人工智能的先知：博导预测和塑造人工智能的未来 (人工智能的先驱是谁)

人工智能（AI）是当今时代最具变革性的技术之一，它有可能重塑我们生活的方方面面。从自动驾驶汽车到面部识别软件，AI 已在许多领域取得了重大进展。

为了了解 AI 的未来，我们采访了人工智能领域的几位领先专家。他们对 AI 的潜力和挑战提供了深刻的见解，并分享了他们对未来发展的预测。

AI 的先驱

AI 的历史可以追溯到 20 世纪 50 年代，当时一群先驱性的科学家和工程师开始探索机器学习和自然语言处理的可能性。

这些先驱包括：

• 艾伦·图灵（Alan Turing）：他开发了图灵测试，这是衡量机器智能的一个标准。
• 克劳德·香农（Claude Shannon）：他发展了信息论，这是计算机科学和 AI 的基础。
• 马文·明斯基（Marvin Minsky）：他是人工智能实验室的创始人之一html>

---

看了《人工智能的未来》感觉如何?人家都说读书作用大，我怎么读完无感呢？求教读书好方法！

看书要看好书

肤浅而缺乏内涵的书让人迷惑而无所得。《人工智能的未来》这本书是2006年出版的，好吧，2006——2014，这在其它科学和工业领域不算什么，但是在电子信息领域是旧世界和新世界的概念，很多认识都已被颠覆。再说作者：杰夫·霍金斯——商人发明家（一直在忙于资金困境、公司并购以及知识产权方面的事情），科学研究偏向于商业应用（弱人工智能），在人工智能领域并不具有开创性和权威性，书名起得好销售不用愁。内容就像是太阳系旅游手册，跟什么也没说一样。

一本好书要有明确的思想，确凿的事实依据和带有预见性的结论。《如何创造思维——人类思想所揭示出的奥秘》是一部2013年出版的人工智能力作，作者：雷·库兹韦尔（参见网络百科，不是一般人儿），阐述了人工智能领域最前沿的研究成果，以及对认知科学和智能的最新认识，最重要的是他揭示出了人工智能发展的方向和未来（2045年）蓝图，正像库兹韦尔说的：自然进化出大脑是为了预测未来。而这本书所叙述的就是本领域实实在在的认识成果，以及基于严谨逻辑的愿景分析。

笔者认为这本书应该成为胸怀人工智能理想的研究人员必看的一本书，也应该是最先看的一本书，看书要看对书。这部书是基于多门学科的思想性著作，阅读它需要具备相应的科学素养，书中会直接出现诸如生物学、神经科学以及电子计算机科学等方面的专有名词，而不会考虑你是否理解它的含义，如今信息爆炸的时代，遇见什么就去了解什么，哪有生物本科生+脑外科研究生+程序员那样的复合人才准备好去进军人工智能领域。这本书是在2005年出版的《奇点临近》基础上出版的，有质的变化，看完这本之后就不用看《奇点临近》了。

看完了《如何创造思维——人类思想所揭示出的奥秘》，必看的就是《人工智能——一种现代方法》了，麻省理工的经典基础教材，看思想。之后需要看《人工智能高级技术导论》。这是任务主线。至于《模式识别》、《机器学习》、“蚁群算法”、“遗传算法”等等，自学者之前就可以看，或者穿插着了解。对Lisp的理解不能太浅显，也不用太高深。

《如何创造思维——人类思想所揭示出的奥秘》封面

《人工智能——一种现代方法（第二版）》封面

《人工智能高级技术导论》封面

《如何创造思维——人类思想所揭示出的奥秘》

出版社: 浙江人民出版社; 第1版（2014年1月1日）

平装: 300页语种： 简体中文开本: 16

ISBN: 46 商品尺寸: 22.8 x 17 x 2.2 cm 商品重量: 481 g

目录：

各方赞誉推荐序 解放思想段永朝.跨界思想家财讯传媒集团首席战略官前言 揭开人脑思维的奥秘第1章 自然界的思想实验历史上出现过很多著名的思想实验，特别是关于自然界的思想实验，爱因斯坦的“驾乘光束”实验就是其一。研究大脑，也可以采用同样的办法。通过简单的思想实验，我们就能很好地理解人类智慧是怎么一回事儿。思想实验1：大峡谷和大洞穴的形成思想实验2：驾乘光束大脑新皮质的统一模式第2章 思考的思想实验大脑和计算机都能存储和处理信息，但是，大脑和计算机之间的相似性可不只是看上去那么简单。大脑的记忆是层级结构和连贯有序的。记忆奇妙地出现在你的脑海里，一定是某些事物触发了它们。思考，人脑不同于计算机记忆是连贯有序的联想因触发而生记忆的结构是层级的第3章 大脑新皮质模型大脑新皮质分 6层，共包含 300亿个神经元，它们又组成了 3亿个模式识别器。这些模式识别器按层级关系组织，它们是思想的语言和思维模式识别理论的基础。只有具备自联想能力和特征恒常性能力，大脑新皮质才能识别模式。思维模式分两种：无目标思维和导向式思维，做梦就是无目标思维实例。分层模式模式结构流向大脑新皮质模式识别器的数据本质自联想和恒常性学习思想的语言梦的语言

