核心书摘

《你一定爱读的人工智能简史》是一本讲述人工智能发展史的书。书中带我们了解了人工智能，解读了机器学习、深度学习和强化学习三种人工智能技术的诞生和本质。书中认为人工智能的一切问题都是人类自己的问题。因此与其担心人工智能会变坏毁灭人类，不如先让自己变好，从根源阻止人工智能变坏。

关于作者

山本一成，日本人工智能领域的代表人物，毕业于东京大学，现任爱知学院大学副教授、东京大学尖端科学技术研究中心客座研究员、株式会社HEROZ首席工程师。他还是人工智能的历史上三大标志性事件“PONANZA”的开发者之一。

本书鲜知

学什么？了解人工智能的历史与未来

什么是人工智能？人类智慧又是什么？人类应当如何做出决策？如果不是被特意追问，我们很少会留意这些问题。但是对于这些问题的探讨，我们才可以从更本质的角度来理解人工智能这个话题。

《你一定爱读的人工智能简史》的作者是世界人工智能领域的代表人物。在书中作者试图通过介绍人工智能的发展历史与未来，讲清楚人工智能技术的本质，让更多人理解，人工智能发展的本质还是人的发展。书中认为人工智能的一切问题都是人类自己的问题，所以人类自己变好才能让人工智能朝更好的方向发展。

你还会发现

· 什么是人工智能；

· 人工智能的发展历程；

· 人工智能的未来是怎样的。

一、什么是人工智能

在开始讲人工智能之前，我们需要先明确一下什么是智能。作者山本一成在书中将智能定义为同时具备“搜索”和“评估”的技能。

这话是什么意思呢？我们不妨把目光转向我们身边最智能的物体——电脑。从原始计算机发展到今天，电脑的功能已经十分强大，但它仍然算不上智能，因为电脑只具备“智能”两项必备元素中的“搜索”能力，作为一个工具，电脑只能完成人类对它下达的各种指令，而没有自己思考的能力。

人类希望能创造出超越计算机的智能体，不仅具有计算机的搜索功能，还能同时具备评估功能，让机器能够脱离人类指令，自行做出决定。人工智能的概念就从这里开始了。

根据百度百科的解释，人工智能是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的科学技术。简单来讲，起初人类希望创造能够帮助自己的机器，比如机器人保姆，钢铁侠的智能铁甲等等。后来人类又希望他们不仅仅是根据人类指令完成任务，更希望他们能成为人类的助手，增强人类的能力，作为人类的扩展。

而现在，人工智能技术不断成熟后，科学家们开始希望能创造出超越人类的机器，或者说是超越智能的物体，也就是超智能体。比如电影《复仇者联盟》中的奥创和幻视，还有钢铁侠的在线保姆贾维斯，他们都是超越了智能的存在，能够像人类一样思考，甚至实现自己的目标。

人类对人工智能的构想过程就体现了人工智能定义中的三个最核心的内容：模拟、延伸和扩展。

二、人工智能的发展历程

在对人工智能的定义有了基本的了解之后，接下来，我们一起看看本书的第二个重点内容：人工智能的发展历程。

人工智能的发展经历了三个明显的阶段：寒冬期、发展期和高潮期。下面我们分别讲一讲。

1.人工智能的寒冬期

人类的智能情结最早可以追溯到 18 世纪后半叶、计算机还没有诞生的时候。当时有一个名叫“The Turk [tə:k]”的自动国际象棋木偶在欧洲引起了不小的轰动，因为这个木偶不仅会自动下棋，还在与拿破仑的对弈中获得了胜利。虽然后来有人拆穿说“The Turk”木偶里其实藏着一个国际象棋大师，从头到尾，都是那位大师在下棋，但科学家们还是由这件事产生了创造人工智能的构想，希望能做出真正战胜人类的象棋木偶。

但遗憾的是在计算机诞生后的几十年里，人工智能领域却毫无进展，甚至一些科学家不得不改换门庭，放弃人工智能研究，这一时期就是人工智能的寒冬期。在这一时期，科学家们一直以为，要想让人工智能取得突破，就必须要理解人类学习的行为，进而才能教导机器自主学习。

