CCF YOCSEF 南京邀请南京大学王崇骏教授对于人工智能 (AI )作精彩评论。

   一二三四五，道破AI的 “前世今生”。

   难道AI也有慢慢人生路？

   何处是尽头？

   让我们聆听王教授的娓娓道来，抽丝剥茧，

   打开月光宝盒，

   沿着AI的时光隧道走一遭！

（YOCSEF 南京肖亮2018-2019主席评论）

（〇）人工智能时代来了

长期以来，棋牌博弈，尤其是围棋博弈，被认为是只有很有智能的人才能玩的游戏。

正是这样的想法，2016年AlphaGo在围棋博弈中战胜李世石引发了民众对人工智能的关注，人们很自然的问：人工智能还能做什么呢？

或许正是社会各界对人工智能在行（产）业的赋能期待（以及在很多领域的应用尝试获得成功）掀起了人工智能的新一轮热潮。

事实上，人工智能作为一个学术名词得到社会各界的认可已经过去了六十余年。本文尝试对人工智能相关史料和文献进行简单梳理，以便厘清人工智能相关常识和知识。

为了便于理解和记忆，下文围绕图1所示的框架结构介绍人工智能之一二三四五，即“一个1”、“二个2”、“三个3”、“四个4”和“五个5”，具体而言：

1）“一个1”对机器是否能够思考这一朴素思想进行了简介；

2）“二个2” 从研究内容和研究方向两个角度进行的简单分类；

3）“三个3”从发展阶段、研究学派、研究层次三个角度进行的简介；

4）“四个4”从关键要素、研究范畴、公共平台、响应态度四个角度进行的简介；

5）“五个5” 从棋牌博弈、研究学派、研究方向、赋能环节和思想流派五个角度进行简介；

图1 本文内容结构

（一）一个1

1950年，图灵在《计算机与智能》中提出“计算机能够思考吗”这样的疑问，并以性别模仿游戏为例来说明如何判断计算机是否有智能，这个游戏的大致描述如下：

1）游戏参与者包括一名男性（A）、一名女性（B）和一名裁判（C）；

2）游戏流程和规则是：C和A、B被隔开，C向A和B提问，由A和B分别进行回答，其中B模仿男性的思考方式回答问题，经过多轮次的提问后，然后由C判断B的性别（此处假定裁判无法通过衣着打扮、声音来判断性别），如果C无法准确判定B的性别，我们就说B在性别模仿游戏中欺骗了裁判而获得了胜利；

3）将B换成计算机继续进行这个游戏，如果计算机成功欺骗了裁判，我们就说计算机在性别模仿游戏方面能够像人一样思考。

其实，这个游戏就是图灵测试的最初原型，图2给出了图灵测试的一个示意图，详情此处不再赘述。

图2 图灵测试

（二）二个2

本节提及的“二个2”是从研究内容和研究方向两个角度进行的简单分类，分别是：

1）从研究内容上，人工智能可以分为弱人工智能和强人工智能（最近兴起了“超级人工智能”的概念，一个朴素的定义是：能自动、主动生成、演化比自己更强（智能）的人工智能，详情此处不再赘述）：

（1）弱人工智能指的是在某一（些）方面，该智能能够像人一样思考和工作，但是并不真正拥有智能，典型的特点是：其不会有自主意识；

（2）强人工智能指的是能够推理和解决问题的智能机器，典型的特点是：该智能拥有自我意识；

2）  从研究方向上，人工智能可以分为个体智能和群体智能，这两个研究方向事实是对应于“人”（确切的说是“生物体”）的自然属性和社会属性：

（1） 经过进化，人具备了恰到好处的感知器官（眼耳口鼻舌）、看起来比较完备的大脑（爬行动物脑、哺乳动物脑、新脑同时存在并协同工作）和看起来比较丰富的行动能力（比如奔跑、呐喊、哭泣、情感等），正因为进化得到的自然属性，人类具备对世界进行感知、记忆、思考、语言和行为等能力。个体智能对标的就是此，即如何通过算法实现像单个“人”一样的智能；

（2）    作为一个个体，每个人都不足够强大，甚至比较弱小，恰因为如此，人类从一开始就学会了合作，即通过多个个体的合作来完成某种一个人完成不了或者完成不好的任务。群体智能对标的就是此思想，如何通过算法实现不同个体之间的合作从而达到在合作中进行最优求解；

