姓名：楊晶晶 學(xué)號：21011210420 學(xué)院：通信工程學(xué)院
轉(zhuǎn)載自：https://zhuanlan.zhihu.com/p/82364670?from_voters_page=true
【嵌牛導(dǎo)讀】列出了半個世紀(jì)以來在人工智能領(lǐng)域的成就，并討論了最近IBM的沃森-危險邊緣挑戰(zhàn)賽（Watson- Jeopardy Challenge）。我們也權(quán)衡了從未達(dá)到過人類級別的人工智能的前景。
【嵌牛鼻子】人工智能領(lǐng)域的成就。
【嵌牛提問】人工智能領(lǐng)域有哪些成就以？人工智能未來的前景是什么？
【嵌牛正文】
引言
首先，我們回顧了搜索、知識表示和學(xué)習(xí)在人工智能系統(tǒng)建設(shè)中的重要性，并給出了示例，說明合適的知識表示有助于解決問題。
其次，我們介紹了在神話和文學(xué)中反復(fù)出現(xiàn)的一個主題——創(chuàng)造生命或智能體的嘗試總會遇到可怕的后果。也許，我們應(yīng)該向人工智能界提出一些警告。
本書說明了計算機(jī)科學(xué)中無法求解的問題的概念，即不存在求解算法的問題。我們自問是否能夠創(chuàng)造人類級別的人工智能，就是這樣的問題。
接著，我們回顧了半個世紀(jì)以來在人工智能領(lǐng)域的成就。
然后，我們討論了IBM的沃森系統(tǒng)。2011年3月，在一場觀眾眾多的電視比賽中，IBM計算機(jī)擊敗了危險邊緣挑戰(zhàn)賽中的兩位常勝Jeopardy冠軍。最后，我們回顧了關(guān)于創(chuàng)造生命的若干理論，并解釋了智能和意識。
1 提綱挈領(lǐng)——概述
如果你想設(shè)計智能軟件，那這個軟件就需要具備以下特點(diǎn)。
（1）搜索能力。
（2）知識表示的語言。
（3）學(xué)習(xí)的能力。
在早期的工作中，這就已經(jīng)顯而易見，盲目的搜索算法（即沒有領(lǐng)域知識），如廣度優(yōu)先搜索和深度優(yōu)先搜索的算法，無法有效、成功地越過它們所面臨的大規(guī)模搜索空間這個障礙。
如本書中所述，一條有用的指導(dǎo)原則是，如果你想設(shè)計用于執(zhí)行某項(xiàng)任務(wù)的系統(tǒng)，請先查看自然中是否已經(jīng)存在類似的系統(tǒng)。如果現(xiàn)在是1902年，而你想設(shè)計一個“飛行機(jī)器”，那么你的注意力應(yīng)該集中在鳥類上。1903年，萊特兄弟成功地制造了飛機(jī)。飛機(jī)的機(jī)身相對較薄，并且有兩個突出的大飛翼，這一點(diǎn)都不奇怪。
盲目搜索算法不具備所必需的功能來應(yīng)對人工智能領(lǐng)域出現(xiàn)的大規(guī)模的搜索問題。但是，人類是專家級別的“問題求解機(jī)器”。紐厄爾和西蒙認(rèn)識到了這一特點(diǎn)，研究了在問題求解過程中被要求“說出自己思想（think aloud）”的人類。1957年，這項(xiàng)研究最終導(dǎo)致了一般問題求解器（GPS）的發(fā)明。一般問題求解器具有從人類學(xué)科中提取出來的啟發(fā)式，成功解決了以下問題：水壺問題、傳教士和食人族問題以及康尼斯堡橋問題等、搜索算法以及博弈算法中，有效地使用了啟發(fā)式方法，部分克服了組合爆炸的難題。
知識表示方法也對問題求解的能力產(chǎn)生了實(shí)際的影響?？的崴贡騿栴}是：“能否一次并僅有一次經(jīng)過這7座橋，重新回到起點(diǎn)？”
1736年，萊昂哈德·歐拉（Leonhard Euler）寫了關(guān)于圖論的第一篇論文，給出這樣的結(jié)論：當(dāng)且僅當(dāng)圖17.3所示的橋包含了一個環(huán)，且這個環(huán)包含了所有的邊和頂點(diǎn)時，圖17.2所示的橋才可以如所描述的那樣遍歷。Euler得出結(jié)論，當(dāng)且僅當(dāng)每個頂點(diǎn)的度是偶數(shù)時，這個圖才包含這樣一個環(huán)（現(xiàn)在稱為“歐拉環(huán)”）。
顯然，問題的表示對于有效地發(fā)現(xiàn)解有著巨大的影響。上述指導(dǎo)原則帶領(lǐng)我們得到了兩種學(xué)習(xí)范式。人腦（和神經(jīng)系統(tǒng)）是自然學(xué)習(xí)系統(tǒng)中最引人注目的例子。在第11章中，它作為一種隱喻出現(xiàn)，在那一章中，我們概述了一種學(xué)習(xí)的方法——人工神經(jīng)網(wǎng)絡(luò)（ANN），它能夠從人類大腦模型中抽象出突出特征，如高連通性、并行性和容錯能力。在許多問題求解領(lǐng)域，從經(jīng)濟(jì)預(yù)測到對弈和控制系統(tǒng)，ANN模型都可以認(rèn)為是成功的。
