第一章 快速进化的人工智能

——一门极富挑战的AI科学

自诞生以来，人工智能在世界范围内就引发了轰轰烈烈的研发热潮。由于强大的运算能力和卓越的智能化系统功能，人工智能在人类生活当中开始占据越来越重要的角色地位，而这也使得世界各国开始加大对于新AI技术的开发和提升。

事实证明，在短短几十年时间里，科学界对于人工智能的探索已经取得了令人瞩目的成果。从每秒钟运算30万次加法的艾尼阿克，到后来每秒钟都可以进行超过40万亿次加法的“tera_10”；从只会抓举小型积木的简单机器人，到后来击败人类棋王的“深蓝”，整个人工智能学科的高速进步，不光为本学科带来了翻天覆地的变化，同时也在深深地影响着人类生活。可以预见的是，在目前世界各国都全力支持推动人工智能发展的大背景下，将会有更多性能卓越的人工智能体被研发出来，走进千家万户。

1．人工智能时代将至，高效能助手的潜在威胁

毋庸置疑的是，世界各国正在寻求智能化更高、运行速度更快的计算机系统。这样做的结果是显而易见的，更高级别的智能系统会给使用者创造更为客观的社会财富，但与此同时，急速膨胀的人工智能体系是否也应该引起人类的警觉呢？

1939年10月的一天，美国艾奥瓦大学的一所实验室里笑声不断，而此时和同伴谈笑风生的约翰·文森特·阿塔纳索夫教授还没有意识到眼前这台笨拙的机器将会对人类社会带来翻天覆地的变化。他和助手——研究生克利福德·贝理给这台机器起了一个粗糙的名字：ABC，即两人姓氏的首字母“A”和“B”，外加“Computer”的“C”。而这台当时还没有引起过多关注的“ABC”机器，也就是后来各代先进计算机的雏形。

受制于时代的限制，阿塔纳索夫和贝理并没有高度重视起自己这一项伟大的发明，“ABC”也只是做一些数学方程式的解算。几年之后，美国当局也被卷入了世界大战的旋涡，阿塔纳索夫和贝理都放下了手中所有的学术研究，转而投向国防、武器制造等方面，而“ABC”的进一步精研，也就这样被搁置了。到1946年，世界战争进入白热化阶段，美国社会各阶层都不约而同地通过缩减开支来援助政府，爱荷华大学的教育经费也大量停减。在这样一个时代背景下，“ABC”的部分零部件都被拆除移作他用了，只剩下存储装置还孤零零地留在原地。

尽管“ABC”没有引起社会的重视，但艾奥瓦大学教授发明出了能够自主解算超高难度方程式的机器，这一消息在业内还是吸引了不少科研人员的目光，宾夕法尼亚大学的电力工程学教授莫奇利·约翰·威廉姆就是其中之一。在参观了遗留在艾奥瓦大学储存室里的“ABC”之后，他认真地和阿塔纳索夫教授沟通了部分意见，这为后来莫奇利研究出更高级别的计算机“艾尼阿克”提供了基础。

到1946年2月14日，由莫奇利教授和他的学生——年仅25岁的艾克特·约翰·普洛斯博共同推出的新型计算机“艾尼阿克”号宣布诞生。与阿塔纳索夫主导的“ABC”不同，艾尼阿克得到了军方的大力支持，原因是美国当局希望通过电子运算，来规范炮弹运行轨迹，进而提升命中率。根据当时的报道，艾尼阿克号计算机长50英尺（1英尺=0.3048米），宽30英尺，重量更是达到了30吨。而当艾尼阿克号开始启动的时候，整个费拉德费亚市都需要关闭民用电源，以确保艾尼阿克号的正常运转。

除了占地面积大、吨位过重、用电量惊人之外，艾尼阿克号还需要18800个真空管来支持工作。更重要的是，数量庞大的真空管损耗率惊人，差不多15分钟就会有一根真空管被烧毁，然后工作人员不得不再花费大量的时间来查找、替换掉坏掉的零件。

然而，尽管从资源消耗方面来说，艾尼阿克号计算机的消耗是非常惊人的，但与此同时，它也展示出了物有所值的性能：在加法运算方面，它每秒钟的速度达到了5000次。这在当时可以说是一个“骇人听闻”的成就，而当然这也是任何人脑都无法比拟的。

当然，从历史的角度来看，这一切都只是一个开始，随着社会各界的高度重视，计算机技术也不断突飞猛进。时至今日，每秒钟运行亿万次计算的计算机已经不能被看作“一流产品”。法国原子能署出品的“tera-10”型号计算机每秒钟42.9万亿次的运算速度，都只能勉强跻身业内第七，那么艾尼阿克当年每秒钟的5000次加法运算，或者是每秒400次乘法运算，看上去就都显得微不足道了。

可以说，自第一台电子计算机“ABC”问世开始，在不到一百年时间里，人类对于计算机技术的开发和使用是异常惊人的。单纯从运行速度上来讲，21世纪之后研发出来的超级计算机，在效率上要比首代计算机快上亿倍，这个差距已经是不能用“天堑”来比拟了。更重要的是，从时代需求角度来说，由计算机主导的智能化体系，也已经在人类社会根深蒂固，早已经渗透到人类生活的方方面面了。

从社会生产角度来说，无论是工业生产还是农副养殖，利用智能化数字管控的劳作体系都是更具生产效率的。在美国，从事农业生产的人口不到全国人口总数的2%，但是他们却支撑起了整个美利坚全部的食品供应，且还大量对外输出农产品，是世界头号农产出口国。更加令人称道的是，美国农夫并不需要每天夜以继日地播种或者是放牧牛羊，他们更多需要做的是坐在电脑旁边，喝着咖啡，通过电子系统完成农业生产。在高自动化机械生产体系的帮助下，一对美国夫妇能够完成3000英亩的农庄作业，同时他们还能喂养近200头牛。在面对来访者提问时，拉里·格雷格还向对方展示了自己利用安装了GPS系统的电脑终端控制拖拉机犁地的过程。

相对而言，智能系统对于农业生产的应用，是落后于工业生产应用的。也就是说，智能化体系对于全球工业生产的影响是更显著的。美国纽约州立大学社会学教授理查德·拉克曼就表示：“假如我们把智能操作从工业生产当中完全去掉，那么我们的生产效率将会下降一万倍甚至更多。”所以说，就社会生产而言，人类社会对于智能化系统的依赖和使用，已经达到了非常高的地步。

