人工智能尚未实现

如同序言中所描述的那样，虽然在现实生活中人工智能已经被炒得沸沸扬扬，然而实际上，即使到了2015年的今天，它仍然未能实现。对于这个问题，我认为很多人其实是存有误解的。

今天，宣称是“使用人工智能的产品”或者“运用人工智能技术的系统”的东西越来越多，如果我说人工智能尚未实现，也许会令大家感到意外。但是，真正意义上的人工智能，即“能够像我们人类一样进行思考的计算机”，的确尚未实现。

探明人类智能的原理，并将其用工程学的方法加以实现，这样的人工智能目前在世界上任何地方都不存在。因此，所谓“使用人工智能的产品”、“运用人工智能技术的系统”之类的宣传，其实都是在吹牛和欺骗消费者。

当然，说其吹牛。行骗或许有些言过其实，因为人们把模仿人类智力活动某些方面的技术也称作“人工智能”。人工智能的历史，也是人们长期以来对人类智力活动进行模仿的历史。

然而，人脑的智能深奥无比、遥不可及，直至今天我们仍未探明其原理，利用计算机对其进行的模仿也未能实现。

这个问题，细想起来有些不可思议。然而我每念及此便感到兴奋不已，内心充满了期待。

随着科学技术的不断进步，通过大到宇宙物理学小至基本粒子理论等各种研究，我们对自己所居住的这个世界的结构和原理已经有了相当深入的了解。飞机上天、核电站的建设、农作物的大批种植等，人类在地球上尝试并进行着五花八门的活动，无所不能。然而尽管如此，我们对于自己大脑的结构和原理是怎样的，却仍然不得而知。

为什么我们人类能够对世界进行认识和思考，并付诸行动？为什么我们能够不断地去尝试各种新事物、不断地学习？其根本原理是什么？直到今天，这些问题的答案仍然不甚明了。或许，真的是因为有了我们的认识才有这个世界的存在吧（即“人择原理”^[7]），然而即便如此我们也唯有探索不止。

基本命题：人工智能“没理由不能实现”

问题原本非常简单：难道我们不能通过计算机来模拟和实现人类智能吗？这个问题之所以被提出，是因为人的大脑与电路并无区别。

在人的大脑里面分布着很多神经元，电信号在其间穿梭往来。在大脑神经元里面有一些叫作“突触”的地方，如果电压积累到一定水平，它们就会释放出神经递质，当这些神经递质被传递至下一个神经元后，电信号也随之得以传递。也就是说，无论从哪方面来看大脑本身就是一种电路。大脑通过电路来回传送电流这种方式进行工作，并且，当进行了一定的学习之后，这个电路还会产生一些变化。

什么是电路呢？比较有代表性的例子是计算机的内置CPU（中央处理器），它们通常是被用来执行某些计算工作的装置。个人电脑软件也好，互联网网站、智能手机的应用程序也好，这些东西全部都由程序生成，并使用CPU来运行，最终通过流经电路的信号来进行计算。人类大脑的工作方式与此完全相同。

如果人类的思维也是某种“计算”的话，那么它就完全有理由通过计算机来模拟和实现。这其实已经不是什么超前的逻辑理论，第一章里面提到的著名科学家艾伦·麦席森·图灵，已经向我们展示了“能够计算的事物都可以通过计算机得到实现”这个道理。它就是“图灵机”的概念。其大意是，只要备有无限长的纸带、往纸带上写入东西的装置以及读出装置，那么所有的程序便都能够得到运行。

人类所有的大脑活动，包括思维、识别、记忆、感情，全部都可以通过计算机得到实现。例如，您正在看这本书这个状态，也能够在计算机上得到再现；或许，像人一样“拥有自我意识，在对周围事物进行识别的基础上采取行动”这种程序也能够制造出来（计算机拥有自我意识是好是坏暂且不论）。而且，与“自己”这个存在完全相同的东西——当然尽管不存在实体——在计算机里面得到实现从原理上讲也是可能的。现实中，包括人工智能研究大师马文·明斯基（Marvin Minsky）在内的一部分人，就在琢磨如何用计算机对自己进行再现，并期望以此实现数字形式的长生不老。

然而，对于通过计算机来实现人类思维这种想法，现实生活中很多人似乎难以接受。

他们常见的反应是：“人可不是那么单纯那么简单的，因为人有心智、有感情嘛。”或者会作如下反驳：“计算机不会犯错误，但是人不是经常出错么？”“计算机不是没有身体吗？”“计算机不是不懂得向其他计算机提供帮助什么的么？”“计算机也不会教给其他计算机东西，难道不是吗？”

