【編者按：人工智能技術(shù)的飛速發(fā)展，在短短一兩年內(nèi)徹底改變了人類對于未來的想象。例如，近期蘿卜快跑刷屏，讓不少人驚呼無人駕駛已經(jīng)近在眼前，并擔(dān)憂AI給社會造成的沖擊。大語言模型也仿佛在一夜之間就產(chǎn)生了神奇的涌現(xiàn)。甚至在2023年初，有人認(rèn)為“歷史已經(jīng)終結(jié)”，OpenAI在大模型領(lǐng)域已經(jīng)不可動(dòng)搖。然而，在很多從業(yè)者看來，大模型從來不是突然出現(xiàn)的，AI的發(fā)展也經(jīng)歷了漫長的起起伏伏。不久前，各大模型分不清9.11和9.9哪個(gè)大的新聞，證明目前的大模型能力尚有巨大缺陷。OpenAI也被曝出，正在開發(fā)不同于ChatGPT的、更側(cè)重推理能力的新模型。事實(shí)上，人類期待的通用人工智能（AGI）目前還遠(yuǎn)遠(yuǎn)沒有出現(xiàn)，甚至大模型是不是通向AGI的正確道路，在學(xué)術(shù)界都充滿了爭議?？v觀人工智能發(fā)展史，作為大模型理論基礎(chǔ)的“聯(lián)結(jié)主義”學(xué)派，曾經(jīng)還一度被判死刑，被譏諷為“煉金術(shù)”。如今，聯(lián)結(jié)主義開始占據(jù)絕對話語權(quán)，但誰又能保證，未來不會再次反轉(zhuǎn)？我們可以對AI技術(shù)的未來心懷樂觀，但以史為鑒，也無需過早地認(rèn)為，人類已經(jīng)找到了人工智能的終極答案?！?

回顧人工智能的發(fā)展歷史，有三個(gè)主要的人工智能學(xué)派，分別是機(jī)器模擬人類心智（mind）的符號主義、機(jī)器模擬人類大腦（brain）的聯(lián)結(jié)主義以及機(jī)器模擬人類行動(dòng)（action）的行為主義（見表 1-1）。由于行為主義的研究主要和機(jī)器人學(xué)高度相關(guān)，往往被視為相對獨(dú)立的分支，且其主要觀點(diǎn)已經(jīng)融入聯(lián)結(jié)主義的方法論，因此本書主要介紹符號主義與聯(lián)結(jié)主義這兩個(gè)觀點(diǎn)相對的人工智能學(xué)派。

表 1-1　人工智能學(xué)派主要思想和典型應(yīng)用

稱霸早期人工智能的符號主義

從 1956 年達(dá)特茅斯會議第一次提出“人工智能”一詞到 20 世紀(jì) 90 年代末，符號主義統(tǒng)治了早期的人工智能。如果用一句話來描述符號主義的思想，那就是將現(xiàn)實(shí)世界抽象為可被機(jī)器識別和計(jì)算的符號，利用運(yùn)算模仿人腦思考，通過邏輯推理來認(rèn)知世界。簡言之，符號主義認(rèn)為智能就是計(jì)算。由于邏輯和計(jì)算是人類典型的心智活動(dòng)，因此符號主義也常常被稱為心智派。

追根溯源，符號主義直接脫胎于艾倫 · 麥席森 · 圖靈的思想。圖靈定義了什么是人工智能，以及人工智能應(yīng)該具備什么樣的能力。20 世紀(jì) 40 年代，二戰(zhàn)帶來的計(jì)算科學(xué)和半導(dǎo)體技術(shù)的大爆發(fā)，讓人們越來越多地在現(xiàn)實(shí)層面討論機(jī)器智能的可能。但在那個(gè)約翰 · 馮 · 諾依曼還沒提出計(jì)算機(jī)架構(gòu)的年代，學(xué)術(shù)界根本無法對人工智能的定義達(dá)成一致，更不用說形成一門嚴(yán)謹(jǐn)?shù)膶W(xué)科了。

此時(shí)圖靈的天才盡顯無遺，他另辟蹊徑，先假定機(jī)器可以具有類似人類的智能，然后給出一個(gè)判斷方法：人與一臺機(jī)器和另一人進(jìn)行對話，通過提問與回答，分辨與之對話的是機(jī)器還是人類。如果人無法區(qū)分機(jī)器和人類，則代表機(jī)器通過了測試，是具備智能的。

