| 科学实践中人工智能到底是什么 |
陈小平
人工智能（AI）到底是什么？对当前产业升级有什么作用？与人类的关系将如何发展？这些问题众说纷纭，莫衷一是。
通过对AI的科学基础、科学内涵、科学成果和实际应用四方面的梳理发现，科学实践中的AI主要是经典人工智能，它将在15年内推动大面积、颠覆性创新的产业落地。
经典人工智能的科学基础和科学内涵
通常认为，AI是人类智能的机器模拟。然而AI奠基人、创始人艾伦·图灵创立的经典人工智能的基本原理是“功能模仿”。
1931年，哥德尔证明了递归函数的计算可以“模仿”形式算术的某些推理，这是科学史上第一次严格证明了计算可以模仿推理。1936年形成、后被普遍接受的丘奇—图灵论题主张：图灵机可以“模仿”任何计算。综合上述两项成果得出哥德尔—图灵引理：用图灵机可以“模仿”某些推理。
丘奇—图灵论题中的“模仿”和哥德尔证明中的“模仿”具有相同的数学定义，同时积累了大量研究成果，并不断产生新的模仿方式。“符号主义” “连接主义” “行为主义”分别模仿了智能的不同功能，都属于经典人工智能。
一个学科的科学内涵主要包括该学科的科学问题和实证准则，而科学问题往往表现为科学假说。将哥德尔—图灵引理加以推广，就得到经典人工智能的“图灵假说”：用图灵机可以模仿人的部分思维功能，如推理、学习、理解、决策和创造。图灵并未使用“假说”这个术语，他认为用自然语言表达假说不够严格，所以他提出“图灵测试”作为经典人工智能的实证准则，通过图灵测试意味着图灵假说得到了科学实验的验证。在图灵假想的一次图灵测试中，AI写了一首十四行诗，然后人类裁判与AI进行了如下问答：
人类裁判：你的诗里说，“我能把你比作夏天吗？”如果把“夏天”替换为“春天”，是否更好？
AI：替换以后不押韵。
人类裁判：换成“冬天”如何？
AI：这样押韵了，但没人想被比作冬天。
为了回答人类裁判的第一个问题，AI要能理解自然语言，其中“把夏天改为春天”属于意向性语义替换。第二个问题在字面表达之外隐晦地涉及常识、情感和因果推理，否则AI就无法答出“没人想被比作冬天”。图灵相信，经过大约50年研究，依靠“功能模仿”的AI将能够通过这样的检验，让人类认为“有智能”。
经典人工智能的科学成果和实际应用
70余年来，虽然尚未达到图灵的预期，但AI领域取得了显著成就。最有代表性的两大类成果是基于模型的强力法（如知识图谱）和基于元模型的训练法（如深度学习），它们都是“模仿”的产物。强力法又分为推理法、概率法、规划法和因果法，它们的工作原理都有严格的数学定义，所以是可解释的。训练法的元模型主要包括学习对象、训练目标、数据标注、训练方法和网络表示等；然后通过训练，得到一个参数被调节好的神经网络。训练法的工作原理尚未得到严格的数学定义，因而不具有可解释性。
围棋“阿尔法狗”包含强力法的两项技术（新型决策论规划模型、蒙特卡洛树搜索）和训练法的两项技术（强化学习、深层残差网络），其中深层残差网络属于深度学习。因此，认为“阿尔法狗”仅仅使用了深度学习技术，是严重背离科学事实的。
“阿尔法狗”的棋力令人类望尘莫及，但其核心技术的工作原理与人类围棋博弈的思维原理差别极大，“阿尔法狗”还对围棋问题进行了封闭化，而人类围棋和“阿尔法狗”之前的围棋AI都没有进行封闭化。实践证明，“只有模拟人类思维原理，AI才能具备人类思维能力”的常规看法并不成立，局限于模拟人类思维原理有时反而严重阻碍AI进步。
计算科学的问题都是封闭的，即所有“变元”是已知的、可解的；而AI问题一般不是封闭的，但有可能转换为封闭的。经典人工智能的科学挑战是发展新理论新方法，以解决不可封闭化的问题，如家庭、养老院等环境中的机器人服务；工程挑战是场景封闭化，用现有AI技术解决实际问题。
下列战略性产业的封闭化或半封闭化条件已经成熟，将在15年内实现颠覆性创新。
智能制造。近年来，我国高端装备制造领域取得可喜进展，但制造业“中下游”和“中低端”被混淆了。随着AI、机器人、物联网等新技术的快速发展，通过场景封闭化，可以实现制造业中下游的智能化，进而实现全产业链的高端化，确保制造业的立国之本地位。
智慧农业。我国将于2022年建成10亿亩高标准农田，这些农田基本满足半封闭化要求，使得AI、机器人、物联网等技术能够大规模应用。我国智慧农业将成为全球最大的单一AI工程，彻底颠覆农业、农村和农民的传统形态，产生难以估量的巨大、深远影响。
智能驾驶。通过车路协同等半封闭化措施，包括无人工干预的L4在内，驾驶自动化有望于3至5年内实现商业化落地。这将颠覆公路运输和出行方式，并颠覆相当规模人群的居住和工作形态，带动相关产业的巨大改变。
智能家电、医疗健康、AI加速的科研和研发等行业和领域也正在发生颠覆性创新。
经典人工智能与社会
经典人工智能已初步形成较完整的学科体系，成为一个独立的科学分支。然而人们对经典人工智能存在着普遍误解。
有哲学家提出“强人工智能”和“弱人工智能”概念，前者是机器载体上的人脑和人心，后者是脑和心理过程的计算模拟，并认为经典人工智能是弱人工智能。经典人工智能显然不是强人工智能，但也不是弱人工智能，因为经典人工智能不立足于脑和心理过程的模拟，否则就不可能产生“阿尔法狗”。可见“强/弱人工智能”概念脱离、误解了科学实践中的AI。
经典人工智能的产物（产品、服务）既不是人，也不是传统机器，而是人类根据自身需要创造的似人非人、似物非物的第三种存在物。这个定性具有重大科学、哲学和社会意义。例如，法学界有种观点认为，AI不具备法律主体地位但可被赋予某些权利；还有一种立法主张，要求所有AI产物必须明确标示不是人。经典人工智能为这些法学判断和主张提供了科学依据；同时，经典人工智能与人类法律体系之间也不存在根本性冲突。可是，强人工智能、通用人工智能等设想隐含着巨大的伦理风险和法律冲突。
著名未来学家凯文·凯利预测，AI将越来越多地与人类发生关系，人类期望与AI的关系将不再是朋友、亲人、同事、恋人等传统关系，而是与宠物、外星人、精灵、佣人等角色的关系。经典人工智能可以把这些角色变成“现实”，即第三种存在物。因此，经典人工智能符合人类的某些未来期望，也为研判人类与AI的未来关系提供了科学依据。
AI与其他事物一样有利有弊，但其发展潜力更大，并具有本质不同的新特点，正带来从生产到生活、从现实到理念的巨大变迁。因此，有必要对这种变迁进行全面、深入的预研预判，厘清其本质特征和发展规律。
（作者系图书馆VIP教授、中国人工智能学会人工智能伦理与治理工作委员会主任）