从日常生活角度来说，智能化电子产品也已经成为人类生活当中的重要组成部分。而假如没有了电话，远程交流就只能通过信件或者电报来完成。这显然是一件可怕的事情。

总体而言，自从第一台电子计算机问世起，人类就已经逐渐开始了智能社会的历程。经过了一系列的探索之后，智能化产品的研发进程和使用技术，都呈现出了飞跃性的发展。从艾尼阿克号的每秒5000次加法，到tera-10的每秒超过40万亿次，计算机领域发生了翻天覆地的变化。同时，在社会生产和日常生活方面，智能体系应用也扮演着举足轻重的角色。然而，这样一种对于电子机器的超高程度依赖，必然也是利弊共存的。就好比是经营着3000英亩农庄的格雷格夫妇，当他们家中的智能操作系统按部就班地工作时，他能够轻松地完成每一年的劳作，而一旦这些系统产生故障或者是失去控制呢？当然，对于人工智能的开发和应用，我们也不必过于悲观或者持有疑虑，因为从现阶段来看，智能化操作对于人类社会的推动意义还是远远超过其暗藏的隐患的。只不过，从电子计算机在短短几十年时间里运行速度疯狂飙升近百亿倍这一点来看，对人工智能系统保持警觉，其实也是有必要的。

2．早期的人工智能：控制论概念阐述

在人工智能发展的历史上，控制论同样占据了非常重要的位置。从定义上来说，控制论是一门指导人类如何通过数据信息的选取和使用，来改善某个受控制目标的状态和发展前景的学科。它的核心概念就在于信息的传输：控制系统配合传输器将信息数据输送出去，之后又需要将反馈信号递送回来，继而对信息的再发送产生相关影响。对应到人工智能方面来说，就是人工智能实体当中的控制系统负责调控和监督整个实体内部的数据发送与反馈，并以此为基础掌控、规范整个实体的行为活动。

由美国国家航天总局主持研发的“墨菲斯”系列高端机器人，就是人工智能控制理论下的杰出产物。从外观上来看，“墨菲斯”的主体是由数个巨大的球状物环抱而成的，主体下是数个支撑腿，核心服务器就安装在多个球状物上。与一般机器人由电子计算机控制不同的是，“墨菲斯”完全是按照人类大脑思维执行任务的。当进入工作状态之后，“墨菲斯”会依据人类的脑电波信号及波纹图来计算出自己应有的举动，以此完成各种任务。

“墨菲斯”系列机器人的应用，实际上就是控制论在人工智能当中发挥特殊作用的一个经典事例。自美国应用数学家诺伯特·维纳首度提出“控制论”概念以来，控制论的思想和方法已经渗透到现代科技的方方面面。与“墨菲斯”形成对比的是，世界上第一台机器人“尤尼梅特”，只能做一些简单的固定程序，其功用特征更像是一根不停劳作的机械臂。可以说，在控制论理念的指引下，人工智能在过去几十年时间里取得了惊人的成就。那么，从理论属性上分析，控制论又具备哪些优良特征呢？

（1）控制论强调在整个系统内部是需要设定一个稳定的平衡状态的。

这就是说，在人工智能范畴之内，受控主体必须是受到既定规律约束的，相关程序需要按照一个稳定的状态来运行和计算，而非以一种随机的态势运转。以“尤尼梅特”为例，它的最基本功用是工业生产，那么在执行生产命令的过程当中，它就必须是受到既定速率制约的。假如这个机器人在抓举频率上快慢不均，那么生产任务一定会受到破坏。要达成这一目标，设计者就需要对“尤尼梅特”的速率控制系统拟定相应的“率值”，以限定它在相应的范围内进行劳动操作。当然，“速率限定”只是庞大控制系统当中很小的一部分，在一些技术水平要求更高的人工智能体当中，还会有更多的管控因素被引入，这一点是毋庸置疑的。

（2）信息传递是控制论理念之中必不可缺的一部分。

作为一个受外部因素引导的人工智能体，其个体行为必然是需要遵循相关指令限定的。在这一过程当中，数据传导就显得不可或缺。比如在美国国家航天总局的指挥下，“墨菲斯”机器人需要执行一项外太空探索任务，那么这名机器人和相关工作人员之间就存在信号的发送与接收。对于智能体和操作者之间的这种关联状态，约瑟夫·恩格尔伯格说：“机器人是人类手臂、躯干、视野的延伸者和替代品，它们的行为是受到相关命令驱使才能实现的。”值得注意的是，就目前而言，即便是最高端的人工智能体，它们的活动也是在外部信息的驱动下进行的。

（3）控制系统当中必须存在用以修正行为偏差的功能装置。

这一点同样也非常重要，因为对于生物个体来说，它们为了适应外部环境的变化需要更改自身状态或行为。在某些情况下，人工智能体同样也会面对“突发状况”。比如一个双足行走的军用机器人，它在崎岖不平的路面上快速行进时，就需要通过核心处理器来调整自己步伐的频率或者抬脚高度，而如果设计者在这名机器人的程序当中没有配备行为修正装置，那么这名机器人在遇到障碍物时，肯定会因外部阻力而无法完成命令任务。

除了通过特殊装置调节偏差以外，控制系统还要求有专门辅助矫正非稳定性因素的自我调节机制。也就是说，控制系统从整体上而言是处于动态的，它会在工作波动较大时采取行动，以维持运转的稳定性。值得注意的是，自我调节机制属于系统内的程序设定，是一种拟定的程序，它与风向调节器、运动加速器等外化装置是存在概念上的区别的。

可以看到，控制论概念的提出，对于稳定、改良、操纵一个系统模型而言带来了难以估量的理论支持。无论是简单质朴的“尤尼梅特”，还是设计精良、用途广泛的“墨菲斯”，这些新时代出品的机器人设计全都毫无例外地采用了控制论当中的基本概念。也正是在这些严谨、实用的理论引导下，关于人工智能的产业、产品才能够屡屡攻破难关的。正如恩格尔伯格所说的那样：“正是由于理论基础的完整化、精确化，才使得人造机器人脱离了‘玩具’的范畴，并一步步得以改良和完善。”所以说，控制论作为人工智能早期理论基础之一，为其后来的高速发展产生了巨大推动作用。

