導讀：本文主要是人工智能的基本概述，包括人工智能的起源、發展以及分類。

01 人工智能的定義和起源

在計算機科學領域中，人工智能是一種機器表現的行為，這種行為能以與人類智能相似的方式對環境做出反應並儘可能提高自己達成目的的概率。

人工智能這個概念最早於1956年8月的達特茅斯會議上由約翰·麥卡錫（John McCarthy）、馬文·明斯基（Marvin Minsky）、克勞德·香農（Claude Shannon）、納撒尼爾·羅切斯特（Nathaniel Rochester）等人提出。在此之前，人工智能有著許多種叫法，如“自動機理論”“複雜數據處理”等。

會議召開的兩年前，也就是1954年，達特茅斯學院數學系有4位教授退休，這對於達特茅斯學院這樣的小學校來說無疑是巨大的損失。剛上任的系主任約翰·克門尼（John Kemeny）趕忙向母校普林斯頓大學求援，從母校數學系帶回4位剛畢業的博士來任教，而麥卡錫就是其中之一。

1955年夏，麥卡錫應邀參與IBM的一個商業項目，邀請他的人是羅切斯特。羅切斯特是IBM第一代通用機701的主設計師，並且對神經網絡表現出極大的興趣。倆人一拍即合，決定發起一個將於次年夏天舉辦的研討會，還說服了香農和在哈佛做研究員的明斯基來共同提議。

麥卡錫給這個研討會起了個別出心裁的名字—“人工智能夏季研討會”（Summer Research Project on Artificial Intelligence）。同年9月2日，麥卡錫、明斯基、香農和羅切斯特正式發出提案引入“人工智能”一詞，該提案的主要內容如下：

我們提議於1956年夏，在新罕布什爾州漢諾威的達特茅斯學院進行一項10人、為期兩個月的人工智能研究。這項研究基於這樣一個猜想，即原則上，我們可以足夠精確地描述學習或智能的任何其他特徵的各個方面，從而能夠讓機器來進行模擬。我們試圖找到方法讓機器使用語言、形成抽象和概念、解決人類尚未解決的各類問題以及自我改進等。我們認為，一群經過精心挑選的科學家一起努力一個夏天，就可以在上述的一個甚至多個問題上取得重大進展。

會議於1956年6月開始，同年8月結束。會議討論了人工智能相關問題的各個方面，如自動化計算機、如何通過編程讓計算機使用語言、神經網絡、計算規模的理論、自我改進、隨機性和創見性等。

明斯基認為，設計出一種具備某種特定學習能力的機器並非不可能，機器的本質是通過某種轉換將輸入變成輸出的過程。機器的這種反應能力可以通過不斷的“試錯”過程訓練獲得。

例如我們可以將這樣的一臺機器放置在某種特定的環境中，不斷給予它“成功”和“失敗”的判據來訓練它達成某種目標的能力。更進一步，如果機器能通過學習使自身形成感知和運動抽象能力，那麼它就會進行內部探索找尋解決問題的方案。

羅切斯特分享了關於機器性能的獨創性話題。在為自動計算器編寫程序時，人們通常會向機器提供一套規則，這些規則涵蓋了機器可能會面對的各種意外情況。機器遵守這一套規則但不會表現出獨創性或常識。

此外，只有當機器因為規則矛盾而變得混亂時，人們才會對自己設計出糟糕的規則感到惱火。最後，在編寫機器程序時，有時人們必須以非常費力的方式解決問題，然而，如果機器有一點直覺或者可以做出合理的猜測，問題就可以直接被解決。

會議進行了兩個月，雖然每個人對AI的定義都不盡相同，但它卻具有重要的開創意義和深遠影響。由於會議上提出了人工智能（Artificial Intelligence）這一概念，因而1956年被稱作“人工智能元年”。

02 弱人工智能、強人工智能與超人工智能

人工智能大體上可以分為3類：弱人工智能、強人工智能和超人工智能。

1. 弱人工智能

弱人工智能（Weak AI），也被稱為狹隘人工智能（Narrow AI）或應用人工智能（Applied AI），指的是隻能完成某一項特定任務或者解決某一特定問題的人工智能。