其实，只要我们想通过计算机来实现人的智能，我们就可以为它配备一个类似于人身体的东西，可以将它设置成偶尔也会犯些错误，还可以让它拥有情感及团队精神（这些东西是否是本质性需要暂且不论）。

确实，通过计算机程序来实现人类思维，这种想法很容易让人觉得冒犯了某种神圣的东西。人这么尊贵的东西，通过计算就能得到置换和再现，这的确令人一下子难以置信。实际上，即便在知名科学家当中，对此持否定态度者也大有人在。

例如，因与理论物理学家斯蒂芬·霍金一起研究黑洞而闻名的数学家罗杰·彭罗斯（RogerPenrose）在其著作《皇帝新脑》里就提出了这样的观点：在大脑中的微管里面会产生“量子现象”（一种凭直觉很难理解的物理现象），是它促成和产生了意识。^[8]另外，哲学家休伯特·德雷福斯（Hubert Dreyfus）在《计算机不能做什么——人工智能的极限》一书中，对人工智能的实现也一直持否定态度。^[9]

连声名卓著的科学家都在试图凭借这种明显是非理性的（尽管这么说有些失礼）理论来说明人类的特殊性，因此看来人类（仅限于人类）还真的是一种特殊的存在——估计我们每个人的内心都在如此企盼吧。

人们自视特殊的心理不难理解，然而只要对大脑的功能及它与计算算法的对应关系等逐一进行冷静分析，我们就会得到结论：“从原理上来讲，所有的人类智能是可以通过计算机来实现的”——这是科学和理性的预测。并且，这也正是人工智能领域长期以来苦苦探索的目标。

什么是人工智能——专家定义梳理

在日本有很多研究人工智能的专家，他们对人工智能的看法如何呢？人工智能这个研究领域，比起一般人的想象来讲，有着更为浓厚的学术色彩，或者应该叫作追求真理的执著   精神。

例如，公立函馆未来大学校长中岛秀之对人工智能的定义是：人工智能是“采用人工方法制作的、具有智能的实体，或者是以创造智能为目的的、对智能本身进行研究的领域”。公立函馆未来大学堪称“日本人工智能的圣地”，中岛先生对20世纪80年代以后的人工智能研究也贡献颇丰。

原人工智能学会会长、京都大学教授西田丰明将之定义为“具有智能的装置”，或者是“具有心智的装置”。

表2-1中所列举的，是包括我本人在内的13位专家对人工智能的定义。从表中我们可以看出，关于人工智能的定义在专家之间也尚未形成统一定论。

表2-1  专家们对人工智能的定义

出处：根据《人工智能学会杂志》整理。

我本人的定义是，人工智能是“用人工方法制作的类人智能”，类人智能指的是具有“发现和觉察功能”的计算机，即能够从数据中生成特征量，并对相关现象进行模型化处理的计算机。详细内容请参见第五章。

很多人工智能专家希望通过研究对智能做出建构性阐释。“建构性”这个词语有些生僻难懂，它的意思是指“通过制作来进行理解”。与之相对应的词语是“分析性”。

与人工智能专家期望对智能进行建构性理解形成对比的是，专门研究大脑的脑科学家，却希望通过分析性的方法来探明智能。^[10]打个比方来说，实际从事经营活动的经营者一般通过建构性方法来理解企业经营，但是经营学家则采用分析性的理解方法；或者，实际从事体育运动的运动员对体育进行的是建构性理解，而体育评论家则是分析性理解。说得通俗一些，建构性方法指的是“这东西制作出来要花多少钱”这种方法。

如果以“对人类智能进行建构性理解”作为目标，那么目前的研究水平距离成功还相差甚远，还无法制造出像人类那样聪明的智能。

实际上，关于人工智能是否已经实现的判定方法，在历史上也有争论。著名的“图灵测试”，就是把计算机与人分别置于不同的房间，让二者通过屏幕及键盘进行对话，如果这个人不能识别出对方是计算机那么即认为合格。图灵测试大赛同时还设置了一个“罗布纳奖”（Loebner Prize）。但我本人认为这种测试并没有多大意义，因此在这里不再赘述，有兴趣者请参看其他书籍。^[11]

在研制人工智能的时候，我们常常拿飞机发明的例子来进行类比。人类自古以来就梦想有一天能够在天空翱翔。于是，人们模仿鸟的飞行，无数次地尝试制作了试图靠“扇动翅膀”来实现飞行的飞行器，但最终均告失败。后来莱特兄弟终于首次取得成功，他们制作了一架搭载有引擎的、“不扇动翅膀”的飞机。也就是说，即便研究初衷是模仿生物，但其最终做法却未必与之  相同。