模型的根源第4章 人类的大脑新皮质尽管进化带来的改变并不总是朝着更高的智力水平前进，但是，智力仍是一个重要的进化分支。大脑新皮质的分层学习能力如此重要，以至于它在进化过程中体积越来越大，并最终成为大脑的主体。大脑运转时，并不以神经元为基础，而是神经元集合。智力，一个重要的进化分支新皮质的分层学习能力积木式神经元集合视觉皮质与通用算法第5章 旧脑虽然大脑新皮质已成为大脑的主体，但我们的旧脑并未消失，仍在帮助我们寻求满足和躲避危险。丘脑的突出作用是与新皮质持续联络，海马体存储最新记忆，而小脑则负责人体动作的协调。感觉传导路丘脑海马体小脑快乐与恐惧第6章 卓越的能力人类的卓越能力，主要归功于大脑脑岛中的纺锤体细胞。大脑新皮质某些区域的优化，使其更善于处理联合模式，这就是天分的由来。跨领域合作和非生物大脑新皮质的云端存储，将让我们更富有创造力。从进化观点看，爱情的存在就缘于大脑新皮质的需求。天分创造力爱情第7章 仿生数码新皮质我们现在已能模拟包含 160万个视觉神经元的人脑视觉新皮质，模拟完整人类大脑的目标，预计 2023年就可实现。“矢量量化”方法既能高效利用计算机资源，又能保留重要的语言识别特征。“隐马尔可夫模型”让语音识别系统能同时完成识别和学习两项任务。

脑模拟神经网络矢量量化用隐马尔可夫模型解读你的思维进化（遗传）算法列表处理语言LISP分层储存系统人工智能的前沿：登上能力层级顶端创造思维的策略第8章 计算机思维的4大基础尽管人脑的思维模式极为精巧，我们仍可通过软件对人脑进行模拟。要想做到这一点，计算机必须要具备准确的沟通、记忆和计算能力，具有计算的通用性和冯 ·诺依曼结构，并且能够按大脑核心算法进行创造性思维。基础1：准确的沟通、记忆和计算能力基础2：计算的通用性基础3：冯·诺依曼结构基础4：按大脑核心算法进行创造性思考第9章 思维的思想实验3意识来源于复杂物理系统的“涌现特性”（emergent property），“感受性”（qualia）是其突出特征。成功模拟人脑的计算机也是有意识的。思维就是有意识大脑所进行的活动。非生物学意义上的“人”将于 2029年出现。将非生物系统引入人脑，不会改变我们的身份，但却产生了另外一个“我”。把我们的大部分思想储存在云端，人类就能实现“永生”。谁是有意识的你必须有信仰我们能够意识到什么呢东方是东方，西方是西方自由意志身份第10章 有关思维的库兹韦尔定律信息技术的发展，都遵循着库兹韦尔定律，与思维相关的技术也不例外。随着人类基因组计划的实施，生物医学已成为一项信息技术，并呈指数型发展。在互联网上，每秒比特的传递量每 16个月就翻一番。磁共振成像技术，也以指数级速度稳定发展，目前的空间分辨率已接近100微米。生物医学信息传输大脑研究第11章 反对的声音库兹韦尔定律及其在人类智能提高方面的应用，也招致了不少批评。保罗 · 艾伦对“指数发展”说完全持否定态度。罗杰斯 ·彭罗斯认为，计算机无法像人脑那样进行量子计算。约翰 · 赛尔说，计算机即便能够通过图灵测试，它也不知道自己在做些什么。“奇点遥远”论“量子计算能力缺失”论“无意识”论后记 拥抱“奇点”注释译者后记

人脑和人工智能的关系是什么？

近50年来，人工智能走的是一条曲折发展的道路。

1990年代初，研究者深感人工智能理论及技术的局限性，从而从不同角度和层次进行反思。

同时，人工智能有待于人类对人脑工作机理的深入了解，需要神经生理学、神经解剖学给出更加详细的信息和证据。

人工智能交融了诸多学科，与哲学更是密不可分。

尽管事实上，新近的哲学进展基本上没给科学带来任何冲击，并且哲学的讨论对象往往是悬而未决的（Russell S，Norvig P. Artificial Intelligence: Amodern Approach. NJ：Prentice Hall，1995. 817），但科学却在继续改变着我们对自己的认识。