人工智能的寒冬期一直持续到 21 世纪初期。

2.人工智能的发展期

即使在人工智能遇冷时期，依然有一些研究者没有放弃，他们一直在思考，为什么把人类思维写进电脑总是遭遇失败？比如一个普通的杯子，不管它如何变形，高的、矮的、玻璃的、金属的、有颜色的、无色透明的，人类总能立刻识别出来那是一个杯子。但人类究竟是如何做到的，科学家们在很长一段时间里都无法掌握其中的奥秘。

于是研究人员换了一种思路，他们放弃了把人类智慧灌输给机器的做法，不再试图通过调整计算机数值来模仿人类做出评估，转而研究如何让机器“自己教自己”，也就是研究如何让电脑自己调整项目数据，使计算机实现自我训练和自动数据调整，于是，“机器学习”技术诞生了。

所谓机器学习，就是指机器虽然不能完全理解人类的学习方式，但可以模仿人类的学习行为习得知识的一种计算机技术。机器学习技术的核心，是让计算机可以自我训练、自我调整数据。比如 2011年三星 note系列手机上市时的卖点手写输入法，还有现在越来越普遍使用的语音输入法，就都是机器学习的成果。

虽然在这个发展期，人工智能技术在机器学习上有了一定突破，但在技术应用上还有很大提升空间，比如，手写输入和语言输入的正确识别率还不太高，但已经是一个巨大的进步了。

作者山本一成认为，要想让人工智能更快发展，就要缩小机器学习与人类学习之间的差距，这个差距主要体现在以下两个方面。

第一个差距是，机器虽然有过目不忘的能力，但在总结归纳上比人类要差很多，需要尽可能多的例子作为范本来学习。比如前面提到的识别“杯子”，人类不管杯子如何变形，都能够准确识别，但机器就做不到，这就是因为机器虽然记性好，但没脑子。

机器学习与人类学习相比的第二个差距，是人类可以从少数例子中提炼规律，但机器需要尽可能多的例子。机器就像一个学生，把世上所有的试题都做一遍，都不一定能考及格，因为出题老师总喜欢变换题目的叙述方式，只要一变，机器就傻眼了。

尽管机器学习与人类的学习相比有不小的差距，但它依然给人类带来了许多启发。比如，在机器学习技术的加持下，机器的工作性能远超人类，大幅缩短了作业时间。机器的性能好了，速度快了，就意味着机器能更快地帮助人类“试错”，比如通过“今日头条”的分发机制，新媒体从业者可以快速观察到文章的传播程度，以及标题是否受欢迎，关键词有没有找对等等。

虽然机器学习为人类开辟了通往无限可能的新道路，但它还是比较死板的，只能做一些指哪打哪的指令式工作，对一件东西的识别率不高，识别速度也完全依赖于 CPU 硬件的更新。

但是，机器学习的这些弊端，在近几年已经因为深度学习技术的突破性进展而发生了改变。

深度学习技术是机器学习领域里应用范围最广的一种技术。它的前身是一种模拟人类大脑结构的神经元网络系统，这种系统利用神经元结构对信息进行处理。

为了让大家形象地理解神经元网络的工作机理，我们举一个简单的例子。大家还记得小学时常做的连线练习吧？就是左边一列词，右边一列词，要求你用连线把左右两列词连起来，组成同义词、反义词组，或成为短语，表达某个意思，这实际上就是神经元网络工作的简化形式：通过信息的组合相连，得到某种知识。

在神经元网络中，也并不局限于必须左边连接右边，还可以同一方向连接。这就好比我们在回想快乐时刻时，想到的经历可能是学前时期的，也可能是学生时期的，还可能是大学恋爱时期的，一个关键词，连接的是无数信息。左右关键词的数量越多，就越能帮助我们连接更多信息，得到的内容的层次也越深，这就形成了深度学习。

这个发现让科学家们如获至宝，但很快，他们就发现了问题，机器的深度学习就像狂刷试卷，狂背参考答案的学生，自己以为都会了，但习题稍有变化，立即被打回原形。

这就好比人类学习的误区，向大脑输入的东西一定等于大脑输出的东西吗？抄写了相对论 E=mc² 的公式，就能习得相对论的知识吗？答案显然是否定的，人类只有在输入的信息中找到规律，将规律压缩成知识，才能学会。