在研制飞机这个问题上，只要发现了鸟儿飞行所需的“升力”这个概念，然后通过工程学方面的探索找到获得升力的方法（即先由引擎获得推力，再通过机翼将推力变为升力），那么就能获得成功。同理，只要我们能够找到智能的原理并通过计算机将其实现，那么我们就可以研制出人工智能。这也正是人工智能研究的出发点。

图2-1 机器人研究与人工智能研究

人工智能与机器人的区别

有不少人认为，人工智能研究与机器人的研究大致相同。即便是来我的研究室的访客，也有半数左右搞不清楚人工智能与机器人的区别。但是，在专家们看来，两者之间是有明显区别的。^[12]简言之，即人工智能相当于机器人的大脑部分。

在机器人研究领域，也有很多人在研究大脑以外的其他部分，因此，在机器人研究者当中只有一部分是人工智能研究人员。另外，人工智能的研究对象也不仅仅限于机器人的大脑。

例如，在将棋或者围棋这类抽象性博弈的研究领域，就不需要机器人那样的物理性躯体。

另外，像医疗诊断或者律师咨询等专家系统，只需根据所输入信息进行判断即可，这方面功能的研究也不需要躯体。人工智能研究的目的是为了实现“思维”，因此，我们可以把它理解成是一门处理抽象的、“看不见的”东西的学问。

人工智能研究，可以说是一场以智能实现为终点的漫长旅行，从某种意义上来讲，该研究领域堪称是“前沿性领域”。路漫漫，夜茫茫。尽管怀揣智能实现的梦想并长年埋头研究，然而梦想却一直未能实现——这就是人工智能研究者的真实写照。

饱尝失败的人反而更懂得乐观与坚强。也许正是长期残酷现实历练的结果吧，人工智能的研究者们大都非常开朗和乐观，他们讨厌权威和形式主义，喜欢追求知识的刺激。人工智能学会这个研究者社区，我想大概称得上是日本最为自由的学会吧。人工智能学会原会长、北陆尖端科学技术大学院大学的沟口理一郎先生称之为“永远年轻的学会”，该领域的确是当之无愧的前沿未知领域。

在长期的历史进程中，人工智能历经坎坷与曲折。尽管人工智能本身尚未实现，但是它的尝试及试错性研究却创造出了无数副产品，为我们带来了各种各样的新事物。比如语音识别、文字识别、自然语言处理（假名汉字转换及翻译）、博弈游戏（将棋及围棋等）、搜索引擎等，这些东西为现实社会的发展带来了巨大影响，而且已经被广泛应用于我们的日常工作及生活当中。

这些领域在过去也曾经被称为“人工智能”，但是它们一旦进入实用化阶段、形成一个新领域之后，便不再被称为人工智能了——这个现象被称作“人工智能效应”^[13]。这也是一个很耐人寻味的现象——很多人明白了个中原理后就认为：“这本身就不是智能嘛。”

人工智能至今尚未实现，所以“智能的奥秘”应该还“藏在深闺人未识”。“为了那个也许存在的尚未被发现的世界”，我们需要继续这个探索之旅——这正是人工智能研究领域的青春活力之所在，也是我们需要始终秉承前沿探索精神之理由。

什么是人工智能——坊间的看法

对于人工智能，专家们的定义尚未统一，那么坊间百姓的认识又如何呢？

近年来，人工智能这个词语在生活中几乎随处可见。比如“销售搭载人工智能的产品”、“开发使用人工智能的系统”等，相关宣传也乐此不疲，就像本书开篇所描述的那样。

这与先前所讲的“旨在通过建构性方法来实现智能的学术领域”等专家观点形成鲜明对比。我们应当如何看待这种区别呢？

“某个产品具有智能”，这句话最容易让我们联想到的，大概是说“该产品看起来好像具有某种思维功能”吧。

比如，清扫机器人“伦巴”会根据房间形状及垃圾的具体分布情况调整自己的清扫动作；内置人工智能的洗衣机，可以根据衣物数量及温度、湿度等自动调节洗涤方式。它们可以根据具体情况，思考应该如何动作，然后更为“聪明”地去执行动作。即与“输入”（由相当于人的五官的“传感器”所观测到的周围环境及状况）相对应，“输出”（由相当于人体运动器官的“传动器”所发出的动作）也会自动发生改变。