3．AI的大发现时代

在取得了初步阶段的胜利之后，有关人工智能的开发和研究在科学界逐渐兴起。短短数年时间，人类对于智能化操作、生产的开发从无到有，在一定程度上掀起了“人工智能热”。在这一时期内，人工智能在初级化工业应用以及简单的实验性研究领域表现得异常活跃。

就在人工智能的浪潮空前高涨之时，几位当时还名不见经传却在事后被证明为伟大先驱的学者相聚美国达特茅斯学院，展开了一场研讨会。他们是40岁的数学家克劳德·香农、28岁的约翰·麦卡锡和马文·明斯基、39岁的赫伯特·西蒙等。参加研讨会的学者一共有10名，他们的年龄大都在25—40岁之间，除了香农之外，其余9人都属于业内的后起之秀。但就是这样一群看起来非常稚拙、不成熟的学者，在聚会上提出的三大猜想，却极大地补充和完善了有关于人工智能的理论基础。

首先是明斯基提出的神经网络理论，他试图通过数字建模，在计算机内部设立一个可以自主识别、判断的网络模型。为了印证自己的观点，明斯基还和朋友一起制造出了一台神经网络计算机“SNARC”。按照他的设想，人脑模型是可以复杂的，假如人类可以利用技术手段，将人体大脑思维机制引入到计算机运算当中，就可以让计算机也“学会思考”。

明斯基的神经网络理论在后来被证明是非常正确的，正是通过对于人脑工作机制的数字化建模，人们才能够制造出更多高性能的机械生命体。或许从当时而言，用数学方程式和函数运算来模拟人脑思维，是一个令人笑掉大牙的玩笑，但很显然，明斯基做到了这一点。

第二个在会上被热议的是麦卡锡的“搜索法”原理。从理论核心上来说，“搜索法”强调“在选取了最优方案的情况下，允许忽略那些未来不会发生的方向和结果”。对于“搜索法”的解析，我们可以借用“雇主博弈”的事例来说明。

在这场博弈当中，A和B分别代表两名不同的人，其中A为雇主，B为雇工，他们之间的博弈关系，就是劳务佣金。按照规定，A将两种不同的佣金方案装在两个不同的布袋里交给B，由B来选择抽取。而对于这两套不同的佣金方案，我们假设第一个布袋里装的是“10元/小时”和“20元/小时”；第二个布袋当中装的是“8元/小时”和“15元/小时”。

当B抽取第一个布袋时，假设他拿到了“10元/小时”的方案，接下来他再抽取第二个布袋。而这一次的抽取，是需要和第一个布袋当中的结果进行比较的。也就是说，如果第二个布袋当中抽到的最小的方案都能大于“10元/小时”，那么雇工肯定就会放弃方案一而选择方案二；假如这个布袋当中抽到最大的方案都在“10元/小时”以下，那么第二个布袋肯定就不会是雇工的考虑范围了。也就是说，在一次搜索过程中，探索结果低于或者超过既定值，本次搜索就会停止。

在一部分人看来，麦卡锡的理论是相对空洞、抽象化的。但事实证明，这一套选择理论对于人工智能的推动作用非常大。正是在“搜索法”的帮助下，人工智能体才能够在面对不同选择时，快速寻找到一个相对优良的选项，最终完成服务器指令的。

达特茅斯学院会议的第三个重要论点是西蒙和艾伦·纽维尔提出的“逻辑理论家”程序。事实证明，这一套能够进行非数值思考的程序，能够从理论角度印证由勃兰特·威廉·罗素主编的《数学原理》第二章的大部分定理。

历史证明，这一次研讨会对于人工智能的发展带来了巨大的推动作用。本次参与会议的10名青年学者也在随后大放异彩。自1969年明斯基首度荣获图灵奖表彰之后，麦卡锡、纽维尔、西蒙三人也相继登上图灵奖的领奖台。这不仅仅代表着明斯基等人个人的辉煌成就，也象征着人工智能在理论研究方面的巨大成果。

很显然，达特茅斯会议对于当时尚在襁褓之中的人工智能带来了强大的理论设想和科学依据。在这些重要理论的帮助下，无论是理论创新还是生活应用，人工智能都取得了长足的进步。随后，赫伯特·格伦特尔借用前人的理论，发明了一种可以辅助计算几何定理的工具模型。在这一套数学工具当中，诸多难点突出、逻辑缜密晦涩的专业定理都能够被快速解析出来。从一定程度上来说，格伦特尔的发现让那些固守陈规的“学院派”工作者开始反思，而学术界的广泛接受，则为人工智能的理论开发寻找到了更为广阔的理论源泉。在随后的数十年时间里，越来越多的大学教授以及高等人才都涌入了这个行业当中，将整个人工智能行业快速推向了百花齐放的繁荣境地。比如，杰姆斯·史格莱尔利用智能化编程制造了SAINT程序，它能够快速解析大学一年级的闭合式微积分公式；明斯基则更进一步，他研制出了一个能够搭建积木的机器人……

或许从实际功用角度上来说，格伦特尔推出的这一套数学工具并不具备多么强大的应用功能，但它却从另外一个层面加速了世界对于人工智能的了解和认知。纽维尔说道：“格伦特尔的几何定理计算工具，让人工智能走进了大学校园，它的意义不仅仅是一个数学工具那么简单，而是说很多高端人才受此影响，这一批精英人才的认同和加入，让整个行业都迅速走向了繁荣。”

除了精英阶层的广泛认可之外，人工智能同样在自主学习方面展示出了强大的潜力。著名工程师阿瑟·塞缪尔编写出了一道关于西洋棋谱的程序，根据这道编程的引导，人工智能体能够识别并学习棋谱相关知识，其竞技水平甚至能够与普通的职业选手相抗衡。塞缪尔的成果从事实的角度印证了智能机器强大的学习潜力，不少人甚至千里迢迢赶赴塞缪尔的工作室，请求与“机器人棋手”一决高下。可以说，“AI可以学习棋谱，与人类对弈”这一个事实，再一次重塑了人类对于人工智能的认识。在此之前，科学界更多关注的是人工智能“可以在人类的规定下做些什么”，而能够学习棋谱、做出各类自主化预测、判定的AI，则让科学界对于人工智能的探索上升到了一个更高的层次。在此之后，大量智能化程序引导、拥有各种优良性能的智能产品纷纷涌现。一片繁华盛景下，西蒙这位后来的诺贝尔经济学奖获得者，在初步认识到人工智能的强大潜力之后，于1962年兴奋地欢呼道：“20年之内，计算机将做到人类目前能够做的一切事情！”请注意，他强调的是“一切事情”，包括生产劳动、技术开发，甚至是生存繁衍。1970年，在人工智能领域已经大有所成的明斯基也果断预言：“3—8年时间，人类将研发出与自己智力相当的计算机。”

