1.1 全方位認識AI

1.1.1 AI的定義

1950年，為了測試機器的智能，阿蘭·圖靈提出了圖靈測試：如果一臺機器能夠與人類展開對話（通過電傳設備）而不被辨別出其機器身份，那么稱這臺機器具有智能。

1956年，在達特茅斯（Dartmouth）會議上，由John McCarthy、Marvin Minsky、Claude Shannon等人第一次提出了AI（Artificial Intelligence，人工智能）的概念。從此，AI作為計算機的一個分支學科，開始發展壯大。

對于AI的定義，有許多不同的觀點，在《人工智能：一種現代的方法》[1]中將已有的AI定義為：

□ 像人一樣思考的系統；

□ 像人一樣行動的系統；

□ 可理性思考的系統；

□ 可理性行動的系統。

在中國電子技術標準化研究院發布的《人工智能標準化白皮書》中，AI被認為是利用數字計算機或由數字計算機控制的機器模擬、延伸和擴展人的智能，感知環境、獲取知識并使用知識獲得最佳結果的理論、方法、技術及應用系統。

如果提升到人類文明發展的角度，還有一個更升華的定義。AI，其實是科學家理解和重構人類智能的產物，人們期待它像人一樣理解和探索未知事物，進而發展生產力、延續人類文明。《荀子·勸學篇》中說，“君子生非異也，善假于物也”，AI就是人類可依托的最高智慧形態的“物”。

根據系統的智能程度可以將AI劃分為弱AI、強AI，有些學者預測在強AI之后還會有超AI。

1）弱AI（Artificial Narrow Intelligence, ANI）：主要是指只能解決某一特定問題或完成某一項特定任務的智能系統，如IBM的深藍系統、AlphaGo，專門用于國際象棋、圍棋等領域；再如當前商業應用中的智能診療系統、智能客服系統等，只能解決預設領域中的預設問題。這些系統針對專一問題可以提供很好的解決方案，但是遷移能力極弱，也不具備自我意識。

2）強AI（Strong AI）：又叫通用AI（Artificial General Intelligence, AGI），是指具備獨立的意識和知覺、可自主應對外界環境挑戰的AI。雖然沒有對強AI智能水平的準確量化，但是其應具備如下能力，這已成為共識。

□ 感知信息的能力：具備對外界結構化或非結構化信息進行感知和獲取的能力。

□ 自主思考的能力：在外界的不確定情況下，可以進行自主思考。

□ 自主學習的能力：具備基礎知識或者常識，在知識儲備無法解決問題時，可以自主尋求學習。

□ 制定目標和計劃的能力。

□ 交流溝通的能力。

實現強AI，可以說是AI發展的終極目標之一，但無論是理論研究還是技術實現，難度都非常大。根據Gartner在2021年發布的AI技術成熟度曲線（見圖1-1）可知，通用AI即強AI的成熟時間預計在10年以上，但這里的“10年以上”難以真實反映強AI與現實的距離。根據當今AI領域商業或研究方向的專家（如DeepMind首席執行官Demis Hassabis、谷歌AI首席執行官Jeff Dean和斯坦福AI負責人李飛飛等）預測，強AI時代可能需要等到2099年才能到來。預測可能存在偏差，但是這個預測足以說明理想和現實之間的差距。

強AI除了在理論研究、技術實現上有較大的挑戰，在倫理道德上也有較大的爭議，各國發表的一系列AI標準等也在為AI發展的倫理道德風險做預估。

3）超AI（Artificial Super Intelligence, ASI）：指智能水平大大超過人類水平，或大大超過強AI水平的人工智能。牛津大學哲學家尼克·博斯特羅姆（Nick Bostrom）將超AI定義為“在幾乎所有感興趣的領域都大大超過人類認知表現的任何智力”。

