朱嘉明/文 自1956年人工智能的概念被提出，人們不斷地修正和補充它的內涵和外延。這種情況還會繼續(xù)下去。為什么？因為人工智能既是科學，也是技術；既是信念，也是實驗，具有“形而上”和“形而下”的雙重性質，并且始終維系著“形而上”推動“形而下”，繼而“形而下”反饋“形而上”的互動模式。在20世紀的科技歷史上，與諸如相對論和量子力學這樣的純科學比較，或者與更傾向實驗科學的基因學比較，人工智能的“形而上”和“形而下”互動的特征極為顯著。

《易經》對此有過經典定義：“形而上者謂之道，形而下者為之器”。這里的“道”，就是具有抽象特征的理念、觀念、思想、哲學、邏輯，甚至是精神。至于“器”，則是具象的和具有物理形態(tài)的應用和實踐。

人工智能是“道”在先，“器”在后。用哲學語言表述，人工智能的發(fā)展史很接近objectiveidealism（客觀唯心主義或客觀觀念論）的原理：客觀精神在其發(fā)展過程中，產生了物質世界，而不是相反。

本文主要通過圖靈（AlanMathisonTuring，1912-1954）、1936年圖靈機和1950年“圖靈測試”、MP模型（第一個神經元網絡模型）以及計算主義的演變，探討人工智能在上個世紀30年代到80年代的“形而上”到“形而下”的演變特征，以及由此所形成的思想運動。

一

圖靈是人工智能核心思想的提出者。時間是89年前的1935年。那年初夏，圖靈開始思考被后人稱之為“圖靈機”的“自動機器”，至1936年4月，圖靈完成《論可計算數，及其在判定問題中的應用》（OnComputableNumbers,withanApplicationtotheEntschei－dungsproblem）論文。從本質上說，圖靈機是一種抽象的計算機模型，通過一個虛擬機器替代人類進行數學運算，也就是通過一個機器替代“計算者”，實現在任何可計算的范疇內的計算問題。圖靈機對于人工智能科學和計算機科學，具有同等重要的作用，因為兩者是不可分割的：計算機科學的盡頭是人工智能，人工智能的載體是計算機。

深入解析圖靈機，其深層結構則是數學。而相關數學的核心問題就是如何認知希爾伯特（DavidHilbert，1862—1943）的“可判定性”（Entscheidungsproblem）。可判定性是指一個問題是否可以通過某種算法在有限時間內得到解決。圖靈對于可計算性問題，有雙重立場：一方面，他證明了希爾伯特的判定性問題無解，另一方面，他將可計算性問題轉化為一個直觀可計算（有效可計算）的函數。

著名的“丘奇—圖靈論題”（Church-Turingthesis），可以有幾種表述方式：所有計算裝置都與圖靈機等價；人按照算法執(zhí)行的計算和圖靈機等價；人的智能和圖靈機的能力等價。也就是說：“丘奇—圖靈論題”，可以證明圖靈機與可計算性的連接，證明圖靈機可以實現某種算法在有限時間內得到解決。圖靈機可以定義為一種計算的和模擬算法邏輯的數學模型。“圖靈機的出現是對人類計算分析的結果，是一種編碼”。

問題并沒有到此結束，最終還是要回答圖靈機的第一推動力是什么？是決定論。

根據安德魯·霍奇斯（AndrewPhilipHodges）撰寫的《圖靈傳》：“顯然，圖靈機，與他早期對拉普拉斯決定論的一些思考，是有關系的。”圖靈通過圖靈機，“創(chuàng)作了他自己的決定論，在一個邏輯的框架中，來討論思維是什么”。在創(chuàng)造圖靈機的過程中，“他發(fā)現了一些有點像超自然的東西”。圖靈“證明了任何人類計算者的工作，都可以由機器做到”。圖靈機在圖靈那里，自始至終是存在神秘色彩的。

所以，到了1950年，圖靈的《計算機器與智能》（ComputingMachineryandIntelligence）問世。圖靈在這篇人工智能歷史上開天辟地的文章中，一上來就提問：“機器能夠思維嗎？”為此要避免對“思維”有預設的定義。之后，圖靈提出并闡述了“模仿游戲”（imitationgame）的思想實驗，即奠定了人工智能的理論基礎“圖靈測試”。他“通過適當的增加存儲和計算速度，并提供合適的編程，一個數字計算機可以表現得像人類么”?圖靈對于未來機器充滿信心，機器的發(fā)展會創(chuàng)造太多的出乎意料，學習機器可以在任何方面與人類的能力匹敵。而人們之所以不相信，“起因于哲學家和數學家們特別容易持有的一個謬見”。事實上，圖靈的這篇文章更具有哲學意味，他在字里行間，已經將對機器可以思考作為了一種觀念，賦予其一種基于科學論證的信仰。

