人工智能通论_莫宏伟_9787121444487

本书内容共分为10章，从学科基础、技术基础、重点方向与领域、行业应用、伦理法律5方面系统、整体介绍人工智能的定义、方法、体系、应用及其内涵。第1章介绍人工智能定义及新知识体系。第2章介绍人工智能孕育史、机械论、计算历史、控制论、联结主义起源、计算机器的历史，以及当代人工智能历史。第3章介绍与人工智能有关的哲学概念、分支，人工智能本体论、认识论、方法论。第4章介绍人工智能伦理概念及伦理体系。第5章介绍人工智能多学科交叉基础。第6章介绍人工智能技术基础，包括传感器、大数据、小数据、并行计算、数字图像处理、人工神经网络、机器学习与深度学习。第7章介绍机器感知智能、机器认知智能、机器行为智能、机器语言智能、机器类脑智能、机器混合智能的基本概念与内容。第8章介绍人工智能在博弈、创作、创造以及物理和数学方面的科学发现能力。第9章介绍人工智能在制造、医疗、农业、教育、军事等行业的应用。第10章介绍科幻小说、影视作品中的超现实人工智能及其意义。本书可供所有新工科、新文科、传统理工科以及管理、医学、农业、经济、社会、人文、法律等专业学生，人工智能爱好者学习使用，也可供人工智能初级研究人员及从业人员学习和研究参考。

前言
20世纪初，英国心理学家查尔斯·斯皮尔曼（Charles Spearman）首次观察到，当人们在完成一些看似毫无关联的心智任务时，比如判断一个物体是否比另一个重，或者在灯亮后迅速按下按钮，其平均表现可以预测人在执行完全不同的任务时的平均表现。斯皮尔曼提出，可以用一般智能的单一衡量标准表征这种共性。斯皮尔曼之后的心理学领域产生了许多人类智能理论。从20世纪初到20世纪80年代，心理学对智能的研究大概经历了三个发展阶段：“功能主义式”，从智能的外在功能表现界定智能的标准；“结构决定式”，试图说明智能的内在结构；“信息处理式”，将信息处理嫁接到大脑的生理学过程中。总的来看，在心理学中，对智能进行的科学探究大致经历了“从外到内”的认知过程。不同研究方式与取向的选择使得人们对“智能”的定义和界定始终悬而未决。这个问题在哲学尤其是心灵哲学领域有不同程度的表现。
正因为智能没有确定的标准或定义，人工智能的发展也经历了曲折、漫长的过程。“人工智能”这个科学概念已经流传了65年，由于科学家们对智能在哲学意义上的理解差异，早期的人工智能发展出了“符号主义”“联结主义”“行为主义”等多个流派。符号主义认为人脑是物理符号系统（一种关于智能产生的哲学假设），人的认知基元是符号，符号表征着外部世界，而心智活动的本质是计算，计算就是符号的操作，认知过程即符号操作过程。联结主义认为人的思维单元是神经元而不是符号，认知过程是由神经网络构成的，认知是从大量单一处理单元的相互作用中产生或涌现的，身体运动以及认知过程表现为信息在神经元中的并行分布和特定的联结方式。行为主义认为智能就是“模式?动作”关系，无须知识表达与推理，主张通过模仿人类或动物的行为实现智能。
历史上人工智能经历的三次浪潮也是从符号主义到联结主义的，高潮与低谷都与联结主义的成功与失败密切相关。20世纪60年代末70年代初，联结主义的早期代表性方法——“感知机”，一种简单的人工神经网络模型，由于不能解决相对复杂的分类问题而导致人工智能整体陷入低潮。到了20世纪90年代初，符号主义人工智能已经衰落，联结主义人工神经网络方法则在20世纪80年代和90年代回归和兴起。20世纪90年代，人工神经网络取得了商业上的成功，它们被应用于光字符识别和语音识别软件。2006年，加拿大学者杰夫·辛顿在深度神经网络机器学习方面取得突破。2016年12月，一家名为DeepMind的公司开发的围棋程序AlphaGo战胜世界冠军李世石，引爆了以深度学习技术为基础的商业革命。众多互联网巨头、初创科技公司纷纷加入人工智能战场，掀起人工智能历史上第三轮高潮（前两次分别发生于20世纪60年代和20世纪80年代）。
