前   言
20世紀(jì)初，英國(guó)心理學(xué)家查爾斯·斯皮爾曼（Charles Spearman）首次觀察到，當(dāng)人們?cè)谕瓿梢恍┛此坪翢o關(guān)聯(lián)的心智任務(wù)時(shí)，比如判斷一個(gè)物體是否比另一個(gè)重，或者在燈亮后迅速按下按鈕，其平均表現(xiàn)可以預(yù)測(cè)人在執(zhí)行完全不同的任務(wù)時(shí)的平均表現(xiàn)。斯皮爾曼提出，可以用一般智能的單一衡量標(biāo)準(zhǔn)表征這種共性。斯皮爾曼之后的心理學(xué)領(lǐng)域產(chǎn)生了許多人類智能理論。從20世紀(jì)初到20世紀(jì)80年代，心理學(xué)對(duì)智能的研究大概經(jīng)歷了三個(gè)發(fā)展階段：“功能主義式”，從智能的外在功能表現(xiàn)界定智能的標(biāo)準(zhǔn)；“結(jié)構(gòu)決定式”，試圖說明智能的內(nèi)在結(jié)構(gòu)；“信息處理式”，將信息處理嫁接到大腦的生理學(xué)過程中�？偟膩砜�，在心理學(xué)中，對(duì)智能進(jìn)行的科學(xué)探究大致經(jīng)歷了“從外到內(nèi)”的認(rèn)知過程。不同研究方式與取向的選擇使得人們對(duì)“智能”的定義和界定始終懸而未決。這個(gè)問題在哲學(xué)尤其是心靈哲學(xué)領(lǐng)域有不同程度的表現(xiàn)。
正因?yàn)橹悄軟]有確定的標(biāo)準(zhǔn)或定義，人工智能的發(fā)展也經(jīng)歷了曲折、漫長(zhǎng)的過程�！叭斯ぶ悄堋边@個(gè)科學(xué)概念已經(jīng)流傳了65年，由于科學(xué)家們對(duì)智能在哲學(xué)意義上的理解差異，早期的人工智能發(fā)展出了“符號(hào)主義”“聯(lián)結(jié)主義”“行為主義”等多個(gè)流派。符號(hào)主義認(rèn)為人腦是物理符號(hào)系統(tǒng)（一種關(guān)于智能產(chǎn)生的哲學(xué)假設(shè)），人的認(rèn)知基元是符號(hào)，符號(hào)表征著外部世界，而心智活動(dòng)的本質(zhì)是計(jì)算，計(jì)算就是符號(hào)的操作，認(rèn)知過程即符號(hào)操作過程。聯(lián)結(jié)主義認(rèn)為人的思維單元是神經(jīng)元而不是符號(hào)，認(rèn)知過程是由神經(jīng)網(wǎng)絡(luò)構(gòu)成的，認(rèn)知是從大量單一處理單元的相互作用中產(chǎn)生或涌現(xiàn)的，身體運(yùn)動(dòng)以及認(rèn)知過程表現(xiàn)為信息在神經(jīng)元中的并行分布和特定的聯(lián)結(jié)方式。行為主義認(rèn)為智能就是“模式?動(dòng)作”關(guān)系，無須知識(shí)表達(dá)與推理，主張通過模仿人類或動(dòng)物的行為實(shí)現(xiàn)智能。
歷史上人工智能經(jīng)歷的三次浪潮也是從符號(hào)主義到聯(lián)結(jié)主義的，高潮與低谷都與聯(lián)結(jié)主義的成功與失敗密切相關(guān)。20世紀(jì)60年代末70年代初，聯(lián)結(jié)主義的早期代表性方法——“感知機(jī)”，一種簡(jiǎn)單的人工神經(jīng)網(wǎng)絡(luò)模型，由于不能解決相對(duì)復(fù)雜的分類問題而導(dǎo)致人工智能整體陷入低潮。到了20世紀(jì)90年代初，符號(hào)主義人工智能已經(jīng)衰落，聯(lián)結(jié)主義人工神經(jīng)網(wǎng)絡(luò)方法則在20世紀(jì)80年代和90年代回歸和興起。20世紀(jì)90年代，人工神經(jīng)網(wǎng)絡(luò)取得了商業(yè)上的成功，它們被應(yīng)用于光字符識(shí)別和語(yǔ)音識(shí)別軟件。2006年，加拿大學(xué)者杰夫·辛頓在深度神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)方面取得突破。2016年12月，一家名為DeepMind的公司開發(fā)的圍棋程序AlphaGo戰(zhàn)勝世界冠軍李世石，引爆了以深度學(xué)習(xí)技術(shù)為基礎(chǔ)的商業(yè)革命。眾多互聯(lián)網(wǎng)巨頭、初創(chuàng)科技公司紛紛加入人工智能戰(zhàn)場(chǎng)，掀起人工智能歷史上第三輪高潮（前兩次分別發(fā)生于20世紀(jì)60年代和20世紀(jì)80年代）。