在斯图尔特·拉塞尔（Stuart Russell）所著的著名的人工智能教科书《人工智能——一种现代方法》里面，人工智能正是被定位为能够根据输入来改变和调整输出的Agent（软件程序）①并介绍了各种使人工智能的行为变得更加聪明的方法。^[14]生物具有智能，人也具有智能，这些大概都是缘于“只要能够做出聪明的行动，生存概率就能得到提高”这个进化论原理。因此，用“根据输入产生恰当的输出”来定义从外部观测到的智能，应该说还是很有说服力的。

如果把人工智能当作Agent，结合其输入与输出的关系来考虑，那么在生活中所说的人工智能就很容易理解了。我把在生活中被称为“人工智能”的事物简单整理了一下，它们大致可以被分为以下四个级别。

<级别1> 把单纯的控制程序称作“人工智能”

级别1是为了市场营销而将商品冠名“人工智能”或者“AI”这一类，人们只是在家电产品上安装了极为单纯的控制程序，然后就宣称产品“搭载着人工智能”。

空调、扫地机、洗衣机，最近甚至还有电动剃须刀等，市场上被冠以“人工智能”之名的商品随处可见。这类技术其实属于“控制工程学”或者“系统工程学”领域，并且已经有较长的历史。因此，把它们叫作“人工智能”，我想对于这些领域的研究人员及这些技术本身来讲是有失公允的。在本书中，我把它们暂且称作“级别1的人工智能”。

<级别2> 传统人工智能

级别2这类，其动作及行为模式极为丰富多彩。比如将棋的程序、清扫机器人，或者用于回答问题的人工智能等，都可以归入此类。

它们是所谓的传统人工智能，输入与输出之间的关联方式极为严谨考究，且输入与输出的组合数目多得惊人。其原因是因为它们使用了推理及搜索（详见第三章），或者引入了知识库（详见第四章），等等。传统的智力问题求解程序、医疗诊断程序即属于此类。

<级别3> 引入机器学习的人工智能

级别3是内置于搜索引擎里面，或者基于大数据可以进行自动判断的人工智能。其推理机制及知识库是以数据为基础通过学习获得的，常见的典型例子是对机器学习（第五章）算法的利用。机器学习是以样本数据为基础、对规则和知识的自  学习。

这类技术，以模式识别这种很早就有的研究为基础，在20世纪90年代开始取得进展，进入21世纪以后，因为大数据时代的到来而得到进一步升级。最近出现的人工智能，很多时候指的就是级别3的东西。今天，也有很多过去属于级别2的东西，通过引入机器学习而升级变成了级别3。

<级别4> 引入深度学习的人工智能

再往上，级别4是指，能够对机器学习时的数据表示所用变量（一般被称为“特征量”）本身进行学习的人工智能。第六章将要介绍的深度学习即属于此类，本书称之为“特征表示   学习”。

在第一章中也有所提及，在美国，目前深度学习相关领域的投资大战、技术开发及人才争夺战正呈白热化状态。眼下，这是最为炙手可热的领域。

临时工、一般职员、课长与经理人

以上四个级别的智能有何区别呢？我举个管理货物堆放的流通仓库的例子来说明一下。

首先说说级别1的人工智能（控制程序）。长多少厘米、宽多少厘米、高多少厘米以上的货物需要搬到“大货物”处；多少厘米至多少厘米之间的搬到“中等货物”处；小于这个尺寸的则搬到“小货物”处。需要制定一套像这样能够覆盖所有对象的严密规则，然后按照这些规则去操作即可。

其次是级别2的人工智能（搜索和推理，或者运用知识）。虽然同样有按照长、宽、高、重量等信息对货物进行分类的指示，但是对应货物的不同种类，引入了很多知识。例如，如果挂有“易碎品注意”吊牌就需要小心轻放；如果标有“严禁倒置”，那么放置时就不能上下颠倒；高尔夫球包要竖着放；生鲜食品则需要冷藏，等等。

而级别3的人工智能（机器学习）呢，从一开始就不提供严谨的规则或知识。但会提供一些样本，让员工通过学习掌握“这是大的”“这是中等的”“这是小的”这类规则后，下次需要由他自己来进行判断：“这个应该是大的吧”“这个是中等的吧”“这个与哪个都不相符”，这样就能够由员工自己来进行分类  处理。

最后，级别4的人工智能（特征表示学习）则是由员工自己找出特征量，例如，高尔夫球包需要几个捆绑在一起，而且“这个类型的货物，虽然从尺寸来讲属于‘大’的一类，但是因为形状与其他物品明显不同，因此还是单独处置更为妥当”。员工能够觉察到这些，这样就有可能由他自己制定出“如何放置高尔夫球包等货物”的规则。随着时间的推移，他就能够学会最有效率的区分方法，这是级别4的人工智能。