這就是大名鼎鼎的“圖靈測試”，起初它只是在論文中的一個(gè)思維實(shí)驗(yàn)。圖靈沒有想到的是，圖靈測試會成為判斷人工智能水平的重要標(biāo)準(zhǔn)。到 2024 年的今天，每隔幾年就會有研究團(tuán)隊(duì)帶著自己的人工智能向圖靈測試發(fā)起挑戰(zhàn)，但還沒有一個(gè)可以成功，即便是今天最強(qiáng)大的生成式 AI 模型也沒有完成圖靈的愿景。

1950 年，圖靈發(fā)表了題為《計(jì)算機(jī)器與智能》的重要論文，探討“機(jī)器能否思考”這一問題。圖靈的明智之處，是他沒有糾結(jié)于機(jī)器如何思考的問題，而是開創(chuàng)性地提出用計(jì)算和推理達(dá)到智能的效果，并提出了用圖靈機(jī)的計(jì)算架構(gòu)去實(shí)現(xiàn)這種智能，以及用圖靈測試來驗(yàn)證智能效果。可以說他一個(gè)人定義了什么是人工智能（計(jì)算）、如何實(shí)現(xiàn)智能（圖靈機(jī)）以及人工智能的標(biāo)準(zhǔn)（圖靈測試），因此被公認(rèn)為“人工智能之父”。

回看歷史，如果我們承認(rèn)圖靈是人工智能的奠基人，那我們可以說早期的人工智能就是符號主義的。顧名思義，符號主義得名于符號，其思想主要繼承于圖靈，認(rèn)為智能等同于計(jì)算。為了實(shí)現(xiàn)智能，就要用各種方法將現(xiàn)實(shí)世界的各種物體抽象成符號，然后利用邏輯和計(jì)算替代人類大腦的思考。

在圖靈、馬文 · 明斯基和赫伯特 · 西蒙等代表人物的引領(lǐng)下，符號主義學(xué)說在人工智能領(lǐng)域的統(tǒng)治地位維持了半個(gè)多世紀(jì)，直到杰弗里 · 辛頓等學(xué)者引領(lǐng)的機(jī)器學(xué)習(xí)潮流出現(xiàn)。然而由于時(shí)代和相關(guān)技術(shù)的局限性，符號主義 AI 取得的兩大主要成就是符號表達(dá)和專家系統(tǒng)。

將知識符號化的過程又被稱為符號表達(dá)，也是實(shí)現(xiàn)符號主義 AI 的基礎(chǔ)步驟，其中應(yīng)用最廣的一個(gè)系統(tǒng)就是語義網(wǎng)絡(luò)。語義網(wǎng)絡(luò)可以直觀地呈現(xiàn)信息，并且能進(jìn)行復(fù)雜的語義推理。進(jìn)入互聯(lián)網(wǎng)時(shí)代，谷歌在 2012 年提出了知識圖譜的概念，語義網(wǎng)絡(luò)的相關(guān)研究和應(yīng)用又迎來了一個(gè)小高潮。在知識圖譜的幫助下，搜索引擎能夠確定 Apple（品牌）和 apple （水果）之間的區(qū)別。語義網(wǎng)絡(luò)在自然語言處理（NLP）和知識圖譜等領(lǐng)域至今仍廣泛應(yīng)用，是符號主義在今天仍然在發(fā)揮作用的為數(shù)不多的重要遺產(chǎn)。

符號主義的另一個(gè)主要成就是專家系統(tǒng)。顧名思義，專家系統(tǒng)是一套回答人們特定問題的計(jì)算機(jī)系統(tǒng)。20 世紀(jì) 70 年代，計(jì)算機(jī)的硬件發(fā)展讓大規(guī)模的知識存儲成為可能，專家系統(tǒng)應(yīng)運(yùn)而生，這些系統(tǒng)基于特定行業(yè)的知識收集存儲，并利用編程規(guī)則解決特定的專業(yè)問題，如醫(yī)療診斷、金融分析等。專家系統(tǒng)的概念，第一次讓社會看到了人工智能在商業(yè)應(yīng)用中的前景。

人們對人工智能首次在商業(yè)世界中的大規(guī)模應(yīng)用充滿期待。然而后來的歷史證明，符號主義正在走入一條沒有出路的死胡同。符號主義相信，邏輯是認(rèn)知世界的唯一途徑，因?yàn)檫@是人類認(rèn)知世界的方式，因此他們不辭辛勞地為計(jì)算機(jī)所做的每一個(gè)決定進(jìn)行編程。然而問題是，現(xiàn)實(shí)世界往往充滿了定義不清和難以描述規(guī)則的事件，一個(gè)由工程師精心打造、像鐘表一樣精密的專家系統(tǒng)根本無法應(yīng)對這樣的情況。

