CCCF专栏：黄铁军 也谈强人工智能

来源：《中国计算机学会通讯》2018年第2期《专栏》

上期《中国计算机学会通讯》发表了两位学者对强人工智能的观点，代表了一批人工智能和计算机专家的看法。其中对弱人工智能、强人工智能和算法智能等概念的理解是清楚的，但对强人工智能的历史描述很不全面，对强人工智能的未来前景和价值的判断更值得商榷。这个判断，对于人工智能未来走什么路至关重要，非“严肃”“务实”等套话所能涵盖，需要深入讨论。

智能是一种功能，任何功能的实现都需要物理载体。人工智能的实现载体是机器，在不少人的潜意识里，这个机器就是计算机，这种看法是有局限性的。讨论强人工智能，眼光首先要超越今天的计算机。

计算机科学技术和产业的高速发展，让“计算”这个词的含义不断膨胀，似乎计算无所不能。但是，计算机的能与不能，理论边界早在1936年就由提出者阿兰·麦席森·图灵界定清楚了[1]。众所周知，图灵这篇论文的目的是证明“不可计算数”的存在，大家熟知的图灵机模型，只是副产品，论文结论是不可计算数不仅存在，而且“大量”存在，任何可物理实现的图灵机能够计算的数都只是一个很小的子集。如果把人工智能研究局限在经典计算机范畴之内，实际上是自缚手脚。

计算机的局限性，没有人比图灵更清楚。1943年图灵到访美国贝尔实验室，曾和克劳德·艾尔伍德·香农讨论过机器能否学会思考的问题[2]。请注意，香农是1938年提出开关电路理论，为图灵机实现打开物理之门，而第一台计算机发明是在1946年，因此，图灵和香农1943年见面时谈的都是构想中的机器，香农提议把“文化的东西”灌输给电子大脑，而图灵高声反驳说：“不，我对建造一颗强大的大脑不感兴趣，我想要的不过是一颗寻常的大脑，跟美国电报电话公司董事长的脑袋瓜差不多即可”。1950年，图灵发表题为《计算机与智能》的文章[3]，明确表示“真正的智能机器必须具有学习能力，制造这种机器的方法是：先制造一个模拟童年大脑的机器，再教育训练。”

1956年达特茅斯“人工智能夏季研讨会”，也并未把“宝”都押在计算机上。会议申请书[4]列出了七个话题：(1)自动计算机，(2)编程语言，(3)神经网络，(4)计算规模理论（即后来的计算复杂性理论），(5)自我改进，(6)抽象，(7)随机性和创造性。话题1、2、4是计算机学科的主要内容。话题3研究“一群神经元如何形成概念”，这才是人工智能（包括强人工智能）的核心问题。话题5、6、7实际上是强人工智能的重要特征。

这些历史清楚地表明，强人工智能不仅仅是哲学家们的思辨，也是计算机和人工智能先驱们早就冷静思考过的问题。

下面先谈怎样实现强人工智能，再谈为什么必须发展强人工智能。

强人工智能的实现之路很清晰：智能为用，机器为体。人类具有强人工智能，人类意识是生物神经系统这个大规模非线性动力学系统涌现出的功能。要产生强人工智能，就要制造出逼近生物神经网络的“电子大脑”，也就是图灵所讲的“寻常大脑”或“童年大脑”。这种超越经典计算机的机器叫做神经形态机，相关研究从上世纪80年代开始就一直在持续进行中，我过去几年多次讲过[5~10]，紧密相关的学术论文至少两千多篇[11]。

这条产生强人工智能的技术路线概言之就是“结构仿脑，功能类脑，性能超脑”，即以生物大脑为蓝图，从生物神经的结构仿真入手，采用微纳器件模拟生物神经元和神经突触的信息处理功能，仿照大脑皮层神经网络和生物感知器官构造出仿生神经网络，在仿真精度达到一定程度后，加以外界刺激训练，使之产生与生物大脑类似的信息处理功能和系统行为。近年来，多台神经形态系统已经上线运行，在欧洲“人类大脑计划”支持下，第一台在神经信息处理能力上超越人脑的神经形态机将在2022年研制出来。

