人工智能开始成熟
到了20世纪90年代末,智能体范式已经成为人工智能中的主流正统理论:我们构建智能体,并赋予它们用户的偏好,智能体用理性的方式代表用户去做执行工作,使用如冯·诺依曼和摩根斯坦的预期效用理论之类的理性方式作为决策基础。智能体使用贝叶斯推断理性地管理它们对世界的信念库,通过贝叶斯网络或者其他方式捕捉对世界的理解。如果存在多个智能体,我们会借助博弈论来提供决策框架。这并非通用人工智能,也没有给出一条通往通用人工智能的光明大道,但到了20世纪90年代末,这些理念、工具和应用被接受的程度越来越高,致使人工智能界内部对人工智能本身的看法发生了重大变化。这是第一次,我们真实地感受到,自己并非在黑暗中拼命抓住所发现的任何东西。我们研究的领域已经有了明确而坚实的科学基础,从概率论到理性决策,这些都是经过时间检验、值得尊敬的技术。
这一时期的两项成就,标志着人工智能研究开始走向成熟。第一项已经成为全世界的头条新闻,而第二项,意义比第一项更为重大,但除了人工智能界内部人士以外,并不为人所知。
占据全世界头条新闻的突破来自IBM, 1997年,IBM证明了名叫“深蓝”(DeepBlue)的人工智能系统能够在国际象棋比赛中击败俄罗斯大师加里·卡斯帕罗夫(Garry Kasparov)。1996年2月,深蓝第一次从卡斯帕罗夫手里赢下棋局,不过他们一共下了六局棋,卡斯帕罗夫最终以4∶2的总比分获得胜利。一年多后,升级的深蓝系统再次对阵卡斯帕罗夫,而这一次,人类的世界冠军被击败了。似乎当时的卡斯帕罗夫对此表示非常不满,并怀疑IBM公司存在作弊行为,但后来他也提到那是他国际象棋生涯中无法忘却的一次愉悦体验。从那以后,国际象棋无论从任何意义上来说,都是一场已经没有悬念的游戏:人工智能可以战胜优秀的人类棋手。
深蓝的成功主要源于两个因素。第一是启发式搜索,由20世纪50年代跳棋程序的创造者亚瑟·塞缪尔提出,尽管这一技术经过了40多年的改进,其核心技术也不难理解。但第二个因素却颇具争议:深蓝是一台超级电脑,它依靠巨量的计算力来完成工作。有人批评说深蓝系统不是真正意义上的人工智能,只不过是靠野蛮的计算力来获胜的。但这种外行评论大大低估了人工智能技术的重要性,诚然,这些技术需要庞大的计算力支持,但在同样计算力的情况下,用简单粗暴的下棋方式,就如第二章里我们讨论过的解密汉诺塔步骤那种遍历的搜索方式,是根本不可行的。
可能你也听说过深蓝战胜卡斯帕罗夫的新闻,但我认为你不太可能听说当时的第二个重大成就,尽管它的影响可能更为深远。不知道你是否还记得,在第二章里,我们提到过某些计算问题本质上是复杂的——用技术语言来说,就是NP完全问题——人工智能领域许多亟待解决的问题都属于这一类。到了20世纪90年代初,人们开始清楚地认识到,解决NP完全问题的算法在进步,使得这个问题不像20年前一样成为人工智能不可逾越的障碍[61] 。第一个被证实为NP完全问题的问题,就是SAT问题〔即satisfiability(可满足性)的缩写〕,这是一个检查简单逻辑表达式是否一致的问题——是否有任何方式表达它们都为真。SAT是所有NP完全问题中最基础的一个,你应该还记得,如果你能找到一个有效的方法解决某一个NP完全问题,那么你就自动找到了解决所有NP完全问题的方法。到了90年代末,“SAT求解器”,即解决SAT问题的程序已经足够强大,开始解决工业规模的问题了。在我写本书的时候,SAT求解器已经高效到在编程过程中可以随时调用了——它们已经成为我们解决NP完全问题的一个工具。不过这并不意味着NP完全问题已经被彻底解决,总会出现一些案例,让最好的SAT求解器都屈膝臣服。但我们不再害怕NP完全问题了,这是人工智能在过去40年里所取得的一项悄无声息的重大突破。
尽管人工智能领域刚刚重新获得了科学界的认可,但并不是所有人都为90年代末的主流人工智能感到高兴。2000年7月,我在波士顿参加会议,聆听了一名人工智能领域研究新星的演讲。当时有一位同行前辈坐在我旁边,他在黄金年代就从事了人工智能领域的研究,和麦卡锡、明斯基是同一时期的人物。
他很轻蔑地质问:
“这就是现在所谓的人工智能吗?魔法去哪
儿了?”我能理解这句话的来历:现代的人工智能从业人员,需要的背景不再是哲学、认知科学和逻辑学,而是概率论、统计学和经济学。看上去就不那么具有……嗯……诗意了,对吧?但事实是,它成功了。
人工智能又一次改变了方向,但这一次,未来似乎更加稳定。如果我是在2000年写这本书的话,我肯定会预言,这个方向将是我从事的人工智能研究行业的未来。不会再有什么戏剧性的剧变发生了:我们将使用这些工具,并且,有了这些工具,我们的研究进展将是缓慢但稳定的。而那时候的我,并不知道戏剧性的新发展将再次震撼人工智能的核心。
本书评论