计算技术渐趋复杂,机器开始显示出智力——但,它们能真正地思考吗?

人工智能的过去

回顾机械式计算机,它们是帕斯卡尔和莱布尼兹早在十七世纪就推荐的。恐怕最著名的机械式计算机要算1833年巴贝吉的分析机,它是第一个采用贮存程序的机器设计,它是从穿孔卡片上读出程序的。虽然这种机器从未造成,但程序是编制出来了。巴贝吉和洛夫莱斯认真讨论的问题已经被保存下来,反映出来的争论问题涉及自动编码、下棋与作曲程序,以及自动化的智能如何(或是否)和人的思想相联系等等。

回顾令人神往的那段时间,早期的这些讨论当时并没有立即得到发展,产生计算机和人工智能。只是在二十世纪初期某些更强有力的智能运动之后,计算机与人工智能才出现。智能运动之一,是叫做逻辑实证主义的哲学运动,它致力于把对认识论的考察变得和数学一样精确。认识论是研究认识的起源、方法和限度的——我们能认识什么和我们怎样才能认识。虽然早期的逻辑实证主义者头脑中并没有计算机,但用数学精确性来定义认识本性的企图与后来计算机的出现有关,却是不足为奇的。

影响逻辑实证主义发展的一本著作,乃是1921年出版的威特金斯坦的《逻辑哲学专论》。该书的内容和它的结构都是很有意思的。该论文形式上只有七个基本论述,编号从1到7。为了对读者加以引导,威特金斯坦用几种不同水平的补充说明来阐述基本论述。例如,论述1.1和1.2就是论述1的补充说明。1.1.1则是用来帮助理解1.1的,依此类推。读者有选择权,可以由左向右,由上往下,甚至把次序反转过来阅读。

他陈述道:

4.0.0.3.1   所有的基本原理都是“语言的评论”。

5.6   我的语言的极限表示出我的世界的极限。

5.6.1   我们不能思考我们不能说的东西。

在威特金斯坦的世界中,存在着一定的基本事实,存在着关于基本事实之间相互关系的定理、以及存在着定理之间可以容许的转换,产生组合定理。他的人类思想的模式是:我们能接受包含基本事实的印象感觉。然后我们能转化这些基本事实,并按照一定的可以容许的逻辑程序导出它们之间的相互关系。在此模式之外的任何思想不是虚假的就是无意义的。

从集合论出发,数学家艾伦 · 图灵于1937年发现惊人的新理论,这导致近代计算理论的出现、实际上,图灵重申了源自威特金斯坦的主张,即,真实的思想就是计算,只有到这时他才说明,概念显然是作为计算技术的而不是人类思想的形式定义。

图灵开拓工作的一个目的,是想涉足尚无解答的一个原理——伟大的德国数学家戴维 · 希尔伯特的所谓第二十三个问题。这个问题简单地说,就是是否能设计一种方法来辨别称为谓语演算的逻辑语言中的论述是真实的还是虚假的。为了检验希尔伯特所说的“方法”一词的含义,图灵建议把算法作为方法的形式定义。他还设想算法这一持久的概念是和靠熟知的图灵机运行的程序一样的。

图灵机已经作为我们的原始计算理论模型而保留下来,因为它的组成简单而能力很强。它的简单性来自它能做的事情项目很有限。它能读纸带并决定它的下一步运算,这取决于它读的是0还是1;它能向左或向右移动纸带;它能在纸带上写出0或1;它能跳到另外的指令;以及它能停止。但就其能力而论,图灵能证明,这种极其简单的机器能够计算任何机器所能计算的东西,多么复杂都没有关系。

图灵机之所以引起轰动有两个原因。首先,它的组成简单而能力很强,令人惊讶。其次,图灵发现了意想不到的事情——存在着明确的问题,我们能证明它的解答存在,但也能证明解答永远也找不到。这就是所谓不可解问题。

1930年,三位数学家——库尔特 · 戈德尔,艾伦 · 图灵和阿朗索 · 丘奇一一各自独立地证明了最初于1900年提出的希尔伯特第二十三问题的解答不存在。没有一种方法或算法能确定谓语演算中逻辑论述的真伪,我们甚至不能把可以证明的论述与不可证明的论述区别开来。三位数学家的著作所引起的反响至今仍能感到。例如,戈德尔的不完全定理证明,所有的有足够能力的形式系统能够产生全然不能解决的命题。此定理在整个数学中已被认为是最重要的。戈德尔、图灵和丘奇的著作第一次正式证明了逻辑、数学和计算技术所能做的有明确的极限。这些发现恰与威特金斯坦的论述6.5:“如果一个问题能够被构造出来,它便能得到解答”发生剧烈冲突。