無論如何，至少從1936年到1950年間的圖靈是一以貫之的，他以形而上的模式持續(xù)其人工智能思考。這個時期，也正是“形而上”主導人工智能的關鍵歷史階段。

二

1943年，麥卡洛克（WarrenSturgisMcCulloch）和皮茨（WalterHarryPitts）共同發(fā)表了《神經活動內在概念的邏輯演算》（ALogicalCalculusoftheIdeasImmanentinNervousActivity）一文，創(chuàng)造了麥卡洛克—匹茲模型（McCulloch-Pittsmodel），簡稱MP模型，這是第一次模仿生物神經元的樹突、軸突、細胞核制作出了人工神經元模型。

MP模型的基礎理論是“理論神經生理學”。該理論建立以如下的基本假定為前提：“神經系統(tǒng)上一個神經元網，每個神經元都有一個細胞體和一個軸突。它們的附屬部分，或稱突觸，總是位于一個神經元的軸突和另一個神經元的細胞體之間。神經元任何時刻都有某個閥值，刺激必須超過這個值才能發(fā)起一個沖動”，“這個沖動從刺激點傳播到神經元的所有部分”。基于這樣的理論前提，MP模型證明了：“一定類型的（可嚴格定義的）神經網絡，原則上能夠計算一定的邏輯函數。”

之所以MP模型在1943年產生了，首先因為生物學家麥卡洛克正處于開創(chuàng)神經生理學的前沿，深知神經元具有激發(fā)和不激發(fā)兩種狀態(tài)，神經元突觸分為興奮性和抑制性的兩種狀態(tài)，即“全或無法則”。所以，可以假設細胞脈沖對應于二進制的1或0的兩種模式。當然，神經細胞響應輸入的刺激需要一個時間過程。“當時的麥卡洛克意識到，一系列神經元的活動或許可以用一系列邏輯命題來描述，他把這一系列的神經元成為‘神經網’”。為此，需要嚴格的邏輯術語。麥卡洛克需要得到數學家皮茨的參與。所以，在MP模型的深層邏輯，就是現代數理邏輯，可以看到羅素（William Russell）和懷特海（AlfredNorthWhitehead）《數學原理》（Prin－cipiaMathematica）的深刻影響。

麥卡洛克和皮茨的工作最終驗證，通過神經元表示的邏輯門實現計算是一條切實可行的方法。麥卡洛克和皮茨將生理學關于神經的研究帶入數學領域，并與邏輯學相結合，開辟了實現機器智能需要回歸神經科學或者大腦科學，成為當代神經網絡中的奠基者。

值得強調的是，麥卡洛克和皮茨有著更大的企圖心，他們認為，所有心智活動的關鍵方面，“都可以從目前的神經生理學嚴格推導出來”。皮茨明確提出：對于一個初始的隨機的神經網絡而言，“隨著長時間對神經元闕值的調整，這種隨機性會漸漸讓位于有序性，而信息就涌現出來了”。

MP模型，也是人工智能歷史上極為關鍵的“形而上”里程碑，至少在1956年的人工智能會議上，開始納入人工智能思想、理論和技術體系。

1958年，心理學家弗蘭克·羅森布拉特（FlankRosenblatt）提出了感知機模型(羅森布拉特感知器)，此感知器是根據MP模型的單層“神經網絡”，是歷史上首個根據樣本數據學習形成正確權重參數的模型。這是MP模型從“形而上”向“形而下”轉型的實例。

三

進入1980年代，從機器視角探討人工智能的思想和技術選擇與實驗，已經相當普及和趨于成熟。但是，從人本身的認知和心理視角證明人工智能的普遍性，并未形成完整理論和技術支持。

正是在這樣的背景下，計算主義得以興起和發(fā)展。計算主義核心理念就是從物理世界、生命過程到人類的認知，都是“可計算的”。算法是一種存在，存在就是算法。人們之所以將“計算”和“主義”結合在一起，是因為計算主義不僅包含著科學，也包含了信念、價值觀，甚至信仰的成分。

