原標題：李開復ai五講｜人工智能的五個定義：哪個最不可?。?/p>

編者按：從驚呼“人工智能來了”到察覺“人工智能無處不在”，人類社會才走過寥寥數年。在提出建設國家人工智能高地的上海，許多率先試水的應用在各行各業寫下了“ai+”的故事。此時此刻，我們更加要冷靜地思考自身與人工智能的關系。我們真的知道什么是人工智能嗎？我們真的準備好與人工智能共同發展了嗎？我們該如何規劃人工智能時代的未來生活？

本月底，2019世界人工智能大會將在黃浦江畔揭開序幕。澎湃新聞特邀李開復、王詠剛將著作《人工智能》精編為系列短文，試析與ai相關的若干關鍵問題。

請拋開人工智能就是人形機器人的固有偏見，然后，打開你的手機。我們先來看一看，已經變成每個人生活的一部分的智能手機里，到底藏著多少人工智能的神奇魔術。

谷歌最資深的計算機科學家與軟件架構師、谷歌大腦開發團隊的帶頭人杰夫?迪恩（jeff dean）說：“很多時候（人工智能）都是藏在底下，因此人們并不知道有很多東西已經是機器學習的系統在驅動?！?/p>

到底什么是人工智能？為什么我們說智能搜索引擎、智能助理、機器翻譯、機器寫作、機器視覺、自動駕駛、機器人等技術屬于人工智能，而諸如手機操作系統、瀏覽器、媒體播放器等通常不被歸入人工智能的范疇？人工智能究竟有沒有一個容易把握和界定的科學定義？

這里，簡要列舉幾種歷史上有影響的，或目前仍流行的人工智能的定義。對這些定義的分析、討論是一件相當有趣的事，這有些類似于古代哲學家們圍坐在一起探討“人何以為人”，或者，類似于科幻迷們對阿西莫夫的“機器人三定律”展開辯論。其實，很多實用主義者反對形而上的討論，他們會大聲說：“啊，管它什么是人工智能呢？只要機器能幫助人解決問題不就行了？”

定義一：al就是讓人覺得不可思議的計算機程序

人工智能就是機器可以完成人們不認為機器能勝任的事——這個定義非常主觀，但也非常有趣。一個計算機程序是不是人工智能，完全由這個程序的所作所為是不是能讓人目瞪口呆來界定。

這種唯經驗論的定義顯然缺乏一致性，但這一定義往往反映的是一個時代里大多數的普通人對人工智能的認知方式：每當一個新的人工智能熱點出現時，新聞媒體和大眾總是用自己的經驗來判定人工智能技術的價值高低，而不管這種技術在本質上究竟有沒有“智能”。

計算機下棋的歷史就非常清楚地揭示了這一定義的反諷之處。

早期，礙于運行速度和存儲空間的限制，計算機只能用來解決相對簡單的棋類博弈問題，例如西洋跳棋，但這毫不妨礙當時的人們將一臺會下棋的計算機稱作智能機器，因為那時，普通計算機在大多數人心目中不過是一臺能用飛快的速度做算術題的機器罷了。

1962年，ibm的阿瑟?塞繆爾的程序戰勝了一位盲人跳棋高手，一時間成了不小的新聞事件，絕大多數媒體和公眾都認為類似的西洋跳棋程序是不折不扣的人工智能。

隨著pc的普及，每臺個人電腦都可以運行一個水平相當高的西洋跳棋程序，會下棋的計算機逐漸褪去了神秘的光環。

當國際象棋、中國象棋逐漸被計算機玩得滾瓜爛熟，公眾找到了維護人類智慧尊嚴的最后陣地——圍棋。直到2016年年初，除了一個叫樊麾的職業圍棋選手和谷歌deepmind的一支規模不大的研發團隊外，幾乎所有地球人都說：“下象棋有什么了不起？真有智能的話，來跟世界冠軍下盤圍棋試試？”