專家系統(tǒng)未能達(dá)到預(yù)期，讓人們對人工智能產(chǎn)業(yè)再次失望，直接引發(fā)了人工智能第二個(gè)冬天的到來（見圖 1-1）。盡管深藍(lán)計(jì)算機(jī)應(yīng)用最新的統(tǒng)計(jì)學(xué)方法戰(zhàn)勝了人類，但這種勝利也展現(xiàn)了符號主義的局限性—— IBM 花費(fèi)了多年時(shí)間和數(shù)百萬美元開發(fā)一臺能下國際象棋的計(jì)算機(jī)，但僅此而已，深藍(lán)在其他領(lǐng)域毫無建樹。

到此為止，符號主義 AI 看似已經(jīng)進(jìn)入瓶頸，無法解決通用性和隨機(jī)性問題的弊端讓 AI 難以實(shí)現(xiàn)可觀的商業(yè)價(jià)值。由于發(fā)展沒有達(dá)到外界預(yù)期，符號主義 AI 兩次陷入低谷，外部投資、政府支持和相關(guān)學(xué)術(shù)研究大量減少，史稱 AI 寒冬。浙江大學(xué)人工智能研究所所長吳飛認(rèn)為：“將人類所有知識收集起來且形式化的任務(wù)根本無法完成。人工智能需要模擬大腦而非追求嚴(yán)密的推導(dǎo)功能，即對推理的嚴(yán)格約束進(jìn)行松綁。”看來人工智能要實(shí)現(xiàn)破局，需要我們擁有一種完全不同的思維方式。

命途多舛的聯(lián)結(jié)主義

如果說符號主義試圖模擬人類的心智，那么聯(lián)結(jié)主義則試圖模擬人類的大腦。與稱霸主流的符號主義相比，聯(lián)結(jié)主義的發(fā)展更加一波三折，甚至有點(diǎn)像武俠小說的情節(jié)——主人公遭遇重大打擊卻矢志不渝，后來的一番奇遇讓他修得神功，最終一統(tǒng)江湖。聯(lián)結(jié)主義的主要思想——模擬人腦的神經(jīng)網(wǎng)絡(luò)理論，在人工智能發(fā)展早期就已經(jīng)出現(xiàn)，和符號主義分庭抗禮，但卻因?yàn)榉N種限制長期被壓制，并沒有得到長足發(fā)展。神經(jīng)網(wǎng)絡(luò)的創(chuàng)始人沃爾特 · 皮茨（Walter Pitts）英年早逝，第一個(gè)將神經(jīng)網(wǎng)絡(luò)投入應(yīng)用的學(xué)者弗蘭克 · 羅森布拉特（Frank Rosenblatt）甚至被很多人認(rèn)為是間接死于學(xué)派理論之爭，直到辛頓攜深度學(xué)習(xí)出世，神經(jīng)網(wǎng)絡(luò)才成為人工智能研究的主流。

符號主義稱霸了早期人工智能領(lǐng)域，以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的聯(lián)結(jié)主義則統(tǒng)治了今天的人工智能領(lǐng)域。1943 年，神經(jīng)學(xué)家沃倫 · 麥卡洛克（Warren McCulloch）和數(shù)學(xué)家皮茨提出了首個(gè)人工神經(jīng)網(wǎng)絡(luò)模型，從而開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)模擬人類大腦研究的時(shí)代，這就是聯(lián)結(jié)主義的起源。后來人們根據(jù)麥卡洛克和皮茨的名字將神經(jīng)元模型命名為“M-P 神經(jīng)元模型”。神經(jīng)元模型的發(fā)布并沒有造成太大的影響力，因?yàn)樗鼘?shí)在太簡單，人們不知道它能做什么。直到 1957 年，羅森布拉特在一臺 IBM 704 計(jì)算機(jī)上模擬實(shí)現(xiàn)了一個(gè)叫作“感知機(jī)”（perceptron）的神經(jīng)網(wǎng)絡(luò)模型“Mark Ⅰ”（見圖 1-2），號稱可以對手寫數(shù)字進(jìn)行視覺識別和分類。

簡單來說，最初的神經(jīng)網(wǎng)絡(luò)就像一個(gè)超級大的參數(shù)方程，每個(gè)參數(shù)對應(yīng)手寫數(shù)字的一個(gè)像素。通過研究大量的手寫體數(shù)字，研究人員就可以設(shè)定每個(gè)參數(shù)的賦值——在今天的大語言模型中稱之為權(quán)重，神經(jīng)網(wǎng)絡(luò)就可以分辨數(shù)字了。

