人工智能之父：Marvin Minsky 的机器与心灵

Posted 2021-04-29 腾讯研究院

在科技领域，人类智能（Aritificial Intellitgence）也许永远是世界上最吸引人的命题，直接触及了人类对宇宙和自身的思考。制造出能够像人类一样思考的机器是科学家们最伟大的梦想之一。用智慧的大脑解读智慧必将成为科学发展的终极。

刚刚过去的2016年，对于人工智能来说意义非凡。从年初Alpha Go大胜围棋九段李世石，让人工智能成为科技新浪潮和投资风向标。到国内外的科技公司纷纷成立AI实验室，紧锣密鼓筹谋人工智能未来。以及美、英等国也纷纷出台人工智能国家战略，以图抢占制高点。

种种迹象显示AI突然到了商业化拐点。尤其是在语音识别、深度识别等基于深度学习算法应用的领域迅速产业化，赛道已经铺开。几乎所有科技公司都集结兵力准备在人工智能领域大干一场，全球人工智能竞争日趋激烈。 IDC在其《全球半年度认知/人工智能系统支出指南》（Worldwide Semiannual Cognitive/Artificial Intelligence Systems Spending Guide）中预测，人工智能的收入将从今年的80亿美元增长到2020年的470亿美元，复合年增长率（CAGR）为55.1％。

 

“What magical trick makes us intelligent? The trick is that there is no trick. The power of intelligence stems from our vast diversity, not from any single, perfect principle.” （是什么让我们有智慧？其中的奥秘是并不存在奥秘。智慧的力量来自于我们的多样性，而不是来自于任何单一、完美的理论。）

——Marvin Minsky （The Societyof Mind, 1987）

 

在1956年夏天，几位顶尖的青年科学家（那时还没有“计算机科学家”这个术语）倡议在达特茅斯学院召开了一次会议，发表了一份倡议书来探讨被他们称为“人工智能”的主题。“这项研究是基于在一个猜想上进行——那就是学习的每一方面，或智能的任何其他特征，在原则上可以被精确地描述，并且能够造出一部机器来对其进行模仿，”这次会议通常被认为是人工智能研究的起始。倡议书作者中的三人，表处理语言（LISP）发明者John McCarthy，麻省理工学院40届理学硕士、40届博士、信息论先驱克Claude Shannon（香农），以及后来的图灵奖得主Marvin Minsky，后来都曾在麻省理工学院授课。[i] 1959年，Minsky和他的同事John McCarthy一起创立了麻省理工学院人工智能实验室。该实验室对现代计算机业产生了深远的影响。

从人工智能领域开创至今，经历了繁荣与沉寂。其中几个位于争论核心的问题是：是否从心理或神经方面模拟人工智能？能否用简单的逻辑来描述智能行为？还是必须解决大量完全无关的问题？这些问题也蕴含了人工智能研究中两种截然不同的研究路径。其中一种认为，人工智能就是找到一套方法，模拟出人类思维的过程。正如Minsky流传颇广的一句话：“大脑无非是肉做的机器而已”。

70年代早期，Minsky与MIT另一位著名的教育学和计算机学家Seymour Papert教授一同致力于他们称为“意识的社会”的研究。Minsky深受罗素的逻辑学思想影响，就像科学解释其他东西一样，人的意识也可以用数学逻辑表达。如果能够模拟神经细胞的行为，进而组成一张人工的神经网络，那么理论上就能模拟出人的大脑，实现智能。他的理论最终成为了1985年出版的著作“The Society of Mind”(《意识的社会》)。里面提到“智能并不是任何单一机制的产物，而是来自各类代理的有条理的互动”。他与Papert受到神经科学的启发，神经元就像是机器一样，并没有“智能”，是通过大量神经元的相互作用产生的。人类其实是一种机器，其大脑由许多半自治性但不智能的“代理”（agent）构成。

早期的人工智能学者采用看这种自上而下的研究思路，即通过反省自己的头脑是如何工作的，再利用计算机程序把它模拟出来。

在MIT Courseware的同名课程[ii]中，你会学习关于如何坠入爱河、常识、惊恐和焦虑、知识表现的形式。是的，这些都跟人工智能有关。这门课程考察了思维的各个方面，诸如视觉、语言、学习、推理、记忆、意识、理想、情感和个性。结合了心理学、人工智能和计算机科学的思想，以解决诸如整体与部分、结构与功能描述、陈述性与程序性表示、符号与连接主义模型以及逻辑与学习的常识理论等问题。在这些集合中，你将从认识自己体会思维创造的过程。

Minsky在MIT的课程吸引了好几代研究生，其中很多人都成为了计算机科学领域的明星，其中就包括发明家和未来学家Ray Kurzweil，人工智能研究员Gerald Sussman，MIT人工智能实验后来的主管Patrick Winston。

（图：The Soceity of Mind课程大纲）

 

今天，几乎所有的科学家都不坚持“机器要像人一样思考才能获得智能”。

机器智能最重要的是能够解决人脑所能解决的问题，而不在于是否要采用和人一样的方法。基于统计，我们不需要模拟人的思维过程，可以通过一个大量的数据集来训练计算机，让他自己找到规律，即“机器学习”。今天深度领域的繁荣，有相当一部分归功于Marvin Minsky在1950年发表的人工神经网络的相关论文。1950年，Minsky本科的最后一年，他与同学一起建造了世界上第一台神经网络计算机。这台计算机是由3000个真空管和B-24轰炸机上一个多余的自动只是装置来模拟40个神经元组成的网络。随后，他在普林斯顿大学攻读数学博士学位，并以“神经网络和脑模型问题”为题完成博士论文。这些工作可以被认为是神经网络最早期的工作。[iii]而Marvin Minsky自己竟是这种方法的反对者。