很不幸，人類的自以為是又一次被快速發展的人工智能算法無情嘲笑了。2016年3月9日，隨著alphago在五番棋中以四比一大勝圍棋世界冠軍李世石，有關人工智能的熱情和恐慌情緒同時在全世界蔓延開來，也因此引發了一撥人工智能的宣傳熱潮。

今天，沒有人懷疑alphago的核心算法是人工智能。但想一想曾經的西洋跳棋和國際象棋，當時的人們不是一樣對戰勝了人類世界冠軍的程序敬若神明嗎？

定義二：al就是與人類思考方式相似的計算機程序

這是人工智能發展早期非常流行的一種定義方式。從根本上講，這是一種類似仿生學的直觀思路。

但歷史經驗證明，仿生學的理路在科技發展中不一定可行。一個最好也最著名的例子就是飛機的發明。在幾千年的時間里，人類一直夢想著按照鳥類撲打翅膀的方式飛上天空，但反諷的是，真正帶著人類在長空朝翔，并打破了鳥類飛行速度、飛行高度紀錄的，是飛行原理與鳥類差別極大的固定翼飛機。

人類思考方式？人究竟是怎樣思考的？這本身就是一個復雜的技術和哲學問題。哲學家們試圖通過反省與思辨，找到人類思維的邏輯法則，而科學家們則通過心理學和生物學實驗，了解人類在思考時的身心變化規律。這兩條道路都在人工智能的發展歷史上起到過極為重要的作用。

世界上第一個專家系統程序dendral是一個成功地用人類專家知識和邏輯推理規則解決一個特定領域問題的例子。這是一個由斯坦福大學的研究者用lisp語言寫成的，幫助有機化學家根據物質光譜推斷未知有機分子結構的程序。

dendral項目在20世紀60年代中期取得了令人矚目的成功，帶動了專家系統在人工智能各相關領域的廣泛應用，從機器翻譯到語音識別，從軍事決策到資源勘探。一時間，專家系統似乎就是人工智能的代名詞，其熱度不亞于今天的深度學習。

但人們很快就發現了局限。一個解決特定的、狹小領域問題的專家系統很難被擴展到寬廣一些的知識領域中，更別提擴展到基于世界知識的日常生活里了。

一個著名的例子是1957年蘇聯發射世界上第一顆人造衛星后，美國政府和軍方急于使用機器翻譯系統了解蘇聯的科技動態。但用語法規則和詞匯對照表實現的俄語到英語的機器翻譯系統笑話百出，曾把“心有余而力不足”（the spirit is wiling but the flesh is weak）翻譯為“伏特加不錯而肉都爛掉了”（the vodka is good but the meat is roten）。

另一方面，從心理學和生物學出發，科學家們試圖弄清楚人的大腦到底是怎么工作的，并希望按照大腦的工作原理構建計算機程序，實現“真正”的人工智能。這條道路上同樣布滿荊棘。最跌宕起伏的例子，非神經網絡莫屬。

20世紀90年代開始，隨著計算機運算能力的飛速發展，神經網絡在人工智能領域重新變成研究熱點。但直到2010年前后，支持深度神經網絡的計算機集群才開始得到廣泛應用，供深度學習系統訓練使用的大規模數據集也越來越多。神經網絡這一仿生學概念在人工智能的新一輪復興中，真正扮演了至關重要的核心角色。

定義三：ai就是與人類行為相似的計算機程序

和仿生學派強調對人腦的研究與模仿不同，實用主義者從不覺得人工智能的實現必須遵循什么規則或理論框架?！昂谪埌棕?，逮住耗子的就是好貓?！痹谌斯ぶ悄艿恼Z境下，這句話可以被改成：“簡單程序，復雜程序，聰明管用的就是好程序?！?/p>

實用主義者推崇備至的一個例子是麻省理工學院于1964年到1966年開發的“智能”聊天程序eliza。這個程序看上去就像一個有無窮耐心的心理醫生，可以和無聊的人或需要談話治療的精神病人你一句我一句永不停歇地腳下去。當年，eliza的聊天記錄讓許多人不敢相信自己的的眼睛。