更有甚者，美国著名刊物《时代》杂志都探讨了由智能机器人引发的全球化大失业问题。在这篇文章当中，人们可以清晰地看到，如果使用机器人工作，企业主不单单能够获得因效率提升带来的收益，同时还可以大幅度降低劳务成本。虽然从事实角度来说，《时代》杂志所预测的机器人取代人力并没有发生，但当时社会各界对于人工智能的热情和期望，还是可见一斑的。

可以说，达特茅斯学院会议为人工智能带来了难以估量的发展动力。在这一次会议上，众多致力于AI科技的青年才俊涌现出来，并借助会上探讨的理论展开了新一轮的人工智能探索。在这些科技精英的全力推动下，人工智能逐渐被社会各界接受和认可。在格伦特尔的几何定理证明模型的带动下，一大批高水平学者开始研发、推广各类AI技术。同时，塞缪尔推出的可以与人对弈的智能体，也极大地拓展了人类对于人工智能的认知。在短短10余年时间里，AI技术确实被推上了新高度，也迈上了更为广阔的舞台。

4．首次低谷带来的启示

在经历了达特茅斯学院会议之后，AI科技得到了井喷式的发展。但是，过高的预期也带来了巨大的烦恼。由于研究方向和学术认知的限制，关于人工智能的深度研究也进入了停滞期。

随着研究的深入，部分原来对于人工智能充满信心的学者也开始动摇。在以往的猜想当中，机器人技术将会在20年甚至是更短的时间内获得爆炸式的发展，整个地球也将由此进入智能社会。作为这个星体上的主宰者，人类将不再承担劳动任务，所有的一切工作都将由智能设备代劳。但事实证明，这样一个大胆的预测，完全是脱离实际的。在针对人工智能的研究当中，以马文·明斯基为首的尖端学者发现，目前人类社会正在积极探索的AI技术，虽然能够从一定程度上处理部分高难度课题，但是与这些已经解决或者证实了的实验样本相比，人工智能不能破解的问题却要多得多。

在感知论的帮助下，明斯基验证了这样一个课题——第一代人工神经网络并不能解决“异或”问题。在计算机领域，“异或”理论占据着重要地位。它解析的是当两个计算样本的值相同时，结果为“0”；而假如这两个样本不同，结果则为“1”。用简单推导公式来解释就是：True⊕True=False; True⊕False= True; False⊕True =True; False⊕False = False。其中“True”和“False”代表两个不同的实验样本，“⊕”为异或符号，表示“相加”或者“并列”。在以二进制算法为基础的计算机领域，“异或”逻辑问题如果得不到解决，那么很多关联研究课题的探索也都会受到影响。所以，初代人工神经网络深陷“异或”迷局。这让明斯基非常苦恼，也备感无奈。

当然，明斯基论证的“人工神经网络不能解决异或问题”，只是人工智能研究过程当中遇到的诸多困扰当中的一个。除了明斯基之外，其他一些持乐观态度的学者也陆陆续续发现了各种问题。

随着学术界发现的技术难点越来越多，一部分研究人员也开始怀疑；人工智能的作用是不是被高估啦？或者说关于AI的技术已经到头，人们都在兴致勃勃地做着一件毫无意义的研究，就像是“从石头当中变出奶酪”那样。业内人员的摇摆不定和怀疑观点，很快被媒体机构披露了出去，一时间，“人工智能是一场骗局”、“政府在花钱供养闲人”、“高端人才把精力浪费在无用功上”等言论甚嚣尘上。受困于技术水平，在面对外界质疑和抨击时，研究人员拿不出有效的成果来反击，他们就只能默默地接收批评。更为糟糕的是，舆论的谴责还让各方投资人对这门“装神弄鬼”的研究丧失了信心。在随后的很长一段时间里，无论是政府津贴还是企业资助，人工智能的研究者们都很难再得到，这对于急需大量资金支持的AI课题开发是相当致命的。

可以说，由于技术研发上遭逢瓶颈，资金支持遇到断流，人工智能在很长的一段时间里都备受冷落，走进了低谷。自20世纪70年代起一直到80年代末，在长达近20年的时间里，几乎没有任何有效的人工智能理论被提出、发扬。同时，人们对于从各个工作室里走出来的AI制品也没有多大好感，认为它们正是逗小孩儿开心的玩具。比如明斯基那个能够搭建积木的机器人，很多人都只把它看作一个电控玩具，而不是一个真正的智能产品。除了技术上裹足不前、社会地位不高之外，在这20年时间里，从事人工智能领域研究的工作人员在资金方面获得的支持也少得可怜。在这样一种内忧外患的大背景下，不少研究人员只好将关于AI技术的探索从自己的工作计划当中清除掉，因为他们不得不选择从事其他事业来维持生活。这时人工智能技术的研究，更多成了他们的一种业余爱好。

当然，在这样一个饱受非议、缺乏支持的环境当中，人工智能研究者们也获得了一定的教训和启示。

（1）从程序本身的缺陷上来说，早期的人工智能编程对于任务的主题是模糊、不了解的。

就比如有研究人员试图利用AI技术来进行外语翻译那样，计算机只能针对文字信息进行分割，而后对照词库进行编译。那么在这个过程当中，部分多含义或者带有歧义性质的字句，就会对本次翻译带来极大困扰。所以说，在技术层面，初期大部分程序对于任务的理解是存在本质上的困难的，这对其完成任务必然会带来巨大的影响。

（2）在处理复杂课题上，早期人工智能也存在种种问题。

受困于技术水平和思维理念的滞后性，初代人工智能产品大都无法完成过高难度的课题任务。比如在这一时期内美国斯坦福大学推出的人类第一款智能机器人“沙基”，它虽然能够利用智能系统进行自主化感知和任务建模，但是为达成目的的前期测量和行为规划，却需要耗费长达数小时的时间。毫无疑问，类似这种工作水准的智能体，是很难在现实生活中为人类提供帮助的。而造成这一切的根源，实际上就在于人工智能技术本身开发的局限性和滞后性。

