人工智能時代（中）

人工智能什么都能做的局面不會出現，但隨著技術的演變、時間的流淌、客觀需求的增長以及人類自身的成熟，人工智能會做越來越多的事。

人工智能代表了不同技術和思想的綜合集成，其中必然要包含新創造和新發明，也會涉及新應用。可以說，目前全社會幾乎沒有什么人沒有聽說過人工智能的，這種狀況似乎還讓很多人形成了一種印象：人工智能什么都能做。然而，實際情況不是這樣，現在不是，未來也不會。相反地，人工智能還不能做的非常多。不能做，而人們又想讓它做，這正是促進人工智能發展的一種動力。

以讓計算機下棋并最終戰勝人類為例。玩下國際象棋的游戲，早期的人工智能程序是贏不了人類棋手的。參加過1956年達特茅斯人工智能會議的西蒙（Herbert"Simon，"1916—2001）在1957年曾經預言，十年內計算機下棋程序將能打敗人類，結果是這個預言沒能兌現。到了1968年，發起達特茅斯人工智能會議的麥卡錫（John"McCarthy，1927—2011）和另外三個人干脆與國際象棋高手列維（David"Levy）打賭，計算機程序將在接下來的10年內擊敗他。這場賭博獲得了公眾的關注，最終結局卻是麥卡錫不得不以支付2000多美元的方式認賭服輸。這場賭博后，又過了20年，計算機程序終于在1997年擊敗了國際象棋世界冠軍，這個勝利得益于IBM深藍計算機（技術）及相應團隊的參與，而其對手則是世界上國際象棋的第一高手卡斯帕羅夫。可以說，沒有包括硬件在內的技術進步，沒有包括軟件在內的方法和理論的進步，特別是沒有一些研究和研發人員的矢志不渝地堅持，計算機（程序）戰勝人類是不可能的。下棋及在下棋中取勝，這是具有高水平智能的體現，是人工智能取得突破性進展的體現。在幾十年的“漫長”演變過程中，西蒙和麥卡錫等的感覺和預判并非沒有依據，并非只是“感情沖動”。事實上，集中體現人工智能思想和技術的下棋軟件的開發一直沒有停止過，并且一直都在取得進展。從20世紀70年代開始，美國計算機學會（ACM）在年會期間總會“安排”娛樂時間，展示計算機下棋程序的“能力”往往是不錯的選擇。當時已開發出了很不錯的下棋程序，而且經持續改進和提升，連年都能戰勝參加年會的所有挑戰者。其中參與和程序對弈的一些人，盡管不是國際象棋大師，但也的確算是棋藝高手。這不能不讓熱衷于人工智能研究和研發的“領袖”們滋生出樂觀情緒。卡內基—梅隆大學是開展人工智能研究和研發的重鎮，人工智能專家紐厄爾（Allen"Newell，1927—1992）的學生柏林納（Hans"Berliner）是一名國際象棋高手，在一次ACM年會的挑戰中獲得了第二名的成績，這鼓舞了紐厄爾，使其決定讓柏林納畢業留校，專職在卡內基-梅隆大學參加計算機下棋的研究和研發工作。從這些往事中，我們看到技術進步、人才培養、堅定的毅力等對于人工智能的成長和發展來說，缺了哪一樣都是不行的。

