人工智能 ｜ 01 梦开始的地方

人工智能夏季研讨会

聊起人工智能，就不得不提到1956年在达特茅斯学院的那个夏天。

在两个月的时间里，一群计算机界的大佬和即将成为大佬的预备大佬共聚一堂，探讨着“如何用机器模拟智能”的问题。

会议的主要召集人，约翰·麦卡锡（John McCarthy），将这个会议命名为“人工智能夏季研讨会”，从此诞生了“人工智能”这个词。

大佬们之所以要讨论这个问题，是因为著名的计算机科学家图灵在不久前发表了一片论文《计算机器与智能》。

在文章中图灵讨论了使用计算机来模拟人类智能的可能性，并提到了一个用于评价模拟效果如何的方法，称之为“模拟游戏”（游戏Game一词也有比赛的含义）。

把一个人和一台计算机分别关在两个小房间里，房间外有多少比例的人可以通过与它们对话（传递小纸条），判断出来其中哪个是人，哪个是机器。

这也就是后来更为人们所知的“图灵测试”。

信息论

可是，计算机怎么能和人对话呢？

问题的重点不在于如何发声或打印小纸条，因为不论是留声机还是打字机，在当时都是非常成熟的技术了。

重点在于计算机如何能“听懂人话”并作出适当的反应，即便是在60多年后的今天，这依然是人工智能领域还在摸索的问题。

如你所知，我们给机器起名字的时候，是根据它的功能来的。比如洗衣机，就是一种用来洗衣服的机器；电视机，是一种用来看电视的机器；咖啡机，是一种用来做咖啡的机器。

计算机，不过只是一种很擅长计算的机器。

计算是对“数字”的处理，可是人类的语言却是“文字”。这即计算机科学家，也是人工智能科学家们要解决的第一个问题。

与会的另一个大佬，香农，是信息论的奠基人，他巧妙的提出了“信息量”的概念。

我们人类在表达一个意图的时候，可以用很多种不同的表达方式，甚至使用完全不同的语言。

• 今日有雨。
• 今天空中将落下雨滴。
• It rains today.

尽管这些文字如此不同，但是他们在传递着某种相似甚至相同的东西，这就是信息。

香农认为，一句话中所携带的信息有多少，可以通过计算来量化，并且给到了一个非常简洁的公式：

I = -log p

其中p就是这句话中事件发生的概率，而I就是它的信息量了。

让我们在此处做一个简单假设，假如天气只会出现“晴”“雨”两种情况，且发生的概率都一样，即都是1/2。那么如“今日有雨”这样的句子中，所携带的信息量可以通过公式得到答案:

-log(1/2) = 1 bit

也就是说，这句话所携带的信息量为1个比特。

“比特嘛，我熟！”，计算机说。在（二进制）计算机中，一切都是比特。

于是，在计算机中，就可以拿出1个比特，来表达”今日有雨“这句话所携带的信息。比如，用1来表示确实下雨了，而用0来表示不会下雨。

如果我们拿出来365个比特，就可以存储下一整年的天气情况了！这表达效率比文字高多了！

当然，真实的天气情况会更复杂，而信息论的学科大厦也更为庞大，我们这里只是讨论一个最简单的假设。

站在更高的层面来看，中文也好，拉文字母也好，数学符号也好，不过是人们在表达信息时的不同符号体系罢了。

香农通过信息论，在理论层面搭建出一条符号体系之间转化的桥梁。

符号主义

计算的本质，就是符号之间的相互转化。

上过小学的我们，大概都能感受到计算是由数值和运算两类符号组成的。

然后我们可以使用一个新的数值符号“2”来标记“1+1”的计算结果。

还有其它的变化方式，比如引入新的运算符号“X”乘法。

根据信息论的原理，符号的转化并不影响信息量。但是不同的符号对于人们的“阅读体验”来说可太不一样了。

对于而对于数学家来说，这个不只是“阅读体验的问题”，可以想象解方程的过程、定理证明的过程，本质上也都是一种符号转化。

既然如此，是不是可以设计这样一个机器，通过我们给定的初始条件和符号之间的转化规则，它就可以自行遍历出所有合法的表达方式。

这个设想简直太棒了，如果可行的话，我们只需要定义好基本公理，机器就自己可以推导出所有的推论和定理，这样的话机器岂不是就能掌握了所有的知识了？！（甚至比人类已知的还多）

在为期两个月的研讨会中，纽厄尔和西蒙两位大佬，编写程序让机器自己推导出了《数学原理》第2章52个定理中的38个定理。

从这个思路出发，逐渐形成了最早的一个人工智能流派，即符号主义。

基于符号主义衍生出了早期的人工智能的系统——“专家系统”。专家把自己行业中的“基本公理”提炼出来，程序员将其改写为计算机能理解的符号，即代码，来基于“基本公理”来进行推理，来实现对应的功能。

历史上著名的人工智能“深蓝”就是一个国际象棋的“专家系统”，它便是通过遍历出所有可能的落子，然后在1997年打败了人类棋王，登顶冠军。

不过符号主义之路并没有那么顺利，早在1931年，数学家哥德尔就通过他发现的不完备定理，证明了上述设想不可能穷举出所有知识。

图灵为了说明不完备定理，而设计出的一个思维实验机器——图灵机。图灵机在很大程度上启发了冯诺依曼，后者在此基础上设计出了我们今天在使用的计算机的基本构型。

（在未来上线的《计算机原理》专栏中，你可以看到更多关于图灵机和冯诺依曼构型的介绍）

符号主义在今天已不是人工智能界的主流，所以本文不打算继续深入，如果你对这些内容感兴趣，推荐去读侯世达的《集异璧》，去深入理解更多关于符号主义的思想。