（3）在程序结构方面，人工智能本身也是存在诸多缺陷的。

比如在图1-1所示的感知机构模型当中，相同的输入向量不能被判别出来，这一点就令研发感到十分无奈。

在这一幅图例当中，“a1”“a2”等均代表不同的信息数据，它们通过“w1”“w2”等权值的调剂，再经由偏置“b”的修正，最后得到相关的值“SUM”。然而，对于“a1”“a2”一直到“an”，这些不同的向量在取值方面有可能是等量的，相同的向量输入在一定条件下会求得同一个值。但是很显然，这一个数学模型却不能过滤掉或者标记出那些重复的信息，它只是单纯地做着接收、计算、求和的过程。

所以说，在很多时候，有关于人工智能的程序在自身设计上是存在各种缺陷和不足的。更要命的是，这些程序往往还是研发人员用来做进一步深入探究的基础工具，因此人工智能的弊端也就被显现得更加明显了。

除了在技术方面不能支持新时代AI技术的发展要求以外，人工智能研发者们未能很好地迎合市场也是本次“低谷”来临的一个重要原因。尤其是在20世纪七八十年代全球经济萧条、进入停滞阶段的背景下，明斯基、西蒙等业内精英依然还在调试那些市场价值不大的智能课题。他们所研发的产品，例如“机械棋手”“积木搭建师”等，虽然对学科推动意义巨大，但却因为缺少社会功用而广受冷遇。与之相对应的是，约瑟夫·恩格尔伯格在做类似方面研究时，将目光投向了工业生产，他研发出来的机器人具备极强的工业用途。在没有客源光顾的情形下，恩格尔伯格甚至推出了“亏本试用”的营销手段来打通市场。事实证明，恩格尔伯格的机器人最终得到了广泛认可，他自己也因此赚得盆满钵满，成为人工智能研究领域少有的富翁。

然而，恩格尔伯格的成功毕竟只是一个很小的个案，在这一时期内选择放弃AI技术研发的学者数不胜数，更多的学者因为研究方向缺乏市场效应而举步维艰。可以肯定的是，任何一门高端技术都是需要资本支持为基础的，而以明斯基等人为代表的人工智能研发群体并没有重视到这一点，那么得不到外界援助，也就可想而知了。

可以说，关于人工智能的深度研发在20世纪70年代陷入低谷，这实际上是带有一定历史必然性的。从前期基础上来说，著名的达特茅斯学院会议虽然提出了多个突破性的理论和猜想，但是从历史角度而言，这些理论还远不足以支撑起整个庞大的人工智能学科体系。在这一时期内，过多的学者和AI爱好者纷纷进军人工智能研发项目，在一定程度上为本学科的专业性带来负面作用：诸多主观化研究成果或者思想影响了正确观点的推广和流通，良莠不齐的科研现状对于舆论也授以话柄。再加上精英学者对于人工智能技术研发的推进速度过缓，没有考虑市场因素的重要性，受到世人排斥也就是意料之中的结局了。但是，从另一个角度来说，经历了这一次沉寂，相关工作者对于AI科学的认识和理解也得到了修正，他们开始寻找新的技术突破点，并且紧跟时代潮流，为人工智能的再一次崛起打下了坚实基础。

5．AI专家系统获得赏识

在经历了长达20年的“严冬时期”之后，学术界对于人工智能的研发方向和探索理念进行了反省和调整。历史证明，外界的讥讽嘲笑，在一定程度上刺激了AI科学的更进一步发展。在众多成果当中，专家系统的强势崛起就是人工智能迈出困境的最佳代表。

从学术定义上来说，专家系统是一套完整的计算机智能程序，它的内部存储了大量关于某个领域的独有知识和相关研究工具。因此，这一套智能程序在相关领域内是具备了“专家水平”的。相对于此前人工智能产品大多低能化、缺乏实际功用的现象，配备了“专家系统”的AI产品，在专业性能方面得到了极大提升，社会曝光度也因此急速高涨。

可以说，专家系统的出现再一次改变了世界对于人工智能的看法。赫伯特·西蒙在提及专家系统时，就曾赞美道：“它的出现为整个人工智能注入了全新的活力，并且让世界再一次看到了AI技术的先进性与上升潜力。”如今，随着技术水平的不断提升，AI专家系统在人类生活应用方面也开始扮演越来越重要的角色。

在2016年3月，一名叫比利·惠特克的英国少年接受了脑部癫痫治愈手术。在手术过程当中，一名配备了专家系统的机器人助手多罗钻进惠特克的大脑，然后利用电极刺激对方的大脑皮层，释放出不同的脑电信号。这时，主治医生就可以针对电波异样，找出引发惠特克脑部癫痫的病灶方位，通过手术完成治疗。这就是说，与同期其他人工智能程序相比不同的是，“专家系统”在特定领域是具备强大优势的。就比如这名进入惠特克脑体深处的机器人，它能够正确使用医学工具，顺利检测人类大脑各个部位的电波信号等。在整个工作过程当中，医用机器人的行动准确而又迅捷，检测面积完整无疏漏，其业务能力完全等同于一流医学工作者。当然，这一切都得归功于“专家系统”的引导——正是由于在这样一套完整程序的引导下，这名机器人的工作才能够有条不紊地顺利进行。而从惠特克癫痫手术的事例当中，我们也可以分析出有关于“AI专家系统”与众不同的特点来。

（1）从社会功效来说，“AI专家系统”必然是需要应用于某个实际领域的。在吸取了此前因为缺乏社会功用而备受冷落的教训之后，学术界对于人工智能的实用性更加关注。在一般的医疗条件下，完整检测患者脑部病变是一件非常困难的事情，而机器人助手多罗的出现正好弥补了这一缺陷。曾任哈佛大学医学教授的金辰勇就表示：“现代医学需要引入更多现代科学技术，我想在将来，不光会有针对艾滋和各类癌症的特效药出现，还会有执行高难度诊疗及辅助治疗的智能机器人存在。”

实际上，金辰勇先生的预测在近几年时间里已经得到了多方验证。目前，不光有类似多罗这样的机器人助手，还有一些能够为病人执行开刀手术的主治医师。相对而言，由智能机器人操作的手术会花费更高的资金，但是它们往往能够以更小的创口以及更高的精准度来完成工作。这对于医学界来说是一件值得庆贺的事情。