對于超AI的可能性，仍有許多不同的觀點，一些研究員認為，通過人類的進化和修改人類的生物特征，可獲得更強大的生物智能，因此超AI其實只是人類和計算機的高度融合，而非新的物種。而另一些研究員認為，在通用AI出現之后，由于其在記憶、知識儲備、并行處理等維度均會大大超越人類，因此會形成一個新物種，且變得比人類強大。

尼克·博斯特羅姆提到，對比計算機和生物，生物神經元的工作頻率峰值為200Hz，比現代的2GHz的微處理器慢了7個數量級。神經元在速度不超過120m/s的軸突上傳輸信號，而現有的電子處理核心可以以光速進行通信，這個差距是2000倍以上。而在擴展協同能力上，許多計算機可以彈性增加計算能力，這一點也是人類智能難以匹敵的。

1.1.2 AI的三大學派

AI在發展過程中產生過許多技術路線，形成了許多技術學派，無論是哪種技術學派，最終目標都是為了邁向強AI。當前AI已形成三大學派，即符號主義、連接主義、行為主義。

1.符號主義

符號主義又稱邏輯主義、心理學派或計算機學派。該學派認為AI源于數理邏輯，即使用數學方法研究邏輯，是數學的一個分支。數理邏輯在20世紀30年代開始用于表示智能行為，之后又在計算機上實現了邏輯演繹系統。1956年前后，艾倫·紐厄爾（Allen Newell）等人編寫的計算機程序——“邏輯理論家”，證明了38個數學定理，表明使用計算機可以模擬人類的智能活動。1956年首次提出的“AI”術語正是來源于這些符號主義者。在符號主義路線下，啟發式的程序、專家系統、知識工程理論與技術等在20世紀80年代前后蓬勃發展。符號主義在20世紀為AI的發展做出了重要貢獻，尤其是專家系統的成功開發與應用，對AI從理論到落地應用具有重要意義。經過大半個世紀的發展，符號主義依然是AI的主流派別，該學派的代表人物有艾倫·紐厄爾、希爾伯特·A.西蒙（Herbert A. Simon）等。

2.連接主義

連接主義又稱仿生學派或生理學派，該學派認為AI源于仿生學，特別是對人腦模型的研究。連接主義通過研究腦模型和模擬神經元，構建人工神經網絡模型，開辟出AI發展的另一種途徑。20世紀60～70年代，基于感知機的腦模型研究曾引起關注，但由于受到技術條件的限制，腦模型研究在20世紀70年代后期陷入低谷。1982年，霍普菲爾德（Hopfield）教授提出霍普菲爾德神經網絡；1986年，魯梅爾哈特（Rumelhart）等人提出誤差反向傳播（Back Propagation, BP）算法，之后，卷積神經網絡、深度信念網絡、深度神經網絡訓練方法等理論相繼提出，這將連接主義的發展帶入高潮。基于深度神經網絡的方法在21世紀初給計算機視覺、語音識別、語義理解等領域帶來了應用突破，使大量應用成功落地。

3.行為主義

行為主義又稱進化主義或控制論學派。這個學派認為，AI源于控制論，即基于感知、控制和行為反饋的系統。在20世紀40～50年代，控制論就成為時代思潮的重要部分，影響了許多早期的AI學者。控制論將信息論、神經系統、邏輯和計算機聯系在一起，模擬人類在控制過程中的智能行為，如自尋優、自適應、自學習等。對控制論系統的研究為智能控制和智能機器人打下基礎，推動了20世紀80年代智能控制和智能機器人系統的誕生。

行為主義是20世紀末才以AI新學派的面孔出現的，引起了許多人的關注。在21世紀，智能機器人在各個領域獲得了巨大的成功，比如工業領域機器人的出現帶動了先進制造的發展。在其他領域，也出現了一些具有代表性的產品，如波士頓動力公司的機器狗、行走機器人等。

