回望人工智能原点：达特茅斯会议

费孝通先生在《乡土中国》中曾写道：“人的‘当前中包含着从‘过去拔萃出来的投影，即时间的选择累积。”人工智能所经历的曲折历史何尝不是在时间画卷中不断进行选择的累积过程。

1956年6月到8月之間，在美国达特茅斯学院（Dartmouth College）举行的人工智能暑期研讨会在人工智能发展历史上具有重要意义，本文描述了这次会议中的重要事件，以期体现此次会议在人工智能发展史上的重要作用。

“人工智能”一词首次提出

1955年8月，时任达特茅斯学院数学系助理教授、1971年图灵奖获得者麦卡锡（J. McCarthy），时任哈佛大学数学系和神经学系青年研究员、1969年图灵奖获得者明斯基（M. L. Minsky），时任贝尔实验室数学家、 “信息论之父”香农（C. Shannon）和时任国际商业机器公司（International Business Machines Corporation， IBM）信息研究主管、IBM第一代商用计算机IBM 701的主设计师罗切斯特（N. Rochester）4位学者向美国洛克菲勒基金会递交了一份题为《关于举办达特茅斯人工智能暑期研讨会的提议》（A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence）的建议书，希望基金会资助拟于1956年夏天在达特茅斯学院举办的人工智能研讨会，研究“让机器能像人那样认知、思考和学习，即用计算机模拟人的智能”的科学[1]。

在这份建议书中，“人工智能”（a r t i f i c i a l intelligence， AI）这一术语被首次提出，用来表示“人工所制造的智能”。该建议书对能够实现“人造智能”的原因进行了如下描述：学习的每个方面或智能的大多数特性原则上都可以被精确描述，从而可以用机器来模拟。

大多数学科都有必须遵守的最基本的命题或假设，这些命题或假设不能被省略和违反，即学科发展的第一性原理。比如，牛顿经典力学中“引力和惯性”以及达尔文进化论中“物竞天择，适者生存”，都是需要遵守的第一性原理。在AI研究中，对智能行为过程的精确描述或许可以作为类似于第一性原理需要遵守的原则，也就是说以机器为载体来展示人类智能或生物智能，需要对智能行为发生过程予以清晰描述，从而通过程序设计语言被机器按序执行。1965年诺贝尔物理学奖获得者费曼（R. Feynman）曾经说过：不可造者，未能知也（What I cannot create， I do not understand），这一说法与AI “第一性原理”异曲同工。

比较有趣的是，在收到这份建议书3个月后（即1955年11月），洛克菲勒基金会主管这一领域研究的生物与医学部门主任莫里森（R. S. Morison）博士回复了对这一建议书的评议结果。莫里森在回复中没有使用“人工智能”这一单词来描述建议书中陈述的研究内容，而是使用了“思维的数学模型”（mathematical models for thought）。基金会认为虽然申请书所提及研究内容“难以让人彻悟”（difficult to grasp very clearly），但是鉴于这一研究所具有的长期挑战性特点，基金会愿意资助其申请经费的一半，即批准7500美元来支持这个研讨会。在回函中莫里森写道：希望你们不会觉得我们过于谨慎（overcautious）。但总体而言，对思维的数学模型研究是一个新领域，从长远来看非常具有挑战性。这意味着探索一种新方法是一场适度的赌博，因此在现阶段冒任何大风险会令人犹豫重重。

拓荒者的身影

1956年6月18日至8月17日， 30多位学者如期来到达特茅斯学院，参加持续8周左右的人工智能暑期研讨会，AI从此正式登上了人类历史舞台。其中麦卡锡、明斯基和所罗门诺夫（R. Solomonoff）3位学者全程参与了会议。

参加会议的还有1975年图灵奖得主纽厄尔（A. Newell）、1975年图灵奖和1978年诺贝尔经济学奖得主西蒙（H. A. Simon）、1977年图灵奖得主巴克斯（J. Backus）、“机器学习”（machine learning）一词的创立者塞缪尔（A. Samuel）等，他们在信息论、逻辑和计算理论、控制论、机器学习、神经网络等领域都做出过奠基性的工作。