第二個范式是進(jìn)化，這也許不是那么明顯。達(dá)爾文（Darwin）描述了植物和動物物種如何適應(yīng)環(huán)境得以生存。在此處，是物種本身而不是個體在學(xué)習(xí)。第12章概述了兩種進(jìn)化學(xué)習(xí)方法——遺傳算法（GA）和遺傳規(guī)劃（GP）。在從調(diào)度到優(yōu)化的問題求解領(lǐng)域中，這兩種方法都獲得了成功。
2 普羅米修斯歸來
在希臘神話中，普羅米修斯是個神，他從天庭中偷取火種，并把火種帶到了人間。有些記述也賦予了他將人類從黏土中造出來的重任。在文學(xué)中，以無生命的材料創(chuàng)造生命的主題是普遍存在的。也許最令人毛骨悚然的描述出現(xiàn)在《Frankenstein》一書或瑪麗·雪萊（Mary Shelly）的小說《The Modern Prometheus》中。毫無疑問，讀者熟悉這個科學(xué)家創(chuàng)造生命然后對自己的創(chuàng)造物感到驚恐的故事。1931年，由詹姆斯·惠爾（James Whale）執(zhí)導(dǎo)的電影中，鮑里斯·卡洛夫（Boris Karloff）扮演了怪物的角色。
Shelly小說的第一版出版于1818年，當(dāng)時工業(yè)革命正如火如荼地進(jìn)行著。人類利用蒸汽動力在制造業(yè)和紡織業(yè)領(lǐng)域進(jìn)行了翻天覆地的改革。電報的發(fā)明使遠(yuǎn)距離通信實(shí)際上變成了即時通信。許多人認(rèn)為這場革命的后遺癥并不完全是有益的。我們對蒸汽和煤電，然后是石油，以及最近的核能的依賴，已經(jīng)嚴(yán)重污染了星球、水體，還有空氣。還有人認(rèn)為，工業(yè)革命促進(jìn)了墮落的物質(zhì)主義。文學(xué)評論家則非常深刻地指出，《弗蘭肯斯坦》的道德是，社會必須警惕其試圖掌控大自然的嘗試。隨著在整個21世紀(jì)，人們對智能知識的掌控持續(xù)增強(qiáng)，這也許需要不斷向人工智能界強(qiáng)調(diào)這個警告。
其中一個作者（S. L.）在其童年時期看過這部電影：但是到了今天，他睡覺時仍然開著燈。
計算機(jī)科學(xué)是一門涉及信息和計算的科學(xué)領(lǐng)域。其重點(diǎn)是問題的算法解。20世紀(jì)讓這個新生學(xué)科謙虛謹(jǐn)慎。由于人們發(fā)現(xiàn)了問題可解性的基本限制，因此這個學(xué)科就愈加謹(jǐn)慎起來。也就是說，可能存在一些問題，這些問題不存在算法解。著名的問題就是所謂的“停機(jī)問題（halting problem）”。給定任意流程P，運(yùn)行任意數(shù)據(jù)w，P（w）會暫停嗎？例如，四色問題也許是圖論中著名的開放性問題。它的命題是“對地圖進(jìn)行著色，四種顏色是否足以使兩個相鄰區(qū)域的顏色不一樣？”1976年，阿佩爾（Appel）和哈肯（Haken）對這個問題做出了肯定的回答。對于這個問題，計算機(jī)程序求解了幾百個小時。如果運(yùn)行這個程序的操作系統(tǒng)可以預(yù)測該程序最終會停止，那么這將大有裨益。停止問題告訴人們，這種先驗(yàn)知識并不總是可能的。
本書早些時候提到了阿蘭·圖靈（Allen Turing）。1936年，他正在研究什么樣的函數(shù)是可計算的這個問題。[3] 例如，加法是一個可計算的函數(shù)，也就是說，可以給出一個逐步的過程，這樣如果將整數(shù)X和Y作為輸入，那么在有限的計算步驟之后，可以獲得它們的和X + Y。他提供了一個現(xiàn)在稱為圖靈機(jī)的計算模型（見圖17.4）。圖靈機(jī)由如下三部分組成。
（1）輸入/輸出磁帶，在輸入/輸出磁帶寫上輸入問題；同時在磁帶上也寫入了結(jié)果。存在各種圖靈機(jī)模型；圖17.4所示的是一種雙向無界磁帶的模型。磁帶被分成了單元格，并且在每個單元格中都可以寫入一個符號。磁帶上的每個單元格預(yù)先加載了空白符號（B）。
（2）一種包含算法（即求解問題的分步過程）的有限控制。
（3）讀/寫頭，這可以讀取磁帶上的符號，并將符號寫入此磁帶。它可以向左或向右移動。
Turing討論了通用圖靈機(jī)（UTM）的概念——這種圖靈機(jī)能夠運(yùn)行其他圖靈機(jī)的程序，即能夠模擬“普通”圖靈機(jī)的行為。Turing證明了，對于任意的圖靈機(jī)（T），任意輸入（w），即T（w），不可能確定圖靈機(jī)（T）是否會停止。這就是所謂的圖靈機(jī)停機(jī)問題。這個問題更一般的版本（即停機(jī)問題），不能被證明是不可判定的。人們不假思索地接受了，圖靈-邱奇論文給出的這個觀點(diǎn)。這篇論文中提到，圖靈機(jī)與數(shù)字計算機(jī)的計算能力相當(dāng)，結(jié)果就是，大多數(shù)計算機(jī)科學(xué)家認(rèn)為，在圖靈機(jī)上無法解決的問題在算法上也是無法解決的。因此，計算有根本的限制。作為計算機(jī)科學(xué)的子學(xué)科，人工智能也具有這些基本的限制。人們想知道的是，人類級別人工智能的創(chuàng)造是否也有這些限制。
3 提綱挈領(lǐng)——介紹人工智能的成果
搜索方面。
視頻游戲設(shè)計中已納入了A*，這使游戲變得更加真實(shí)。
