“深蓝”带来了什么？

lfang

写在前面的话：
因为科学哲学并非我的主业，此篇只是哲学性的习作，发在该区只是希望能够抛砖引玉，希望能够看到大家对我的观点提出看法，对我的错误观点进行指正，对这个问题进行有益的探讨。
文字版本如果没有得到许可，请勿以任何方式进行转载。

   1997年5月，IBM旗下华裔科学家许峰雄博士研制的“超级计算机棋手”“深蓝”以3.5：2.5的比分战胜了被誉为“历史上最伟大的国际象棋大师”的人类对手卡斯帕罗夫。一时间，“人工智能”被媒体与大众广泛关注。
   以“深蓝”为代表的人工智能意味着什么呢？
   1950年计算机专家阿兰•图灵在《心灵》（mind）杂志上发表《计算机器和智能》。他认为，“如果机器在某些现实的条件下能够非常好地模仿人回答问题，以致使提问者在相当长时间内误认为它不是机器，那么机器就可以被认为是能思维的。”“人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。”图灵从功能性的角度解释人工智能的性质，现代人工智能学界一般认为：人工智能就是通过研究人的智能活动规律，用人工模拟、延伸和扩展人脑的智能行为的科技，包括实现感知、学习、记忆、推理、对策、决策、预测、直觉、联想。
   按照人工智能的定义来限定，我们发现其作为一种科技，早已存在。如1976年，美国伊利诺斯大学的阿佩尔和哈肯在三台计算机上，使用1200小时，做了200亿个逻辑判断，证明了一百多年人们一直想证明而没能证明的四色定理；爱德华•费根鲍姆与诺贝尔奖金获得者、遗传学家约舒亚•莱德伯格合作研制了可作质谱分析来确定未知有机化合物结构的ENDRAL系统；匹兹堡大学开发了疾病诊断系统INTERNIST……这些都属于人工智能的范畴，都产生了不同凡响的社会、经济效益。
   人们过分重视“深蓝”，不难想象，人们认为，机器在智能方面并不比人逊色，甚至在某些方面远胜过人，具备了人一样的意识，它的不断发展和完善最终可能导致统治、排斥、淘汰人类。
   那么，人工智能型机器真的具有了人的智能，并超越了人吗？
   首先，从人工智能的定义可以看出，人工智能是以人的智能行为为基础，从思维机制上模拟人的智能，这就决定了人工智能是以人的智能为前提的，对人智能活动的深入、系统研究是人工智能的基础，它无法冲破人的智能发展的极限。而且微软中国研究院的张亚勤博士在《解读21世纪的智能计算》中指出“人对于自我意识的机制尚且缺乏深彻的了解，更遑论把这套机制完全照搬到机器中的奢望；换言之，人类思维的规则几乎是不可能被完全破译的，所以机器所能够接受的永远都只是残缺不全的‘人的智能’，再强大的机器也不可能再现人类思维的复杂机制。”
   其次，计算机可以借助人类大脑无法企及的运算速度、精度、效率，采用精确的算法在某些特定专业领域深入解决问题。就深蓝来说，这台超级并行处理计算机具有多达256块芯片，利用先进的并行算法可以每秒钟运算2亿步棋。这是计算机对于人的优势。但我们应该看到，建立算法和数学模型是计算机处理信息的手段，甚至说是唯一途径。也就是说，计算机必须依靠事先设计和输入好的算法，如果一项任务无法编程，那么计算速度就成了纸上谈兵。许峰雄博士也承认“一切都基于一个信念”：把整个弈棋的过程假定为某种在数学上可以描述并搜索的过程。于是，需要把“如何表述”弄清楚，剩下的任务才能依靠计算机的运算，这也说明了为什么人类因为编程困难，开发出的最好的围棋程序只能排在人类选手负五段的水平。
   问题随之深入，数学在算法上是完全的么？1931年，奥地利数学家哥德尔宣布：任何丰富的包含初等数论的数学形式系统内部在希尔伯特的意义上不可能证明本系统的不矛盾性。数学形式系统不仅是不完全的，而且是不可完全的，这就是著名的哥德尔不完全性定理。那么数学家如何达到数学真理？哥德尔说，依靠人类理性和数学直觉。计算机不能证明全部数学真理，而人心又能直觉到真理性！这仿佛说明计算机模拟人类的数学思维有着不可超越的逻辑极限。当然，哥德尔后来指出，仅有他的定理不足以推出在智能上人一定胜于计算机，还需附加一定的哲学假定，还有赖于包括心、脑、生理学的整个科学的发展才能做出定论[1]。