除了寻找计算能力的某些奥妙的极限以外,丘奇和图灵还各自独立地提出一个业已为大家所熟知的丘奇 - 图灵命题——如果出现在图灵机面前的一个问题是图灵机所不能解决的,那么它也是人类思想所不能解决的。其它人也重申了丘奇 - 图灵命题,提出:人类思考或知道什么和可以计算什么二者在本质上是等价的。丘奇 - 图灵命题可以看作是对威特金斯坦在《专论》一书中最早提出的命题用更精确的术语所做的重新表述。

应该指出,虽然不可解问题的存在是数学必然,但丘奇 - 图灵命题全然不是一个数学命题。它的经过各种各样乔装的论述正是某些最深奥的哲学争论的中心。它有否定与肯定两个方面。否定的方面是这样的:凡是通过任何理论计算手段都不能解决的问题,人类思想也不能解决。承认这一命题意味着有这样的问题,其解答可证明是存在的,但却永远不能找到。肯定的方面是这样的:如果人能解决一个问题或从事某种智力活动,那么按同样方式活动的机器最终也能建造出来。这是人工智能活动的一个中心命题——执行智力功能的机器能够造出来,智能并非是人类思想独占的领域。我们能由此而得到人工智能的一个可能的定义——人工智能试图为丘奇 - 图灵命题提供实际示范。

直到二十世纪四十年代后期,思想与计算技术之间的联系还只是理论上的。第二次世界大战期间由于电子计算机的发展,讨论很快地转向实际,研究用有效硬件可以做什么。早期人工智能的尝试是热情洋溢的,富有成果的,是对“无价值”论或多或少的一种触犯。赫伯特 · 西蒙和艾伦 · 纽厄尔于1958年发表的论文中说了下面一段话:“现在世界上存在着思考、学习和创作的机器。而且,它们做这些事情的能力正在迅速增长——在可以预见的未来——它们所能处理问题的范围将随人们钻研范围的扩大而扩大。”

该论文接着预言,在十年内(即不迟于1968年)数字式计算机将取得国际象棋世界冠军。八年以后,在1965年,西蒙在另一篇文章中写道:“在未来二十年内,机器将能做人所能做的任何工作”。

时至今日我们已不必特意挑选西蒙。他的贡献和事实上取得显著进步的别人一样多,在制造这种未完全实现的诺言方面也远远不止是他一个人。我只想指出这样一点,人工智能领域在开始时带有一种浪漫色彩的活力,这使它取得了某种有深远意义的智力成就,但与此同时,在某种程度上也存在可靠性问题。在描述人工智能的技术问题时引用拟人术语的强烈趋向也是人工智能早期工作(某种程度上现时也一样)中浪漫主义的反映。

我相信,今天的一致意见是,如果这个领域的巨大的潜在能量得到认识,那么像预期的那样确立现实主义的规范是十分必要的。人工智能技术的真正成就现在实际上足以使这个领域几乎完全不需要考虑将来的生存问题。

人工智能的现在

我将引用六个论断,它们是近几个月被提出的,我将说明对每一个论断是同意还是不同意。由于像我这样的人工智能的研究工作者常常受到责难,说我们的意见含糊。为此我要对每一个论断作出简单明确的回答。这样做了以后,经不住我所接受的教育的诱惑,还是要给出一个长的含糊一些的回答。

第一个论断是:“人工智能是LISP(编目处理)。”

我的简短回答:不是。

LISP是与符号表达求值有关的计算机程序语言。这些表达主要包括表格和函数。表格本身又定义为项目的有次序的结果,它们可以是数字、符号、公式,或别的什么表格。通过明确表格的谱系,可以创造很复杂的数据结构;这些结构能互相制约。

在解释我简短的否定回答之前,让我讲几句赞扬LISP的话。首先,LISP是一种精美的和令人满意的语言,反映了它的数学根源的这种语言通过递推而获得多方面的能力。其次,LISP是为数不多的高级语言之一,它允许自动修改代码。第三,LISP允许高度灵活的信息结构,其所显示的概念要比数目字更复杂。

我之所以做否定回答有两个原因。首先,我感到存在着过于依赖和强调LISP的问题。其次,可能有更突出的问题与某些LISP的缺点有联系。正如我下面想说明的,人工智能的未来在很大程度上依赖于并联处理程序——许多处理机相结合,同时进行运算——而不是一步一步地进行运算。并联一百个小型机器的制成品是实用的,而且费用不多。但还不曾有人建议制造包含一百个高效的LISP机的产品。当设计出LISP机时并没考虑并联处理程:序,LISP机对它也并不特别适合。我认为,对人工智能的未来,并联处理程序将比表格处理程序更为重要。

