回望人工智能原點：達特茅斯會議

費孝通先生在《鄉土中國》中曾寫道：“人的‘當前中包含著從‘過去拔萃出來的投影，即時間的選擇累積。”人工智能所經歷的曲折歷史何嘗不是在時間畫卷中不斷進行選擇的累積過程。

1956年6月到8月之間，在美國達特茅斯學院（Dartmouth College）舉行的人工智能暑期研討會在人工智能發展歷史上具有重要意義，本文描述了這次會議中的重要事件，以期體現此次會議在人工智能發展史上的重要作用。

“人工智能”一詞首次提出

1955年8月，時任達特茅斯學院數學系助理教授、1971年圖靈獎獲得者麥卡錫（J. McCarthy），時任哈佛大學數學系和神經學系青年研究員、1969年圖靈獎獲得者明斯基（M. L. Minsky），時任貝爾實驗室數學家、 “信息論之父”香農（C. Shannon）和時任國際商業機器公司（International Business Machines Corporation， IBM）信息研究主管、IBM第一代商用計算機IBM 701的主設計師羅切斯特（N. Rochester）4位學者向美國洛克菲勒基金會遞交了一份題為《關于舉辦達特茅斯人工智能暑期研討會的提議》（A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence）的建議書，希望基金會資助擬于1956年夏天在達特茅斯學院舉辦的人工智能研討會，研究“讓機器能像人那樣認知、思考和學習，即用計算機模擬人的智能”的科學[1]。

在這份建議書中，“人工智能”（a r t i f i c i a l intelligence， AI）這一術語被首次提出，用來表示“人工所制造的智能”。該建議書對能夠實現“人造智能”的原因進行了如下描述：學習的每個方面或智能的大多數特性原則上都可以被精確描述，從而可以用機器來模擬。

大多數學科都有必須遵守的最基本的命題或假設，這些命題或假設不能被省略和違反，即學科發展的第一性原理。比如，牛頓經典力學中“引力和慣性”以及達爾文進化論中“物競天擇，適者生存”，都是需要遵守的第一性原理。在AI研究中，對智能行為過程的精確描述或許可以作為類似于第一性原理需要遵守的原則，也就是說以機器為載體來展示人類智能或生物智能，需要對智能行為發生過程予以清晰描述，從而通過程序設計語言被機器按序執行。1965年諾貝爾物理學獎獲得者費曼（R. Feynman）曾經說過：不可造者，未能知也（What I cannot create， I do not understand），這一說法與AI “第一性原理”異曲同工。

比較有趣的是，在收到這份建議書3個月后（即1955年11月），洛克菲勒基金會主管這一領域研究的生物與醫學部門主任莫里森（R. S. Morison）博士回復了對這一建議書的評議結果。莫里森在回復中沒有使用“人工智能”這一單詞來描述建議書中陳述的研究內容，而是使用了“思維的數學模型”（mathematical models for thought）。基金會認為雖然申請書所提及研究內容“難以讓人徹悟”（difficult to grasp very clearly），但是鑒于這一研究所具有的長期挑戰性特點，基金會愿意資助其申請經費的一半，即批準7500美元來支持這個研討會。在回函中莫里森寫道：希望你們不會覺得我們過于謹慎（overcautious）。但總體而言，對思維的數學模型研究是一個新領域，從長遠來看非常具有挑戰性。這意味著探索一種新方法是一場適度的賭博，因此在現階段冒任何大風險會令人猶豫重重。

拓荒者的身影

1956年6月18日至8月17日， 30多位學者如期來到達特茅斯學院，參加持續8周左右的人工智能暑期研討會，AI從此正式登上了人類歷史舞臺。其中麥卡錫、明斯基和所羅門諾夫（R. Solomonoff）3位學者全程參與了會議。

參加會議的還有1975年圖靈獎得主紐厄爾（A. Newell）、1975年圖靈獎和1978年諾貝爾經濟學獎得主西蒙（H. A. Simon）、1977年圖靈獎得主巴克斯（J. Backus）、“機器學習”（machine learning）一詞的創立者塞繆爾（A. Samuel）等，他們在信息論、邏輯和計算理論、控制論、機器學習、神經網絡等領域都做出過奠基性的工作。

