从“人是机器”到“机器是人”

◎黄福寿

人是机器

十八世纪法国启蒙思想家、哲学家拉美特利 （Julien Offroy De La Mettrie，1709-1751年），他根据对自己病情的观察，获得这样的信念：人的精神活动决定于人的机体组织；思想只不过是大脑中机械活动的结果，当体力上变得更虚弱时，精神功能也会衰退。1745年，他以此为主题写成《心灵的自然史》一书。1747年，拉美特利又进一步发表他最著名的、影响最大的著作《人是机器》。

拉美特利从物质具有运动力和创造力的基本观点出发，批判地继承了R.笛卡尔 （Rene Descartes，1596-1650年）的 “动物是机器”的思想，进一步得出“人是机器”的结论。拉美特利肯定笛卡尔以物质的原因说明动物的观点，但不同意笛卡尔把动物看成是没有感觉能力的简单的自动机。他主张用有感觉、有精神的、活的机器这一新概念来说明人，认为人的身体状况毫无例外地决定人的心灵状况，人的机体组织则是类似钟表那样纯粹由物质的机械规律支配的自动机。

拉美特利运用当时医学、生理学和解剖学的大量科学材料，论证人的心灵对人的机体组织特别是对人脑的依赖关系。比笛卡尔更进一步的地方在于，他把大脑看作精神或心灵的所在地。在他看来，外界对象刺激感觉器官中的神经，由神经腔中一种精细的物质 “无精”将运动传入大脑，达到感觉中枢，感觉心灵在这里接受各种感觉。感觉能力是记忆、反省、想象、情感、判断、意志等心灵的其他各种活动的基础，脑部一旦出现了毛病，脑子和感官之间的通道被堵塞，心灵的一切活动就会停止。

《人是机器》这个隐喻主要指人类的多数行为都是自动反应的结果，不需要我们进行思考，也很难受我们控制。 “……每一个肢体，都按照它的不同的需要，在它本身里面包括着一些活泼程度不同的机括。……一切生命的、动物的、自然的和机械的运动，都是这些机括的作用所造成的。突然面临一个万丈悬崖，不是大吃一惊，身体机械地向后退缩么？像上面所说的，一棒打下来，眼皮不是机械地闭起来么？瞳孔不是机械地在日光下收缩以保护网膜，在黑暗里放大以观看事物么？冬天我们身上的毛孔不是机械地闭起来，使寒气不能侵入内部么？”拉美特利列举的这些本能的生理反应可以说完全是自动运作的，差不多每个人都有同样的机制，遇到类似的情况都会下意识地、不由自主地做出反应。手机提示音总能成功地干扰处于非心流状态的人，那么，最好的避免干扰的办法就是在工作时关闭提示音，对于机械的、自动的反应，我们最好从源头施加控制。

在《人是机器》的隐喻中，既包括这些本能的生理反应，也包括那些习惯化的自动反应。这些习惯化的自动反应，有的是外在刺激激发，有的是内在欲望驱动。我们对这些反应通常也是缺乏控制力的，至少，我们不能凭借意志直接去管控这些反应，而要采取一些迂回的手段。这就好比我们要改变电器的功能，直接发布命令没有用，要先修改电路。

总之，将人比作机器，尽管有点简单化，但有利于我们还原真相，发现我们自身存在的真正问题，有利于我们运用类似计算机、网络运算程序的策略组合进行自我提升，即为 “机器拟人”提供了思想通道，因为人不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？

机器拟人

从思想史角度看，“人是机器”思想提出后，近300年来一直推动着人类对 “人-机关系”的思考和探索。

随着电子计算机的发展，技术已最终可以创造出机器智能。“人工智能”AI（Artificial Intelligence）一词最初是在1956年达特茅斯 （Dartmouth）学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，尽管人工智能 （机器智能）的发展比预想的要慢，但一直在前进，从70年前出现至今，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。

虽然计算机为AI提供了必要的技术基础，但直到上世纪50年代早期人们才注意到人类智能与机器之间的联系。诺伯特·维纳 （Norbert Wiener，1894-1964），是最早研究反馈理论的美国人之一。维纳从理论上指出，所有的智能活动都是反馈机制的结果。而反馈机制是有可能用机器模拟的。这项发现对早期AI的发展影响很大。