Minsky认为，处理神经网络的计算机存在两点关键的问题：首先，单层神经网络无法处理“异或”电路；其次，当时的计算机缺乏足够的计算能力满足大型神经网络长时间的运行需求。过去的数据量非常少。在互联网出现之前，除了《圣经》和少量联合国文件，找不到类似的数据。

Minsky对神经网络的批判将其在整个70年代带入“寒冬”，人工智能产生了很多不同的方向，神经网络好像被人们忘记。直到80年代，David Rumelhar和Geoffery Hinton等人提出了反向传播（Backpropagation，BP）算法，解决了两层神经网络所需要的复杂计算量问题，克服了Minsky说过神经网络无法解决异或问题，该算法是对神经网络受到批判的一个有力的回答。在随后的30年，随着软件算法和硬件性能的不断优化，深度学习技术终于可以大展拳脚。

（图：人工智能与机器学习的热度变化趋势）

 

最近加入谷歌云机器学习部门的华人科学家李飞飞就是深度学习领域的代表人物。李飞飞的假设是，计算机读懂图片和文字，也可以依靠和人一样的认知过程。从零到几岁，我们是通过大量数据在认识这个世界，这个数据包括视觉数据、听觉数据、触觉数据。把人眼比作一个相机，一个三岁的孩子已经找了上亿张照片。在这个思维的启发下，李飞飞和其他科学家建立了ImageNet数据库，收集了1500万张包含22000个分类的照片。神经网络经过自我训练，可以“看见”图片中的物体。而且，随着数据的积累，错误率不断下降，到2016年下降到3%。

这一过程也是人们所说的“机器学习”。在这种被称为是“自下而上”的研究路径中，智能体可以被看作为一个黑箱，它接受输入信息，进行一定的计算，然后输出。人工智能研究的重点就是如何设计这个智能体，让它自己找的规律来解决问题。与最早的“人工智能”有了非常不同的含义。正是这一手段实现了现在的语音识别和文本翻译功能。

Marvin Minsky对AI的启发：

计算机科学家Alan Kay这样评价Minsky：“马文在计算机领域中具有罕见的卓识，他把计算机科学从花瓶般的定位中解放出来，并意识到计算机的使命，是成为有史以来，人类能力最强大的放大器。”

我们今天亲历的人工智能浪潮，都开始于超过半个世纪之前。过去的60年，奠定了AI领域的基础。在21世纪的第二个十年，AI开始迈出走进人们的生活、走入社会的第一步。就在Marvin去世的那一周，Alpha Go战胜了人类围棋最高水准的选手代表李世石。Google的迪恩将这近一年来最新的AI能力发展变化比作“进化”。“我们正处于一个AI迅速进化的过程中——这就好比以前的动物没有眼睛，而现在他们有了”。“看见”物体仅仅是认识世界最开始的一小步，理解人脑、懂得情感依然会是人类最雄心壮志的研究。

Minsky最后的著作《情感机器》是关于如何构建智能机器的一个计划，Minsky试图构建未来会思考的机器人的蓝图。情感，与人们所认为的思考并没有太大的差异。相反，情感是人们用以增强智能的方式。

在情感方面，目前的人工智能还远远没有走到这一步。在《情感机器》出版后的采访中，Minsky谈到，“人工智能领域的每个人都在追求某种逻辑推理系统、遗传计算系统、统计推理系统或神经网络，但无人取得重大突破，原因是它们过于简单。这些新理论充其量只能解决部分问题，而对其他问题无能为力。我们不得不承认，神经网络不能做逻辑推理。例如，在计算概率时，它无法理解数字的真正意义是什么。”在Marvin Minsky看来，仅仅识别图像或语言远远不是完美的人工智能。他希望能够实现《情感机器》中描述的思维图的结构，使人工智能在各种思维方式之间切换。迄今为止，还没有人构造一个系统具备或者能够获取自我反省的知识，这样的系统随着时间推移，解决问题的能力会越来越强。Marvin Minsky对音乐的研究也是这种思维的延续。在他看来，理解音乐是理解人类大脑一种有效的途径。反之，理解人类大脑也有助于我们欣赏音乐的本质。理解大脑这件事似乎比理解音乐要难一些，但我们应该知道，优势对问题领域的扩展可以让问题变得简单。在好几个世纪的时间里，代数方程的平方根理论都受困于由实数构成的狭小世界，但在高斯揭示出更大的复数世界背后，一切都变得简单起来。类似的，一旦能够穿透听众的心灵，音乐就会先出更为丰富的内涵。

Marvin Minsky这样的科学家提醒我们最激动人心的科学绝不仅仅是黑箱化的数据和模型。人工智能是一门集合了心理学、认知科学、数学、哲学、生物学、计算机科学等不同学科的复杂工作。未来人工智能带来的产品，应该是人类智慧的“容器”。制造一个可以像人类一样思考（或者超过人类智能）的机器显然需要自上而下的、符号处理以及自下而上模拟神经元三者的结合。

 

附：Minsky的主要著作有

《计算：有限与无限的机器》(Computation：Finite and Infinite Machines, Prentice-Hall，1967)

《语义信息处理》(Semantic Information Processing，MIT Pr.，1968)

《感知器》(Perceptrons，MIT Pr.，1969；expanded edition，1988)

《表示知识的框架》(A Framework for Representating Knowledge,McGraw-Hill ,1975)

《心智的社会》(The Society of Mind，Simon & Schuster ,1986)

《机器人学》（Robotics, Anchor Pr./Doubleday, 1985）

---

[i] MIT科技评论，重振人工智能雄心壮志的时刻到了

[ii]https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-868j-the-society-of-mind-fall-2011/index.htm

[iii]栗向滨，从马文·明斯基到AlphaGo，人工智能走过了怎样的70年？