   再次，以前的博弈机器人只是按照程序员编好的走棋法则，搜索数据库下棋。一旦人通过某种棋法赢得比赛，就会屡试不爽。而人工智能型机器人会改变棋路，不犯上次的“错误”，直至战胜人。有人就此论断，机器人能够“学习”，并且缔造了“深蓝神话”。计算机的这种能力应该说是伯克利大学模糊集合的创立者Lofti Zadeh提出的“软计算”概念的功劳。这一应用抓住了人脑思维的模糊性和不确定性的特征，在某些步骤上按照规则进行合理选择。该方法归根究底，计算机还是通过确定的非此即彼的0、1判断去模拟人的不确定性的思维，也可以说是用封闭性体系来模拟开放性体系，这并非真正意义上的学习和思维。
   最后，通过高度并行方法提高离散符号的处理速度模拟人的智能，这种“自上而下”的方式使计算机性能提升的空间逐渐缩小，无法再出现较大突破。微软研究院科学家参考物理学家约翰•霍普佛德（John Hopfield）“自下而上”的思路，用所谓“基于采样和统计学习的方法”来使计算机变得“聪明”。如让计算机绘画，先将大量作品作为样本。这样当给计算机“看”一张新的照片时，它就会自己去与采样库比较，并产生一张新的速写（统计结果）。可以想象，机器所产生的作品是可以不断修改完善的，给它输入的数据越多，它所绘制的图片便越逼真。在把规范模式利用计算语言输入计算机的同时，也在计算机内部建立庞大的统计数据库，“这样机器就处在某种不断学习完善的状态下”，“直至最终人们无法准确定义机器可能做出的反馈。”[2]可以看出，研究方式由演绎、推理的“自上而下”向“自下而上”转变，有了可喜的进步。但是，人工智能型机器并不是像人处理问题中利用归纳，而是用采样、统计、鉴别以至达到识别来代替归纳。可以料想，当这项技术成熟时，“至少图灵测试可能在某些特定领域成为现实”，但是在智能方面机器离人还很远，因为它缺乏由感性认识向理性认识上升的通道——归纳，无法从资源与经验中进行吸收和总结活动。只会进行演绎的事物无法成为认识世界、改造世界的主角。
   除了以上所论述的，人工智能型机器还无法创造出新的思维方式和方法，无法创新。这都从一方面说明了图灵测试只是功能性模拟（黑箱模拟）的思路，并没有触及智能的本质。
   值得一提的是，有些科学家从仿生学的角度模拟人脑结构，以达到模拟人的智能。现在已经研制出100多个神经元模型及其它局部模型，但人脑一千亿个神经元和身体连接的方式仍不是短时期内能够解决的。
   从以上的分析可以看出人工智能型机器具有一定的极限，而且“认识世界”的途径与人并不相同。人工智能型机器在特定专业领域优于人，但在智能的整体性上与人的差距还很大。
   美国《民族周刊》曾载文指出：“在21世纪的头25年内，我们将看到蓝领工人，即装配线上的普通工人几乎全部消失。” 实际上，这正说明人们研究人工智能技术，能够将人类从重复性劳动中解放出来，大幅度提高劳动生产率。那种使人类的脑力和体力空前解放的机器助手，在一些人难以从事、甚至无法从事的生产、生活岗位上大展身手的人工智能计算机，将成为真正意义上的助手，造福人类。这正是科技工作者研究人工智能的初衷。而美国学者威廉•布里奇提出的预言：随着后信息时代的到来，人类将来消失的不只是少数工作或某个行业，而是工作本身。并由此认为在这次劳动革命中，“人工智能型机器将代替人”纯粹是杞人忧天。

[1] 刘晓力.哥德尔定理能证明人心超过计算机吗[N].科技日报，2000-11-2.
[2] 张亚勤.解读21世纪的智能计算[EB/OL].
http://tech.sina.com.cn/it/t/2002-10-29/1631146655.shtml，2002-10-29.

FLN:200228003801102