今天，在產(chǎn)業(yè)發(fā)展及行業(yè)應(yīng)用方面，人工智能與制造業(yè)、醫(yī)療、農(nóng)業(yè)、教育、金融等各行業(yè)結(jié)合，出現(xiàn)了智能制造、智能醫(yī)療、智能農(nóng)業(yè)、智能教育、智能金融等多種新興行業(yè)業(yè)態(tài)。從應(yīng)用方向上來看，制造業(yè)、農(nóng)業(yè)、城市治理、金融、醫(yī)療、汽車、零售等數(shù)據(jù)基礎(chǔ)較好的行業(yè)方向應(yīng)用場(chǎng)景目前相對(duì)成熟。無人駕駛和智能機(jī)器人正在成為產(chǎn)業(yè)研發(fā)熱點(diǎn)。
60多年來，人工智能并未達(dá)到最初的目標(biāo)——實(shí)現(xiàn)具有類人智能的機(jī)器，但在實(shí)際應(yīng)用中不斷進(jìn)步。最有代表性的兩大類成果是模仿人類推理能力的計(jì)算方法和模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的模型訓(xùn)練法，它們都是“模仿”人類智能的產(chǎn)物。模仿人類推理能力的計(jì)算方法又分為推理法、概率法、規(guī)劃法和因果法，它們的工作原理都有嚴(yán)格的數(shù)學(xué)定義，所以是可解釋的。模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的模型訓(xùn)練法主要包括學(xué)習(xí)對(duì)象、訓(xùn)練目標(biāo)、數(shù)據(jù)標(biāo)注、訓(xùn)練方法和網(wǎng)絡(luò)表示等內(nèi)容，這種方法通過所謂學(xué)習(xí)訓(xùn)練，得到一個(gè)參數(shù)被調(diào)節(jié)好的神經(jīng)網(wǎng)絡(luò)。這類方法的工作原理尚未得到嚴(yán)格的數(shù)學(xué)定義，因而不具有可解釋性。
除了深度學(xué)習(xí)等算法技術(shù)，驅(qū)動(dòng)這一輪高潮的因素還有很多，包括數(shù)據(jù)、算法、算力，它們使得人工智能技術(shù)真正為商業(yè)應(yīng)用創(chuàng)造了價(jià)值；另一方面，大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)為人工智能的發(fā)展打下了良好基礎(chǔ)。在計(jì)算能力方面，以并行計(jì)算圖形圖像處理器（GPU）為代表的新一代計(jì)算芯片提供了更強(qiáng)大的計(jì)算能力，使得深度學(xué)習(xí)能夠在圖像識(shí)別等感知智能方面取得飛躍。
當(dāng)今時(shí)代，以深度學(xué)習(xí)為主的人工智能技術(shù)結(jié)合大數(shù)據(jù)和超級(jí)計(jì)算機(jī)的高性能計(jì)算技術(shù)，一定程度上解決了許多傳統(tǒng)或經(jīng)典人工智能技術(shù)難以解決的大規(guī)模數(shù)據(jù)分析和處理問題，因此能夠得到前所未有的大規(guī)模商業(yè)化。
但是，正如歷史上的淺層人工神經(jīng)網(wǎng)絡(luò)技術(shù)一樣，聯(lián)結(jié)主義深度學(xué)習(xí)技術(shù)存在諸多局限性，比如需要大量標(biāo)注數(shù)據(jù)訓(xùn)練、處理數(shù)據(jù)過程無法解釋、對(duì)算力和能耗要求過高、億級(jí)參數(shù)的深度學(xué)習(xí)大模型訓(xùn)練成本高昂、缺少邏輯推理因果學(xué)習(xí)能力等，導(dǎo)致其在面對(duì)諸多實(shí)際應(yīng)用場(chǎng)景時(shí)存在瓶頸，并導(dǎo)致其在很多商業(yè)化應(yīng)用方面失敗。