Mapquest、Google和Yahoo地圖使用啟發(fā)式搜索。許多GPS和智能手機(jī)應(yīng)用程序都集成了這種技術(shù)。
用Hopfield網(wǎng)絡(luò)和進(jìn)化方法找到難題，有時甚至是NP完全問題（如TSP）的近似解。
博弈方面。
Minimax評估使計算機(jī)可以玩比較簡單的游戲，如tic-tac-toe和nim。
由啟發(fā)式和其他機(jī)器學(xué)習(xí)工具輔助，通過alpha-beta修剪的Minimax評估使得計算機(jī)可以玩錦標(biāo)賽級別的跳棋（Samuels和Schaeffer）和國際象棋（Deeper Blue擊敗世界國際象棋冠軍Garry Kasparov）。
錦標(biāo)賽級別的奧賽羅程序（Logistello，1997），以及西洋雙陸棋（TD-Gammon，1992）、橋牌（Jack和WBridge 5，2000s）和撲克（2007，見第16章）中的“精通玩家”。
模糊邏輯方面。
手持式攝像機(jī)自動補(bǔ)償虛假的手部移動。
汽車牽引力控制裝置。
數(shù)碼相機(jī)、洗衣機(jī)和其他家用電器的控制裝置。
專家系統(tǒng)方面。
具有內(nèi)置推理和解釋性裝置的知識密集型軟件或所謂的專家系統(tǒng)（ES），可幫助消費(fèi)者選擇合適的車型、瀏覽在線網(wǎng)站、進(jìn)行購物等。
ES還可用于分析、控制、診斷（患者有哪些疾?。浚?、指導(dǎo)和預(yù)測（我們應(yīng)該在哪里挖石油？）。
ES用于多個領(lǐng)域，如藥物、化學(xué)分析和計算機(jī)配置。
只要ES系統(tǒng)用于幫助而不是取代人類，將ES作為人工智能領(lǐng)域最大的成就之一就不會引起爭議（見第9章）。
神經(jīng)網(wǎng)絡(luò)方面。
雷克薩斯汽車有倒車攝像頭、聲納設(shè)備和神經(jīng)網(wǎng)絡(luò)。采用這些技術(shù)，汽車可以自動并行停放。
當(dāng)車輛太靠近其他車輛或物體時，梅賽德斯汽車以及其他汽車有自動停止控制。
Google汽車幾乎完全自主，但是它自動駕駛時，車內(nèi)必須有人。
光學(xué)字符讀取器（OCR）自動路由大量郵件。
自動語音識別系統(tǒng)得到廣泛的應(yīng)用。軟件智能體例行公事地幫助我們?yōu)g覽信用卡和銀行交易。
在機(jī)場，當(dāng)檢測到在“禁飛”名單中的人時，軟件會提供自動安全警報。
神經(jīng)網(wǎng)絡(luò)協(xié)助醫(yī)學(xué)診斷和經(jīng)濟(jì)預(yù)測（見第11章）。
進(jìn)化方法方面。
電信衛(wèi)星的軌道調(diào)度，防止通信漸隱消失。
優(yōu)化天線和超大規(guī)模集成（VLSI）電路設(shè)計的軟件。
數(shù)據(jù)挖掘軟件使數(shù)據(jù)對公司更有價值（見第12章）。
自然語言處理（NLP）方面。
會話智能體為個人提供旅游信息，并協(xié)助預(yù)約酒店等。
GPS系統(tǒng)通常向用戶發(fā)出語音指令，例如“在下一個路口，左轉(zhuǎn)”。一些智能手機(jī)具有應(yīng)用程序，允許人們說出請求：“最近的能制作卡布奇諾的咖啡店在哪里？”
Web請求允許跨語言進(jìn)行信息檢索，并在需要時進(jìn)行語言翻譯。
交互式智能體向正在學(xué)習(xí)閱讀的兒童提供口頭協(xié)助（見第13章）。
具有神經(jīng)網(wǎng)絡(luò)、自然語言處理（見第13章）、語音理解和規(guī)劃（見第14章）的機(jī)器學(xué)習(xí)應(yīng)用程序，在機(jī)器人技術(shù)方面取得了顯著的進(jìn)步（見第15章）。
總體來說，對于一個開始其第二個50年發(fā)展的計算機(jī)科學(xué)子學(xué)科，來說這是一個不太糟的成績。
{應(yīng)用之窗!}
Google無人駕駛汽車
1998年，斯坦福大學(xué)研究生拉里·佩奇（Larry Page）和謝爾蓋·布林（Sergey Brin）創(chuàng)立了Google。Google最初是一個名為BackRub的搜索引擎，這個搜索引擎使用鏈接來評價網(wǎng)頁的重要性。Google搜索引擎是對“googol”這個詞的戲稱，但是獲得了巨大的成功，并迅速成為地球上強(qiáng)大、知名和主流的搜索引擎。多年來，Google還開發(fā)了同樣成功的電子郵件系統(tǒng)“Gmail”和大受歡迎的公共視頻系統(tǒng)“YouTube”。 Google還開發(fā)了一款無人駕駛汽車。
