淺談人工智能的前世今生

在人類文明的長河中，科技的發展總是伴隨著時代的脈搏跳動，不斷推動著社會的進步與變革。人工智能作為當今世界科技創新的前沿領域之一，正以其獨特的魅力和巨大的潛力，引領著全球新一輪產業變革。中共二十屆三中全會通過的《中共中央關于進一步全面深化改革 推進中國式現代化的決定》，全文多次提到人工智能關鍵詞，并在論述發展新質生產力時，明確提到“完善推動新一代信息技術、人工智能、航空航天、新能源、新材料、高端裝備、生物醫藥、量子科技等戰略性產業發展政策和治理體系”。不可否認，人工智能已成為媒體和公眾接觸的高頻科技詞匯之一，了解它的前世今生有助于我們更好地工作和生活。

人工智能的萌芽傳說

一般學術描述都會從1956年達特茅斯會議開始。這次會議上首次提出了人工智能（Artificial Intelligence，簡稱AI）這一概念，標志著人工智能學科的誕生。但是不難看到，更樸素的人工智能想法其實很早時候就埋下種子了。例如，在中國古代民間傳說中有道士捏泥人辦事的故事，無獨有偶，在古希臘神話中也有銅制巨人守護小島的故事。這些傳說樸素地表達著人類希望有非人類的“智能伙伴”來貼心幫我們完成一些任務。如果按當下的標準來看，這些“智能伙伴”都達到了高級智能體的標準，因為我們不需要細致地為助手去說明規則或具體動作體系，只需要表達任務目標，“智能伙伴”自己就可以理解我們的需要，規劃和使用他們自己可用的工具執行。

后來，這類夢想開始變得沒有那么“全能化”，顯得更加“專業化”。例如，傳說諸葛亮的“木牛流馬”專用于運輸物資，達·芬奇的“機甲騎士”專用于驅動機甲等。

而隨著技術的進一步發展，我們有了布爾代數、首臺計算機以及圖靈測試等必要元素。這些便促進了1956年人工智能概念的正式誕生。

人工智能的幾多寒暑

人工智能概念提出后，隨著技術發展也不斷演進。中國科學院院士譚鐵牛的觀點較為典型并被廣泛接受：“人工智能是研究開發能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統的一門新的技術科學，研究目的是促使智能機器會聽（語音識別、機器翻譯等）、會看（圖像識別、文字識別等）、會說（語音合成、人機對話等）、會思考（人機對弈、定理證明等）、會學習（機器學習、知識表示等）、會行動（機器人、自動駕駛汽車等）。”

人工智能從1956年走來至今，并非一帆風順，用“幾經風雨”來形容不夸張。

早期的人工智能并不像當下跟數據那么緊密地聯系在一起，跟最早人類的“智能伙伴”傳說形態相距更遠。例如，當時有個模擬心理治療師對話的程序ELIZA，可以通過模式匹配和簡單的規則生成對話，“相對簡單”地體現人工智能。這些應用場景v0sHrRF75b5C6su8td7xp3xVCkyDN75kW4r9Xnq5IT0=的早期實現，極大提升了人們對人工智能的期望值。大家于是不斷設定新的挑戰，但很快，隨著這些新的挑戰計劃不斷遇到各類挫折失敗，人工智能迎來了它的第一次寒冬。

20世紀70年代出現了專家系統，通過基于一系列的“如果-那么”規則支持，來模擬人類知識認知，以體現人工智能反饋。我們可以想象，這樣的規則和知識，濃縮了人類特別是特定領域的專家的經驗沉淀，易于人類理解，且推理過程透明，在醫療等領域也很快獲得初步落地。這讓人工智能從概念真正走向了領域應用，又迎來了春天。但是問題也很快就來了，隨著應用普及規模擴大，那么多領域的各類規則知識，實際提取以及整合操作越發復雜。“沒人可以搞定現實中所有的因為所以”，人工智能迎來了它的第二次寒冬。

