文|尼克（张晓东）
乌镇智库理事长
《人工智能简史》2017年末出书后敏捷成为畅销书，这是我没想到的。我猜原因一方面是由于人工智能最近很火，我赶上好时分了。我在某处曾开过打趣：核算机系一般分为三拨人：理论、体系和人工智能。
二三十年前，理论和体系的人相互瞧不起，但他们一起瞧不起人工智能的人。当下人工智能鲤鱼翻身，每个从业者都成了公共常识分子。另一方面，有人说我书中的某些谈论是“夹枪带棒”，恰是这些“枪棒”激起了一批读书人的共识。当然也不扫除这书名比较应景，本书出书后，发现好几本新书也都以此为名，乃至还有一本同名的伪书，也有一家出书社把不太相关的旧译作也改为《人工智能简史》重印。居然还有一本书有一整章全文抄袭我，并且作者和出书者都振振有词，真实难以想象。也有连普特南（Putnam）和塞尔（Searle）都分不清谁是谁的“哲学”从业人员来蹭热门，我本来一向以为这票人是数学和英文欠好，现在发现他们还没到数学和英文的份儿上，主要是语文不行，对这类智商引起的问题，我一向是不回应的，也无法回应，科普作家不管束语文。郭德纲有言：你和一个外行争，自己也成外行了。
有读者说这书的内容并非像我在前言中广告的那么浅显，并建议我对书中冗杂的人物联系和派系做个整理。这是诚实的批判。这次的精装本，除了做了些文字的调整外，我还加了个附录，整理了人工智能几大派系的演化道路和人物的承继联系。读者在阅览中可不时翻到最终参阅。这一版的参阅文献格局也依照国标做了调整，我本来的格局是国际惯例的一种，我本不知道国内关于参阅文献还有国标，有那么多闲工夫，相关部分应该管管出书乱象。
人工智能范畴派系纷杂。人工智能的前史也是几条道路斗争的前史。就像美国心理学家威廉·詹姆斯把哲学体系简略地分为理性主义、阅历主义和实用主义那样，我也把人工智能做了个三分法：逻辑主义（或规矩派）、联合主义（或核算派）和天然主义。这和常见的把人工智能分为规矩派、神经网络派和行为主义派略有不同。倒并不是由于像某些哲学家那样，由于实用主义诞生于美国，就凭着民族主义或本地主义的天性更偏好它，而在人工智能三派中，恰恰由于我在学术遗传上挨近天然派，就夸张它的效果。我自有我的道理。
我不太了解为什么咱们把机器人相关的东西都归为“行为主义”，由于机器人会动，所以就“行为”吗？且不说“行为主义”（behaviorism）一词在一般的英文语境中有特定的意义（无论是一般的说法仍是特定的哲学所指），机器人学除了伯克利的坎尼（John Canny）等做过厚实的理论作业外，大部分都是会集在使用范畴，没什么一致的学术根底。即便像布鲁克斯（Rodney Brooks）这样的建议“附体智能”（embodies intelligence）的人也只说action和behavior，而不说behaviorism。沾了“主义”，那可不是闹着玩儿的。
假如说逻辑派或规矩派更像是哲学上的理性主义者，那么核算派则都更像阅历主义者。规矩派更像计划经济，而核算派更像自在市场经济。规矩派更像以第三人称和天主视角叙说，然后更具可解说性；而核算派则更像是榜首人称写作，深度学习的不行解说性令人困扰。
现在，人工智能在自动驾驶、法令和医学健康范畴的使用，可解说性是有必要的。科学史对科学也有复原论（reductionism）和出现论（emergentism）之分，规矩派挨近复原论，核算派能够算作出现论。哲学史上，在逻辑阅历主义之后，剖析哲学就没有必定的割裂，乔姆斯基大约是个破例。他坚定地自称理性主义者。他对神经网络的不屑能够从神经网络的不行解说性得到解说。
至于哪派更有自在毅力，而哪派宿命，则仁者见仁智者见智。神经网络的几起几伏，自身就有戏剧性。明斯基和罗森布拉特之争会让人想起20世纪之初天然哲学中马赫和玻尔兹曼之争，罗森布拉特之死也有点像玻尔兹曼的自杀，他们两位都算是核算派吧。
假如说英美剖析哲学的东西支撑是逻辑的话，那么在某种意义上，博弈论可被当作实用主义的新东西，博弈论触及multi-agent。我并没有非得把天然派附会到实用主义的意思。从前被以为是杂乱的核算派问题，例如图画处理和语音辨认，现在现已得到处理或许至少已有处理的思路。
但符号派的难题，例如定理证明，现在还没看见曙光。能够必定的是，曩昔的归结方法妄图“一招鲜，吃遍天”的思路，必定不灵。一阶逻辑无望，高阶逻辑就更难了。或许咱们还得回归到王浩的domain specific的思路上。天然言语处理，虽没有图画和语音那样发展神速，但比较于定理证明近年来的阻滞徜徉，究竟还有阶段性效果。现在现已看到这几派的交融，例如使用强化学习来做定理证明。