Google無人駕駛汽車（見圖17.5）的工程師之一是德米特里·多爾戈夫（Dmitri Dolgov），這個項(xiàng)目的負(fù)責(zé)人是塞巴斯蒂安·特倫（Sebastian Thrun）博士。Thrun是斯坦福大學(xué)人工智能實(shí)驗(yàn)室的前任主管，并且是Google街景視圖的共同發(fā)明人。Google無人駕駛汽車已經(jīng)測試了好幾年，并且在未來的幾年里，仍將繼續(xù)以實(shí)驗(yàn)的形式呈現(xiàn)。雖然無人駕駛汽車看起來離大規(guī)模生產(chǎn)還需要幾年的時間，但是技術(shù)人員認(rèn)為，在不久的將來，它們將像手機(jī)和GPS系統(tǒng)一樣受人歡迎。Google認(rèn)為這項(xiàng)技術(shù)可能多年無法盈利，但是在其他無人駕駛汽車制造商的信息和導(dǎo)航服務(wù)的可能銷售中，Google可以預(yù)見到巨額利潤。
Google無人駕駛汽車使用人工智能技術(shù)，如激光點(diǎn)標(biāo)記感測附近任何事物的痕跡（如在地上的標(biāo)記和標(biāo)志），做出人類駕駛員應(yīng)該做出的決定，如轉(zhuǎn)向以避免障礙或看到行人時停車。
根據(jù)法律規(guī)定，為了防止出現(xiàn)問題，方向盤后必須有人，還需要技術(shù)人員監(jiān)控導(dǎo)航系統(tǒng)，確保測試安全、不會發(fā)生事故。對于不同的駕駛員，你可以選擇不同的駕駛個性，如“小心駕駛”“防守駕駛”和“積極駕駛”。
機(jī)器人的反應(yīng)通常比人類快。基于感受器和設(shè)備，機(jī)器人能夠全面感知。它也不會分心，也不會有通常會導(dǎo)致事故的其他因素，如疲勞、藥物和粗心。工程師的目標(biāo)是使這些無人駕駛汽車比人類更可靠。人為錯誤是造成許多事故的原因。此外，這些無人駕駛汽車使用的軟件必須經(jīng)過仔細(xì)測試，必須沒有病毒和惡意軟件。其他關(guān)注點(diǎn)是燃油效率和空間效率——也就是說，理論上，無人駕駛汽車是不會發(fā)生事故的，所以汽車可能會“擁擠”在道路上。一些Google無人駕駛汽車已經(jīng)有了1600多千米的行駛記錄，而且沒有任何事故或人為干預(yù)。這些車輛經(jīng)過少量的人為修正，也具有了十萬多千米的行駛記錄。[1]
Google無人駕駛汽車的一個測試是在舊金山附近的校園外開始的。它在約182米的范圍內(nèi)使用了各種傳感器，并遵循編入汽車的全球定位衛(wèi)星系統(tǒng)或GPS的路線。這輛車在加利福尼亞州的規(guī)定速度下，以每小時約105千米的速度行駛。就像人類一樣，在轉(zhuǎn)彎時，汽車變慢了，接下來加速了一點(diǎn)點(diǎn)。位于汽車頂部的設(shè)備提供了詳細(xì)的環(huán)境及其周圍情況的映射版本，因此它知道需要采用哪些路、哪些路要避開、哪些路是死路。它能夠在忙碌的高速公路上行駛幾英里，并且可以無事故地離開高速公路。它也可以開車穿行，停在紅燈和停止標(biāo)志處，能夠與行人互動。如果有人類出現(xiàn)，它會等待他們移動。它有一個語音系統(tǒng)，向車上的人或駕駛員宣布其動作。當(dāng)人工智能系統(tǒng)檢測到傳感器存在問題時，也會提醒駕駛員。它也可以防止事故，使用檢測系統(tǒng)來指出發(fā)生了什么。駕駛員也可以通過按下右手附近的紅色按鈕、觸摸制動器或轉(zhuǎn)動方向盤來重新獲得對汽車的控制。
當(dāng)汽車無人駕駛，系統(tǒng)自動控制時，這稱為巡航模式（cruise mode），此時，汽車?yán)锏娜丝梢苑砰_方向盤。實(shí)際上，它成了一種公共交通工具，無費(fèi)用，不擁擠，不會東張西望且不會有其他因素（這些因素會令普通汽車司機(jī)感到分心）。
不過，這仍存在一些法律問題，例如，如果發(fā)生意外，誰將為之負(fù)責(zé)。所有允許無人駕駛汽車測試的州，在無人駕駛汽車時會發(fā)生事故的情況方面都沒有制定相關(guān)的法律。Google發(fā)現(xiàn)，只要無人駕駛汽車的車輛內(nèi)有人，這個人可以掌控任何可能發(fā)生的錯誤，那么駕駛無人汽車就是合法的。
Google無人駕駛汽車將減少對私家汽車的需求，從而減少交通流量，使得人們有了更多可用的土地，無須更廣泛地鋪設(shè)道路。
最近，Google一直在構(gòu)建具有正?？刂茦?biāo)準(zhǔn)的實(shí)驗(yàn)性電動汽車，其除了啟動和停止車輛之外，不需要駕駛員控制。人們可通過智能手機(jī)應(yīng)用程序命令汽車自動驅(qū)動，到達(dá)需要它的人們的所在地，并將人帶到目的地。這輛汽車還發(fā)明了一個功能，就是所謂的交通堵塞輔助（Traffic Jam Assist）功能，這允許無人駕駛汽車在行駛過程中跟隨另一輛車。
Google對無人駕駛汽車的計劃是，擁有至少100臺電力驅(qū)動的新型原型車。Google的團(tuán)隊(duì)將限定它們以約40千米/小時的速度在市區(qū)和郊區(qū)行駛。測試將由Google人員進(jìn)行，這將有助于在狹小封閉的地區(qū)進(jìn)行測試。很自然，這需要一段時間來說服監(jiān)管機(jī)構(gòu)，讓他們接受人們使用無人駕駛汽車是安全的。
參考資料
Thrun S. What we’re driving at. Google, 2010.