如果要向这四个级别的分类操作员工提供作业手册的话，级别1只能进行极为简单的分类作业，手册也只需有寥寥几页即可。而与之相比，级别2则需要覆盖所有对象的、内容还不能有重复的厚厚一本手册，级别3需要提供学习用货物样本及教他注意货物的什么地方。级别4呢，因为是他自己去学习要注意哪些地方，所有只需提供学习用货物样本即可。员工自己就能够在作业中发现新的特征量，进而规则也得以更新升级。

我想可以这样去理解吧：级别1只能按照别人的指示来操作，因此相当于公司的临时工；级别2需要理解很多规则并做出判断，相当于一般职员；级别3是按照别人规定好的检查项目将业务切实往前推进，是课长级别；级别4需要自己去发现检查项目，因此是经理人级别。

对于媒体报道及商品信息里面所说的“人工智能”或者“AI”，它们应当属于这四个级别中的哪一类呢？诸位不妨去思考一下，也许会觉得蛮有意思的呢。

强人工智能与弱人工智能

在人工智能的研究领域里面，很早就出现了关于“强人工智能”与“弱人工智能”的争论。

这个概念最早是由哲学家约翰·瑟尔（John Searle）提出来的，他认为，“具备正确的输入与输出、被施予合理程序化的计算机，与拥有心智的人是没有任何区别的，即它也是有心智的。”他的这种主张被称为“强人工智能”。这种理念认为，人的心智或者大脑活动就是一种信息处理，思维就是一种计算。本书认为今后人类将会探明人类智能的原理，并将其用工程学的方法来实现，因此也应该算是“强人工智能”派吧。

与之相对，“弱人工智能”则认为：计算机没有必要拥有心智，只要能够通过其有限的智能解决一些智力问题即可。

在这方面经常被引用的一个证据是“中文屋”争论。一个人即使不懂中文，但只要他对根据大量规则输入的文字进行确认，然后输出固定的答案，也就是说只要他对中文对话的某些行为进行模拟，那么就能使其对话看起来自然顺畅，然而那个人其实依然是不懂中文的。

进而，还经常有这样的争论：计算机能否拥有意识？假如人的思维全部是计算，那么是否还有自由意志的存在（是否没有“自由”介入的余地）？ 

这些争论很有意思，但在纵览人工智能全局的时候，我认为没有必要在上面花费太多时间。我倒是认为，在不断生成特征量的阶段有必要让其进行思考，在这个过程中，让它对自身状态进行回归性认识，也就是让它意识到自己在思考这件事——这种“嵌套结构”无限持续下去，那时候，或许将产生那种可以称之为“意识”的状态吧。

不管怎样，随着技术的发展这些东西将来总能从工程学的角度被探明，在这里我不打算进行长篇大论的解释和说明。除了一部分基于近年来认知心理学及脑科学重大发现的争论之外，在现阶段即使争论也没有意义，也不会得到比过去那些哲学家更为高明的答案。

什么是人工智能，在本章我们已经对相关争论进行了简单的梳理。接下来，在人工智能研究领域究竟发生过什么、正在发生些什么呢？从下一章开始，我将带着诸位去遨游一番。

注解

[7] “人择原理”，即在宇宙论中以人类的存在为出发点，去探究宇宙的结构及成因的思想。

[8] 罗杰·彭罗斯 『皇帝の新しい心　コンピュータ·心·物理法則』（MISUZU Shobo, Ltd.,1994年）。

[9] 休伯特·德雷福斯 『コンピュータには何ができないか 哲学的人工知能批判』（产业图书，1992年）。

[10] 当然，在人脑科学家里面也有持建构论方法的人。计算神经科学的著名学者甘利俊一就“如何创造大脑”从多个角度进行了研究。

[11] 例如，布莱恩?克里斯蒂安 『機械より人間らしくなれるか？　AIとの対話が、人間でいることの意味を教えてくれる』（草思社，2012年）。

[12] 关于协会组织，在机器人领域有“日本机器人学会”，在人工智能领域有“人工智能学会”。当然也有跨越这两个领域的研究人员。

[13] 马文·明斯基等很多学者认为，“人工智能效应”的存在使得人工智能的贡献被过低估计了。

[14] 斯图尔特·拉塞尔 『エージェントアプローチ 人工知能』（共立出版，第2版，2008年）。Agent的概念也包括硬件，所以并不一定只限于软件。另外，Agent被定义如下：“Agent是单纯的行动主体。但是，在讲到计算机Agent时，自律性动作、环境识别、长期持续性、变化应对、其他对象的目标代理等与单纯‘程序’不同的属性也被寄予厚望。”