正如恩格斯所说（恩格斯. 自然辩证法. 北京: 人民出版社, 1972. 187）：“不管自然科学家采取什么样的态度，他们还是得受哲学的支配。

问题只在于：他们是愿意受某种坏的时髦的哲学的支配，还是愿意受一种建立在通晓思维的历史和成就的基础上的理论思维的支配。

”着眼于更宽泛的视野和更远大的目标，要求从哲学角度寻求更加有效的人工智能研究方法。

坚持物质决定意识的观点，辩证地看待已有的认识和方法，融合与集成各相关学科的成就和意见，是正确的出发点。

人工智能的哲学意义人工智能是对人类智能的一种模拟和扩展，其核心是思维模拟。

思维思维科学是研究思维的规律和方法的科学，钱学森将它划分为基础科学、技术科学和工程技术三部分，人工智能属于工程技术范畴（钱学森. 关于思维科学. 上海：上海人民出版社，1986.20）。

人工智能研究中逻辑学派和心理学派之争，有时似使人感到迷惘而莫知所从，但从思维科学的角度来看，无非是形象思维和逻辑思维的关系问题，两者都属于思维科学的基础科学。

抽象思维的不足在于缺乏结构的综合能力。

只有形象思维才能综合出新的结构。

这也许就是创造和学习最终必须具有形象思维的原因（潘云鹤. 模式识别与人工智能, 1991, 4(4): 7）。

不同的划分观点认为，思维科学体系的基础科学包括两大类：一类是总结人类思维经验、揭示思维对象的普遍规律和思维本身普遍规律的各种思维科学，包括哲学世界观、哲学史、认识论和逻辑学，是理论的思维科学。

另一类思维科学包括研究思维主体——人脑的生理结构和功能，揭示思维过程生理机制的神经生理学和神经解剖学等。

这种观点将认识论归在思维科学的基础科学范围内。

其实两种观点，都不否认人工智能和哲学通过认识论相联系。

认识论认识论研究认识的源泉、发展、过程、能力、作用等一般规律问题。

换言之，认识论研究的是知识及其形式和局限性。

哲学家强调通过最大机会的观察和计算，明确什么是潜在可知的；而人工智能注重通过现有的观察和计算途径，弄清什么是可知的。

而在实际情况中，人工智能和认识论在本质上是互相交融和兼备的。

认识论对人工智能的研究方向和方法具有指导意义，但并不意味它能替代具体的研究，也不表示任何人工智能的研究都要显式地考虑到认识论。

由于对诸如世界的一般表达等问题还未真正达成一致，如果仅依赖从哲学中获得具体的丰富信息来编写计算机程序，人工智能将会处于非常无望的状态。

心智哲学和认知科学心智是指人们的记忆、思想、意识、感情、意向、愿望、思维、智能等多种心理行为（章士嵘，王炳文. 当代西方著名哲学家评传（2）.心智哲学.济南：山东人民出版社，1996）。