从这个想法出发，科学家们决定拿掉机器的一些神经元，让它记不清楚参考答案，以此来逼迫机器从全盘记忆，转为特征记忆，就好像抄作业的答案不完整，只好自己亲自动手解题一样。

在这一时期，深度学习技术让图像识别技术有了很大的突破，比如我们熟悉的交通违法拍摄系统就得益于机器的深度学习技术。除了图像识别技术，语言翻译机、语音输入法发展的背后推力，也是机器的深度学习。但这还不是人工智能的高潮，真正的人工智能高潮是 2016 年，围棋机器人阿尔法狗与李世石的世纪之战。

3.人工智能的高潮期

我们前面已经说过，阿尔法狗在围棋大赛上赢了李世石是人工智能历史上第三个标志性事件，那么这次事件为什么会成为人工智能历史上的一个关键节点呢？下面我们就讲讲人工智能三个标志性事件的意义和重要性。

第一个标志性事件，是IBM 的国际象棋机器人“深蓝”在与人类顶尖棋手卡斯帕罗夫的比赛中获胜，它代表着人工智能开始拥有了计算能力，无需机器学习技术，就可以超越人类。早在 20 世纪 40 年代，现代计算机诞生前，就有人发表论文，证明了国际象棋的可计算性。如果把人工智能看作是一个儿童，那这次国际象棋机器人的获胜就表明，这个孩子已经学会扳手指头做算术题了。

第二个标志性事件，也就是本书作者山本一成研发的日本“将棋”机器人 PONANZA 在和人类的比赛中获胜。山本一成的做法是到处搜罗职业棋手的棋谱，并把这些棋谱经过电子化后输入给 PONANAZA ,输入了 5 万多局棋局后，虽然 PONANZA 还像个愣头青一样，缺少全局意识，只会见招拆招，但好歹算是会做试卷了。

第三个标志性事件，就是阿尔法狗在围棋比赛中获胜，它代表着人工智能又向前迈进了一大步。这一次，人工智能具有了自己的判断能力，有了全局意识，会布局，甚至会坑人。阿尔法狗之所以惊人，是因为这一次人工智能在学习能力上又取得了突破性进展，这个突破性进展就是“强化学习”。

如果把“深度学习”看成是一种需要教师指导的监督式学习的话，那“强化学习”就完全不需要教师指导，类似于人类的自学，是一种真正意义上机器“自己教自己”的学习方式。计算机可以脱离人类的指令，自己对未知环境进行随机搜索，并将结果反馈给机器，根据结果评估对搜索进行微调。

这已经非常像我们人类的行为模式，就是在质量管理中经常用到的“戴明环”：PDCA 循环。在这个循环中，P是设定目标（Plan），D是执行（Do），C是评估（Check），A是调整（Adjust，也有解释为Action的）。

如果把机器学习、深度学习、强化学习放在一起来理解的话，就是一部功夫小子拜师学艺的仙侠剧。机器学习是跟着师傅修习，练一些扎马步之类的基本功；深度学习，则是练习十八般武艺并将多种武艺融会贯通，小有成就；而强化学习，则是学有所成，开始闯荡江湖，自行悟道，此时不再需要师傅的耳提面命，而是通过自己的主动战斗，获得更高级的武术心法，实现成长。

那么阿尔法狗是如何完成“自行悟道”，也就是强化学习的呢？简单来说可以分成三步，分别是：蒙特卡洛法、图像识别功能、开发棋路预测器和胜负预测器。

我们先来说说“蒙特卡洛法”，蒙特卡洛法是有“计算机之父”和“博弈论之父”之称的数学家冯·诺依曼提出的概率计算法，这是一种运用随机性原理来进行推算的方法，它早初的灵感来自赌场里的“掷骰子”，因此冯·诺依曼就直接用著名的赌城——摩纳哥的蒙特卡洛（Monte Carlo）命名了这种方法。