（2）“AI专家系统”必须要拥有专家级的知识。在早期的人工智能研究当中，机械智能体所能够掌握的知识和技能是少之又少的。比如明斯基那个能够抓举、摆放积木的机器人，用现在的眼光来看就不过是一个毫无实际功用的小型“起重机”。而随后推出的“AI专家系统”，则在很大程度上拓宽了机械智能体的知识面和专业深度。就多罗而言，它对于人体大脑的内部构造，必然是非常熟悉的。无论是皮层的纹理还是颅内压强以及体液密度等，都属于“专家级别”。而从它使用电极装置刺激人脑皮层这一个举动来看，多罗对于部分医疗器械的使用也是经历了“严格训练”的，其熟练手法不亚于一名工作了10年以上的医护人员。除了医疗事业之外，比如数据勘测、高危工作执行等，配备了“AI专家系统”的机器人也能够以业务精英的身份出现，顺利完成任务。

所以，从业务水准来说，“AI专家系统”必然是需要具备高素质专业能力的。而要想达成这一目的现在看来其实并没有外界所想的那么困难，只要开发团队能按照目标业务的工作规律和已探索公式，电子编程的方法，将任务指令录入到AI核心存储器当中即可。在遇到类似问题时，“AI专家系统”会自动读取、判定当前的命令任务需要执行存储器当中的哪一条选项卡，继而得出最优答案。

（3）要破解高难度专业化难题，“AI专家系统”还需要具备可以模拟专家思维的能力。因为在执行任务时，人工智能体所面对的往往是一个变异之后的课题样本，这就需要运用二次读取、判定的方式才能够找到合适的解决方案。就以多罗探测人脑病变为例，在执行任务之前，工程师给它的数据库当中预写了大量的样本信息，包括人脑生理构造、电波信号甄别、大脑功能分区等。但是在进入人脑之后，多罗还会遇到多种未收录甚至是变异了的样本信息。假如数据库当中显示正常人脑重量约为1400克，而由于受到病变影响，这个重量增进加了1800克，那么在这时，多罗就需要利用自己的判定模式，来重新解读这一问题。又如，健康成人大脑皮层之间的褶皱是互相剥离的，而受到疾病困扰，部分皮层会互相粘连，这同样也需要执行任务的多罗细细分辨。

所以，在“AI专家系统”内部，模拟专家的思维能力是必需的。在很多时候，目标任务的不稳定和微小波动，都会影响到最终的结果判定。所以在这时，为整个系统设定主观化思维能力，就是非常必要的。

因此说，在具备了以上种种特征功能之后，“AI专家系统”的标准建模也就逐渐明朗化了：在整套工具模型当中，人机交互界面负责用户与专家系统的信息沟通；推理机制负责任务执行过程当中的异变识别、逻辑判定等；解释模块负责向用户解释专家系统的行为和结果。在接收到外部信息时，专家系统先会比照内部知识库当中的样本模型来进行判定，在面对部分不稳定、波动性较强的样本时，专家系统会通过智能化思考、学习的方式寻找到合理的解决方案，同时将上述异化样本转换成已识别类型，收纳到自己的数据库当中。

在这一理论的支持下，在1980年，卡耐基·梅隆大学为数字设备公司研发出的AI专家编程“XCON”大获成功。在接下来的6年时间里，这套全新的AI技术每年能帮助该公司省下4000万美元的成本经费。如果按照权威金融网站“美元时间”给出的通货膨胀比率计算，1980年的1美元购买力约等于2010年的2.83倍。那么我们也就可以说，“XCON”系统当时每年为本公司创造的间接价值已经超过1.1亿美元。“XCON”的成功对外界释放了一个积极信号，社会各界对于AI技术的热情再一次被点燃，很多公司开始设立专项资金来研发“AI专家系统”仅在1985年，全球各大企业、团体对于人工智能的投资就已经超过10亿美元。

很显然，“AI专家系统”的发现和推广，对于人工智能的社会功用带来了极大的提升。与过去相对稚拙、浅显的研究相比，“升级”后的AI技术在针对特定行业的问题处理方面得到了本质性的改善。而正是这样一种变化，使得世界再一次看到了人工智能无与伦比的发展潜力，诸多社会力量开始加大对新AI技术的探索和投资力度。在技术持续提升、科研经费充足、社会舆论广泛支持的背景下，人工智能的“下一个春天”即将到来。

6．双重动力推进人工智能蓬勃发展

在“AI专家系统”取得重大突破的情况下，世界各国对于人工智能的开发热情也急速高涨。在这一段时间里，除了类似于数字设备公司这样的私营企业之外，政府部门的全力支持更是为整个人工智能行业的发展提供了宽广平台。在经历了备受瞩目，再到遭逢冷落，继而又一次大受欢迎的过程之后，马文·明斯基业内精英也逐渐变得理性化，他说道：“整个欧洲都开始动起来了，当然我们的国家（美国）也毫不例外。这真的很令人兴奋！但是从另一个角度来说，作为一名人工智能工作人员，要证明这种现象不仅仅是一种国际化竞争带来的产物，也是非常必要的。”按照明斯基的观点，得到来自政府方面的大力支持是一件值得庆贺的事情，但是与此同时，作为业内人士，他们需要证明关于人工智能的研发是真正“物有所值”，而绝非国际竞争下的胁迫产物，也是非常重要的。

在政府投资方面，主要有以下国家或组织对人工智能进行了重大支持。首先是在1981年，日本经济产业省拨专款8.5亿美元，用以支持第五代计算机项目。在这一课题研究当中，如何开发出能够与人对话，从事语言翻译，或者是进行图像识别的机械智能体成为整个研究的核心任务。而在之前一年，全日本的GDP总值也才刚刚超过1万亿美元，耗费数额如此庞大的资金来资助一件充满变数和未知因素的项目，这在当时自然也引起了巨大的轰动。日本著名经济学家青木昌彦教授在获悉这一决定之后就无比惊讶地表示：“投入如此之多的资金到一个新兴领域当中去，我实在难以想象是否其他政府也会做出相似的决定。我只能认为，这表明了我们的政府在新科学技术研发方面所坚持的一贯态度，那就是全力争胜、不惜代价。”事实证明，青木昌彦先生的担忧似乎是杞人忧天了，但这确实真实地反映了大部分日本民众在当时对于这笔政府投资的观点，而这也从侧面印证了这笔资金的“庞大性”。

