早期，人類必須通過如輪子、火之類的工具和武器與自然做鬥爭。15世紀，古騰堡發明的印刷機使人們的生活發生了廣泛的變化。19世紀，工業革命利用自然資源發展電力，這促進了製造、交通和通信的發展。20世紀，人類通過對天空以及太空的探索，通過計算機的發明及其微型化，進而成為個人計算機、互聯網、萬維網和智能手機，持續不斷地向前進。過去的60年已經見證了一個世界的誕生，這個世界出現了海量的數據、事實和信息，這些數據、事實和信息必須轉換為知識（其中一個實例是包含在人類基因編碼中的數據，如圖1.0所示）。本章介紹了人工智能學科的概念性框架，並闡述了其成功應用的領域和方法、近期的歷史和未來的前景。
圖1 包含在人類基因編碼中的數據
對人工智能的理解因人而異。一些人認為人工智能是通過非生物系統實現的任何智能形式的同義詞；他們堅持認為，智能行的實現方式與人類智能實現的機制是否相同是無關緊要的。而另一些人則認為，人工智能系統必須能夠模仿人類智能。沒有人會就是否要研究人工智能或實現人工智能系統進行爭論，我們應首先理解人類如何獲得智能行為（即我們必須從智力、科學、心理和技術意義上理解被視為智能的活動），這對我們才是大有裨益的。例如，如果我們想要開發一個能夠像人類一樣行走的機器人，那麼首先必須從各個角度瞭解行走的過程，但是不能通過不斷地聲明和遵循一套規定的正式規則來完成運動。事實上，人們越要求人類專家解釋他們如何在學科或事業中獲得瞭如此表現，這些人類專家就越可能失敗。例如，當人們要求某些戰鬥機飛行員解釋他們的飛行能力時，他們的表現實際上會變差 [1]。專家的表現並不來自於不斷的、有意識的分析，而是來自於大腦的潛意識層面。你能想象高峰時段在高速公路上開車並有意識地權衡控制車輛的每個決策嗎？
想象一下力學教授和獨輪腳踏車手的故事[2]。當力學教授試圖騎獨輪車時，如果人們要求教授引用力學原理，並將他成功地騎在獨輪車上這個能力歸功於他知道這些原理，那麼他註定要失敗。同樣，如果獨輪腳踏車手試圖學習這些力學知識，並在他展現車技時應用這些知識，那麼他也註定是失敗的，也許還會發生悲劇性的事故。關鍵點是，許多學科的技能和專業知識是在人類的潛意識中發展和存儲的，而不是通過明確請求記憶或使用基本原理來學會這些技能的。
1.1 人工智能的定義
在日常用語中，“人工”一詞的意思是合成的（即人造的），這通常具有負面含義，即“人造物體的品質不如自然物體。但是，人造物體通常優於真實或自然物體。例如，人造花是用絲和線製成的類似芽或花的物體，它不需要以陽光或水分作為養料，卻可以為家庭或公司提供實用的裝飾功能。雖然人造花給人的感覺以及香味可能不如自然的花朵，但它看起來和真實的花朵如出一轍。
另一個例子是由蠟燭、煤油燈或電燈泡產生的人造光。顯然，只有當太陽出現在天空時，我們才可以獲得陽光，但我們隨時都可以獲得人造光，從這一點來講，人造光是優於自然光的。
最後，思考一下，人工交通裝置（如汽車、火車、飛機和自行車）與跑步、步行和其他自然形式的交通（如騎馬）相比，在速度和耐久性方面有很多優勢。但是，人工形式的交通也有一些顯著的缺點——地球上無處不在的高速公路，充滿了汽車尾氣的大氣環境，人們內心的寧靜（以及睡眠）常常被飛機的喧囂打斷[3]。
如同人造光、人造花和交通一樣，人工智能不是自然的，而是人造的。要確定人工智能的優點和缺點，你必須首先理解和定義智能。
1.2 思維是什麼？智能是什麼？
智能的定義可能比人工的定義更難以捉摸。斯騰伯格（R. Sternberg）就人類意識這個主題給出了以下有用的定義：
我們都很熟悉標準化測試的問題，比如，給定如下數列：1，3，6，10，15，21。要求提供下一個數字。
你也許會注意到連續數字之間的差值的間隔為1。例如，從1到3差值為2，從3到6差值為3，以此類推。因此問題正確的答案是28。這個問題旨在衡量我們在模式中識別突出特徵方面的熟練程度。我們通過經驗來發現模式。
不妨用下面的數列試試你的運氣：
a．1, 2, 2, 3, 3, 3, 4, 4, 4, 4, ?
b．2, 3, 3, 5, 5, 5, 7, 7, 7, 7, ?