今天，在产业发展及行业应用方面，人工智能与制造业、医疗、农业、教育、金融等各行业结合，出现了智能制造、智能医疗、智能农业、智能教育、智能金融等多种新兴行业业态。从应用方向上来看，制造业、农业、城市治理、金融、医疗、汽车、零售等数据基础较好的行业方向应用场景目前相对成熟。无人驾驶和智能机器人正在成为产业研发热点。
60多年来，人工智能并未达到最初的目标——实现具有类人智能的机器，但在实际应用中不断进步。最有代表性的两大类成果是模仿人类推理能力的计算方法和模仿大脑神经网络结构的模型训练法，它们都是“模仿”人类智能的产物。模仿人类推理能力的计算方法又分为推理法、概率法、规划法和因果法，它们的工作原理都有严格的数学定义，所以是可解释的。模仿大脑神经网络结构的模型训练法主要包括学习对象、训练目标、数据标注、训练方法和网络表示等内容，这种方法通过所谓学习训练，得到一个参数被调节好的神经网络。这类方法的工作原理尚未得到严格的数学定义，因而不具有可解释性。
除了深度学习等算法技术，驱动这一轮高潮的因素还有很多，包括数据、算法、算力，它们使得人工智能技术真正为商业应用创造了价值；另一方面，大数据、物联网、云计算等技术为人工智能的发展打下了良好基础。在计算能力方面，以并行计算图形图像处理器（GPU）为代表的新一代计算芯片提供了更强大的计算能力，使得深度学习能够在图像识别等感知智能方面取得飞跃。
当今时代，以深度学习为主的人工智能技术结合大数据和超级计算机的高性能计算技术，一定程度上解决了许多传统或经典人工智能技术难以解决的大规模数据分析和处理问题，因此能够得到前所未有的大规模商业化。
但是，正如历史上的浅层人工神经网络技术一样，联结主义深度学习技术存在诸多局限性，比如需要大量标注数据训练、处理数据过程无法解释、对算力和能耗要求过高、亿级参数的深度学习大模型训练成本高昂、缺少逻辑推理因果学习能力等，导致其在面对诸多实际应用场景时存在瓶颈，并导致其在很多商业化应用方面失败。
卡内基梅隆大学（CMU）计算机科学学院教授、MBZUAI校长邢波教授（Eric P. Xing）指出，机器学习和人工智能过去这十几年的飞速发展，产生了很多大大小小的成果，但是它们基本上都停留在一个学术探索、试错、积累的阶段，还没有形成完备的体系；甚至还没有归纳出严格的形式规范、理论基础和评估方法；没有涌现像物理、数学里面类似哥廷根学派、哥本哈根学派那种立足于某种核心理论、方法论、思考逻辑甚至科研风格的学派。
企业界、商业界、媒体界对于深度学习技术的乐观，恰如历史上人们对于专家系统的乐观一样，使得人们对于人工智能的认识局限于此类阶段性技术，进而也影响到技术研发、高等院校的教育教学，大家都热衷于追逐热点，而忽略了对人工智能技术背后的智能本质的追问，忘却了人工智能发展的终极目标，以及如果将人工智能作为一个新兴学科来看待，是否应重视其整体性、系统性、全面性的问题。从教育的角度，这样的发展模式将无法激发更新的思想和方法产生。
因此，人工智能要继续向前发展，就不能停留在深度学习等少数技术上。我们对于人工智能的认识，也不能限于机器学习、深度学习等典型技术上。
恰如张钹院士在一次采访中所言，新一代人工智能有大数据智能、群体智能、跨媒体智能、人机混合增强智能、自主智能系统（其实就是无人机）5个支柱，上面是应用，下面是基础支撑。这个轮廓和布局看起来很圆满，但远远不够。如果看整个人工智能学科的轮廓，包括计算机视觉、语言识别、自然语言、人机交互、机器人学习等方向，目前大的布局是沉浸到应用这个方面。涉及人的9类智能，我们在逻辑语言文字和图形图像方面现在已经做得相当不错，中间7类还是有相当的距离需要探索。