（3）    值得注意的是，在实际情况下，个体智能和群体智能往往是耦合的，此处不赘述。

（三）三个3

本节提及的“三个3”是从发展阶段、研究学派、研究层次三个角度进行的简单分类，分别是：

1）三个发展阶段

（1）推理期人工智能

在人工智能发展早期（20世纪50年代-70年代初），研究者认为只要机器具备了逻辑推理能力，那么机器就拥有了智能，因此该阶段典型的特征是：重视逻辑，忽略知识；

（2）知识期人工智能

随着推理（机）的研究，研究者发现没有规则的推理机毫无用处，因此人工智能的研究进入到了知识期人工智能（20世纪70-80年代），人们希望能够把领域知识形式化成计算机可以理解和推理的规则交由推理机去进行推理，因此该阶段典型的特征是：重视知识，无法学习；

（3）学习期人工智能

随着研究的推进，研究者发现将领域知识形式化为计算机可以理解和推理的规则困难太大，因此研究者将该理念进行改进，能否充分利用领域数据，通过计算机的建模，能够自动学习出规则，于是人工智能的研究就进入到了学习期人工智能阶段（20世纪80年代至今），并因为机器学习在许多问题上取得了突破性的成果，其研究成果和在各个领域的渗透应用逐步深化并逐步形成了比较独立的发展势头（可以不再依靠推理），这个阶段的特点是：重视学习，对数据依赖度大。

何处是尽头？

难道AI也有慢慢人生路？ 何处是尽头？

1）三个研究学派

（1）符号主义：也称为逻辑主义、心理学派、计算机学派，其基于物理符号系统（符号操作系统）假设和有限合理性原则，假设知识是先验地存储于黑箱之中的，该主义擅长解决利用现有的知识做比较复杂的推理、规划、逻辑运算和判断等问题；

（2）连接主义：也称为仿生学派、生理学派，其基于神经网络及神经网络间的连接机制与学习算法，从结构的角度来模拟智能系统的运作，而不单单重现功能，比符号学派更加底层；

（3）行为主义：也称为进化主义、控制学派，其基于控制论及感知-动作型控制系统，研究更低级的智能行为，它更擅长模拟身体的运作机制，而不是脑；

2）三个研究层次

对标于人的自然属性，将人工智能的研究从感知（对标于人的感知）、思考（对标于人的思考、记忆、推理等）、行动（对标于人的行动，如表情生成等）三个层面，此处不再赘述。

（四）四个4

本节提及的“四个4”是从关键要素、研究范畴、公共平台、响应态度四个角度进行的简单分类，分别是：

1）四个关键要素：

在很多场合，人工智能的四个要素被认为分别是A、B、C和D，其中：（1）A指的是算法（Algorithm）；（2）B指的是应用（Business）；（3）C指的是算力（Computing Power）；（4）D指的是数据（Data），具体细节不再赘述；

2）四个研究范畴：

事实关于人工智能的研究一直有两个维度的考量，一个维度是：对标“人”的智能还是对标“动物”的智能；另外一个维度是：对标“脑”的思考智能还是对标“整体”的智能，基于这两个维度，可以将研究范畴分为四类（如表1所示）：

3）四个公共平台：

2017年7月20日国家发布了新一代人工智能发展规划而后，根据该规划中提及的人工智能公共创新平台建设的提议，在11月由科技部牵头成立了首批四个公共服务平台，分别是：

（1）依托百度公司建设自动驾驶国家新一代人工智能开放创新平台；

（2）依托阿里云公司建设城市大脑国家新一代人工智能开放创新平台；

（3）依托腾讯公司建设医疗影像国家新一代人工智能开放创新平台；

（4）依托科大讯飞公司建设智能语音国家新一代人工智能开放创新平台；

4）四个响应态度：

人工智能是否会引发“奇点”的到来，人类对其抱有不同的态度，可以从两个维度进行划分，一个维度是：乐观的还是悲观的；另外一个维度是：理性的还是感性的，基于这两个维度，可以将响应态度分为四类（见表2）：

（五）五个5

本节提及的“五个5”是从棋牌博弈、研究学派、研究方向、赋能环节和思想流派五个角度进行的简单分类，分别是：

1）五种棋牌博弈：

在人工智能的发展历史上，有很多棋牌博弈被当作验证人工智能算法研究成果的验证工具，典型的至少有以下5个，分别是：

（1）跳棋：1949年，Arthur Samuel在IBM701上编写世界第一款国际跳棋程序Checkers，股票大涨15%；1962年打败人类选手；1990-1994年8月JonathanSchaeffer教授率队跳棋程序Chinook与数学家MarionTinsley持续胶着大战（另外一段佳话，此处不再赘述）；