作為認知科學家和哲學家的澤農·W·派利夏恩（ZenonW.Pylyshyn），將計算主義系統(tǒng)化和理論化，推進了認知科學的進展。在人工智能的“形而上”思想演進中，具有不可替代的地位。1984年出版的《計算與認知》（ComputationandCognition）是派利夏恩的代表作。

人們通常認為，計算主義的理論淵源可以追溯到古希臘的原子論，畢達哥拉斯主義和柏拉圖主義。“萬物皆數”是基石所在。派利夏恩在《計算與認知》的前言中，首先闡述了他的認知科學本質，“我考察的一個中心議題是，如何可以可能使人類（以及信息‘機器’人這個自然種類的其他成員）基于表征的行動變成他們在物理上例示這些表征的認知代碼，而他們的行為如何可能變成執(zhí)行這些代碼的操作之因果后承。既然這正是計算機做的事情，那么我的提議就等于宣布：認知是一種計算”。“如果我們采取把認知和計算看作是同一屬概念中的種概念的觀點，就可以導出一個重要而又影響深遠的結果”。

派利夏恩在《計算與認知》中的核心命題是：“計算是心理行為的實際模型而不僅僅是模擬。他引入了一個作為認知模型的計算概念，并進一步解釋說，如果一個計算機方案可以視為認知的模式，那么這個方案就必須與人們在認知過程中實際所做的方案對應。”在人的認知與計算之間存在著很強的等同性，即所謂的“強等價”。強等價就是算法等價，體現計算模型與認知過程之間的相符性和對應性。

機器計算狀態(tài)可以對應于一個等價的物理狀態(tài)集合，也可以對應人的認知集合。所以，強等價性的實現要求計算模型滿足嚴格的條件，以保證模型和認知過程在原則上是相似的。如果人類沒有實現關于心理的計算，不能實現“強等價”，并不意味著動搖“認知是一種計算”，只能認為認知科學的發(fā)展尚不完善，沒有達到物理學語言的表達層次。目前物理學可以提供描述物理世界的最普遍和最成功的概念。

在幾乎以“認知是一種計算”作為公理的前提下，派利夏恩探討了認知的“表征”層面，認知的可穿透性，從物理形態(tài)到符號的轉化，心理表象和功能建構等。《計算與認知》的第九章題目是“結論：認知科學是關于什么的科學”。他的結論是：“認知科學的最終成功，如果它們成為現實，不得不解釋各種各樣的經驗現象。它們將不得不與許多哲學講和，并面對我們關于有意義的問題的前理論直覺。”也就是說，認知科學的建立，任重道遠。

1985年，與派利夏恩在《計算與認知》的核心思想一致的多奇（DianaDeutsch），強化了“物理世界是可計算的”主張，“任何有限可實現的物理系統(tǒng)，總能被一臺通用模擬機器以有限方式的操作完美地模擬”。多奇認為，算法或計算這樣的純粹抽象的數學概念本身完全是物理定律的體現，計算系統(tǒng)不外是自然定律的一個自然結果，而且通用計算機的概念很可能就是自然規(guī)律的內在要求。進一步推而廣之，物理可計算主義的一個強硬命題是“宇宙是一臺巨型計算機”。

在計算主義陣營中，數學家、邏輯學家、人工智能專家、計算機應用開拓者勃克斯(ArthurWalterBurks)是重量級人物。勃克斯的代表作是《機器人與人類心智》，該書的核心思想是，“一切皆數”。“如果從外部給定其輸入，在時間持續(xù)和空間廣延上有限的任何自然過程，都能被數字計算機模擬并能滿足對精確程度的任何指定要求”。

勃克斯的思想與其說有著來自盧克萊修（TitusLucretiusCarus）《物性論》和拉美特利（JulienOffraydeLaMet－trie）《人是機器》的影響，不如說源于萊布尼茨（GottfriedWilhelmLeibniz）的思想。甚至可以認為，勃克斯也是萊布尼茨的信仰者，“我們應該相信我們所發(fā)現和推動的世界的實在性。因為它不難通過計算它一遍或通過驗算加以證實。這就類似于算術中的九歸驗算一樣”。為此需要引入諸如字母這樣的符號系統(tǒng)，因為字母信息可以被數學化。

勃克斯堅定不移地認為：計算機和形而上學不是對立的，甚至意識、自由和道德，“在機器人中，也在人類中”。人的所有推理，包括發(fā)現和證實，都能通過“有窮決定論自動機”轉化為數字運算，進而“實現人類的一切自然功能”。勃克斯提出一個假定：人們制造的計算機，不僅能歸納地證實經驗陳述和推理，而且能通過選擇適當的語言符號，演繹證明這些陳述和推理，那么，“這種計算機就構造了一個語言的經驗應用方面的漂亮模型”。這不就是今天的以GPT（OpenAI公司開發(fā)的預訓練語言模型）為代表的語言大模型嗎？