我这本书的写法比较偏根底和方法论，而不太重视使用。例如，我没有单列图画辨认和语音处理作为独立的章节，关于使用的叙说是散布在各个章节里，例如在神经网络一章中轻描淡写地讲了语音和视觉。天然言语处理是个破例，由于我以为天然言语处理自身既是使用又是方法。
物理学家费曼在加州理工学院教学时，学期的最终一节课都是请同学识问题，只要不触及政治、宗教和期末考试，什么问题都能够问。作为完毕，我也把本书出书后，我收到的读者问题列一列，并试着答复一下。
读者：这次的人工智能热是泡沫吗？
尼克：大约没有什么学科像人工智能这样，在几十年并不算长的前史中阅历了如此的大起大落。人工智能的每一次鼓起都是由于新的手法处理了曾经不能处理的问题，例如这次浪潮中，深度学习就处理了曾经神经网络不能处理的语音和图画问题，随后以强化学习为中心算法的AlphaGO打败李世石和柯洁是标志性事情，就像前次浪潮中IBM“深蓝”打败卡斯帕罗夫，而逻辑派中，常识图谱的发展也逾越了曾经的专家体系。人工智能和人们关怀的某些终极问题有关，这些问题曩昔是哲学家和科幻作家的地盘，核算机科学为人们供给了用科学和工程的手法答复这些问题的方法，旁人天然会对这些方法存在过高的希望，过高的希望天然也会带来过高的出资。泡沫的决裂就是出资的失利。比人工智能更年青的互联网，崎岖的周期更短。从出资的视点看，某些特定的人工智能使用范畴的确存在过热现象，短期内公司的纵向和水平的整合是大约率事情。
读者：算法，数据和算力，哪一项对这次人工智能的复兴奉献最大？
尼克：我正在对这个问题做一项定量的研讨，但现在还没有确定性的成果。要我猜的话，奉献排序应该是算力，数据和算法。没有满足的算力，没有方法处理海量数据，许多算法的精化是以某些特定的硬件为条件的。算力的提高刚好到了一个临界点，使得各种学习算法成为可能。
读者：本书第10章讲人工智能和核算理论的联系，比较难明，有什么方法吗？
尼克：我曾在前言中正告，第10章假如读着费劲能够越过。核算理论关于了解人工智能的各种可能性和不行能性，是不行或缺的的学识，但的确无法在很短的篇幅内把核算理论说得理解，现在我还没见到很好的核算理论的科普作品。假如我将来有时刻，我会试着写一写。人工智能从业者的教育布景首要是核算机科学，其次是电气工程，近来火起来的深度学习则和核算机科学和电气工程的联系都很亲近，乃至和电气工程的联系可能更近一些。现在大约只要麻省理工学院和加州大学伯克利分校的核算机科学和电气工程还在一个系，大部分校园核算机科学和电气工程都是且行且远。我核算了核算机科学和电气工程的关联度，这几十年的趋势佐证了这一点。
电气工程的人很少触摸核算理论，许多人都没听说过图灵机，我觉得这是电气工程教育的一个缺失。不知道一点核算理论的根底常识，无法对人工智能的各种可能性给出深入的洞见。假如将来有机会出下一版，我会试图用更浅显的言语把第10章扩展一下。
读者：我国和美国的人工智能怎样比？我国会弯道超车吗？
尼克：首要，我不喜欢“弯道超车”的提法。从产学研多个维度看，我国和美国是榜首队伍，欧洲和日本在这次的人工智能复兴中要远落后于中美。在人工智能的某些学术范畴，我国在数量上现已挨近或许超越美国。例如，学术论文的数目，乃至引证数，我国现已抢先。最近的几回人工智能相关的学术会议，黄面孔多得惊人。在人工智能的专利上，我国抢先的起伏乃至更大，如同我国人申请专利的热心比宣布论文还高。但无论是专利仍是论文，我国在质量上还远没那么凶猛。这个咱们都有定量的研讨。至于人工智能的工业和出资，我国愈加侧重使用，而美国在中心技术全面抢先。医疗、金融和教育永远是任何新技术的最早试验场，人工智能也不破例，在这些范畴里，也是美国掌握主动。总的来讲，美国仍然是领导者。这个问题的答案也要取决于时刻的颗粒度，是50年仍是500年，谁关怀牛顿和图灵的国籍。
读者：你以为奇点何时会来？
尼克：这个问题的答案有短期的视角，也有长时间的视角。我在本书的最终两章中，妄图答复这个问题。咱们无妨再读读，我也会在后续的版别中从更多的视点中讨论这个问题。我上大学时，物理学最盛行的教科书是哈里德和瑞思尼克（Halliday and Resnick）的《物理学根底》（Fundamentals of Physics）。这本书的榜首版出书于1960年，而2013年这书现已出了第十版，两位作者分别在2010年（94岁）和2014年（91岁）过世。这本书的后几版都是由比他们年青许多的沃尔克（Jearl Walker）完结的，而沃尔克本年也现已72岁了。假如我这本书能出到第十版，“奇点”的问题必定现已处理了，或许我能活到90岁，我也不关怀“奇点”问题了。