（2）黑白棋：Michael Buro编写的黑白棋程序Logistello以6:0击败人类世界冠军北野武村上；

（3）国际象棋：1997年，IBM “深蓝”4:2战胜卡斯帕罗夫；

（4）围棋：2015年10月，AlphaGo前身（当时还不出名）5:0横扫欧洲围棋冠军樊麾；2016年3月AlphaGo打败李世石（名声大振）；然后化名Master连胜60局；2017年5月AlphaGo打败柯杰；2017年10月AlphaGo Zero打败Alpha Go；

（5）德州扑克：2017年1月30日，在宾夕法尼亚州匹兹堡的Rivers赌场，CMU开发的人工智能系统Libratus战胜4位德州扑克顶级选手；

2）五个研究学派：

机器学习有不同的学派，每个学派从不同的角度看问题：

（1）符号学派更多关注哲学，逻辑学和心理学，并将学习视为逆向演绎；

（2）连接学派专注物理学和神经科学，并相信大脑的逆向工程；

（3）进化学派在遗传学和进化生物学的基础上得出结论；

（4）贝叶斯学派注重统计学和概率推理；

（5）类推学派更多是关注心理学和数学优化来推断相似性判断。

3）五大研究方向：

2015年中国工程院承担的人工智能2.0的战略预研项目中，提及在新的时代，人工智能的研究应该有别于传统人工智能研究中“让计算机实现的人工智能实现人一样的智能”，而是应该将“人和机器融合”形成混合智能系统、将“人、机器和网络融合”形成新型群体智能系统、将“人、机器、网络和物融合”形成复杂智能系统，为了达到这个目标有必要在五个研究方向展开相关研究，分别是：

（1）大数据智能：目标是形成从数据到知识、从知识到智能的能力，打破数据孤岛，形成链接多领域的知识中心，支撑新技术和新业态的跨界融合与创新服务；

（2）跨媒体智能：其目标是研制跨媒体智能感知、学习和推理引擎，以语义相通相容为媒介，实现跨媒体分析推理，为建立“耳聪目明”和“融会贯通”的智能提供技术支撑。人在工作的时候不再是单独的媒体工作，而是多个媒体融合，打通语言、视觉、图形、听觉等层面；

（3）群体智能：能够在网上把大家的智慧和计算机的智慧进行结合，整合为一个整体，建立相关平台，完成各种行为；

（4）自主智能：以海、陆、空、天自主无人载运操作平台、复杂无人生产加工系统等为典型对象，深入研究智能自主无人系统的技术、架构、平台和设计标准；

（5）人机融合智能：目标是实现生物智慧系统与机器智能系统的紧密耦合，相互协同工作，形成更强的智慧和能力；

4）五个赋能环节：

在“AI+X”的具体实践过程中，涉及到的5个基本环节：

（1）数据和集成层：富集和整合各类数据为后续AI应用提供数据支撑；

（2）实验和发展层：算法设计、实现、测试；

（3）部署和运营层：进行数据模型的风险评估，并查看模型证明模型的可解释性、模型偏差和公平性以及模型故障安全机制；

（4）智能和呈现层：将智能作为一种服务和进行赋能的功能提供给用户；

（5）体验和交互层：通过人机交互实现与用户进行交互。

5）五个思想流派：

《哈佛商业评论》将人工智能分为五大思想流派，代表了人们在拥抱人工智能方面的不同态度，见表3：

值得一提的是：可将此表与上一节的第一部分进行对标比较，些许差异，此处不再赘述。

结束语

本文从“一个1”、 “二个2”、“三个3”、 “四个4”和“五个5”五个角度梳理了智能涉及到的相关史料和文献，对其中涉及到的研究内容、方向、理念、技术进行了简单的介绍和比较。更多内容请持续关注更多相关文献以确保人工智能知识体系的逐渐完备化。

参考文献

[1] 李开复，李咏刚, 人工智能，文化出版社，2017

[2] 佩德罗·多明戈斯.机器学习和人工智能如何重塑世界.中国出版集团，2016

[3] 腾讯-人工智能+制造.产业发展研究报告.2018，6-48

[4]http://xian.qq.com/a/20180307/019021.htm

[5]http://www.sohu.com/a/235087084_100110234

（本文作者）

  王崇骏

男，博士、教授、博导，任职于南京大学计算机科学与技术系及南京大学软件新技术国家重点实验室，现任南京大学计算机应用研究所副所长、南京大学中德HPI研究院副院长。研究兴趣是自主智能与群体智能、复杂网络分析、大数据分析及智能系统等，近五年发表论文50余篇、出版专著2部。截至2017年底，主持和参与包括国家重点研发项目、973、发改委专项、工信部产业化基金、国家自然科学基金、国家社会科学基金、省自然科学基金及支撑计划在内的国家及省部级基金与企事业资助项目50余项，30余项成果获得产品化和商品化推广。