与会的大多数学者已经作古，但“老兵永远不会死，只会悄然隐去”，他们所参与的AI事业将永远辉煌，这些学者在各自从事的领域留下了很多脍炙人口的佳话，如：神经科学家麦卡洛克和数学家皮茨在一篇永载史册的文章《神经活动内在性的逻辑计算》（A Logical Calculus of Ideas Immanent in Nervous Activity）中提出了由两人命名的M—P模型，开辟了现代神经网络研究的开端，麦卡洛克激动地宣布：我们在科学史上第一次知道了“我们是怎么知道的” （For the first time in the history of science， we know “how we know”）。

东汉马融在《围棋赋》说：“三尺之局兮为战斗场”。围棋包含19×19构成的361个方格，黑白棋子在这361个方格中的落子构成了一张张的棋谱，深度学习可以对黑白棋子的布局进行感知，即看懂棋面，知晓某个方格是黑子或白子，以及这些黑白棋子构成的棋面；围棋对决中要对黑白棋子交错落子所形成的系列进行分析，来判断黑白每一次落子的优劣，这一AI学习方法叫强化学习。强化学习根据围棋比赛最终胜败来反推对每一步落子是奖励还是惩罚，从而改进落子策略，向“学会学习”（learning to learn）这一能力塑造目标而努力；在围棋比赛中，可供选择的落子比宇宙的原子还多。蒙特卡洛树搜索提供了一种机制，即从浩渺搜索空间中快速寻找一个“不差”的落子，且寻找过程不用遍历所有可能性。

展 望

1955年，4位学者在一份申请召开人工智能研讨会的建议书中首次提出了“人工智能”这一术语，提出了如何用计算机來模拟AI的宏伟目标。从历史发展来看，可计算思想、图灵机模型、达特茅斯会议以及AI 60多年来几起几落的发展，绘就了人类对智能行为模拟和构造的壮美接力画卷[2]。

AI是类似于内燃机或电力的一种“使能”技术，天然具备推动学科交叉的潜力。AI与脑科学研究交叉，在攻克重大脑疾病诊治难题同时，也在人类大脑和机器大脑之间架构桥梁而向混合增强智能迈进；AI与数学、物理、化学等结合，重塑科学发现范式，如AI预测蛋白质三维空间结构，为探秘“生命之舞”提供全新视角，是一项改变“游戏规则”的技术，就像费马定理的最终证明或引力波的发现一样，它解决了一个在“待办清单”上已经存在了50年的科学问题；AI这一“非凡工具”帮助数学家找到单独依靠人类思维不容易发现的内在联系，“进军”数学领域，辅助数学家发现新的数学猜想和证明新的数学定理；AI具有技术属性和社会属性相互融合特点，正推动人机共存社会形态出现，算法向善、社会实验和AI伦理规范等新的研究不断涌现，树立“边发展，边治理”理念，突破“科林格里奇困境”（Collingridges Dilemma），防止类似“红旗法案”阻碍新技术革命对社会进步的推动作用，让马克思所言“普遍智能”更好地惠及社会和大众。

“不辨积微之为量，讵晓百亿与大千”，我们今天在享受语音聊天、在线支付、地图导航和拍照识别等APP带来的巨大便利时，是否会想到这些都是AI先驱者在一次次尝试、失败和奋斗后所产生的胜利果实呢？

[1]McCarthy J， Minsky M， Rochester N， et al. A proposal for the dartmouth summer research project on artificial intelligence， August， 31， 1955. AI Magazine， 2006， 27（4）： 12-14.

[2]吴飞. 走进人工智能. 北京： 高等教育出版社， 2022.

[3]Samuel A. Some studies in machine learning using the game of checkers. IBM Journal of Research and Development， 1959， 3（3）： 210-229.

[4]Schaeffer J， Burch N， Bj？rnsson Y， et al. Checkers is solved. Science， 2007， 317（5844）： 1518-1522.

[5]Simon H. Computers—non-numerical computation. Proceedings of the National Academy of Sciences of the United States of America， 1980， 77（11）： 6264-6268.

关键词：达特茅斯会议 AI起源 符号主义AI 行为主义AI连接主义AI ■