从学科及研究角度来说，人工智能是多学科交叉的领域，这一点毫无疑问。但是，对于机器学习、深度学习技术和算法的集中关注说明人们对这一点的认识和理解是不够的。从技术到技术、从算法到算法的研究和应用模式不可能催生更具颠覆性、更接近人工智能终极目标的技术。当前，深度学习所遇到的一些瓶颈问题根本上还是因为对智能机制认识不清。在现象层模仿人类智能，通过深度神经网络规模和参数调整逼近人类某些智能特征，尤其是在视觉感知智能方面，确实有一定成效，但这并不意味着深度学习就是制胜法宝。2021年，人工智能的应用遇到了诸多场景局限，其背后的根源依然是智能机制不清，因而造成所应用的模型达不到人类智能适应复杂、开放场景的程度。
智能机制的研究需要神经科学、脑科学、心理学、哲学、数学等多个基础学科的支撑。因此，这也就决定了人工智能技术的再次突破一定是多学科交叉合作的结果。事实上，联结主义深度学习的鼻祖——最初的人工神经元数学模型，就是数学、心理学、神经学等多学科交叉的产物。从教育和学习角度来说，人工智能已经成为中小学生、大学生的学习内容。长远来看，人工智能基本知识素养和技能是每个人都必须具备的，就像数学、语文、计算机一样成为一个受教育者的基本知识体系的核心内容。目前阶段，所谓人工智能教育，依然以热门技术为主。无论对于中小学生还是大学生而言，理解基本概念、技术和方法，甚至用算法编程解决问题，凭借现有的丰富的学习资源和开源平台，都不是很困难的事情。但是，从根本上启发学生去思考人工智能的本质和内涵，不是件很容易的事情。人工智能没有像物理学一样的优雅、统一、可信、坚实的理论基础，人工智能在长期发展过程中也没有形成全面的、公认的知识体系，而完全是靠长期的积累、叠加形成的碎片化、流程化、程式化的知识内容。而这些内容通过教材、课程等形式展示给学生，常常使学生无所适从，甚至觉得什么都可以说成和看作人工智能。因此，我们有必要从思想源头上厘清人工智能的知识，从学科、技术和应用等多角度梳理人工智能理论和知识，呈现给受教育者尤其是高等院校学生一个相对系统、全面的人工智能知识体系。这正是本书的写作初衷。
本书是作者提出的人工智能新知识体系的总纲，是在2020年作者出版的新知识体系《人工智能导论》教材基础上，进一步将人工智能知识体系一般化，从哲学思想、历史起源、学科基础、基础技术、伦理法律、行业应用等几方面来总结梳理人工智能知识体系，可以看作之前出版的《人工智能导论》的“前传”。本书的目的是在启发和鼓励学生学习人工智能的同时，更重视从思想源头认识和理解人工智能的本质，鼓励所有专业学生都重视和学习人工智能，而不仅仅是理工科学生。通过本书的学习，使各专业、各领域、各层次学习者在了解基本定义基础上，从哲学思想到工程技术，从行业应用到伦理道德等各方面，系统、整体、深入地理解和认识人工智能。
“横看成岭侧成峰，远近高低各不同，不识庐山真面目，只缘身在此山中。” 宋代著名诗人苏轼的这首《题西林壁》描述的是庐山变化多姿的面貌，借景说理，指出观察问题应客观全面，如果主观片面，就得不出正确的结论。借用这首诗的内涵，也可以说明人类对智能本质的认识，从不同角度得出不同的结论，犹如盲人摸象一般。
“乱花渐欲迷人眼，浅草才能没马蹄”，唐代著名诗人白居易的这两句诗，其实也可以用于形容现阶段人们对于人工智能的认识。我们不要让眼花缭乱、层出不穷的算法迷惑了双眼，人工智能技术从诞生之初到今天也仅是刚能没马蹄的浅草而已。
我们希望，人们对于人工智能的发展，怀有一颗敬畏、谦卑之心，未来创造出真正成为人类伴侣的智能机器。
感谢硕士研究生邵鹏、胡泽强、周红亮为本书绘制部分插图。由于本人水平有限，本书难免存在疏漏之处，欢迎批评指正，不当之处，敬请原谅。

作者
2022年6月于哈尔滨

我要评论