圖片來源：https://transbordeur.ch/en/2019/conversations/圖 1-2　羅森布拉特和他的感知機(jī)“Mark Ⅰ”

盡管感知機(jī)的功能簡單，卻有著重大意義。這是人類第一次只需要通過預(yù)先的參數(shù)調(diào)整，不依靠編程，僅靠機(jī)器學(xué)習(xí)以完成某項(xiàng)智能任務(wù)，這就展現(xiàn)了一條獨(dú)立于圖靈機(jī)和符號主義的實(shí)現(xiàn)人工智能的全新道路。至今所有以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的人工智能模型在最基本的工作原理上都與感知機(jī)并無二致。

更重要的是，它和主流的符號主義思想完全背道而馳，形成了一種學(xué)術(shù)路線之爭，自然會引發(fā)學(xué)術(shù)同行的質(zhì)疑和論戰(zhàn)。聯(lián)結(jié)主義的代表馬文 · 明斯基和西摩爾 · 派普特（Seymour Papert）在 1969 年出版的《感知機(jī)》這本書中指出了感知機(jī)神經(jīng)網(wǎng)絡(luò)的一個(gè)致命問題：神經(jīng)網(wǎng)絡(luò)可以很好地完成“與”“或”“非”的邏輯運(yùn)算，卻無法完成異或（exclusive-OR， 縮寫成 XOR）這一人類可以簡單處理的邏輯運(yùn)算，這是由于像感知機(jī)這樣單層的神經(jīng)網(wǎng)絡(luò)（只有一層輸入層和一層輸出層）無法解決非線性分割問題。

要解決這一問題，只能通過多層神經(jīng)網(wǎng)絡(luò)，也就是深度學(xué)習(xí)的方法，但由于當(dāng)時(shí)計(jì)算能力有限，根本無法解決多層神經(jīng)網(wǎng)絡(luò)造成計(jì)算量激增的問題。

作為人工智能的先驅(qū)，明斯基的著作在該領(lǐng)域有巨大的影響力，且他對單層神經(jīng)網(wǎng)絡(luò)缺點(diǎn)的論證幾乎無懈可擊，這在當(dāng)時(shí)人們的頭腦中烙下思想鋼印：“神經(jīng)網(wǎng)絡(luò)連最基本的邏輯運(yùn)算都無法完成，更不可能具有智能?！?從此之后，研究者對神經(jīng)網(wǎng)絡(luò)研究的熱情大減，甚至視之為人工智能研究的“異端”。由于在學(xué)術(shù)論戰(zhàn)中落敗，羅森布拉特從此一蹶不振，并在《感知機(jī)》出版不久后的 1971 年，不幸在自己 43 歲生日當(dāng)天溺水身亡。而在該書出版的同一年，年僅 46 歲的皮茨在收容所孤獨(dú)死去。4 個(gè)月之后，麥卡洛克也在醫(yī)院過世。

短短兩年間，幾位領(lǐng)軍人物相繼離世，這對整個(gè)聯(lián)結(jié)主義學(xué)派乃至人工智能領(lǐng)域來說都是沉重的打擊，有關(guān)神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了一個(gè)長達(dá)幾十年的低潮期，直到辛頓引領(lǐng)的深度學(xué)習(xí)潮流出現(xiàn)，才上演了王者歸來的大戲。

可以看到，符號主義和聯(lián)結(jié)主義思潮在 20 世紀(jì) 60 年代相繼出現(xiàn)，但各自都遭遇了挑戰(zhàn)和挫折。盡管符號主義是當(dāng)時(shí)的“顯學(xué)”，但也遇到了研究的瓶頸，無法滿足人們對人工智能不切實(shí)際的預(yù)期。而聯(lián)結(jié)主義則在路線斗爭中落于下風(fēng)，被譏諷為“煉金術(shù)”，難以獲得資金和人才的支持。當(dāng)然，受限于時(shí)代，計(jì)算技術(shù)、數(shù)據(jù)存儲技術(shù)的發(fā)展都剛剛萌芽，人工智能的研究者們很難將他們的設(shè)想化為現(xiàn)實(shí)，這也是人工智能屢屢遭遇寒冬的客觀原因。

（本文節(jié)選自《云上的中國3》 作者：吳曉波 / 安健 / 劉斌）

本文系觀察者網(wǎng)獨(dú)家稿件，未經(jīng)授權(quán)，不得轉(zhuǎn)載。