人工智能的诞生

“猫坐在毯子上，因为它很温暖。”——请问什么很温暖？

“猫坐在毯子上，因为它很冷。”——请问什么很冷？对我们来说，回答这两个问题应该不难，但你有没有想过，机器会怎样回答这些问题呢？

前文提到，图灵有一篇经典论文《计算机与智能》，它之所以经典，是因为提出了一个关键问题：机器能思考吗？图灵的回答是做场模仿游戏就知道了，这场游戏后来成为著名的图灵测试。

游戏规则很简单：参与者有三方，一个人类被试，一个机器被试和一个询问者，询问者也由人类担任。询问者通过问答来判断被试中谁是机器，谁是人类。如果机器能够成功欺骗询问者，使其无法准确区分出机器与人类，那么图灵认为这台机器就通过了测试，可以被认为具备人类智能。

图灵测试成为评估机器智能的重要基准，但你可能已经发现一个问题：能不能通过图灵测试，主要取决于询问者的判断标准。比如，机器可以搞定复杂的计算任务，但对最简单的情绪问题却可能束手无策。那它还算智能吗？

图灵测试

图灵也预见到了这一点。所以在论文中，他说：我们或许希望机器最终能在所有纯粹的智力领域与人类竞争。但是，从哪些领域开始才是最好的呢？许多人认为从国际象棋这类抽象的活动开始最好，也有人主张要为机器提供最好的感觉器官，然后教会它理解并让它学会说英语。我认为这两种方法都应该尝试。

图灵提出有关机器智能的发展，并明确地预见了其分为两个阶段，即离身智能和具身智能。当时，还没有“人工智能”这个词，5年之后，麦卡锡邀请明斯基、塞弗里奇、所罗门诺夫以及“信息论之父”香农等，在达特茅斯举办夏季研讨会，才使用了“人工智能”这个词。人工智能的发展路径则分为三个流派：符号主义、行为主义和联结主义。符号主义（symbolism）是基于逻辑推理的智能模拟方法，让计算机通过符号运算模拟人类的“智能”，并在早期取得了系列标志性成果。行为主义（actionism），又称进化主义或控制论学派，主要关注控制论及感知-动作型控制系统。我国的科学家钱学森是行为主义的代表人物之一。联结主义（connectionism），又称仿生学派或生理学派，依靠神经网络和它们之间的联结机制和学习算法，通过模拟人脑神经元的相互作用，赋予计算机类似于人脑的信号处理能力。如今大热的深度学习（deep learning）就是联结主义的产物。

我们不禁又要问，机器学习这条路径能否通向通用人工智能？逻辑学、统计学、神经科学和计算机科学等领域的研究者分别从符号主义、联结主义和行为主义三个纲领出发研究人工智能。打造通用人工智能是否需要第四种纲领？还是依靠这三者的融合就能解决？来到具身智能这个阶段，通用人工智能就能实现了吗？

本书的内容共分为上、下两篇。上篇以人工智能学派的视角梳理人工智能领域的专家对于“机器可以思考吗”的探索，旨在回答人工智能是如何从非具身智能一步步发展到深度学习、大语言模型，最后发展到具身智能的。下篇则从技术视角出发，探讨机器如何通过模仿游戏实现具身智能。笔者笔力有限，所讨论的内容也是一家之言，如果能给大家带来一些启发，当是最好不过了。

人工智能三大学派

或许，我们只是东施效颦，希望和图灵一样在地里种出一个木偶娃娃。