产生强人工智能，不是理解大脑奥秘的结果，而是其基础和前提。正如先有1903年莱特兄弟发明飞机，才有冯卡门和钱学森1939到1946年建立起空气动力学。同样，神经形态机制造成功，强人工智能才能发生，脑科学和数理科学家才能通过对照实验，最终破解大脑意识奥秘这个终极性科学问题。

最后谈为什么必须发展强人工智能。理由很多，只讲一条。

只发展弱人工智能，解放人的体力和脑力，让人类过上“幸福生活”，这是猪栏的理想¹，也必然带来猪栏的后果。

即便是猪栏思维，也不是阻挡技术进步的理由。以核武器为例，尽管对地球生存构成巨大威胁，但是应对小行星来袭，还要靠它拦截，靠猪栏是挡不住的。

一部人类历史，就是一部发掘和利用物质、能量和信息的历史，归根结底是发掘和利用自身智能的历史。计算机的发明和人工智能的发展，揭开了发掘和利用机器智能的大幕一角。迄今为止的弱人工智能或者所谓的算法智能，只是智能的简单形态，缺乏生物神经系统才能产生的复杂动力学行为，绝对不能固步自封于此。

即使是人类大脑，也不过是上千亿神经元和百万亿突触连接而成的有限复杂系统，所能产生的人脑智能也有其限度。以人脑为蓝本构造神经形态机，产生强人工智能，进而通过规模扩展和速度提升在性能上超越人类智能，乃至发展出更为先进的超人智能形态，这个智能演化的进程浩浩荡荡，不可阻挡，更是揭示宇宙奥秘、应对未知挑战的力量源泉。

作者介绍

黄铁军

CCF杰出会员

北京大学教授，计算机科学技术系主任、数字媒体研究所所长

研究方向:视觉信息处理和类脑计算

脚注

1“猪栏的理想”来自爱因斯坦的一句名言：每个人都有一些理想，这些理想决定着他的努力和判断的方向。就在这个意义上，我从来不把安逸和享乐看作生活目的本身——我把这种伦理基础叫做猪栏的理想。——编者注

参考文献

[1] Turing A M. On Computable Numbers, withan Application to the Entscheidungsproblem[J]. Proceedings of the LondonMathematical Society. 1937, 2(42): 230-265.[Delivered to the Society November1936].

[2] Hodges A. Alan Turing: The Enigma[M].London: Vintage, 1992: 251.（转引自《信息简史》202页）

[3] Turing A M. Computing Machinery andIntelligence[J]. Mind, 1950, 59(236): 433-460.

[4] McCarthy J, Minsky M L, Rochester N,Shannon C E. A Proposal for the Dartmouth Summer Research Project on ArtificialIntelligence. August 31, 1955.

[5] Huang T J. Brain-LikeComputing[J/OL].Computing Now, 2016,9(5).https://www.computer.org/web/computingnow/archive/brain-like-computing-may-2016.

[6]黄铁军.电脑传奇（上篇）：计算机问世[J].中国计算机学会通讯, 2016, 12(12): 57-61.

[7]黄铁军.电脑传奇（中篇）：智能之争[J].中国计算机学会通讯,2017, 13(1): 61-66.

[8]黄铁军.电脑传奇（下篇）：电脑涅槃[J].中国计算机学会通讯,2017, 13(2): 68-73.

[9]黄铁军.电脑传奇（外篇）：视“觉”[J].中国计算机学会通讯,2017, 13(3): 56-61.

[10] Huang T J. Imitating the Brainwith Neurocomputer A“New”Way Towards Artificial General Intelligence[J]. InternationalJournal of Automation and Computing, 2017, 14(5): 520-531.

[11] Schuman C D, Potok T E, Patton RM, et al. A Survey of Neuromorphic Computing and Neural Networks inHardware[OL]. (2017-05-19).https://arxiv.org/pdf/1705.06963.pdf.

中国计算机学会

微信号：ccfvoice

长按识别二维码关注我们

CCF推荐

【精品文章】CCCF：李国杰丨走务实的人工智能发展之路CCCF：周志华丨关于强人工智能

点击“阅读原文”，加入CCF。