在日本当局刚刚做出近10亿美元的人工智能项目投资之后，英国政府在一名叫作阿尔维的议员的强力推动下，也动用国家力量资助了一个关于第五代计算机技术研发的课题。在政府的大力支持下，阿尔维专门筹建了一个项目专家团队，由他自己出任董事会执行长。这一次，英国政府拿出的资金是3.5亿英镑，这对于当时全国GDP仅有日本一半的英国政府来说，真可以说是一个天文数字了。

除了日本和英国之外，美国国防部下属的先进研究项目局也行动起来了。为了保持国际方面的战略领先优势，美国国防部在1983年宣布出资10亿美元，专款推动本国的人工智能技术项目开发。实际上，美国国防部本次关于人工智能技术的开发和利用，更多是出于军事目的。在这个名为“SCI计划”的项目蓝本中，诸多“机器人作战”“计算机预测战局”等设想被付诸实施。参与此次项目可言的亚历克斯·罗兰德和菲利普·斯曼在提交给外界的报告当中这样描述道：“一旦‘SCI’计划取得成功，那么美国军方将会拥有每秒钟能进行10亿次运算的超级计算机，所有由超级计算机指挥的机器人也都会拥有和人类一样的思维、感知能力。对于这些超级计算机而言，它们的集成度将无限逼近人类大脑所能探知的最复杂的东西。”

在这一理念的引导下，SCI研究组做出了以下设想：美国海陆空三军都将会装备上最为智能化的作战工具。对于陆军部队来说，这里将会被装备“自主式地面车辆”，这些军用车辆不仅仅能独立行驶，还能感知且改造周围环境。也就是说，如果SCI项目取得成功的话，将会有一部分类似于变色龙一样的战车奔赴战场，它们能够感知到战地环境的变化，并且根据环境来进行伪装或者壁垒建设。

与此类似，美国空军部队也将会配备高级人工智能系统，以此辅助、指导飞行任务。同样，在SCI战略的猜想当中，这个系统装置能在特定情况下收集资料、执行更高决策层下达的任务等。假如这一设想得到实现，那么在战场当中，或许就会有战斗机强迫飞行员跳伞，或者是飞行员牺牲后战斗机依然独立作战的情况出现。

而对于海军战队来说，它们也将会拥有高级别的“战斗管理系统”。这一套系统可以帮助指挥官正确分析错综复杂的战地局势，并且依据战场上发生的事件进行战略预估。

事实证明，由美国国防部发起的这一次人工智能技术开发计划，在一定程度上是存在臆想和不切实际成分的。时任美国中央情报局局长的威廉·约瑟夫·凯西就对SCI项目组所研究的课题极为不满，他将这个项目所研讨的大部分课题都形容为“徒劳无益的工作”，而为SCI项目组工作的人也都被他称为“投机分子”。但即便是举足轻重的中情局局长，也不能在战略规划方面影响到美国当局对于人工智能技术研发的渴望程度，这实际上也从一定程度上反映了当时美国人对于AI技术的高度认可。

除了政府方面强有力的资金支持外，专业领域的工作人员在这一时期内也做出了重要贡献。就如同明斯基所说的那样，没有人希望关于人工智能的资助和开发，被看作是一件单纯的国际化竞争的结果，这是一名从业者应该要坚持的工作，同时也是他的自尊。正是在这一理念的鼓舞下，在这一时期内，关于AI技术的理论取得了重大突破：1982年，物理学家约翰·霍普菲尔德在前人的基础上提出了新型神经网络算法——霍普菲尔德网络；几年之后，大卫·鲁姆哈特等人又提出了大名鼎鼎的BP神经网络。这些理论的出现，让之前遭受冷落的联结主义重获新生，人工智能的蓬勃发展也得到了理论上的支持。此外，在朋友的帮助下，鲁姆哈特还将自己的学术见解整理成文集出版。这样一来，整个行业的学术交流也受到了极大的推动。

可以说，在这一时期内，政府方面对于人工智能技术开发的扶持是非常热情的。在此期间，不单单像日本这样的世界强国敢于抽调大量资金来支持这个“既不稳定且包含过多未知性因素”的项目，就连当时全国GDP仅有日本一半的英国也无比豪迈地划拨了3.5亿英镑的巨款来支持新项目。而像美国这样的顶级强国，甚至将人工智能技术的研究做到“科幻”的级别也在所不惜。而在大量的资金配合下，学术界内部也不甘人后，爆发出了强劲的战斗力。对于明斯基、霍普菲尔德、鲁姆哈特等人来说，他们需要证明的不单纯是有关于人工智能的学术理念，同时还负载着为AI技术正名的重任。因为从一定意义上来说，大量的政府资助，让人工智能戴上了“国际竞争产物”的帽子。而这却是长期从事人工智能开发工作的专家和学者们不愿意看到的。所以在外力和内因作用的双重推动之下，AI理论技术取得了令人称道的成果，而“霍普菲尔德网络”和“BP反传算法”都为之后的研究提供了更为宽阔的平台和视角。这对于整个人工智能历史的发展是有重大意义的。

7．辉煌成就：战胜人类的计算机系统

在社会各界的强力推动下，人工智能的功能也得到了强力提升。但是，无论AI技术如何发达，业界总会对其保持这样一种态度，那就是即便是最先进的计算机，也不可能打败自己的主人。但是这样一个观点，在1997年5月3日却被验证是错误的——当时的超级计算机“深蓝”在国际象棋的战场上击败了世界棋王加里·卡斯帕罗夫。

20世纪90年代，俄罗斯棋手卡斯帕罗夫在世界各大国际象棋赛事当中所向无敌，甚至达到了“独孤求败”的地步。针对这样一种现象，IBM公司也从中发觉了一个不错的炒作点。很快，IBM以机器世界的名义向卡斯帕罗夫发出了战书，邀请对方与自己研发的超级计算机“深蓝”号进行一场前所未有的“人机棋局”。在对媒体公布的消息中，IBM发言官这样说道：“我们的团队用了6年时间，研发出了世界上第一流的计算机‘深蓝’号，它可以使用31个功能强大的处理器并行运算，3分钟就可以搜索500亿步棋路。”另外，这一次和卡斯帕罗夫先生的对弈，组织方还设定了40万美元的胜出奖励。那人类最优秀的大脑是否能够抵御住“深蓝”号的冲击呢？