USP在人工智能的研究中将继续是一种重要语言是不会成问题的,它将继续得到发展。然而我并不相信它能继续像今天这样处于支配地位。

我希望考察的第二个论断是:“人工智能是人工智能技术”。我的简短回答还是:不是。

如果我们定义了某些专有名词,它将开始有意义。对于人工智能,我的意思是指创作机器的模拟艺术,这种机器执行任务需要智力就像人类执行需要智力一样。这是明斯基在六十年代中期给人工智能所下的定义。对于人工智能技术,当人们说“人工智能技术”时,他们所指的是人工智能杂志文章中所载的那样一些技术。那一套技术是在过去五年内在人工智能研究中心已经采用过的技术,而非这五年内优先研究的技术。

伴随着第二个论断而来的一个问题是:人工智能技术这一概念多少带有任意性和含混不清。我建议我们不采用这一含糊的术语,而代之以推理技术,或概念联想技术,或高水平特征提取技术,或专家管理技术等等。

伴随着这一论断还有一个更重要的问题。不论这种术语的含义有什么混乱,根据我的经验,大部分技术成功地应用于人工智能问题全然不是与这种人工智能技术有关,而是和我们称之为范畴相关(domain-related)技术有关。例如,我的同事和我正在研制一部机器,希望它能辨别人类的实际上不限词汇的谈话。所谓的人工昝能技术包括诸如专家管理,定向检索,上下文分析等等,而大部分我们采用的技术是有特定的查询范畴的。我们发掘它要涉及语言学,语音科学,音质学,符号整理,信息理论,人类因素 · ,计算机体系结构,大规模集成电路设计等领域。

第三个论断是:“人工智能是并联程序”。我的简短回答:是。

我之所以做肯定回答并非由于人工智能的执行过程一定是使用并联程序比使用LISP为多,而是由于我相信并联结构体系是未来的潮流。并联程序比串联程序能模拟更多的使用手段。我们依靠串联程序完成工作,好比是在一个社会里,工作只由一个人一个一个地去完成。

采用并联程序的另一原因是:运用足够强大的力量来解决一个问题常常是获得预想结果所必须的。例如,一个专家系统的标准构造由三部分组成——一个与专业知识范围相对应的大型数据库;一套检索、操纵和变换数据库的规则;一个逻辑推理处理机,它能把这些规则运用到已经有条理的知识基础上。这种系统中的难关并不是存贮信息和规则的存贮费,而是推理操作的实时要求。这个问题能够在合理费用之内通过大型并联结构加以克服,这样制成的专家系统无疑是可以信赖的。

人工智能从一开始就涉及到棋类游戏。这种游戏,其基本算法相当简单,众所周知是:生成树形分枝,下推,删除。有意思的是,在三十年的时间内,下棋机已经整整转了一圈,我们发现,改进性能最有效的手段还是强力逼近。采用较强能力的计算机比采用精细的计算方法对改进下棋机的性能更为有效。现在最好的下棋机正是巨型计算机,这一点并非巧合。最终赢得世界象棋冠军的计算机无疑将是一个高度并联的计算机。

—种近似于并联程序的方法是把许多微型计算机连到一起,使它们的工作连通并相互协调。此外,史强有力的近似则是提供一系列在单个芯片上的次级处理机,每一芯片都专用于某些特殊的任务。惯常采用大规模集成电路,在一个芯片上可能安装一打或更多的次级处理机。安装有100个芯片的产品所提供的计算能力超过1000部微信息处理机,而其制造费用少于1000美元。

第四个论断是:“人工智能是交叉学科”。我的简短回答:是。

这个论断初看起来是显而易见的。然而,我觉得在人工智能中必须交叉工作的范围以及面临的难题都还没有被充分认识。正如我先前说的,在我的经验中,范畴相关技术应用于人工智能所取得的成就远远多于普通人工智能技术,这一点对所需研究计划的类型有重要意义。

在解决人工智能问题时主要难题牵涉到组织机构与通信联络。由半打或更多受过各式各样训练的人所组成的研究组是不容易合到一起整体配合的,其中的问题是,组内成员之间的技术语言不同。

第五个论断是:“人工智能是仿照人类智能制作的”。简短回答:不是。

如果能仿照当然很好,但我们十分清楚,在目前还不能大量模拟人类认识力。也有例外,我们在谈话识别工作中,围绕着蜗形管和听觉神经的听觉程序问题业已取得优势。我们发现,如果我们试图模仿人类听觉的前端程序,我们的谈话识别算法会执行得比较好。然而,我仍然回答:不是,因为前端程序只代表包含在谈话识别全部程序中的很小一部分,不管是通过机器还是通过人。

