1.1 全方位认识AI

1.1.1 AI的定义

1950年，为了测试机器的智能，阿兰·图灵提出了图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不被辨别出其机器身份，那么称这台机器具有智能。

1956年，在达特茅斯（Dartmouth）会议上，由John McCarthy、Marvin Minsky、Claude Shannon等人第一次提出了AI（Artificial Intelligence，人工智能）的概念。从此，AI作为计算机的一个分支学科，开始发展壮大。

对于AI的定义，有许多不同的观点，在《人工智能：一种现代的方法》[1]中将已有的AI定义为：

□ 像人一样思考的系统；

□ 像人一样行动的系统；

□ 可理性思考的系统；

□ 可理性行动的系统。

在中国电子技术标准化研究院发布的《人工智能标准化白皮书》中，AI被认为是利用数字计算机或由数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

如果提升到人类文明发展的角度，还有一个更升华的定义。AI，其实是科学家理解和重构人类智能的产物，人们期待它像人一样理解和探索未知事物，进而发展生产力、延续人类文明。《荀子·劝学篇》中说，“君子生非异也，善假于物也”，AI就是人类可依托的最高智慧形态的“物”。

根据系统的智能程度可以将AI划分为弱AI、强AI，有些学者预测在强AI之后还会有超AI。

1）弱AI（Artificial Narrow Intelligence, ANI）：主要是指只能解决某一特定问题或完成某一项特定任务的智能系统，如IBM的深蓝系统、AlphaGo，专门用于国际象棋、围棋等领域；再如当前商业应用中的智能诊疗系统、智能客服系统等，只能解决预设领域中的预设问题。这些系统针对专一问题可以提供很好的解决方案，但是迁移能力极弱，也不具备自我意识。

2）强AI（Strong AI）：又叫通用AI（Artificial General Intelligence, AGI），是指具备独立的意识和知觉、可自主应对外界环境挑战的AI。虽然没有对强AI智能水平的准确量化，但是其应具备如下能力，这已成为共识。

□ 感知信息的能力：具备对外界结构化或非结构化信息进行感知和获取的能力。

□ 自主思考的能力：在外界的不确定情况下，可以进行自主思考。

□ 自主学习的能力：具备基础知识或者常识，在知识储备无法解决问题时，可以自主寻求学习。

□ 制定目标和计划的能力。

□ 交流沟通的能力。

实现强AI，可以说是AI发展的终极目标之一，但无论是理论研究还是技术实现，难度都非常大。根据Gartner在2021年发布的AI技术成熟度曲线（见图1-1）可知，通用AI即强AI的成熟时间预计在10年以上，但这里的“10年以上”难以真实反映强AI与现实的距离。根据当今AI领域商业或研究方向的专家（如DeepMind首席执行官Demis Hassabis、谷歌AI首席执行官Jeff Dean和斯坦福AI负责人李飞飞等）预测，强AI时代可能需要等到2099年才能到来。预测可能存在偏差，但是这个预测足以说明理想和现实之间的差距。

强AI除了在理论研究、技术实现上有较大的挑战，在伦理道德上也有较大的争议，各国发表的一系列AI标准等也在为AI发展的伦理道德风险做预估。

3）超AI（Artificial Super Intelligence, ASI）：指智能水平大大超过人类水平，或大大超过强AI水平的人工智能。牛津大学哲学家尼克·博斯特罗姆（Nick Bostrom）将超AI定义为“在几乎所有感兴趣的领域都大大超过人类认知表现的任何智力”。

对于超AI的可能性，仍有许多不同的观点，一些研究员认为，通过人类的进化和修改人类的生物特征，可获得更强大的生物智能，因此超AI其实只是人类和计算机的高度融合，而非新的物种。而另一些研究员认为，在通用AI出现之后，由于其在记忆、知识储备、并行处理等维度均会大大超越人类，因此会形成一个新物种，且变得比人类强大。

尼克·博斯特罗姆提到，对比计算机和生物，生物神经元的工作频率峰值为200Hz，比现代的2GHz的微处理器慢了7个数量级。神经元在速度不超过120m/s的轴突上传输信号，而现有的电子处理核心可以以光速进行通信，这个差距是2000倍以上。而在扩展协同能力上，许多计算机可以弹性增加计算能力，这一点也是人类智能难以匹敌的。

1.1.2 AI的三大学派

AI在发展过程中产生过许多技术路线，形成了许多技术学派，无论是哪种技术学派，最终目标都是为了迈向强AI。当前AI已形成三大学派，即符号主义、连接主义、行为主义。

1.符号主义

符号主义又称逻辑主义、心理学派或计算机学派。该学派认为AI源于数理逻辑，即使用数学方法研究逻辑，是数学的一个分支。数理逻辑在20世纪30年代开始用于表示智能行为，之后又在计算机上实现了逻辑演绎系统。1956年前后，艾伦·纽厄尔（Allen Newell）等人编写的计算机程序——“逻辑理论家”，证明了38个数学定理，表明使用计算机可以模拟人类的智能活动。1956年首次提出的“AI”术语正是来源于这些符号主义者。在符号主义路线下，启发式的程序、专家系统、知识工程理论与技术等在20世纪80年代前后蓬勃发展。符号主义在20世纪为AI的发展做出了重要贡献，尤其是专家系统的成功开发与应用，对AI从理论到落地应用具有重要意义。经过大半个世纪的发展，符号主义依然是AI的主流派别，该学派的代表人物有艾伦·纽厄尔、希尔伯特·A.西蒙（Herbert A. Simon）等。