既然已經確定了智能的定義，那麼你可能會有以下的疑問。
（1）如何判定一些人（或事物）是否有智能？
（2）動物是否有智能？
（3）如果動物有智能，如何評估它們的智能？
大多數人可以很容易地回答出第一個問題。我們通過與其他人交流（如做出評論或提出問題）來觀察他們的反應，每天多次重複這一過程，以此評估他們的智力。雖然我們沒有直接進入他們的思想，但是相信通過問答這種間接的方式，可以為我們提供內部大腦活動的準確評估。
如果堅持使用問答的方式來評估智力，那麼如何評估動物智力呢？如果你養過寵物，那麼你可能已經有了答案。小狗似乎記得一兩個月沒見到過的人，並且可以在迷路後找到回家的路。小貓在晚餐時間聽到開罐頭的聲音時常常表現得很興奮。這只是簡單的巴甫洛夫反射的問題，還是小貓有意識地將罐頭的聲音與晚餐的快樂聯繫起來了？
關於動物智力，有一則有趣的軼事：大約在1900年，德國柏林有一匹馬，人稱“聰明的漢斯”（Clever Hans），據說這匹馬精通數學（見圖1.1）。
圖2“聰明的漢斯”（Clever Hans）—— 一匹馬做演算？
當漢斯做加法或計算平方根時，觀眾都驚呆了。此後，人們觀察到，如果沒有觀眾，漢斯的表現不會很出色。事實上，漢斯的天才在於它能夠識別人類的情感，而非精通數學。馬一般都具有敏銳的聽覺，當漢斯接近正確的答案時，觀眾們都變得相對興奮，心跳加速。也許，漢斯有一種出奇的能力，它能夠檢測出這些變化，從而獲得正確的答案。[5]雖然你可能不願意把漢斯的這種行為歸於智能，但在得出結論之前，你應該參考一下斯騰伯格早期對智能的定義。
有些生物只體現出群體智能。例如，螞蟻是一種簡單的昆蟲，單隻螞蟻的行為很難歸類在人工智能的主題中。但是，蟻群對複雜的問題顯示出了非凡的解決能力，如從巢到食物源之間找到一條最佳路徑、攜帶重物以及組成橋樑。集體智慧源於個體昆蟲之間的有效溝通。第12章在對高級搜索方法進行討論時，將相對較多地探討湧現智能和集群智能。
腦的質量大小以及腦與身體的質量比通常被視為動物智能的指標。海豚在這兩個指標上都與人類相當。海豚的呼吸是自主控制的，這可以說明其腦的質量過大，還可以說明一個有趣的事實，即海豚的兩個半腦交替休眠。在動物自我意識測試中，例如鏡子測試，海豚得到了很好的分數，它們認識到鏡子中的圖像實際上是它們自己的形象。海洋世界等公園的遊客可以看到，海豚可以玩複雜的戲法。這說明海豚具有記住序列和執行復雜身體運動的能力。使用工具是智能的另一個“試金石”，並且這常常用於將直立人與先前的人類祖先區別開來。海豚與人類都具備這個特質。例如，在覓食時，海豚使用深海海綿（一種多細胞動物）來保護它們的嘴。顯而易見，智能不是人類獨有的特性。在某種程度上，許多生命形式是具有智能的。
你應該問自己以下問題：“你認為有生命是擁有智能的必要先決條件嗎?”或“無生命物體，例如計算機，可能擁有智能嗎？”人工智能宣稱的目標是創建可以與人類的思維媲美的計算機軟件和（或）硬件系統，換句話說，即表現出與人類智能相關的特徵。一個關鍵的問題是“機器能思考嗎？”更一般地來說，你可能會問，“人類、動物或機器擁有智能嗎？”
在這個節點上，強調思考和智能之間的區別是明智的。思考是推理、分析、評估和形成思想和概念的工具。並不是所有能夠思考的物體都有智能。智能也許就是高效以及有效的思維。許多人對待這個問題時懷有偏見，他們說：“計算機是由硅和電源組成的，因此不能思考。”或者走向另一個極端：“計算機表現得比人快，因此也有著比人更高的智商。”真相很可能存在於這兩個極端之間。
正如我們所討論的，不同的動物物種具有不同程度的智能。我們將闡述人工智能領域開發的軟件和硬件系統，它們也具有不同程度的智能。我們對評估動物的智商不太關注，尚未發展出標準化的動物智商測試，但是對確定機器智能是否存在的測試非常感興趣。
也許拉斐爾（Raphael）[6]的說法最貼切：“人工智能是一門科學，這門科學讓機器做人類需要智能才能完成的事。”
（文章摘選自人工智能（第2版））
閱讀更多 異步社區 的文章