IBM公司的宣扬引发了全世界的关注，因为就技术角度而言，“深蓝”号计算机在当时确实已经是AI界一流团队的呕心之作了。所以从这个角度来看，一直被争论不休的“人工智能到底能否战胜人类”，或许也可以从这次“人机大战”当中得出结论。很快，在世界棋坛藐视群雄的卡斯帕罗夫欣然接受了邀约，并且在1996年2月同“深蓝”展开了举世瞩目的对弈，并且以4∶2的大比分战胜了对手，全身而退。

卡斯帕罗夫的获胜似乎宣告了人类远比计算机聪明这样一个事实，但是很快，IBM的工程师们在接下来的一年时间里继续跟进探索，针对首次对决当中“深蓝”的固有缺陷进行了改良。因此，在1997年，双方进行的第二次对弈当中，卡斯帕罗夫这个在世界棋坛领袖群伦的超级棋王，终于遇到了前所未有的挑战。在最后一轮的比赛当中，纽约市民通过广场公放视频观看了赛事直播：在比赛当中，从前镇定自若的卡斯帕罗夫将头深深地埋在双手之间，甚至时不时狠狠地拉拽自己的头发。看得出来，经过技术改进的“深蓝”已经完全占据了上风，而卡斯帕罗夫在这种情况下遭遇失败就只是时间问题了。在此前进行的五轮比赛当中，他甚至避开了自己常用的棋路，选择了一些非常“怪异”的攻防招数，试图以此扰乱“深蓝”的判断。但事实是，无论卡斯帕罗夫如何“剑走偏锋”，“深蓝”都能用最快的速度找到最佳的破解方法。因此，尝试了无数种变化和可能性的世界棋王无可避免地陷入了对手的圈套，根本看不到一丝逆转的希望。果然，就像所有人都看见的那样，人类选手输掉了棋局，最终的大比分是2.5∶3.5, “深蓝”2胜3平1负。

从一定意义上来说，“深蓝”号的成功确实可以看作是人工智能对于人类的胜利。因为从诸多角度上来说，卡斯帕罗夫都足以代表人类智力的高峰。翻看这名世界棋王的履历，我们可以看到，他3岁能够读书数数；5岁能够进行小数点之后的加减法；22岁即击败大名鼎鼎的棋坛圣主阿纳托里·卡尔波夫成为世界上最年轻的新棋王。在随后的十多年时间里，卡斯帕罗夫参加了多次世界顶级国际象棋大赛，全都毫无疑问地夺得桂冠。甚至在1999年，他还进行了一次“单人对抗全世界”的棋局——来自全世界75个国家、超过5万名棋手通过网络同卡斯帕罗夫进行对弈。但是经过4个月的较量之后，这支由5万人组成的庞大战队最终被卡斯帕罗夫打得丢盔弃甲、投子认输。这一场骇人听闻的对弈，不光让所有人都感受到了卡斯帕罗夫孤胆挑战全世界的大英雄气魄，同时还从心底里默认了其超凡脱俗的才华和智慧。

在长达20年的棋手生涯当中，卡斯帕罗夫始终保持着世界棋王的尊荣，直到宣布光荣退役。经测算，他的IQ值高达194，甚至比李奥纳多·达·芬奇、约翰·霍金以及阿尔伯特·爱因斯坦都要高。

可以说，无论从个人成就，还是个体智商水准方面而言，卡斯帕罗夫都是代表“最聪明人类”的不二之选。但就是这样一个“最强大脑”，却不得不在“深蓝”面前低下高贵的头颅。这当然也从一定程度上证明了，人工智能是可以超越人脑、具备更为强大的认知能力的。从硬件设施上来说，战胜人类的“深蓝”由32个节点组成，每个节点配备了8块处理器。而这总计256块处理器全部被集成在了IBM公司全力研发的RS6000/SP并行计算系统当中。在这一智能体系当中，“深蓝”将拥有每秒钟2亿步的棋路搜索。因此，在工作人员将100年来世界特级象棋大师的开局和残局下法制成棋谱输入到“深蓝”的存储器当中之后，无论卡斯帕罗夫使用何种招数，它都能够快速根据自身知识库当中记载的应对路数进行对弈。可以说，在编程人员的参与下，卡斯帕罗夫面对的不单单是某一代棋王的挑战，而是过去100年时间里世界棋坛顶级高手的集体围攻。

除此之外，IBM研发团队还专门聘请了当代世界特级国际象棋大师作为专业顾问。在每一轮比赛结束之后，工程师们会按照专业人士提供的意见，对“深蓝”进行数据处理方面的提升：他们打开“深蓝”的数据处理系统，通过修改特定节点参数的方式来改变这台超级计算机的工作能力。也就是说，卡斯帕罗夫每一轮博弈的对手，实际上都是不同的，这也正是他难以找到“深蓝”的固有缺陷、无论如何变换棋路都无法取得主动权的重要原因。

在“深蓝”身上，所有人都看到了人工智能无比强大的开发潜力。很快，关于人工智能的研发和应用在世界范围内得到了深度普及。到2016年，由谷歌推出的“阿尔法狗”计算机，在新一代的“人机大战”当中毫无悬念地击败人类棋手李世石，总比分为4∶1。在赛后，作为国际棋坛的顶级高手，李世石也无不感慨地表示，当前研制出的新型超级计算机，已经在智能化程度上远超人类了。很显然，这次一边倒的棋局，实际上暗示着，在过去20年时间里，人工智能保持着强劲的发展趋势，将人类远远甩在了身后。

可以说，“深蓝”计算机的出现，充分地展现了人工智能的上升潜力和未来前景。在经历了数十年的起落沉浮之后，AI技术终于第一次战胜了人类。而在随后的时间里，人工智能技术的发展更是可以用“突飞猛进”来形容。到2016年，在代表着人类与计算机终极比拼的“人机对话”当中，更是以计算机的完胜告终。与此同时，人工智能还在生活的各个方面影响到了人类的生活：智能化电器、智能化管理，甚至是即将到来的物联网时代，都在预示着同样一个话题，那就是在经历了数十年的高速发展之后，人工智能真的已经无可替代了。