可事實上，eliza所做的，不過是在用戶輸入的句子里，找到一些預先定義好的關鍵詞，然后根據關鍵詞從預定的回答中選擇一句，或者簡單將用戶的輸入做了人稱替換后，再次輸出，就像心理醫生重復病人的話那樣。eliza心里只有詞表和映射規則，它才不懂用戶說的話是什么意思呢。

這種實用主義的思想在今天仍有很強的現實意義。比如今天的深度學習模型在處理機器翻譯、語音識別、主題抽取等自然語言相關的問題時，基本上都是將輸入的文句看成由音素、音節、字或詞組成的信號序列，然后將這些信號一股腦塞進深度神經網絡里進行訓練。

深度神經網絡內部，每層神經元的輸出信號可能相當復雜，復雜到編程者并不一定清楚這些中間信號在自然語言中的真實含義，但沒有關系，只要整個模型的最終輸出滿足要求，這樣的深度學習算法就可以工作得很好。

定義四：ai就是會學習的計算機程序

沒有哪個完美主義者會喜歡這個定義。這一定義幾乎將人工智能與機器學習等同了起來。但這的確是最近這撥人工智能熱潮里，人工智能在許多人眼中的真實模樣。誰讓深度學習一枝獨秀，幾乎壟斷了人工智能領域里所有流行的技術方向呢？

這一定義似乎也符合人類認知的特點一—沒有哪個人是不需要學習，從小就懂得所有事情的。因此，今天最典型的人工智能系統通過學習大量數據訓練經驗模型的方法，其實可以被看成是模擬了人類學習和成長的全過程。

如果說人工智能未來可以突破到強人工智能甚至超人工智能的層次，那從邏輯上說，在所有人工智能技術中，機器學習最有可能扮演核心推動者的角色。

當然，機器目前的主流學習方法和人類的學習還存在很大的差別。舉個最簡單的例子：目前的計算機視覺系統在看過數百萬張或更多自行車的照片后，很容易辨別出什么是自行車，什么不是自行車，這種需要大量訓練照片的學習方式看上去還比較笨拙。反觀人類，給一個三四歲的小孩子看一輛自行車之后，再見到哪怕外觀完全不同的自行車，小孩子也十有八九能做出那是一輛自行車的判斷。也就是說，人類的學習過程往往不需要大規模的訓練數據。

最近，盡管研究者提出了遷移學習等新的解決方案，但從總體上說，計算機的學習水平還遠遠達不到人類的境界。

如果人工智能是一種會學習的機器，那未來需要著重提高的，就是讓機器在學習時的抽象或歸納能力向人類看齊。

定義五：al就是根據對環境的感知，做出合理的行動，并獲得最大收益的計算機程序

維基百科的人工智能詞條采用的是斯圖亞特?羅素（stuart russell）與彼得?諾維格（peter norvig）在《人工智能：一種現代的方法》一書中的定義，他們認為：

人工智能是有關“智能主體（intelligent agent）的研究與設計”的學問，而“智能主體是指一個可以觀察周遭環境并做出行動以達致目標的系統”。

基本上，這個定義將前面幾個實用主義的定義都涵蓋了進去，既強調人工智能可以根據環境感知做出主動反應，又強調人工智能所做出的反應必須達致目標，同時，不再強調人工智能對人類思維方式或人類總結的思維法則的模仿。

以上，我們列舉了五種常見的人工智能的定義。其中，第二種定義（與人類思考方式相似）特別不可取。人們對大腦工作機理的認識尚淺，而計算機走的是幾乎完全不同的技術道路。

第一種定義（讓人覺得不可思議）揭示的是大眾看待人工智能的視角直觀易懂，但主觀性太強，不利于科學討論。

第三種定義（與人類行為相似）是計算機科學界的主流觀點，也是一種從實用主義出發，簡潔、明了的定義，但缺乏周密的邏輯。

以上是網絡信息轉載，信息真實性自行斟酌。