2.2 推理与搜索的年代
人类对人工智能最基本的假设就是人类的思考过程可以机械化。现实生活中的很多科技产品都是由此假设演变而来的。其实早在希腊神话中,就有了机器人的假想,火神赫菲斯托斯创造的潘多拉就是人形机器人(见图2-3);再比如《列子·汤问》中记载的一位工匠偃师就能制造能歌善舞的人偶。
17世纪中叶,科学家莱布尼兹设想了一种用于推理的普适语言,这种语言可以将推理规约为计算,从而使“哲学家之间就像会计师之间一样,不再需要争辩”。在那个时期,科学家们就已经能够明确提出形式符号系统的假设,这个假设最终也成为了设计人工智能的指导思想。
时光推移,到了20世纪,这种假设已经从人们的一种假想变成了一种呼之欲出的数学逻辑。1913年,英国哲学家伯特兰·罗素和其老师怀特海基于弗雷格的系统共同出版了巨著《数学原理》,两人对数学的基础进行了形式化的描述。这种描述成功地激发了德国数学家戴维·希尔伯特(见图2-4)的推理思维。基于这种描述,希尔伯特向20世纪30年代的数学家提出了一个难题:“能否将所有的数学推理形式化?”
1931年奥地利裔美国著名数学家哥德尔提出了“不完备性定理”,这个定理最先解答了希尔伯特留下的数学问题:通过推理形式是可以将数学推理形式化的。随后“图灵机”和丘奇的λ演算法将这种理论变成了现实,并且得出了两个令人震惊的答案:第一是数学逻辑具有一定的局限性,第二是他们证明了任何形式的数学推理在第一条的限制下都拥有机械化的可能性。
图灵机的出现证明了数字信号足以描述任何形式的计算。有了理论和实际运行的基础,到20世纪40年代和50年代,人工智能领域形成了第一次发展浪潮。人们开始将各个领域的知识融合到机器中,人类社会由此进入到了人工智能1.0时代。
1951年,克里斯托弗·斯特雷奇使用曼彻斯特大学的蒂马克1号机编写了一个西洋棋程序,自此之后,早期游戏人工智能不断被研发出来。这些游戏人工智能使用的都是相同的基本算法,为了能够进行一场游戏而一步一步地前进,如果遇到了不能跨越的障碍,就从侧面迂回过去,这种运行方式被称为“搜索式推理”。虽然“搜索式推理”在当时已经具备了人工智能的雏形,但是这类系统在处理很多问题时遇到了困难:若处理问题的支路过多,就需要很长很长的时间才能迂回过去。这就好比人工智能进入到了一条有着无数条支路的迷宫之中,如果要将所有路线都尝试一遍,那么找到出口的时间就会被无限拉长。
虽然人工智能的发展遇到了难题,但是科学家就是在攻克一个又一个难题的过程中,不断探索出新道路的。在这个过程中,很多人的实验都给人们留下了非常深刻的印象,比如纽厄尔和西蒙就想通过他们研发的“通用问题求解器”程序攻克支路的难题,再比如赫伯特·格林特研发的“几何定理证明机”就是通过搜索目标和子目标来缩减支路的范围,从而大大缩减人工智能在迷宫中停留的时间。
随后,为了使人工智能更加完善,人们开始探索能够使人工智能通过自然语言来与人类交流的方法。1966年约瑟夫发明的Eliza是世界上第一个会聊天的机器人,与Eliza聊天的人可能不会认为自己是在与一台机器聊天,而觉得自己是在与人类聊天。但实际上,在聊天的过程中Eliza根本不知道自己在说什么,因为它只是按照固定的套路出牌,或者只是用符合语法的方式再将问题重复一遍(见图2-5)。
在人工智能1.0时代里的这些人,他们的贡献几乎奠定了整个人工智能技术的基础。
不管是今天的“神经网络”还是“深度学习”,都起源于这个时代。不管他们为人工智能的发展作出了多大的贡献,我们都应该对他们充满敬意。因为今天生活中的每一个人工智能,不论是智能家电还是交通工具,里面都有着他们智慧的结晶。正是因为他们的探索,我们才能享受今天的美好生活。
本书评论