1955年末，艾伦·纽厄尔 （Allen Newell，1927-1992年）和赫伯特·西蒙 （Herbert A.Simon，1916-2001年），做了一个名为 “逻辑专家”（Logic Theorist）的程序。这个程序被许多人认为是第一个AI程序。它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解问题。 “逻辑专家”对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑。1956年，被认为是人工智能之父的约翰·麦卡锡 （John McCarthy，1927-2011年）组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论。他请他们到美国佛蒙特州参加 “达特茅斯 （Dartmouth）人工智能夏季研究会”。从那时起，这个领域被命名为 “人工智能”。虽然达特茅斯 （Dartmouth）学会不是非常成功，但它确实集中了AI的创立者们，并为以后的AI研究奠定了基础。

达特茅斯 （Dartmouth）会议后的7年中，AI研究开始快速发展。虽然这个领域还没明确定义，会议中的一些思想已被重新考虑和使用了。美国卡耐基梅隆大学 （Carnegie Mellon University）和麻省理工学院 （MIT）开始组建AI研究中心。研究面临的新的挑战：下一步需要建立能够更有效解决问题的系统，例如在 “逻辑专家”中减少搜索；还有就是建立可以自我学习的系统。

1957年一个新程序，“通用解题机” （GPS）的第一个版本进行了测试。这个程序是由制作“逻辑专家”的同一个组开发的。GPS扩展了维纳的反馈原理，可以解决很多常识问题。两年以后，IBM成立了一个AI研究组，花3年时间制作了一个解几何定理的程序。

当越来越多的程序涌现时，麦卡锡正忙于一个AI史上的突破。1958年麦卡锡宣布了他的新成果：LISP语言。LISP到今天还在用。“LISP”的意思是 “表处理”（List Processing），它很快就为大多数AI开发者采纳。

1963年麻省理工学院从美国政府得到一笔220万美元的资助，用于研究机器辅助识别。这笔资助来自国防部高级研究计划署 （ARPA），保证了美国在技术进步上领先于苏联。这个计划吸引了来自全世界的计算机科学家，加快了AI研究的发展步伐。

以人类的智慧创造出堪与人类大脑相平行的机器脑 （人工智能），对人类来说是一个极具诱惑的领域，人类为了实现这一梦想已经奋斗了很多个年头了。而从一个语言研究者的角度来看，要让机器与人之间自由交流那是相当困难的，甚至可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以至于我们的研究还并未触及其导向本质的外延部分的边沿。

以后几年出现了大量程序。其中一个叫第二代自然语言理解系统 “SHRDLU”。“SHRDLU”是 “微型世界”项目的一部分，包括在微型世界（例如只有有限数量的几何形体）中的研究与编程。在麻省理工学院由马文·明斯基 （Marvin Lee Minsky，1927-2016年）领导的研究人员发现，面对小规模的对象，计算机程序可以解决空间和逻辑问题。其它如在60年代末出现的 “Student”可以解决代数问题，“Sir”可以理解简单的英语句子。这些程序的结果对处理语言理解和逻辑有所帮助。

70年代另一个进展是专家系统。专家系统可以预测在一定条件下某种解的概率。由于当时计算机已有巨大容量，专家系统有可能从数据中得出规律。专家系统的市场应用很广。十年间，专家系统被用于股市预测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等。这一切都因为专家系统存储规律和信息的能力而成为可能。

70年代许多新方法被用于AI开发，如明斯基的构造理论。另外大卫·马尔 （David Marr，1945-1980年）提出了机器视觉方面的新理论，例如，如何通过一副图像的阴影、形状、颜色、边界和纹理等基本信息辨别图像。通过分析这些信息，可以推断出图像可能是什么。同时期另一项成果是Prologe语言，于1972年提出。80年代期间，AI前进更为迅速，并更多地进入商业领域。1986年，美国AI相关软硬件销售高达4.25亿美元。专家系统因其效用尤受需求，像数字电气公司这样的公司用XCON专家系统为VAX大型机编程。杜邦、通用汽车公司和波音公司也大量依赖专家系统。为满足计算机专家的需要，一些生产专家系统辅助制作软件的公司，如技术知识公司 （Teknowledge Corp）和软件公司 （Intelli Corp）成立了。同时，为了查找和改正现有专家系统中的错误，又有另外一些专家系统被设计出来。