2.连接主义

连接主义又称仿生学派或生理学派，该学派认为AI源于仿生学，特别是对人脑模型的研究。连接主义通过研究脑模型和模拟神经元，构建人工神经网络模型，开辟出AI发展的另一种途径。20世纪60～70年代，基于感知机的脑模型研究曾引起关注，但由于受到技术条件的限制，脑模型研究在20世纪70年代后期陷入低谷。1982年，霍普菲尔德（Hopfield）教授提出霍普菲尔德神经网络；1986年，鲁梅尔哈特（Rumelhart）等人提出误差反向传播（Back Propagation, BP）算法，之后，卷积神经网络、深度信念网络、深度神经网络训练方法等理论相继提出，这将连接主义的发展带入高潮。基于深度神经网络的方法在21世纪初给计算机视觉、语音识别、语义理解等领域带来了应用突破，使大量应用成功落地。

3.行为主义

行为主义又称进化主义或控制论学派。这个学派认为，AI源于控制论，即基于感知、控制和行为反馈的系统。在20世纪40～50年代，控制论就成为时代思潮的重要部分，影响了许多早期的AI学者。控制论将信息论、神经系统、逻辑和计算机联系在一起，模拟人类在控制过程中的智能行为，如自寻优、自适应、自学习等。对控制论系统的研究为智能控制和智能机器人打下基础，推动了20世纪80年代智能控制和智能机器人系统的诞生。

行为主义是20世纪末才以AI新学派的面孔出现的，引起了许多人的关注。在21世纪，智能机器人在各个领域获得了巨大的成功，比如工业领域机器人的出现带动了先进制造的发展。在其他领域，也出现了一些具有代表性的产品，如波士顿动力公司的机器狗、行走机器人等。

1.1.3 AI的发展历程

AI的概念始于19世纪50年代，而后经历了三个大的发展阶段，这三个阶段也是AI不同学派、研究路径、算法兴起和发展交替的过程，如图1-2所示。

AI发展的第一阶段是20世纪50～80年代，在这个阶段，数字可编程计算机已出现，是符号主义的繁荣时期，但是由于当时的运算能力不足，许多复杂的问题无法具象化表达，在常识认知和推理方面发展难度较大，在1970年后进入了低谷期。

AI发展的第二阶段是在20世纪80～90年代末，在这个阶段，连接主义和符号主义都得到了快速发展，人工神经网络、反向传播算法在这个阶段获得突破。资本和研究对专家系统的热情高涨，加上计算机发展得到长足进步，迎来了AI的第二波高潮，但由于数据及知识获取、知识和规则的局限以及高昂的构筑成本，专家系统又走入了低谷。

AI发展的第三阶段是21世纪初至今，随着大数据的积累、计算机运算能力的大幅提升、算法的革新，以深度学习为代表的第三波AI热潮迎来了繁荣。

从学派的角度看，AI的发展过程是各学派竞相发展的过程：符号主义在20世纪80年代之前一直主导着AI的发展，对应的是第一代AI；连接主义则从20世纪90年代开始发展，特别是在深度学习有了较大发展后，让其在21世纪初进入高潮，大有替代符号主义的势头，这对应着第二代AI。这两种学派的本质是从不同的角度模仿人的心智，具有各自的片面性，难以触及人类真正的智能。

清华大学AI研究院院长、中国科学院院士张钹教授在纪念《中国科学》创刊70周年专刊上发表署名文章[2]，阐述了第三代AI的理念，即融合利用知识、数据、算法和算力4项要素的可解释和鲁棒的AI理论方法，发展安全、可信、可靠和可扩展的AI技术。

从智能化程度的角度看，过去数十年AI的发展推动了智能化水平的不断提升，智能化的形态可以通过计算、感知、认知、意识这4个阶段来划分，如图1-3所示。

计算是基础，智能水平也可以用计算水平来表示。随着算力的增长，计算机可解决的问题也越来越多。随着深度学习方法的突破，大规模并行计算成为智能计算的主流。传感器对物理世界的感知实现了物理世界的数字化，感知智能能让计算机理解数字化物理世界中的基本概念，让它会听能说、会看能认，从而实现机器与世界的基础交互。认知智能能让机器理解、思考并解决问题，是更高级的智能，能解决更加复杂的问题。意识智能是图灵奖获得者Manuel Blum夫妇在2020年提出的，即构建可计算的意识模型。深度学习方法不仅在计算机视觉、语音识别等领域带动了感知智能的大幅飞跃，还在语义理解等方面带动认知智能实现突破。意识智能的到来只是时间问题。

1.1.4 AI的发展政策

AI技术的突破带来了新的产业机会。全球主要国家和地区相继推出与人工智能相关的战略规划文件，截至2020年12月，全国有39个国家和地区制定了人工智能战略政策和产业规划文件。我们以中国和美国为例，列举部分早期重要的政策，如表1-1所示。

在发展AI产业的政策中，技术、人才、行业落地、标准建设、安全、伦理是人们关注的重点。在AI发展的早期阶段人们只注重发展速度，随之出现的是不断标准化和完善的关于安全和伦理的政策、法规；随着后续的持续发展，产业的标准和法规还会进一步完善。在国家级法规之下，各个省市也针对当地特点陆续制定相应的AI发展政策法规，形成完整的政策体系。

中国的《新一代人工智能发展规划》提出了2020年～2030年国家对AI产业的三步走发展战略，从与世界先进技术竞争的维度，2020年是技术和应用同步，2025年是基础理论的突破、部分技术与应用领先，2030年则是理论、技术、应用都领先，如图1-4所示。