我们对听觉前端程序之所以了解得多,是因为实验动物的蜗形管和听觉神经相对来说更容易接近一些的缘故。大量认识程序发生于我们的探觉所及的范围。我们现在已认识到,大多数程序不仅仅是发生于脑髓深层的脑细胞,而且出自细胞内部一系列复杂的化学变化。对脑子的了解还会继续进展,但对新的人工智能算法而言,我们并不把希望寄托于此。

我的最后一个论断是前一个论断的倒转:“我们能通过人工智能算法学习人类的认识方式”。我的简短回答:是。

在我们能对人类做替代理论实验之前,我们需要有做实验的理论。这种理论最好的来源便是我们已经在机器工作中发现的技巧。事实上,在机器工作中的算法工作并不能证明在脑髄中运用着同样的技巧,但它能证明这是脑髓工作的一种可能方式,并为神经生理实验课题提供了一个潜在的理论。

人工智能的未来

如果转而把我们的注意力集中到未来,让我们明确我们正在接近的前沿是什么很重要。恐怕最好还是以阐明在不久的将来我们不指望看到什么作为开端。我们回溯到西蒙的第二预言,即,机器可能重现大范围的人类智力才能。但,例如,到本世纪末,计算机能看电影并写出相关的评论文章却是值得怀疑的。

虽然如此,我们所起的这个开端仍然有重要意义。我们正在获得把狭义的局部的机器智能运用于广阔范围的能力。我喜欢强调“狭义”一词,因为就是在下一个十年内所创造的计算机也是不能涉足各种各样的智能活动的。代之而来的,我们将看到带有明确的专业知识范围的系统会迅速增加——这些系统或者是能掌握疾病特别分类知识的,或者是能开发金融投资策略类型的,或者是有助于指导复杂谈判的。

撇开我所强调的“狭义”一词不谈,这种专业知识自动分类的意义是不可低估的。看一看它的影响,今天几乎在所有的领域都有计算机,尽管它们事实上全是白痴学者。把某些恰当的局部智能附加到掌握着大量信息,无疲倦地进行高速重复运算的计算机上,将形成一个强有力的组合。事实上,我们的目标并不是要在下一代计算机中复制人类智能,而是致力于无比强大的机器智能。在可以预见的将来,它将十分不同于强大的人类智能。

努力发展智能计算机与谈话识别,自然语言理解以及计算机视觉等领域的相互联系至少和形成专家系统同样重要。下一代智能机的主要使用者将不是计算机专家而是普通人,包括儿童。存在着广泛的努力,例如,把某些智能测量添加到计算机辅助指令系统中去。下一代教学机将试图评价学生,确定他们的优点与缺点,他们的兴趣爱好,并以引人入胜和教学式的声音为每一个学生提供个别指导。

按我的预见,我相信,到本世纪末,人工智能将和今天拥有个人的计算机那样普及。大多数软件,至少拿今天的标准来衡量是有智能的。它将与使用者通过灵活的前后端相互作用;使用高度组织起来的嵌于软件的数据库就像和调无线电通信一样;高速的并联计算机将能根据需要做信息处理。

如果我们考虑什么样的行为表现是智能的,人们会观察到智能行为兼有两个特点。首先,行为表现为有理性地适合于所处境况。第二,它并非是完全可以预测的。计算机现在正令人满意地接近于这两种情况。通过联系非常迅速变化中的数据库,通过应用高度并联程序以产生所需要的推理与演绎,这样的系统所作出的回答确实结合了适当性与不可预测性,少说也带有智能行为的印记。

很难说这种实际上有智能的系统的广度。构成人工智能的标准总是在变。在五十年代,大量鼓励的是计算机下棋和检验,虽然水平还不高。时至今日,我们已不把二十美元一个的、棋艺相当好的袖珍下棋机作为人工智能的典范。五十年代后期和六十年代初期鼓励用人工智能程序证明定理和解决计算问题。今天已经有更多强有力的成套设备用以处理十分有用的数学方程式,但通常也并不把它作为人工智能的典范。

某些观察家已经建议,人工智能本来就是建立在技术可行性的移动边缘之上的,应该把它定义为尚未解决的那些计算机科学问题。

[American Scientist,1985年5 ~ 6月]

_____________

* Raymond Kurzweil是从事图像识别技术的发明家,1976年,他第一个采用光扫描系统,发明了盲人阅读机。本泽文摘自他在电气与电子工程师协会计算机设计国际会议1984年年会上的主旨讲话。——译者。