1.1.3 AI的發展歷程

AI的概念始于19世紀50年代，而后經歷了三個大的發展階段，這三個階段也是AI不同學派、研究路徑、算法興起和發展交替的過程，如圖1-2所示。

AI發展的第一階段是20世紀50～80年代，在這個階段，數字可編程計算機已出現，是符號主義的繁榮時期，但是由于當時的運算能力不足，許多復雜的問題無法具象化表達，在常識認知和推理方面發展難度較大，在1970年后進入了低谷期。

AI發展的第二階段是在20世紀80～90年代末，在這個階段，連接主義和符號主義都得到了快速發展，人工神經網絡、反向傳播算法在這個階段獲得突破。資本和研究對專家系統的熱情高漲，加上計算機發展得到長足進步，迎來了AI的第二波高潮，但由于數據及知識獲取、知識和規則的局限以及高昂的構筑成本，專家系統又走入了低谷。

AI發展的第三階段是21世紀初至今，隨著大數據的積累、計算機運算能力的大幅提升、算法的革新，以深度學習為代表的第三波AI熱潮迎來了繁榮。

從學派的角度看，AI的發展過程是各學派競相發展的過程：符號主義在20世紀80年代之前一直主導著AI的發展，對應的是第一代AI；連接主義則從20世紀90年代開始發展，特別是在深度學習有了較大發展后，讓其在21世紀初進入高潮，大有替代符號主義的勢頭，這對應著第二代AI。這兩種學派的本質是從不同的角度模仿人的心智，具有各自的片面性，難以觸及人類真正的智能。

清華大學AI研究院院長、中國科學院院士張鈸教授在紀念《中國科學》創刊70周年專刊上發表署名文章[2]，闡述了第三代AI的理念，即融合利用知識、數據、算法和算力4項要素的可解釋和魯棒的AI理論方法，發展安全、可信、可靠和可擴展的AI技術。

從智能化程度的角度看，過去數十年AI的發展推動了智能化水平的不斷提升，智能化的形態可以通過計算、感知、認知、意識這4個階段來劃分，如圖1-3所示。

計算是基礎，智能水平也可以用計算水平來表示。隨著算力的增長，計算機可解決的問題也越來越多。隨著深度學習方法的突破，大規模并行計算成為智能計算的主流。傳感器對物理世界的感知實現了物理世界的數字化，感知智能能讓計算機理解數字化物理世界中的基本概念，讓它會聽能說、會看能認，從而實現機器與世界的基礎交互。認知智能能讓機器理解、思考并解決問題，是更高級的智能，能解決更加復雜的問題。意識智能是圖靈獎獲得者Manuel Blum夫婦在2020年提出的，即構建可計算的意識模型。深度學習方法不僅在計算機視覺、語音識別等領域帶動了感知智能的大幅飛躍，還在語義理解等方面帶動認知智能實現突破。意識智能的到來只是時間問題。

1.1.4 AI的發展政策

AI技術的突破帶來了新的產業機會。全球主要國家和地區相繼推出與人工智能相關的戰略規劃文件，截至2020年12月，全國有39個國家和地區制定了人工智能戰略政策和產業規劃文件。我們以中國和美國為例，列舉部分早期重要的政策，如表1-1所示。

在發展AI產業的政策中，技術、人才、行業落地、標準建設、安全、倫理是人們關注的重點。在AI發展的早期階段人們只注重發展速度，隨之出現的是不斷標準化和完善的關于安全和倫理的政策、法規；隨著后續的持續發展，產業的標準和法規還會進一步完善。在國家級法規之下，各個省市也針對當地特點陸續制定相應的AI發展政策法規，形成完整的政策體系。

中國的《新一代人工智能發展規劃》提出了2020年～2030年國家對AI產業的三步走發展戰略，從與世界先進技術競爭的維度，2020年是技術和應用同步，2025年是基礎理論的突破、部分技術與應用領先，2030年則是理論、技術、應用都領先，如圖1-4所示。