Markoff J. Google’s next phase in driverless cars: No steering wheel or brake pedals. New York Times, 2009.
Markoff J. Google Cars drive themselves, in traffic. New York Times, 2014.
4 IBM的沃森-危險邊緣挑戰(zhàn)賽
人與機(jī)器對戰(zhàn)提供了一個體系，激發(fā)著人們對一些技術(shù)成就的熱情和宣傳。IBM是此類三個事件的發(fā)起人。第一個事件發(fā)生在1997年，一臺有特殊目的、具有搜索裝置的并行計算機(jī)Deeper Blue，在六場比賽中擊敗了國際象棋世界冠軍（見第16章）。
一個TFLOP（teraflop）代表每秒一萬億（1012）次浮點(diǎn)運(yùn)算。
Blue Gene是一個項(xiàng)目，這個項(xiàng)目專注于生產(chǎn)一些高速的超級計算機(jī)來研究生物分子現(xiàn)象。這個項(xiàng)目的機(jī)器已經(jīng)實(shí)現(xiàn)了數(shù)百TFLOP的速度。2014年，Blue Gene / L系統(tǒng)的速度超過了每秒36萬億次。
一個petaflop對應(yīng)于每秒一千萬億（1015）次浮點(diǎn)運(yùn)算。
在過去幾年中，IBM的沃森-危險邊緣挑戰(zhàn)賽一直在進(jìn)行。其目標(biāo)是設(shè)計一臺計算機(jī)，它能夠回答使用自然語言提出的問題，而自然語言充滿了歧義。在自然語言處理領(lǐng)域中，問答系統(tǒng)并不新鮮（見第13章）。但是，IBM希望沃森能夠以與優(yōu)秀的人類玩家（2～3秒）相當(dāng)?shù)乃俣冗M(jìn)行表演。
有關(guān)IBM的沃森-危險邊緣挑戰(zhàn)賽的信息可以在網(wǎng)絡(luò)上找到。依次輸入“www.ibm.com”和“Watson-Jeopardy Challenge”即可。
頂級的人類參賽者掌握了眾多不同主題的信息，這些主題包羅萬象，從世界地理到百老匯戲劇，從文學(xué)到流行文化，無所不包。
已有的一些問題如下。
（1）“2000年，第100集Got Milk廣告中顯示了某個流行歌手3歲和18歲的樣子，她是誰？”正確的答案是：“Britney Spears”Blue J（沃森早期的名字）回答：“Holy Crap”。
（2）“在九球比賽中，每當(dāng)你將某個球打入袋中時，都要重新開始。”Blue J回答正確：“母球”。
（3）“哪個國家和智利共享最長的邊界？”Blue J的回答不正確：“玻利維亞”正確的答案是第二個選項(xiàng)“阿根廷”。
2007年，IBM高級員工大衛(wèi)·費(fèi)魯奇（David Ferrucci）被選為沃森開發(fā)團(tuán)隊(duì)負(fù)責(zé)人。他在語言處理系統(tǒng)方面擁有豐富的經(jīng)驗(yàn)。在史蒂芬·貝克（Stephen Baker）的暢銷書[4]中，F(xiàn)errucci坦承了兩個相互矛盾的恐懼：第一個是經(jīng)過數(shù)年和數(shù)百萬美元的研究后，沃森（以及IBM）在國家舞臺上慘敗；第二個是在最后一刻，另一家公司將繞過IBM并設(shè)計出一個優(yōu)勝的系統(tǒng)。事實(shí)證明，這些恐懼伴隨了他4年。Ferrucci明白，如果沃森要成功，那么它必須要加載事實(shí)——不只是事實(shí)，而且是正確的事實(shí)。于是，他們研究和分類了數(shù)千個過去的Jeopardy問題，并決定讓沃森裝載成“噸”的維基百科文章。接下來，沃森下載了古騰堡圖書館，“學(xué)習(xí)”名家著作。沃森也收集了來自人類競爭對手的見解。在沃森項(xiàng)目早期，人們發(fā)現(xiàn)，深刻的知識不是必需的——具有許多不同主題的傳統(tǒng)知識就已足夠。肯·詹寧斯（Ken Jennings）沒有通過苦讀若干厚厚的書來準(zhǔn)備比賽，而是使用閃存卡練習(xí)，他希望在廣泛的話題上擁有一些粗淺的知識。
接下來，開發(fā)人員填鴨式地喂食了沃森百科全書、詞典、新聞文章和網(wǎng)頁。正如Baker所描述的那樣：“（沃森）痛苦而緩慢?！痹诮酉聛淼膸啄昀?，沃森開始與前危險邊緣競爭者進(jìn)行比賽。慢慢地，它的表現(xiàn)開始有所改善。
沃森由2000多個處理器組成，每個處理器并行工作，遵循不同的推理線程。它為每個問題顯示了幾個答案，并且列出了每個答案的置信度。每當(dāng)沃森對其中一個回答充滿自信時，它就會快速地按下蜂鳴器。