隨著上世紀90年代互聯網發展，以及計算軟硬件成本的不斷下降，我們逐漸邁入了計算思維時代。比如，假設現在我們要解x3=8這個 方程的實數根，如果從符號邏輯角度來說，需要設定一元三次方程的知識，然后來邏輯性獲得實數解x=2；如果是計算思維，那么可以想象為兩步：先隨意猜個實數，然后“根據方向”再猜，不斷猜下去，直到答案穩定逼近等式成立，同樣可獲得答案x=2。正是依靠這樣的數據計算優勢，我們在解決問題時，可以在顯式規則知識之外，多了數據驅動解決的新范式。伴隨著計算思維普及和機器學習技術發展，數據驅動的人工智能逐漸興起，有效克服了之前專家系統的各類落地弊端，人工智能再次迎來全新的春天至今。

這樣的數據驅動人工智能被稱為機器學習。我們終于可以不用勞煩各類專家主動小結知識與提煉規則了。只要有可靠的數據，無需顯式規則在先，我們也可以用機器自我學習的方式，隱式地獲得數據中蘊含的規則和知識，形成可用的技術模型。假設我們有《王者榮耀》游戲的眾多英雄角色龐雜的各項屬性值數據，那么哪怕我們不知道各個英雄屬于游斗刺客法師等確切類別，也可以通過機器學習中的聚類方法，快速根據需要聚成不同的組。實驗證明，如此機器挖掘判定出來的分組結果，與實際游戲運營設定的事先分組高度一致。于是在計算時代，顯式知識的先決價值就被數據集的蘊含價值逐步消融取代。我們也因此逐漸習慣和接受人工智能與數據兩個詞之間越來越緊密的關聯性。

而隨著各類數據規模快速增大，在人工智能的機器學習分支中，其“分分支”的神經網絡得到進一步的發展和完善，層數和結構也不斷演化生長，從神經網絡方法發展成為深度學習，并在實際應用中發揮越來越重要的價值，成為當今“數據驅動人工智能”主流中的主流技術。例如，經典的卷積神經網絡，可以不需要顯式定義貓與狗，卻可以通過學習，讓模型通過大量貓與狗的圖像數據，自主學習和提煉知識沉淀到龐大模型參數上。雖然這些參數沉淀（海量的0到1之間浮點數集合），不像人類可理解的顯式知識和概念定義，不方便直觀解釋，但在應用測試中卻“真香”，具備并超越人類水平的“智能識別率”。但是這種深度學習掩蓋了原有清晰的邏輯規則傳遞，帶來的不可解釋性，也為在嚴謹倫理場景下，給人工智能的普及帶來了實際挑戰。

作為人工智能領域的一個重要分支，機器學習的進一步發展又催生了深度學習這一前沿技術。深度學習相關細分技術近年來取得了顯著的進展。例如，AlphaGo在圍棋比賽中以壓倒性的優勢擊敗了人類頂尖棋手，展示了人工智能在復雜決策和策略制定方面的巨大潛力。深度學習技術被廣泛應用于圖像識別和自然語言處理等領域，使得我們可以通過掃一掃功能輕松識別各種植物，極大地豐富了我們的日常生活和工作。從醫療診斷到金融分析，從自動駕駛到智能制造，深度學習技術正在逐步滲透到社會的各個角落。

隨著數據和技術的飛速進步，源自深度學習的大模型、生成式人工智能以及智能體等正蓬勃發展，為人工智能的未來注入了更多可能性。以盤古氣象大模型為例，通過分析大量的氣象數據，無需傳統天氣預報的氣象原理偏微分方程計算，精度首次超過傳統數值方法，速度提升1000倍，為農業、交通、能源等多個行業提供了重要的決策支持，充分體現了新質生產力特性，為社會應對氣候變化提供了有力的技術保障。通過類似這樣的技術應用，人工智能正在廣泛地改變我們的生活和工作方式，為社會的可持續發展注入新的動力。

結語

自1956年以來，我們見證了現代人工智能的發展起伏。目前，熱門大模型范式是否將步入新一輪寒冬，一些專家表達了他們的擔憂。可解釋性、數據安全以及價值倫理對齊等挑戰，也是當前大家關注的重點。另一角度，從人類發展的長遠歷史來看，智能的概念從古代簡單傳說和夢想開始，經歷了歷史的洗禮，逐漸變得具體化、場景化，并最終催生了現代人工智能的概念和學科。隨后，這一學科領域經過多次技術的突破和應用的普及，人工智能又開始逐步升級，不斷回歸接近人類最初的那個夢想。

祝人類“智能伙伴”大時代早日成真。

（作者為九三學社安徽省委會科技專委會委員，安徽清博大數據科技有限公司總經理）

兼職編輯：常思哲