與會的大多數學者已經作古，但“老兵永遠不會死，只會悄然隱去”，他們所參與的AI事業將永遠輝煌，這些學者在各自從事的領域留下了很多膾炙人口的佳話，如：神經科學家麥卡洛克和數學家皮茨在一篇永載史冊的文章《神經活動內在性的邏輯計算》（A Logical Calculus of Ideas Immanent in Nervous Activity）中提出了由兩人命名的M—P模型，開辟了現代神經網絡研究的開端，麥卡洛克激動地宣布：我們在科學史上第一次知道了“我們是怎么知道的” （For the first time in the history of science， we know “how we know”）。

東漢馬融在《圍棋賦》說：“三尺之局兮為戰斗場”。圍棋包含19×19構成的361個方格，黑白棋子在這361個方格中的落子構成了一張張的棋譜，深度學習可以對黑白棋子的布局進行感知，即看懂棋面，知曉某個方格是黑子或白子，以及這些黑白棋子構成的棋面；圍棋對決中要對黑白棋子交錯落子所形成的系列進行分析，來判斷黑白每一次落子的優劣，這一AI學習方法叫強化學習。強化學習根據圍棋比賽最終勝敗來反推對每一步落子是獎勵還是懲罰，從而改進落子策略，向“學會學習”（learning to learn）這一能力塑造目標而努力；在圍棋比賽中，可供選擇的落子比宇宙的原子還多。蒙特卡洛樹搜索提供了一種機制，即從浩渺搜索空間中快速尋找一個“不差”的落子，且尋找過程不用遍歷所有可能性。

展 望

1955年，4位學者在一份申請召開人工智能研討會的建議書中首次提出了“人工智能”這一術語，提出了如何用計算機來模擬AI的宏偉目標。從歷史發展來看，可計算思想、圖靈機模型、達特茅斯會議以及AI 60多年來幾起幾落的發展，繪就了人類對智能行為模擬和構造的壯美接力畫卷[2]。

AI是類似于內燃機或電力的一種“使能”技術，天然具備推動學科交叉的潛力。AI與腦科學研究交叉，在攻克重大腦疾病診治難題同時，也在人類大腦和機器大腦之間架構橋梁而向混合增強智能邁進；AI與數學、物理、化學等結合，重塑科學發現范式，如AI預測蛋白質三維空間結構，為探秘“生命之舞”提供全新視角，是一項改變“游戲規則”的技術，就像費馬定理的最終證明或引力波的發現一樣，它解決了一個在“待辦清單”上已經存在了50年的科學問題；AI這一“非凡工具”幫助數學家找到單獨依靠人類思維不容易發現的內在聯系，“進軍”數學領域，輔助數學家發現新的數學猜想和證明新的數學定理；AI具有技術屬性和社會屬性相互融合特點，正推動人機共存社會形態出現，算法向善、社會實驗和AI倫理規范等新的研究不斷涌現，樹立“邊發展，邊治理”理念，突破“科林格里奇困境”（Collingridges Dilemma），防止類似“紅旗法案”阻礙新技術革命對社會進步的推動作用，讓馬克思所言“普遍智能”更好地惠及社會和大眾。

“不辨積微之為量，詎曉百億與大千”，我們今天在享受語音聊天、在線支付、地圖導航和拍照識別等APP帶來的巨大便利時，是否會想到這些都是AI先驅者在一次次嘗試、失敗和奮斗后所產生的勝利果實呢？

[1]McCarthy J， Minsky M， Rochester N， et al. A proposal for the dartmouth summer research project on artificial intelligence， August， 31， 1955. AI Magazine， 2006， 27（4）： 12-14.

[2]吳飛. 走進人工智能. 北京： 高等教育出版社， 2022.

[3]Samuel A. Some studies in machine learning using the game of checkers. IBM Journal of Research and Development， 1959， 3（3）： 210-229.

[4]Schaeffer J， Burch N， Bj？rnsson Y， et al. Checkers is solved. Science， 2007， 317（5844）： 1518-1522.

[5]Simon H. Computers—non-numerical computation. Proceedings of the National Academy of Sciences of the United States of America， 1980， 77（11）： 6264-6268.

關鍵詞：達特茅斯會議 AI起源 符號主義AI 行為主義AI連接主義AI ■