逐漸地，面對人類的競爭，沃森開始表現(xiàn)良好。它偶爾會失言，發(fā)出褻瀆的語言。當(dāng)然，IBM的企業(yè)形象很重要；他們安裝了一個過濾器，使得沃森不會發(fā)出最常見的褻瀆語言。
人機(jī)比賽于2011年3月初舉行。盡管出現(xiàn)了一些尷尬的失誤，但沃森最終獲勝了。其中最有名的失誤是最后一道危險邊緣問題：
“它最大的機(jī)場是以第二次世界大戰(zhàn)來命名?！痹凇懊绹鞘小钡念悇e中，沃森回答說：“多倫多”
為了給沃森辯護(hù)，F(xiàn)errucci解釋說，伊利諾伊州有一個多倫多，多倫多也擁有一支美國職業(yè)棒球隊(duì)。不過，事實(shí)依然是沃森犯了一個錯誤。當(dāng)然，一個有趣的問題是：“類似沃森的機(jī)器有什么樣的未來？”危險邊緣冠軍計算機(jī)肯定沒有市場。但是，IBM預(yù)計，沃森及其繼任者在醫(yī)學(xué)、法律等領(lǐng)域?qū)艿綄＜沂降呐嘤?xùn)，在這些領(lǐng)域，新知識正在以驚人的速度被發(fā)現(xiàn)。如果“醫(yī)學(xué)沃森”閱讀了最新的期刊，并可以就患者的最佳治療方法向醫(yī)生提出建議，那么這將大有裨益?；蛘撸胺晌稚笨梢宰R別先例，從中找到法律的辯護(hù)點(diǎn)。
為了幫助宣傳沃森-危險邊緣挑戰(zhàn)賽，IBM于2011年2月派代表前往紐約城市學(xué)院和紐約市立大學(xué)研究生院（CUNY）。IBM團(tuán)隊(duì)成員之一的洛迪克·薩德羅齊尼（Wlodek Zadrozny）在紐約城市學(xué)院進(jìn)行了講解演講。參加此次活動的IBM團(tuán)隊(duì)成員如圖17.6所示。圖17.7為Wlodek Zadrozny與紐約城市學(xué)院的與會者一起討論沃森。最后，杰瑞·莫伊（Jerry Moy）主持了兩場CUNY演示。
人工智能技術(shù)的正確角色是協(xié)助人類，而不是取代人類。沃森將為不同領(lǐng)域的人類專家提供寶貴的幫助。
{人物軼事}
雷·庫茲維爾（Ray Kurzweil）
Ray Kurzweil是世界著名的科學(xué)家、發(fā)明家、企業(yè)家和未來學(xué)家?！陡２妓埂冯s志稱他為“托馬斯·愛迪生的合法繼承人”，并將他列為全球8大頂級企業(yè)家之一。一直以來，人們都說Kurzweil“自成一個行業(yè)?！?他的一些著名發(fā)明包括第一臺CCD平板掃描儀、第一個全方位字體光學(xué)字符識別、第一臺盲人打印語音閱讀機(jī)、第一個文本語音合成器、第一臺音樂合成器（能夠重現(xiàn)大鋼琴和其他管弦樂器）以及市場上銷售的大型詞匯語音識別系統(tǒng)。
Kurzweil獲得了50萬美元的MIT-Lemelson獎獎金，這是為創(chuàng)新而設(shè)的大獎。1999年，他獲得了美國國家技術(shù)勛章，這是美國在技術(shù)方面國家級別的最高榮譽(yù)。2002年，他正式入駐美國專利局成立的國家級發(fā)明家名人堂。
此外，他還獲得了20個榮譽(yù)博士學(xué)位，有3位美國總統(tǒng)授予其榮譽(yù)。他創(chuàng)作了7本書，其中5本是暢銷書?！禩he Age of Spriritual Machines》被翻譯成9種語言，曾位列亞馬遜科學(xué)暢銷書的第一名。他的書《The Singularity Is Near》是《紐約時報》的暢銷書，并且在科學(xué)和哲學(xué)方面曾是亞馬遜排名第一的書。
2012年，Kurzweil被任命為Google工程總監(jiān)，帶領(lǐng)團(tuán)隊(duì)進(jìn)行機(jī)器智能和自然語言處理方面的開發(fā)工作。Kurzweil的書還包括：
《The Age of Intelligent Machines》（1990）。
《The 10% Solution for a Healthy Life》（1993）。
《The Age of Spiritual Machines》（1999）。
《Fantastic Voyage (with Dr. Terry Grossman)》（2004）。
《The Singularity》（2005）。
《Transcend: Nine Steps to Living Well》（與特里·格里斯曼博士合著）（2009）。
《How to Create a Mind》（2012）。
此處關(guān)于Ray Kurzweil的大部分信息源來自KurzweilAI網(wǎng)站。
奇點(diǎn)（Singularity）