蘋果公司的Siri就是一個典型的弱人工智能，它只能執行有限的預設功能。同時，Siri目前還不具備智力或自我意識，它只是一個相對複雜的弱人工智能體。

2. 強人工智能

強人工智能（Strong AI），又被稱為通用人工智能（Artificial General Intelligence）或全人工智能（Full AI），指的是可以像人一樣勝任任何智力性任務的智能機器。這樣的人工智能是一部分人工智能領域研究的最終目標，並且也作為一個經久不衰的話題出現在許多科幻作品中。

對於強人工智能所需要擁有的智力水平並沒有準確的定義，但人工智能研究人員認為強人工智能需要具備以下幾點：

• 思考能力，運用策略去解決問題，並且可以在不確定情況下做出判斷；
• 展現出一定的知識量；
• 計劃能力；
• 學習能力；
• 交流能力；
• 利用自身所有能力達成目的的能力。

3. 超人工智能

哲學家、牛津大學人類未來研究院院長尼克·波斯特洛姆（Nick Bostrom）把超級智能定義為“在幾乎所有領域都大大超過人類認知表現的任何智力”。

超人工智能（Artificial Super Intelligence，ASI）正是超級智能的一種。首先，超人工智能能實現與人類智能等同的功能

，即可以像人類智能實現生物上的進化一樣，對自身進行重編程和改進，這也就是“遞歸自我改進功能”。

其次，波斯特洛姆還提到，“生物神經元的工作峰值速度約為200 Hz，比現代微處理器（約2 GHz）慢了整整7個數量級”，同時，“神經元在軸突上120 m/s的傳輸速度也遠遠低於計算機比肩光速的通信速度”。這使得超人工智能的思考速度和自我改進速度將遠遠超過人類，人類作為生物上的生理限制將統統不適用於機器智能。

03 人工智能三大主義

簡要回顧人工智能的發展歷史，我們會發現它主要由3個方面相互交織發展：符號主義、連接主義和行為主義。

• 符號主義：旨在用數學和物理學中的邏輯符號來表達思維的形成，通過大量的“如果-就”（if-then）規則定義，產生像人一樣的智能，這是一個自上而下的過程，包括專家系統、知識工程等。
• 連接主義：主張智能來自神經元之間的連接，它讓計算機模擬人類大腦中的神經網絡及其連接機制，這是一個自下而上的過程，包括人工神經網絡等。
• 行為主義：指的是基於感知行為的控制系統，使每個基本單元實現自我優化和適應，這也是一個自下而上的過程，典型的代表有進化算法、多智能體等。

由這3個方面構成的人工智能設計模型如圖1-1所示。

在人工智能設計模型中，“創造者驅使”是一個自上而下的過程，這裡的“創造者”不僅指的是創造者，也可以是一些其他的高級角色，如開發者，甚至可以是設計規範和材料屬性。而“環境驅動”是一個自下而上的過程，其中“環境”可以是交互約束，如行為規則；也可以是外部因素，如位置和氣候。

總之，“創造者驅使”指明瞭一個宏觀層面的方向，而“環境驅使”允許智能體自由發展，甚至可以改變它們的行為規則，從而實現自身的變化性和多樣性。

關於作者：王健宗，大型金融集團科技公司深度學習平臺和AutoML平臺負責人，中國人工智能開源軟件發展聯盟副理事長，美國佛羅里達大學人工智能博士後，發表聯邦學習、深度學習、雲計算和大數據等領域國際論文30餘篇，以及發明專利200餘項。

瞿曉陽 ，華中科技大學計算機系統結構博士，美國中佛羅里達大學訪問學者，大型金融集團科技公司資深算法工程師，一直從事機器學習、大數據、體系結構方面的研究工作，在AutoML平臺、面向AI的雲原生架構、高性能計算、高效能存儲系統等方面經驗豐富。

本文摘編自《深入理解AutoML和AutoDL：構建自動化機器學習與深度學習平臺》，經出版方授權發佈。

推薦語：這是一部從基礎理論、核心原理、前沿算法等多個維度系統、全面講解AutoML、AutoDL、AutoNAS和元學習的著作。作者是資深的人工智能專家，大型金融集團科技公司深度學習平臺和AutoML平臺負責人。本書得到了騰訊、阿里、字節跳動、微眾銀行、浙江大學、新智元等企業界、學術界、媒體界的8位資深專家聯袂推薦。