在人类历史的长河中，人工智能 （AI）是个货真价实、朝气蓬勃的青年人。人工智能包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，即 “机器模拟人类智能”，不过到了70年代，人工智能陷入了低谷。到了80年代，机器学习这个原本处于人工智能边缘地区的分支一下子成为了人们关注的焦点。而到了90年代，人与机之争使得人工智能进入了大众的视野。1997年，IBM的深蓝战胜国际象棋世界冠军卡斯帕罗夫；2009年，洛桑联邦理工学院发起的蓝脑计划声称已经成功地模拟了部分鼠脑；以及大获全胜的AlphaGo围棋大战。如今全球人工智能界迎来了第三次浪潮。这一次，随着过去有监督深度学习算法的理论研究和工程化的成熟，以及硬件计算能力的大幅提升和成本的飞速降低，在云计算、大数据和移动互联网的融合推动下，人工智能在模拟人类智能的很多方面都有了突破性进展。

人机之争

目前人工智能处在大发展时期，各个主要大国和大公司都投入巨资研究和开发人工智能。欧盟委员会将在未来十年内拿出10亿美元支撑欧盟 “人脑计划”研究。而随着近年来国内业界的不断推动，人工智能在 “十三五”规划首年被纳入到中国国家战略发展层面。2017年7月，中国政府印发了《新一代人工智能发展规划》，急切地表达了中国政府紧追世界顶尖技术、抢抓人工智能发展机遇的国家意志，助推了当前中国人工智能产业和技术发展。但就世界范围看，也有不少人士表达了对人工智能发展的担忧甚至反对，许多人士在看到人工智能在为这个时代注入发展新动力的同时，却也关注其对就业、法律、政治、经济、伦理和安全等诸多领域带来的新挑战，尤其是安全问题，更是存在很大不确定性。在几十年前，人工智能还只是少数人在默默耕耘，但是1997年国际象棋的世界冠军被IBM的深蓝计算机打败了，曾经让大家吓一跳，深蓝就是一个人工智能的专家系统。由于国际象棋比较简单，如果人工智能机器能打败比较复杂游戏的世界冠军，那才能够说明问题。但没想到2016年，从三月份开始，最早是叫AlphaGo打败了韩国的围棋高手李世石，接着换了一个名字，其实还是这个系统，叫Master，连赢包括中国像柯洁这样的世界一流围棋高手，这件事一下子让全世界的人都吃惊了。

人工智能把围棋的世界高手都打败了，是不是人类的末日就快到了，很多人有这样一种恐惧。人工智能也一下子从科技界登上了这样一个世界的全景舞台，人工智能是不是万能的？人工智能是不是将全面盖过人？人工智能又如何能够“安全可靠可控”？“人机之争”一下成了时代话题。“人机之争”促使我们反思人类与人工智能的关系，就目前的认识看，“人-机关系”可能有三种情况，但都存在不确定的前景。

1．机器拟人

从技术层面而言，人工智能技术的发展可以分为三个阶段：计算智能、感知智能和认知智能，目前已经融合在各种传统产业中的人工智能应用主要集中在第一个阶段——计算智能，少量应用已经开始试水第二阶段的技术，即感知智能。考虑到全面的感知智能所需的应用化技术、完善的数据、高性能芯片还有待于进一步发展，感知智能技术应用普及估计还需要5-10年，而认知层的技术突破和数据、计算等基础资源的提升和积累应该是发展方向。

尽管围棋比赛上此次机器对人取得了胜利，但这次人机大战不能说是人工智能的全面成功，只能说是人工智能在游戏上接近人类水平，是一个重大的突破，标志着人工智能达到一个新的水平。目前，研究者普遍认为，人工智能的发展顺序应是：弱人工智能、与人类智能相当的 “强人工智能”和全面超过人类智能的 “超人工智能”。而 “阿尔法围棋”正是弱人工智能的代表之一。

弱人工智能已经渗入到人们生活的方方面面，如搜索引擎、实时在线地图、手机语音助手等都运用了人工智能技术。工业机器人也比以往任何时候更快的速度发展，更加带动了弱人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。但总体看，弱人工智能是对人的思维的信息过程的简单模拟，不但不会对人类产生威胁，反而会成为生活的小帮手，因为弱人工智能观点认为不可能制造出能真正地推理和解决问题的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。不过随着弱人工智能技术的快速进步，这种状况正在被改变。