2005年， Ray Kurzweil出版了《The Singularity is Near: When Humans Transcend Biology》一書，這可能是他出版的最具有爭議的書籍了。這本巨著的中心主題是他所說的“Law of Accelerating Returns”。他認(rèn)為，計算機(jī)、遺傳學(xué)、納米技術(shù)和人工智能正在呈指數(shù)增長。據(jù)他預(yù)測，到2045年，人工智能將超過這個星球上的人類智慧。圖17.10為Kurzweil AI主頁描繪的奇點(diǎn)。
庫茲維爾認(rèn)為進(jìn)化要經(jīng)過如下6個階段：
（1）物理與化學(xué)。
（2）生物學(xué)和DNA。
（3）大腦。
（4）技術(shù)。
（5）人類技術(shù)與人類智力的融合。
（6）宇宙醒來。
他聲稱，前4個階段已經(jīng)發(fā)生了，而人類現(xiàn)在處于第5階段。到2045年，技術(shù)急劇進(jìn)步，人們能夠通過納米技術(shù)和人工智能讓身體變得更健康。
http://Kurzweil.net描述的摩爾定律如圖所示。
5 21世紀(jì)的人工智能
回到先前討論中提出的懸而未決的問題：人類級別人工智能的創(chuàng)造是否會超出人工智能的基本界限？我們先來思考一下人類智力的起源，然后再思考一下生命本身的起源。
英國著名科學(xué)家理查德·道金斯（Richard Dawkins） [5]解決了后一個問題，他在達(dá)爾文的進(jìn)化論中找到了見解。當(dāng)然，40億年前，地球上沒有動物或植物——只是基本原子的“原始湯”。Dawkins認(rèn)為，達(dá)爾文的理論可以推廣到“穩(wěn)定者生存”，換句話說，穩(wěn)定的原子（和分子）更有可能在這個古老的地球上生存下去。他進(jìn)一步推測，在早期的歷史上，這個星球擁有豐富的水、二氧化碳、甲烷和氨，因此可能形成氨基酸（作為蛋白質(zhì)的組成成分的復(fù)合分子）。蛋白質(zhì)是已知生命的前驅(qū)體。Dawkins設(shè)想，在這個星球漫長的生命之路上，下一步是所謂的“復(fù)制因子”的意外創(chuàng)造。這個復(fù)制因子具有一個顯著的性質(zhì)——能夠忠實(shí)地復(fù)制自己。他認(rèn)為，在這個原始環(huán)境中，能夠快速準(zhǔn)確地復(fù)制自己的復(fù)制因子是穩(wěn)定的。
復(fù)制（或繁殖）過程本身需要有穩(wěn)定的基本“原材料”的供給。毫無疑問，不同的復(fù)制因子不斷競爭，以獲得充分的水、二氧化碳、甲烷和氨的供給。這一進(jìn)化過程持續(xù)了40億年。Dawkins認(rèn)為，經(jīng)歷了這個漫長的進(jìn)化回合，在當(dāng)今棲息在這個星球上的動植物中，我們可以找到繼承者——這就是基因。
關(guān)于這個星球上可能的生命起源，Dawkins通過解釋這些基因如何努力確保生存來繼續(xù)其非凡的論述。在過去大約6億年的時間里，它們的行為非常像第12章中引用的虛構(gòu)的精靈。它們一直在塑造人類的眼睛、耳朵、肺等，生命之舟（即身體）也就從這些器官中構(gòu)建而來。在這一論述中，動物的身體和植物好像只是保護(hù)所有重要基因生存的保護(hù)性隔斷。最近，隨著深入（SL）閱讀Dawkins的作品，我的思緒回到了“星球大戰(zhàn)”系列電影中的一個場景。在這個場景中，敵方部隊(duì)將士兵置于裝有巨腿的機(jī)器人戰(zhàn)斗機(jī)器中，這形成了士兵的保護(hù)殼。即使我們接受了Dawkins的理論，但還是有一個問題——“人類意識的起源在哪里？”Dawkins可能會認(rèn)為那些擁有意識的動物（再次通過自然選擇產(chǎn)生的）將具有優(yōu)勢，因此可以實(shí)現(xiàn)相對的穩(wěn)定性，從而確保生存。
杰拉德·埃德爾曼（Gerald Edelman）是一名生物學(xué)家，曾獲得了諾貝爾獎。他提出了一種意識生物學(xué)理論[6]，這個理論也建立在達(dá)爾文主義的基礎(chǔ)上。他認(rèn)為意識和心靈純粹是生理現(xiàn)象。神經(jīng)元組自組織成許多復(fù)雜和適應(yīng)性強(qiáng)的模塊。Edelman認(rèn)為，腦具有功能可塑性，也就是說，由于人類基因組沒有足夠的編碼能力來完全指定腦結(jié)構(gòu)，因此大量的腦組織是自我定向的。
在物理學(xué)中，統(tǒng)一場理論應(yīng)該是關(guān)于一切事物的理論，這個理論試圖將自然界中發(fā)生的各種力統(tǒng)一起來，例如重力、電磁力、強(qiáng)力和弱力。