人工智能的發展需要參與者、促進者，也需要懷疑者、唱衰者。質疑的“聲音”有時對于人工智能選準重點、走對方向所具有的價值更為不可替代。在哈佛大學獲得學士和博士學位的哲學家德雷弗斯（Hubert"Dreyfus，1929—2017）就一直是批評人工智能的學者。1966年他曾對弈過一款下棋程序，盡管他輸了，可仍然不相信計算機下棋程序能戰勝人類，因為他自己不是棋藝高手，可又自恃是名牌學府的學子。1972年他出版了一本書，《計算機不能干什么》，副標題取為“人工智能的極限”，從哲學的角度分析西蒙和紐厄爾的觀點，對人工智能做了全面批評。1992年，德雷弗斯修訂再版了他的原書，這次取名為《計算機仍然不能干什么》而副標題則“升格”為“人工推理的批判”。出現這種場面，倒也不是神仙打架，實則是人工智能的發展并非一直順利如期。德雷弗斯就經常抓住西蒙和麥卡錫的預言及打賭失敗而支持自己的觀點。其實在科學家和思想家中，總有樂觀派和悲觀派之分。這兩者之間在體現批判精神的特點和方向上的不同往往決定了他們對待事物發展的態度的不同。德雷弗斯的斗爭勁頭，也并非完全傾瀉給了人工智能。在新世紀初，當出現互聯網泡沫破裂時，他又出版了一本批判互聯網的大書《關于互聯網》，以批評的態度和批判的精神看待沒有完全取得成功的新事物，也算是為相關領域和相關人員認清時弊而指點迷津。和處理很多事務一樣，聽取不同聲音而不是任性地堅持一個主意是必要的。是的，自信有助于讓人堅定地走向目標，而包容則能讓事業少走彎路，兼顧各方。

人工智能什么都能做的局面不會出現，但隨著技術的演變、時間的流淌、客觀需求的增長以及人類自身的成熟，人工智能會做越來越多的事。人工智能的領域和事業，是人啟動和發展的，得益于技術的進步和社會的理解及社會需求的涌現。但優先發展什么，節奏如何把握，（現階段）不發展什么甚至還要限制什么，這些問題也的確需要深刻思考。推動人工智能的發展，根本目的是造福社會、服務人類。事物的兩面性總是存在的，可以不去杞人憂天，但階段性的風險問題卻需要謹慎對待，要有警示和提前量研判。

人工智能涉及的內容豐富多彩，研究和研發的方式也必然多種多樣。目前從方法和理論上看，體現基于神經元網絡模式的深度學習算法最具顯示度，貝葉斯網絡分析和大規模高質量數據采集、分類、模型構建和分析、可視化與可聽化展示成為最基本的支撐能力，自然語言理解、機器翻譯、語音實時交流、大語言模型及各種展現出實用性的多種類應用、創新能力提升助力、自動駕駛、圖像識別與生成、包括高水平下棋程序在內的對弈和對抗系統、智能搜索等都隨之取得了今非昔比的進步。這些綜合、集成的進展已經通過中試、項目實施和推進、產品化及迭代走向市場而惠及社會。然而，人工智能的更大發展需要理論、方法的多樣化之需求也愈發明顯。比如，基于神經元網絡的方法不可能解決眾多的人工智能需求問題。神經元網絡方法的可解釋性問題也一直面臨著挑戰，與深層網絡密切關聯的大模型遇到的規模瓶頸問題正在不可避免地快速到來。

展望人工智能的未來，適當回顧一下人工智能發展路途中樹立起的路標或里程碑是恰當的。一種方式是看一看圖靈獎頒發過程中對人工智能的認可記錄。從1966年開始，有7個年份，共計11位人工智能專家獲得了圖靈獎。其中，辛頓（Geoffrey"Hinton）、楊（Yann"LeCun）和本吉奧（Yoshua"Bengio）因在概念和工程上取得突破，而使深度神經網絡成為計算的關鍵組成部分而獲得2018年度的圖靈獎。三人中，辛頓是“領袖”，后兩位某種程度都可以認為是辛頓的學生。

20世紀70年代，人工智能發展處于低潮，辛頓注意到了模擬神經節點網絡的發展值得堅持，盡管這個方法在當時不再流行，方法的根本改造勢在必行。然而，辛頓無視傳統智慧的意愿，義無反顧。正如他后來所說，“如果你認為一個想法非常好，而其他人告訴你這完全是胡說八道，那么你應知道你真的在做一些事情”。現在，盡管人工智能如日中天，但方法和方式卻亟需注入新的要素，當年辛頓的勇氣和智慧可否成為時下的榜樣？雄關漫道真如鐵，而今邁步從頭越！讓我們期待著。