2．机器治人

随着弱人工智能的迅猛发展，使我们深深感到 “强人工智能”时代已经来临，也感到了 “超人工智能”的声音。横空出世的AlphaGo同时引发了棋界和科技界的 “大地震”，人类智力 “最后的堡垒”也轰然倒塌，我们似乎已经无法阻挡人工智能超越人类的步伐。雷·科兹威尔 （Ray Kurzweil，1948年-）说：“人工智能将在2029年左右达到人类的智力水平。再进一步说，比如2045年，我们将把人类文明创造出的人类生物机器的智能翻倍，也许是十亿倍。”与此同时，对机器有可能统治人类的恐惧却与日俱增，史蒂芬·霍金 （Stephen William Hawking，1942年-）公开反对人工智能，反对它进入现实世界，他曾说，“完全人工智能的发展可能意味着人类的终结。它会脱离控制，以越来越快的速度重新设计自己。人类受到缓慢的生物进化的限制，无法与之竞争，并将被人工智能取代”。

今后人工智能的发展会不会威胁到人类安全？虽然目前 “强人工智能”的发展暂时无明显头绪，但是工业级的强大研发力量确实是发展出“强人工智能”的有利条件。如果实现了超人工智能，未来会不会失控，这很难说，原则上这都是有可能发生的。如果让计算机拥有自主意识的产生与延续，如果使机器拥有自主意识，则意味着机器具有与人同等或类似的创造性，而这种创造性必然会导致机器失控于人类，并最终导致机器控制或统治人类的可能性。

3．人机共生

“人机共生”第一层意思是从生理-物理意义上说的。库兹韦尔预言，2030年人类将与人工智能结合，变身 “混血儿”。库兹韦尔称，这意味着人类大脑将可直接与云端相连。云端可能存在数以千计的电脑，这些电脑将增强我们现有的智慧。他表示，大脑将通过纳米机器人连接，这种微型机器人是由DNA链组成的。他认为： “我们的思维将成为生物与非生物思维的混合体。”云端服务越大、越复杂，我们的思维就变得越先进。到2030年末或2040年初，库兹韦尔认为人类思维中的非生物因素将占据主导地位。他说：“我们将逐渐融合，并不断提高自己。在我看来，这就是人类的本质，我们不断超越自己的极限。”

俄罗斯亿万富翁德米特里·伊茨科夫 （Dmitry Itskov，1981年-）创建的2045研究所正与研究人员和企业合作，准备共同创造下一场人工智能革命。德米特里说：“我100%坚信，这场革命终将到来。否则，我就不会开始了。2045项目希望到2020年能有一个可以让人类通过大脑控制机器人的 ‘化身’。”这些听起来令人难以置信的事情，超乎常人的思维所及，未来可能就在眼前。

“人机共生”的第二层意思则是从社会学意义上说的。人机各有所长，互为补充。人类非常擅长于问自己一些有趣的问题，擅长于推理、理解世界的运作方式，在理解的基础上推理。同时可以基于情感处境进行价值判断。但是，在另一些方面机器又做的比我们好。机器更擅长于专利发现、统计推理、大规模计算推理等等，它们能够在我们不那么擅长的方面帮助我们，因此人类形式的智能和机器形式的智能可以共同探索以做出更好的决定。因此未来是人与机器共同创造，而不是机器自己。人机合作，可以通过更多的数据获得更多、更深刻、更有洞察力的知识，用更少的资源做更好的决定。当然，随着机器智能水平的不断提升，特别是 “情感机器人”的出现，必然会出现 “人机共生”的新形态，甚至改变人类的 “类形态”。

宏观上看，从笛卡尔、拉美特利时代开始，延续至今的人类进化历史，总体上属传统生物学意义上的进化模式。随着人工智能迅猛发展，传统生物学意义上的进化模式将可能让位于人-机共同进化模式。今天我们用传统生物学意义上的大脑来思考未来人-机共生的社会历史场景时，其局限性是不言自明的，但这并不阻碍我们对未来人-机共同演化时代的向往。尽管未来的我们很难说还是现在的我们的同类，这或许也是今天的我们高度关注人工智能未来发展的魅力所在。