Marvin Minsky在《Society of Mind》中[7]解決了一個更為廣泛的問題。他問：“大腦是如何組織的？”“認(rèn)知是如何發(fā)生的？”正如Dawkins告訴我們的，人類的大腦是歷經(jīng)數(shù)億年演變而來的。統(tǒng)一場理論無法簡單直白地解釋人類頭骨內(nèi)復(fù)雜器官的功能。構(gòu)建一種智慧好比組建一支沒有指揮者的管弦樂隊(duì)。其中，樂器就是智能體（見第6章），它們不是在播放音樂，而是在解釋世界。一些智能體有助于了解語言，另一些智能體可以解釋視覺場景，還有一些智能體為人類提供了常識（見第9章中Cyc項(xiàng)目的討論）。除非智能體之間能進(jìn)行有效的通信，否則這一切毫無意義。Minsky假設(shè)，在任何時間點(diǎn)，個人的心理狀態(tài)可以解釋為一種功能，這個功能中的智能體子集是活躍的。也許人工智能還是太過年輕的一個領(lǐng)域，還沒有準(zhǔn)備好提出一個像Minsky這樣的智能“統(tǒng)一場理論”。但是，當(dāng)人工智能成熟的時候，Minsky的《Society of Mind》可能會在其中發(fā)揮突出的作用。
2015年，在生物和化學(xué)層面上，人們完全了解了個體神經(jīng)元的功能。在人類的知識中，依然存在的不足是，一群神經(jīng)元如何處理感覺數(shù)據(jù)、編碼經(jīng)驗(yàn)、理解語言，以及在更一般意義上如何促進(jìn)認(rèn)知、啟動意識。目前的研究使用X射線和其他掃描技術(shù)，在功能模塊層面獲得對大腦的理解。Kurzweil預(yù)測[8]，到21世紀(jì)中葉，我們將對人類大腦有一個完整的、體系架構(gòu)般的理解。
此外，他推測，計算機(jī)組件的小型化將會提升到一個新階段，到那時，使用硬件來完全實(shí)現(xiàn)大腦是可行的——這種實(shí)現(xiàn)可能需要數(shù)十億個人工神經(jīng)元和數(shù)萬億甚至數(shù)十億個神經(jīng)元的連接。也許在那時，我們將有足夠的力量來實(shí)現(xiàn)人類層次的人工智能。對我們而言，比較明智的做法是記住普羅米修斯創(chuàng)造完全意識人類的“獎勵”，即他被捆綁著，這樣獅子就可以享用他的肝臟，然后他的肝臟再生，讓獅子再次享用他的肝臟?？苹梦膶W(xué)概述了人類創(chuàng)造人類層次人工智能的無數(shù)情景。我們希望，如果人工智能可以永遠(yuǎn)遵循這個崇高的目標(biāo)，那么這個獎勵將比給普羅米修斯的“獎勵”更令人滿意。
6 本章小結(jié)
在本章中，我們回顧了近50年來人工智能領(lǐng)域所取得的許多成就。我們將人工智能放在一個框架中——作為計算機(jī)科學(xué)的一門子學(xué)科。就像考慮計算機(jī)科學(xué)中眾所周知的停機(jī)問題是不可判定的那樣，我們也就“創(chuàng)建人類層次的人工智能是否可能”這一命題進(jìn)行了思考。我們討論了IBM的沃森系統(tǒng)，并描述了其作為法律和醫(yī)學(xué)專業(yè)人員助理的功能。
最后通過思考生命、智能和意識的起源，我們做出了總結(jié)，并介紹了Kurzweil的樂觀觀點(diǎn)，即在不久的將來成功創(chuàng)建人類層次的人工智能的可能性。
本文摘自《人工智能》（第２版）
人工智能（第２版）
[美] 史蒂芬·盧奇（Stephen Lucci），丹尼·科佩克（Danny Kopec） 著
人工智能百科全書
易于上手的人工智能自學(xué)指南
涵蓋機(jī)器學(xué)習(xí) 深度學(xué)習(xí) 自然語言處理 神經(jīng)網(wǎng)絡(luò) 計算機(jī)博弈等各種知識 圖文詳細(xì) 講解細(xì)致 配備豐富的教學(xué)資源和學(xué)習(xí)素材
美國經(jīng)典教材，在美亞上，被評價為自Russell & Norvig的《人工智能：一種現(xiàn)代方法》之后更好的教材，更加適合本科生使用。
本書是作者結(jié)合多年教學(xué)經(jīng)驗(yàn)、精心撰寫的一本人工智能教科書，堪稱“人工智能的百科全書”。全書涵蓋了人工智能簡史、搜索方法、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示、產(chǎn)生式系統(tǒng)、專家系統(tǒng)、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)、遺傳算法、自然語言處理、自動規(guī)劃、機(jī)器人技術(shù)、高級計算機(jī)博弈、人工智能的歷史和未來等主題。