根据蒙特卡洛法，我们可以让围棋棋子随机下入棋盘，然后统计落子后的结果，以此判断在何处落子更有利，也就是帮助机器得到搜索结果，从而模拟职业棋手对局时的思维模式。

第二步图像识别功能则是在蒙特卡洛法的基础上，搭配深度学习的图像识别功能，让机器拥有了观察棋盘，识别棋局的能力。人工智能之前一直无法攻克围棋，就在于围棋的盘面实时变化，对于机器来说存在计算困难。

而深度学习的图像识别功能，则将棋局巧妙地分解为三种图像，分别是只有黑子区域发光的图像，只有白子区域发光的图像，和只有空白区域发光的图像。有了深度学习加持的看图能力，再配合机器自己担任教师的指导性工作，这样一来阿尔法狗就有了职业棋手一般的棋路了。

上面两步解决的是“搜索”问题，仅会“搜索”还不足以让阿尔法狗在比赛中获胜，它还需要具备“评估”能力，只有精确评估落子的好坏，才能步步为营、取得胜利。所以第三步，就是让阿尔法狗自己教自己，学会计算怎么落子才是最有胜算的，是被奖励的。

于是阿尔法狗的开发者将深度学习和强化学习结合，让阿尔法狗在对战中自我成长。简单来说，就是让阿尔法狗和克隆版的自己对弈，通过不断组合对战，得到棋路预测器。又用自己打自己的方法，在对弈了 3000 多局后，开发了胜负预测器，以此获得了类似智能里面的“评估”能力，能预测对手的棋路，也知道怎么落子能赢。

从此，阿尔法狗成了当之无愧的“智能”机器，并掀起了一波又一波人工智能的热潮。

阿尔法狗从诞生到击败李世石，只用了两年时间，如今，人工智能技术的进步速度越来越快，已经渐渐有了从神坛走入寻常百姓家的趋势，比如，最近一直被热议的日本“人工智能女友”，还有能主动帮人做家务的智能管家机器人等；就在上个月，淘宝还上线了一款“ AI 垃圾识别器”，这是为了响应上海市的垃圾分类号召，由阿里巴巴紧急召集30名程序员，通过“深度学习”技术，仅用 48 小时就研发出来的垃圾识别功能，使用时，只要用手机镜头对着垃圾照一照，程序就会告诉你，应该把垃圾扔进哪个类别的垃圾桶。

当然，人工智能现在也只能算是刚起步，它未来依然还有很长的路要走。

三、人工智能的未来是怎样的

讲完了人工智能的发展历程，我们再来看看人工智能的未来，在作者山本一成这个走在世界前沿的人眼中是什么样的。

首先，山本一成认为，人工智能目前还无法超越人类，因为它只有智能，还不具备智慧，没有设定大目标，分步拆分小目标的能力。也就是说，人工智能还比较单纯，它们只能完成人类的规定动作，比如阿尔法狗下围棋非常厉害，但也仅止于下围棋，并不具备其他能力。

其次，山本一成也认同奇点理论，认为人工智能终将超越人类，只是时间早晚的问题，他甚至断言：“在 21 世纪结束前，就会产生超智能体。”

而对于如何看待人类与人工智能的关系，山本一成认为，人类与人工智能还是存在本质区别的。因为人类有能力感受事物的意义，并推测故事的发展，人类可以做出与人工智能不相上下的表现，但会被故事与意义束缚。而机器虽然不受故事和意义的限制，可以超越人类，但并不拥有设立目标的智慧，毕竟机器的初始程序就不是以自我改良为目标的。

山本一成还指出，如果人工智能想要超越人类，除了在技术上模拟人脑外，还需要给机器加入人类的伦理观。如果你要问人工智能是否危险，问题的本质其实是人类是否危险，毕竟人工智能的一切都是通过人类习得的，计算机就像一个孩子，全看你怎么教育。

比如谷歌相册将黑人标记为大猩猩的事件，机器学习程序在网络上采集学习例子时，是通过文章内容和所配图片进行识别的，当采集到的例子都是把黑人认定为贬义的大猩猩时，程序也就自然而然地把照片中的黑人标记为了大猩猩。所以，人工智能的一切问题，归根结底都是人类自己的问题。

