人工智能60年 从图灵测试到深度学习.docx

本文格式为Word版，下载可任意编辑人工智能60年 从图灵测试到深度学习 人工智能60年 从图灵测试到深度学习 2022-04-23人工智能学家 人工智能学家 科技导报 战略前沿技术整理 ：万赟，美国休斯敦大学维多利亚分校 人工智能诞生 2022 年英美合作的电影《模仿嬉戏》陈述了英国数学家艾伦·图灵60年前在二战期间扶助设计电子计算机破译纳粹德国军事密码的真实故事不过影片的名字与图灵在电影中的事迹并没有直接关系，而是来自当时英国流行的嬉戏嬉戏中一男一女分别躲在幕后，加入嬉戏的人向他们两个人不断提问题，他们通过无法识别笔迹的笔答方式来回复，提问题的人根据回复来判断这两个人的性别1950 年图灵在《计算机与 [1] 智能》一文中借用这个嬉戏做为判断计算机是否具有人类智能的标准， 也就是把一个人和一台计算机放在幕后，让测试人员通过提问来判断哪一个是计算机，假设判断错误的话，就认为计算机通过了图灵测试，具有人的智能后来人工智能学者将图灵这篇论文中描述的计算机称为图灵机，这一测试方式称为图灵测试（注：图灵本人曾经预料随着足够多 内存的展现，50年内（也就是到2000年）计算机能够达成图灵机的标准）。

40年后的1990年英国剑桥大学为了推动图灵机的实现设立了总额为10万美元的图灵测试比赛（The Leobner Prize），每年举办一次，直到有人能够设计出达成标准的图灵机为止，结果16年后的今天比赛仍在持续尽管如此，图灵测试为人工智能领域的进展树立起一个目标随着几代人工智能学者的不断研究，逐步熟悉到人脑的高度繁杂性和计算机的局限性这些察觉扶助我们不断把人工智能技术应用到生产和生活的诸多方面 其次次世界大战期间，英国军方需要尽快破译纳粹德国军事密码，图灵参与并主导了英国电子计算机的研制同时期美国科学家也投入到计算机的研制工作战后电子计算机开头从纯军事领域转向民用，好多具有不同学术背景的专家围拢到计算机的应用领域，其中不乏青年才俊1956 年夏天，一批学者聚集在达特茅斯学院召开了一次关于人工智能的研讨会，该会议成为人工智能领域正式创立的标志会议的召集人是达特茅斯学院的数学系助理教授麦卡锡（John McCarthy），参与人包括明斯基（Marvin Minsky），西蒙（Herbert Simon）以及西蒙的合作伙伴纽厄尔（Allen Newell）由于不同的学术背景和对智能以及实现智能的不同看法，人工智能从一开头就形成两类不同的流派和方法。

第一类是以西蒙和纽厄尔代表的理性学派这一学派认为人脑与计算机可以看成信息处理器计算机的智能和人脑的智能主要表现在对抽象化问题的解决上任何能够以确定的规律规矩描述的问题都可以通过人工 智能程序来计算解决，尤其是对人脑来说过于繁杂的规律问题西蒙有一段时间特意研究公司里人们的行为决策，他察觉由于认知才能的限制，人在做决策时并不像经济学里的理性人描述地那样，能够总是去寻求最优解，大多数处境下是探索能够得志最低要求的解决方案他将这一现象称为“合意解（satisficing）”，用来识别对理性人所假设的“最优解（optimizing）”他认为这一现象产生的理由是人理性的有限性或者说是有边界的理性（bounded rationality）在这一观念的影响下，他认为计算机带来的人工智能可以大大延迟人类理性按照这一思路，西蒙和纽厄尔在人工智能领域取得了不少成果1955年他们设计的规律机程序告成证领略罗素和怀特海所著的《数学原理》一书提出的52个定理中的38个，其中不少证明比原书中的更加精彩根据对规律机的研究，1957 年他们又设（general problem solver），梦想以此来解决任何可以形式化的符号问题（定理证明、几何问题及国际象棋对抗等）。

西蒙所代表的理性流派虽然在机器定理证明和简朴规律问题解决（譬如汉诺塔问题）上取得了显著的成就，但一旦面对繁杂的问题，有限的计算机内存空间很快就由于探索问题解决空间时考虑不同路径带来的组合爆炸而无法举行下去由于同样的理由，好多人工智能专家认为计算机程序虽然可以击败人类国际象棋冠军，但可能永远无法击败人类围棋冠军，由于后者的探索空间太大（图1） 图1 无论是国际象棋还是围棋，目前都是通过对树布局空间的广度b（每一步可能的下法）与深度d（总回合）探寻相结合举行判断（bd），国际象棋的探寻维度（广度35；深度80）远远少于围棋（广度250； 深度150） 与西蒙他们的理性学派在方法上形成比较的是感性学派感性学派简朴说就是通过对脑神经的模拟来获得人工智能 人脑神经元一般由细胞体、树突和轴突组成树突用来接收其他神经元传递过来的信息，轴突及其顶端的突触那么用来传递信息给其他神经元1949年加拿大神经心理学家赫布提出理论，解释了人脑在学习过程中脑神经元发生的变化赫布理论认为假设一个神经元持续激活另一个神经元，这种持续重复的刺激可以导致突触传递效能的增加。

概括表现为前者的轴突将会生长出突触小体（假设已有，那么会持续长大），并和后者的胞体相连接，形成记忆痕迹当时正在哈佛读本科的明斯基受到启发，产生了制作一个电子模拟神经网络实现人工智能的想法1951年在美国心理学大师米勒的扶助下，明斯基和帕尔特（Seymour Papert）获得了美国海军经费资助设计出世界上第1台用来对迷宫求解的电子神经网络（SNARC），包含40个电子神经和若干内存每一个电子神经元由6个真空管和一个马达组成，整个设备使用了300 多个真空管（图2）这一付出使明斯基被认为是人工神经网络的先驱 图2 SNARC 使用的真空管是当时电子计算机的根本原件，每一个真 空管通过开和关两种状态代表一个比特的信息 最早把神经网络原理告成应用到图像识别的是康奈尔大学的心理学教授罗森布拉特他和明斯基都毕业于纽约布朗克斯科学高中，而且是后者的学长1957年他利用神经网络原理告成制做了电子感知机（Perceptron，图3），该设备由于能够读入并识别简朴的字母和图像而在当时引起轰动，使得好多专家预料在几年后计算机将具备斟酌功能 图3 1957 年，罗森布拉特根据赫布原理用IBM 704 完成了感知机的仿真。

后来用马克1 号制作了上面这台基于感知机的神经计算机，告成实现了一些英文字母的识别1960 年6 月23 日该神经计算机举行了公众表示，该计算机与一个能够摄取400 个像素（20x20）的感光板 相连 明斯基和罗森布拉特设计的人工神经网络以及后来人工智能专家在计算机上虚拟生成的更繁杂的人工神经网络，都是通过模拟人脑神经细胞的记忆布局来实现的由于神经网路链接的权重分布需要根据输入的信息不断调整，但是调整过程对外界来说是一个黑盒子，所以在设计不同的人工神经网络时，除了遵循一些根本原那么外，更多需要通过阅历和直觉来举行，据此有人称人工神经网络的设计为一门“艺术”而非“科学”，与西蒙等所倡导的理性学派形成了显著识别 — 6 —。