卡內(nèi)基梅隆大學(xué)（CMU）計(jì)算機(jī)科學(xué)學(xué)院教授、MBZUAI校長(zhǎng)邢波教授（Eric P. Xing）指出，機(jī)器學(xué)習(xí)和人工智能過去這十幾年的飛速發(fā)展，產(chǎn)生了很多大大小小的成果，但是它們基本上都停留在一個(gè)學(xué)術(shù)探索、試錯(cuò)、積累的階段，還沒有形成完備的體系；甚至還沒有歸納出嚴(yán)格的形式規(guī)范、理論基礎(chǔ)和評(píng)估方法；沒有涌現(xiàn)像物理、數(shù)學(xué)里面類似哥廷根學(xué)派、哥本哈根學(xué)派那種立足于某種核心理論、方法論、思考邏輯甚至科研風(fēng)格的學(xué)派。
企業(yè)界、商業(yè)界、媒體界對(duì)于深度學(xué)習(xí)技術(shù)的樂觀，恰如歷史上人們對(duì)于專家系統(tǒng)的樂觀一樣，使得人們對(duì)于人工智能的認(rèn)識(shí)局限于此類階段性技術(shù)，進(jìn)而也影響到技術(shù)研發(fā)、高等院校的教育教學(xué)，大家都熱衷于追逐熱點(diǎn)，而忽略了對(duì)人工智能技術(shù)背后的智能本質(zhì)的追問，忘卻了人工智能發(fā)展的終極目標(biāo)，以及如果將人工智能作為一個(gè)新興學(xué)科來看待，是否應(yīng)重視其整體性、系統(tǒng)性、全面性的問題。從教育的角度，這樣的發(fā)展模式將無法激發(fā)更新的思想和方法產(chǎn)生。
因此，人工智能要繼續(xù)向前發(fā)展，就不能停留在深度學(xué)習(xí)等少數(shù)技術(shù)上。我們對(duì)于人工智能的認(rèn)識(shí)，也不能限于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等典型技術(shù)上。
恰如張鈸院士在一次采訪中所言，新一代人工智能有大數(shù)據(jù)智能、群體智能、跨媒體智能、人機(jī)混合增強(qiáng)智能、自主智能系統(tǒng)（其實(shí)就是無人機(jī)）5個(gè)支柱，上面是應(yīng)用，下面是基礎(chǔ)支撐。這個(gè)輪廓和布局看起來很圓滿，但遠(yuǎn)遠(yuǎn)不夠。如果看整個(gè)人工智能學(xué)科的輪廓，包括計(jì)算機(jī)視覺、語(yǔ)言識(shí)別、自然語(yǔ)言、人機(jī)交互、機(jī)器人學(xué)習(xí)等方向，目前大的布局是沉浸到應(yīng)用這個(gè)方面。涉及人的9類智能，我們?cè)谶壿嬚Z(yǔ)言文字和圖形圖像方面現(xiàn)在已經(jīng)做得相當(dāng)不錯(cuò)，中間7類還是有相當(dāng)?shù)木嚯x需要探索。
從學(xué)科及研究角度來說，人工智能是多學(xué)科交叉的領(lǐng)域，這一點(diǎn)毫無疑問。但是，對(duì)于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)和算法的集中關(guān)注說明人們對(duì)這一點(diǎn)的認(rèn)識(shí)和理解是不夠的。從技術(shù)到技術(shù)、從算法到算法的研究和應(yīng)用模式不可能催生更具顛覆性、更接近人工智能終極目標(biāo)的技術(shù)。當(dāng)前，深度學(xué)習(xí)所遇到的一些瓶頸問題根本上還是因?yàn)閷?duì)智能機(jī)制認(rèn)識(shí)不清。在現(xiàn)象層模仿人類智能，通過深度神經(jīng)網(wǎng)絡(luò)規(guī)模和參數(shù)調(diào)整逼近人類某些智能特征，尤其是在視覺感知智能方面，確實(shí)有一定成效，但這并不意味著深度學(xué)習(xí)就是制勝法寶。2021年，人工智能的應(yīng)用遇到了諸多場(chǎng)景局限，其背后的根源依然是智能機(jī)制不清，因而造成所應(yīng)用的模型達(dá)不到人類智能適應(yīng)復(fù)雜、開放場(chǎng)景的程度。
