聊聊人工智能：从核心定义到发展简史，一次透彻梳理 聊到人工智能，很多人觉得它高深莫测，但其实它的核心框架并没有那么复杂。一句话就能概括其根本：人工智能，就是由约束驱动表示、由表示支撑模型、最终由模型实现思考、感知与行动的一系列算法。简单说，AI = algorithms enabled by constrains exposed by representations that support models created at Thinking, Perception and Action。这些“算法”，你也可以直接叫它程序或方法——这就是AI的基石。 但光有框架还不够，我们还得掰开揉碎，看看里面的核心零件。 先说“表示”（Representation）。一个经典的例子：农民、狐狸、鹅和谷物过河的问题。一条小船，一次只能载农民和其中一样财产，怎么安排才不会让谁吃掉谁？这个问题的正确答案不是一幅画，也不是一首诗，而是把“位置”这件事抽象出来——河、农民、狐狸、鹅、谷物，它们各自在河的哪一边。总共有24种可能的情景，但其中有一些因为“吃”的规则而不可行。把问题用“状态”表示出来，才是解决问题的第一步。 再来看“测试生成法”（Generate and Test）。比如你在路上捡到一片树叶，想知道它来自什么树。最直接的办法是什么？查书。一页一页翻，直到找到和这片叶子最像的图。就这么简单，但正因为它自然、直观，才成了人工智能里一个基础而重要的方法。 还有一个叫“Rumpelstiltskin原则”的概念——一旦你对一件事物有了名字，你就对它拥有了支配力。有了名字，你才能谈论它、思考它、利用它。比如鞋带末端那个小小的金属箍，以前你可能只能比划半天，但它其实叫“aglet”。知道了这个词，你就可以准确地说：“aglet的作用是把鞋带末端捆紧，防止散开。”从此，这个知识就真正属于你了。 这里还想强调一点：简单不等于微不足道。Trivial ≠ Simple。简单的东西可能非常强大，而“微不足道”不仅意味着简单，还意味着没什么价值。很多人工智能的底层原理，其实都很简单，但它们的威力一点也不小。 最后，聊聊人类学习本身。你也许觉得这没什么，但请想一想：我给你一个指令——“赤道穿越了多少个非洲国家？”——你看完这句话，然后你的视觉系统开始扫描地图，沿着赤道线数过去，最后输出一个数字。这个过程，从一段文字指令到完成一个复杂的视觉任务，简直就是一个奇迹。如果我们无法理解这个奇迹，就不可能真正理解智能的本质。 **人工智能发展简史** 人工智能的起点，要从埃达·洛夫莱斯（Ada Lovelace）说起。她是世界上第一位程序员。早在1842年，她就开始思考计算机器能否变得更聪明。她当时的结论是：“分析引擎不能自命不凡地认为无论什么问题都能解决，它只能完成我们告诉它如何做的事情。” 这个判断一直延续到1950年，艾伦·图灵（Alan Turing）发表了那篇关于“图灵测试”的著名论文，才真正拉开了现代人工智能研究的帷幕。之后到1960年，马文·闵斯基（Marvin Minsky）发表了《通向人工智能的步骤》，紧接着詹姆斯·斯莱格（James Slagle）写了一个能解积分题的程序——这些才是现代人工智能的起点。 进入90年代，人们开始觉得计算机的能力已经足够强大，只要算力够，数据够，就可以像推土机一样处理问题。但直到最近这些年，我们才进入了一个可以称为“正路时期”的阶段。这时我们才意识到，之前对人工智能的定义还太窄了。因为真正的智能，并不是把“思考”、“感知”和“行动”这三个环节拆开来看，而是把它们作为一个有机整体来理解。 **人类和黑猩猩：那关键的5%是什么？** 人类和黑猩猩的DNA有95%到98%是相同的。那么，到底是什么让人类如此不同？高中课本里说，我们是经过缓慢、逐渐、连续的进化来的。但实际情况可能更复杂一些。 化石记录显示，人类大约在20万年前就形成了今天的解剖形态。但在接下来的15万年里，我们几乎没有什么大发展。真正的转折发生在5万年前——一小群人类突然获得了一项全新的能力：能把两个概念合并成第三个全新的概念，同时又不会破坏原来的两个概念。语言学家乔姆斯基把这个能力视为关键。从人工智能的角度看，这其实就是：我们开始学会用语言描述事物。 语言有两层作用：第一，它能让我们描述事物，讲故事、听故事，这其实就是最原始的“教育”。第二，它能整理甚至指挥我们的感觉系统，去想象那些我们从未见过的东西。比如，你不需要查书、不需要问别人，光靠语言想象，就能在脑海里“看见”自己提着满满一桶水在路上快走的样子。 所以，语言是这一切的中心。它一方面让故事的讲述成为可能，另一方面统御着各种感觉资源。理解了这一点，你也就理解了人类智能之所以独特的本质所在。