一方面，人類心理和思想活動可以被計算；另一方面，計算機形成對人類心理和思想活動的計算能力。于是，人與機器人區(qū)別消失：人=機器人。

關于計算主義、心靈計算主義的批評意見從未間斷。但是，計算主義無疑是人工智能歷史中重要的“形而上”思潮。至今方興未艾。

四

在20世紀的30年代至80年代，存在一個以“形而上”方式思考人工智能原理的群體。這個群體的成員涉及學科相當廣泛，包括：數學家、邏輯學家、心理學家、物理學家和哲學家等。不論他們各自的主要專業(yè)是什么，人工智能問題，從來沒有離開過他們的視野。

他們中間的絕大多數，因為是師生關系和同學、同事關系，彼此相識。在學術領域中，他們相互啟發(fā)、交流、爭論和相互欣賞。著名的“圖靈機”的稱謂，是圖靈老師丘奇（AlonzoChurch）命名的；希爾伯特是馮諾伊曼（JohnvonNeumann）的導師。

哥德爾和圖靈的人工智能思想是有差異的，但是，哥德爾從來都肯定圖靈在人工智能領域的天才貢獻。哥德爾認可圖靈機捕捉到了“人作為計算機”(humancomputer)的直覺，并且把這個功勞都歸功于圖靈。之后在他不多的公開發(fā)聲(文章或演講)中多次力挺圖靈，并且措辭幾乎相同。哥德爾1946年為“普林斯頓大學200年”撰文中的一段話被最多提及：“他（圖靈）第一次成功地給出了一個有趣的認識論概念的絕對定義，即一個不依賴于所選擇的形式主義的定義。”哥德爾此處所說的“絕對”，是指圖靈機不是相對的概念，它不需要依靠別的機制，它是最基本的裝置。

麥卡洛克和皮茨的MP模型，為馮諾伊曼關于存儲程序概念的二進制設計，提供了幾乎唯一可以借鑒的技術思路。

不僅如此，他們主要集中在歐洲和美國極為有限的幾個大學和機構：德國的哥廷根大學、柏林大學；英國的劍橋大學；美國的普林斯頓大學、麻省理工學院和芝加哥大學；美國的貝爾實驗室。例如，在1930年代的劍橋大學，希爾伯特、羅素、維特根斯坦、丘奇、哥德爾、圖靈同時在教書、研究和學習；在1950年代的普林斯頓校園，曾經也有過愛因斯坦、圖靈、馮諾伊曼、哥德爾、納什、麥卡錫同時在教書、研究和學習的時光。在1950年代的麻省理工學院，有過維納、香農和皮茨共同研究的日子。

特別的是，對于這個群體，人工智能不僅是科學、實驗科學和哲學，而且還是一種信念和理想。羅素說過：“盡管許多哲學家繼續(xù)告訴我們人類何等靈秀，但我們的算術技能卻不再成為他們稱贊我們的理由。”香農這樣回憶：“我們懷有夢想，圖靈和我曾經討論過完全模擬人腦的可能性，我們真的能夠造出一個相當于甚至超過人腦的計算機嗎？也許未來比現在更容易。我們都認為這在不久之后——10年或 15年之內——是可能實現的。這在過去是不可能的，30年來都沒有人這樣做過。”

在20世紀，充滿了不同的科技突破和革命，但是，這些突破和革命基本局限于從基礎研究到產業(yè)應用領域。唯有人工智能，引發(fā)了一個至少長達半個世紀的思想運動——一個包含融合思想、哲學、科學、精神與心靈的思想運動。人工智能技術體系的形成和人工智能產業(yè)體系的形成，說到底，都是人工智能思想運動的“溢出效益”。更令人震撼的是，進入21世紀，人工智能的思想運動并未停止，在語言大模型的背后，依然是包含“形而上”基因的深度學習理論；在Sora（OpenAI公司開發(fā)的文本到視頻生成模型）的背后，是關于人們可以模擬真實物理世界的執(zhí)著信念。

今年的6月7日是圖靈去世70周年紀念日。本文以圖靈1950年在他的《計算機器與智能》的一句話結束：“我們或許期待著，有一天，機器能夠在所有純智能的領域中同人類競爭。”這一天確實在加速到來，甚至就在眼前。

?