智能機(jī)制的研究需要神經(jīng)科學(xué)、腦科學(xué)、心理學(xué)、哲學(xué)、數(shù)學(xué)等多個(gè)基礎(chǔ)學(xué)科的支撐。因此，這也就決定了人工智能技術(shù)的再次突破一定是多學(xué)科交叉合作的結(jié)果。事實(shí)上，聯(lián)結(jié)主義深度學(xué)習(xí)的鼻祖——最初的人工神經(jīng)元數(shù)學(xué)模型，就是數(shù)學(xué)、心理學(xué)、神經(jīng)學(xué)等多學(xué)科交叉的產(chǎn)物。從教育和學(xué)習(xí)角度來說，人工智能已經(jīng)成為中小學(xué)生、大學(xué)生的學(xué)習(xí)內(nèi)容。長(zhǎng)遠(yuǎn)來看，人工智能基本知識(shí)素養(yǎng)和技能是每個(gè)人都必須具備的，就像數(shù)學(xué)、語(yǔ)文、計(jì)算機(jī)一樣成為一個(gè)受教育者的基本知識(shí)體系的核心內(nèi)容。目前階段，所謂人工智能教育，依然以熱門技術(shù)為主。無論對(duì)于中小學(xué)生還是大學(xué)生而言，理解基本概念、技術(shù)和方法，甚至用算法編程解決問題，憑借現(xiàn)有的豐富的學(xué)習(xí)資源和開源平臺(tái)，都不是很困難的事情。但是，從根本上啟發(fā)學(xué)生去思考人工智能的本質(zhì)和內(nèi)涵，不是件很容易的事情。人工智能沒有像物理學(xué)一樣的優(yōu)雅、統(tǒng)一、可信、堅(jiān)實(shí)的理論基礎(chǔ)，人工智能在長(zhǎng)期發(fā)展過程中也沒有形成全面的、公認(rèn)的知識(shí)體系，而完全是靠長(zhǎng)期的積累、疊加形成的碎片化、流程化、程式化的知識(shí)內(nèi)容。而這些內(nèi)容通過教材、課程等形式展示給學(xué)生，常常使學(xué)生無所適從，甚至覺得什么都可以說成和看作人工智能。因此，我們有必要從思想源頭上厘清人工智能的知識(shí)，從學(xué)科、技術(shù)和應(yīng)用等多角度梳理人工智能理論和知識(shí)，呈現(xiàn)給受教育者尤其是高等院校學(xué)生一個(gè)相對(duì)系統(tǒng)、全面的人工智能知識(shí)體系。這正是本書的寫作初衷。
本書是作者提出的人工智能新知識(shí)體系的總綱，是在2020年作者出版的新知識(shí)體系《人工智能導(dǎo)論》教材基礎(chǔ)上，進(jìn)一步將人工智能知識(shí)體系一般化，從哲學(xué)思想、歷史起源、學(xué)科基礎(chǔ)、基礎(chǔ)技術(shù)、倫理法律、行業(yè)應(yīng)用等幾方面來總結(jié)梳理人工智能知識(shí)體系，可以看作之前出版的《人工智能導(dǎo)論》的“前傳”。本書的目的是在啟發(fā)和鼓勵(lì)學(xué)生學(xué)習(xí)人工智能的同時(shí)，更重視從思想源頭認(rèn)識(shí)和理解人工智能的本質(zhì)，鼓勵(lì)所有專業(yè)學(xué)生都重視和學(xué)習(xí)人工智能，而不僅僅是理工科學(xué)生。通過本書的學(xué)習(xí)，使各專業(yè)、各領(lǐng)域、各層次學(xué)習(xí)者在了解基本定義基礎(chǔ)上，從哲學(xué)思想到工程技術(shù)，從行業(yè)應(yīng)用到倫理道德等各方面，系統(tǒng)、整體、深入地理解和認(rèn)識(shí)人工智能。
“橫看成嶺側(cè)成峰，遠(yuǎn)近高低各不同，不識(shí)廬山真面目，只緣身在此山中。” 宋代著名詩(shī)人蘇軾的這首《題西林壁》描述的是廬山變化多姿的面貌，借景說理，指出觀察問題應(yīng)客觀全面，如果主觀片面，就得不出正確的結(jié)論。借用這首詩(shī)的內(nèi)涵，也可以說明人類對(duì)智能本質(zhì)的認(rèn)識(shí)，從不同角度得出不同的結(jié)論，猶如盲人摸象一般。
“亂花漸欲迷人眼，淺草才能沒馬蹄”，唐代著名詩(shī)人白居易的這兩句詩(shī)，其實(shí)也可以用于形容現(xiàn)階段人們對(duì)于人工智能的認(rèn)識(shí)。我們不要讓眼花繚亂、層出不窮的算法迷惑了雙眼，人工智能技術(shù)從誕生之初到今天也僅是剛能沒馬蹄的淺草而已。
我們希望，人們對(duì)于人工智能的發(fā)展，懷有一顆敬畏、謙卑之心，未來創(chuàng)造出真正成為人類伴侶的智能機(jī)器。
感謝碩士研究生邵鵬、胡澤強(qiáng)、周紅亮為本書繪制部分插圖。由于本人水平有限，本書難免存在疏漏之處，歡迎批評(píng)指正，不當(dāng)之處，敬請(qǐng)?jiān)�諒�?br />

作  者         
2022年6月 于哈爾濱