在这一点上，人工智能和人类并没有太大的区别，都会受到成长环境的影响，生活在什么环境里，接触怎样的世界，就会成为怎样的人。

中国历史上就有一个特别典型的例子。隋末唐初有一个奇人，他历经过没落的隋朝和新兴的唐朝，文采出众，能力过人，史书上称他“年八十，精明不忘”，这人就是裴矩。

这个裴矩在隋炀帝手下为官时，是个大大的奸臣，他给隋炀帝出了不少祸国殃民的主意。比如，他在正月里邀请西域各国使臣来参观隋朝的繁盛，为了好看，他命人用绢帛把树干裹起来，他给各方使节准备了丰盛的美酒佳肴，而且交通食宿全部免费，美其名曰“隋朝丰饶，酒席例不取值”，意思是我们大隋朝不差钱，吃饭喝酒从不收钱。

然而在当时，隋朝正遭遇饥荒年，很多百姓流离失所，缺衣少食，饥寒交迫，裴矩这种奢靡的做法无疑大大加重了国家的负担。

所以后来司马光把引发隋朝灭亡的帽子，都扣在了裴矩头上，司马光在《资治通鉴》中说：“西域胡往来相继，所经郡县疲于送迎，靡费以万万计，卒令中国疲敝以至于亡，皆矩之倡导也。”这话翻译成白话文就是说，西域的使者来访时，所经过郡县的百姓都会被迎来送往的“工作”所累，中间花掉的费用以亿来计算，让国家越来越贫困，最终导致灭亡，这一切的罪魁祸首就是裴矩。

在好大喜功的隋炀帝领导下，裴矩就是个奸佞小人，但换了新主子之后，裴矩是什么样的呢？

在唐朝夺取天下后，裴矩也领着一批人降了唐，但这一次，他却好像变成了另一个人，因为唐太宗李世民喜欢听取不同意见，所以裴矩常常在朝堂上诤言直谏，敢于为唐太宗纠错。

李世民对其它大臣说：“裴矩当官力争，不为面从。倘每事皆然，何忧不治。”，意思是说，裴矩这个人当官尽责，敢于坚持正义，据理力争，不看我的脸色行事，如果你们都能像他一样做事，何愁天下不能长治久安呢。同一个人，从灭国的奸臣直接转变成治国的良臣，其根源不是人变了，而是环境和领导变了。

所以司马光在《资治通鉴》中说：“君明臣直。君恶闻其过，则诤化为佞；君乐闻其过，则佞化为诤。是知君者表也，臣者景也，表动则景随矣。”也就是说，裴矩在隋朝奸佞而在唐朝正直，并非是性情有变化。如果君主不愿听自己的过错，那么正直的人也会变奸佞；如果君主愿意听真话，那么奸佞的人也可以变正直。大臣犹如君王的影子，身子怎么动，影子就会怎么动。

人工智能也是一样，目前阶段，人工智能还是个婴孩，也是人的影子，不管以后它是帮助人类，还是灭绝人类，全看人类向哪个方向去引导。如果我们能让人工智能成长在和平与发展的环境中，不受人类恶习的滋扰，不把种族歧视、暴力、掠夺和战争等内容植入人工智能的学习系统中，它将来也许就会成为比人类更好的存在。但如果人工智能成长在一个恶劣的环境中，吸收了各种负面信息和思想，它很可能也会变得更加邪恶。

所以山本一成在书中说：如果真有一天，人工智能消灭人类、占领地球，究其本质，也是因为人类自己的恶习所致。

总结

以上就是《你一定爱读的人工智能简史》这本书的主要内容。在这本书中，作者山本一成通过讲述人工智能的发展历史，带我们了解了什么是人工智能，解读了机器学习、深度学习和强化学习三种人工智能的主要技术的诞生和本质，也在书中大胆预测了人工智能的未来走向。

书中的核心观点是：人工智能的一切问题，都是人类自己的问题。这给了我们一个重大的警示，与其担心人工智能会“变坏”，会毁灭人类，不如先让自己变好，这才是从根本上阻止人工智能“变坏”的唯一方法。

--end--

声明：本文章由网友投稿作为教育分享用途，如有侵权原作者可通过邮件及时和我们联系删除：freemanzk@qq.com