1.1　个体智能与人工智能

众所周知，人工智能并非新鲜事物，它的历史甚至要早于现代计算机的发明。

然而何为人工智能，目前国际上仍然没有形成统一的定义。美国斯坦福大学人工智能研究中心约翰·尼尔逊（John Nilsson）教授这样定义人工智能：“人工智能是关于知识的学科—怎样表示知识以及怎样获得知识并使用知识的科学。”美国麻省理工学院帕特里克·温斯顿（Patrick Winston）教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。”OECD研究报告中给出的人工智能定义是：根据人类预先设定的一组目标，进行预测、推荐、决策的一种机器系统，以影响现实或虚拟环境。通过使用机器或人类的输入信息感知现实或虚拟环境，通过自动分析基于感知进行建模、使用模型推断形成关于信息或行动的抉择，人工智能系统通常具有不同层次的自主性⁽¹⁾。

通俗理解，人工智能就是要研发具有类似人类智能水平和行为能力的机器系统，主要表现为能听、能看、能说、会思考、会决策、会学习等，可以模拟、延伸和扩展人类智能，并帮助人们减轻工作量，改善生活质量，并提升人们认识世界和改造世界的能力。

“智能”内涵丰富，具有典型的多层次性特征。人类智能是人类大脑历经亿万年演化形成的高等级功能，也是人类最终得以雄踞地球的最核心资本。人的智能包括了多个方面的能力，比如记忆、学习、求解、感知、语言、推理、博弈等。蔡自兴教授在《人工智能及其应用》一书中认为，人工智能能力包括学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动、问题求解等⁽²⁾。

骑自行车、跳舞、踢球看起来是运动能力，实际上也是人类智能的外化体现，尤其是精细感知和运动控制，清华大学基于天机类脑芯片研发的无人自行车，很好地解析和实现了人的这一智能。人工智能这一领域具有挑战性的内容太多了，似乎永远都有攻克不完的难题。这些林林总总的人类智能应用场景不同，难以说清究竟哪类智能是人工智能想要机器实现的核心能力，这就在一定程度上给形成标准的定义带来很大困难。

早在20世纪初，人们就在思考如何设计一种机器来模拟和实现人类的智能活动。在这一时期，“机器智能”（Machine Intelligence）的概念使用较多。数学和信息科学的很多早期理论为机器智能的研究提供了方法论基础，如符号逻辑、概率论、信息论、控制论等。当时的一批科学先驱对如何使机器拥有与人类一样的智能进行了很多探索，计算理论先驱艾伦·麦席森·图灵（Alan Mathison Turing）、“现代计算机体系结构之父”冯·诺依曼（Von Neumann）、信息论的创始人克劳德·艾尔伍德·香农（Claude Elwood Shannon）等都是机器智能研究早期的主要推动者。1947年，图灵编写了第一个下棋程序；1950年香农在《哲学杂志》发表了计算机下棋理论研究文章，其中主要思路在“深蓝”和AlphaGo中还能看到。

1936年，图灵在《伦敦数学学会会刊》发表奠基性文章“论可计算数，及其在判定问题上的一个应用”，形成了抽象的计算模型—通用图灵机，系统地讨论了可计算函数、递归函数、停机问题、可判定性等计算理论问题，为之后计算机和人工智能的发展奠定了理论基础。在此基础上，冯·诺依曼在世界第一台电子计算机“ENIAC”上创立了现代计算机的基本体系结构，也为探索智能的实现提供了重要的实现基础。直至当前，人工智能系统均运行在冯式计算架构之上。1950年图灵在《思维》（Mind）上发表“计算机器与智能”，提出著名的“图灵测试”，对“机器能有思维吗”这一问题给出了比较系统和科学的论述，还就机器智能的博弈推理、感知、学习甚至意识等问题进行了深刻思考和预测，成为人工智能发展的里程碑之作。

可见，人工智能与计算机关系密切。从发展历程上看，两者互相成就。人工智能的伟大愿景催生了冯式计算机的发明，现代计算机为人工智能提供了实现支撑。从技术层面上，人工智能处于功能层，计算机处于执行层。长期以来，很多人工智能研究生方向都是设立在计算机科学与技术一级学科里的计算机应用二级学科中。

当然，人工智能作为早于通用计算技术萌发的科技梦想，内涵和外延都要比计算机更加宽广。

人工智能早期阶段，国际象棋等计算智能主要依靠计算机的程序计算能力发掘智能潜力，符号运算、进化计算等也是垂直于计算机软硬件体系的上层应用。然而，作为现在产业化主流的感知智能，其硬件基础也已经从经典计算机向外延伸，轻量化的移动智能终端、物联网设备在整个感知智能硬件体系中比重越来越大，甚至很多末梢智能计算直接在机械工程设备端进行；神经形态计算、生物计算、量子计算等新的底层计算技术目前也在加速孕育探索，底层计算架构的变革可能给未来人工智能发展带来更加丰富的创新机会。未来实现具备更高级认知能力的智能形态，底层计算架构可能是现代冯式计算机，也可能不是。

1956年夏季，美国达特茅斯学院的约翰·麦卡锡（John McCathy）推动召开了历史上第一次正式的人工智能学术研讨会。在这次被称为达特茅斯人工智能夏季研讨会的会议上，来自数学、计算机科学、信息科学、神经生理学、心理学等领域的科学家参加了为期2个月的研讨⁽³⁾，见图1-1。经麦卡锡提议，会上正式决定使用“人工智能”来概括这个研究方向⁽⁴⁾。自此，“人工智能”承载了机器智能的主要内涵，开始成为这一学科的名称。

人工智能诞生之初就带着科幻光环，提到人工智能人们自然联想到各类科幻场景。实际上，当前阶段乃至未来相当一段时间，人工智能仍将是一项改造生产力的颠覆性科技。1956年达特茅斯人工智能夏季研讨会上重点讨论了七个议题：①自动计算机；②计算机语言；③神经网络；④计算规模理论；⑤自我改进；⑥抽象；⑦随机性和创造性⁽⁵⁾。这些议题更多地聚焦于探讨机器模拟实现人类智能的能力空间和途径。

当人工智能发展进入新的历史阶段，其内涵也在随着技术路线和技术能力的演化发展而与时俱进。

目前人工智能的范围已不再局限于使机器完成那些只有依靠人类智慧才能完成的任务，像早期的定理证明、专家系统等，而是开始致力于采用了人工智能模型或技术，解决现实世界实际难题，而这些难题，可能是人类智能自身解决不了的。比如在多维感知、金融征信、销量预测、复杂的科学问题探索等方面，人工智能已经具备超过人的能力。

人工智能的目标和理念也因此发生了很大变化，人工智能已经不仅限于模拟人类智能和行为能力，而是以人机协同方式与个体智能优势互补，追求增强和拓展人类能力成为未来发展的重要趋势。增强智能已经成为新一代人工智能技术的重要目标，机器智能与个体智能的人机协同共融将是智能社会的主流形态。

人工智能实现了人的智能的物化和延伸，并将原来只能伴随人的生老病死而产生或消亡的个体智能变得可传承、可迭代、可汇聚、可累积。书籍的出现使人类知识得以传承累积，机器智能也将给人类文明的进化方式带来新的驱动要素。每个人可能都只是人类社会的过客，但一代代个体智能的经验和智慧将会源源不断地输入人类所有生活场景中的各类虚拟大脑，而这一大批机器智能却可能会是永续的。