是机构支持人工智能产业化形成的年代。最初的两大主要学术机构是麻省理工学院和卡耐基梅隆大学(当时是卡耐基科技大学,和兰德公司合作),其后斯坦福和爱丁堡也相继诞生了人工智能实验室。曾与图灵合作过的唐纳德·米基(Donald Michie),组织了第一个——或最早之一的——人工智能年会。机器智能研讨会于1965年在爱丁堡首先举行。差不多同时,60年代中期,计算机协会人工智能特别兴趣组开设了论坛,让来自不同学科的人们分享关于人工智能的想法。国际学会组织IJCAI1969年开设了两年一期的学会。1980年,AAAI孕育而生,为北美人工智能社区一年一度的学术会议。其他许多国家也逐渐成立了类似的组织。

20世纪60年代以后的数十年间,越来越多的研究成果展现出来人们理解智能机制的能力也随之增加。我们了解到推理模式并不是严格的演绎法推理,其他的有例如,基于范例的推理法、类比法、归纳法、不确定性推理法,和默认推理法。当代关于智能中介和全自动驾驶车辆,以及其他方面的研究表明,许多方法需要和成功的系统相集成。


我们还有许多需要学习的。如早期论证的,知识展示和推理依然是需要明确的两大领域。目前正在进行的关于学习基于图形推理,以及多种方法和系统的集成的研究,有可能向我们展示下一代人工智能的面貌

然而,人们在人工智能领域所取得的成功,也让我们有义务思考技术的成功对社会带来的影响,探讨如何教导决策者和普罗大众规划他们的未来。我们应该审慎地看待批评者提出的观点。其中包括社会工种的变换,自动机器人失败的后果,隐私的丧失,以及我们在全文开始提出的观点:人类在宇宙中所处的位置。另一方面,我们不希望放弃人工智能所能带来的诸多好处,其中包括减少重复操作的工作,更安全的生产环境和旅行环境,更好的安全设施,以及为了保护宜居的地球而做出更优化的决定。

即使已逐渐了解到智慧本身的复杂性,我们对智能机器人的幻想依然存在。它之所以存在,一部分是因为我们是梦想家。运行的程序和有限的成功不仅证明了我们的无知,更证明了利用某些方法和机械我们确实可以创造出真正的具有智慧的人工智能。然而,我们应该对我们试图理解和模拟的东西怀有虔诚的敬意就像那些在生物实验室里试图创造人工生命的伙伴们一样。

 

提交评论

你必须 登录 以便提交评论

关于我们

醒客教育思想网由著名经济学家茅于轼先生题写站名,并得到茅于轼、张曙光、雷颐、汪丁丁、丁学良等国内知名思想界人士的支持,是一个传播国内外最新教育思想、观念资讯与新知的公益性网站。

联系我们

E-mail:edu.thinker@hotmail.com

微信公众号:eduthinkers

新浪微博:http://weibo.com/eduthinkers

醒客教育思想网 © 2019 All Rights Reserved

粤ICP备18113215号

Designed by 醒客教育

Powered by WordPress

//
www.eduthinker.com