普特南（）根据计算机科学对软件与硬件的划分，将心智与大脑的关系理解为功能状态和物理状态。

西蒙（）根据信息加工理论，认为人类思维本质上是信息加工过程，计算机也是信息加工系统，所以，计算机能思维而且能模拟人的思维。

人们的心灵、精神世界历来是哲学家反思的对象，这一研究领域构成了心智哲学的主题。

心智哲学在人工智能、脑科学、认知心理学、控制论、语言学等的推动下，呈现出生机勃勃的景象。

胡塞尔（）是第一位把心智表达的指向性作为其哲学中心的哲学家，他在心智哲学中第一次提出了关于心智表达作用的一般理论。

他认为，智能是一种由语境规定的和由目标导引的活动，是一种对预期事实的搜素。

与心智哲学互相渗透的认知科学是1970年代末正式宣告诞生的交叉学科。

它是人工智能、认知心理学、语言学、哲学、人类学、神经生理学等学科的综合，研究智能系统的工作原理。

其核心思想是称为认知主义的思想，其中一个中心命题是智能行为可以由内在的“认知过程”即理性的思维过程来解释。

因而，一个很自然的假设就是从与计算机相类比的心智模型出发来研究心智的工作原理，把认知过程理解为信息加工过程，把一切智能系统理解为物理符号系统。

心智哲学是较认知科学高一层次的理论，但两者的相互作用和影响是毋庸置疑的。

心智哲学不应超越认知科学的研究成果而作任意的理论假设，认知科学也不应排斥心智哲学的理论成果去作盲目的探索。

认知心理学认知心理学和人工智能，是认知科学的两个组成部分。

人工智能使用了心理学的理论，心理学又借用了人工智能的成果。

将人脑和计算机相类比，是发展认知心理学的一条主要途径。

认知心理学旨在认识人类的认知心理，将这种认识通过计算机程序语言表达出来；人工智能致力于用计算机语言描述人的智能，并用计算机加以实现。

两者的共同点在于用计算机程序语言刻划人类智能。

然而，它们也存在一个重要的区别。

人工智能试图且已经给计算机施加了一个模拟人类智能的程序，该程序包括知道这个系统本身的过程，然后给系统以一定任务，它就会产生行为。

这说明人工智能是确实的、得到证实的。

而认知心理学，还不能肯定信息加工过程是人类智能的唯一心理原因，就连此信息加工过程本身也没有直接的明确证据。

认知心理学只能从行为去推断心智用什么程序来造成行为，带有很大假说性。

德雷福斯（）把胡塞尔看成当代认知心理学和人工智能的先驱。

他认为超验现象学在两个方面与人工智能有关系：第一，胡塞尔十分自觉地把探索心里结构作为他的哲学研究的中心。

第二，胡塞尔具体地说明了在意向活动中人们所期望的对象世界的构成，及其所包含的复杂的形式结构。

德雷福斯指出，人的认知能力是通过实践而发展的。

这种独特的认知能力为人类存在于世界的方式提供了无限的丰富性，构成了人类所有智能行为的基础。

认知心理学企图通过纯认识结构来把握一切智能而根本不考虑头脑的非认知方面，这种想法注定不会成功。

一切智能和智能行为都必须追溯到人类对自身是什么的理解上，而这一点由于会陷入无穷的递归，所以人类永远不能完全弄清。

人类智能的基础既不可能被分离出来，也不可能被清晰地理解。

他还指出，胡塞尔的意识与明斯基（）的框架理论十分类似。

人工智能在发展过程中最终不得不面对日常知识的表达问题，它们是困难的、关键的、在哲学上引人入胜的，人工智能至今仍在为之奋斗。

人工智能的物质基础 早在1950年代，就出现了两种争论激烈的观点：一种认为计算机是处理思维符号的系统，另一种认为是对大脑建模的媒介；一种致力于用计算机示例世界的形式化表达，另一种则仿真神经元的交互；一种把问题解决当作智能的范型；另一种强调学习；一种使用逻辑，另一种基于统计；一种是哲学上理性主义和还原主义的继承者，另一种将自己视作神经科学。

事实上，它们分别代表了符号主义学派和连接主义学派。

心理学中，定位于复杂思维与神经元之间的符号层次的理论很重要。

符号是思维的材料，但也是物质的样式。

“观念”与大脑可触知的生物物质之间有明显、根本的不同，这无疑对人工神经网络的建模具有意义。

但很遗憾，目前人类对真实神经系统的了解非常有限，对自身脑结构及其活动机理的认识还十分肤浅，众多神经网络的模型实际上是极为简略粗糙并且带有某种“先验”。

譬如，波尔茨曼机引入随机扰动来避免局部最小虽具有独特之处，然而却缺乏必要的神经生理学基础 （董军，潘云鹤. 人工智能与认识论问题的思考提纲.见：中国人工智能进展. 北京：北京邮电大学出版社，2001. 22）。

有观点认为，对神经信息处理机制的深入分析可能会引起计算科学革命性的变化。

语言能力是人脑特有的高级功能，但对语言的中枢表象目前仍只有很模糊的认识，甚至连研究这类信息处理过程所采用的合适研究方法还至今阙如。

为此，迫切需要方法论的指导，因为它对神经网络的研究及其作用是毋庸置疑的。

1980年代中后期，人们发现脑中存在混沌现象，由于它可能揭示脑活动的深层机制而受到广泛重视。

从生理本质出发是研究神经网络的根本手段。

混沌神经网络研究探索非稳状态下网络的动态行为和信息处理能力。

混沌动力学为研究人工神经网络和人工智能提供了新的契机。

这里并不是单纯提倡纯粹意义上的生理模拟，因为人类把握自然和社会的规律并非是一种“照搬照抄”的过程，人工神经网络的初衷也非“逼真”地描写真实神经系统，而只是根据物质基础和客观依据进行简化、抽象和模拟。

神经网络的基础结构更类似于脑，而不是标准计算机的结构。

它们的单元并没有真实神经元那样复杂，它们的结构与新皮层的回路相比也过于简单。

尽管神经网络具有这些局限性，但仍然显示出惊人的完成任务的能力。

人脑对信息的处理采用的基于符号的串行逻辑推理过程，一开始就被现代数字计算机所采用。

有趣的是，仿佛有这样一条人工智能的“定理”：一旦某种思维的功能被编成程序，人们就不再认为它是“实际思维”的基本组成部分了。

而人工智能的核心总是指那些还未能编制成程序的部分。

人工神经网络还有很多根本性、基础性的问题需要解决。

在某种程度上，它仅仅作为一种算法，但这不能掩盖神经网络是在思维是物质世界的产物、是人脑的机能这样的前提下的尝试和产物。

无论是对史前文明的探索，还是“天”外智能的好奇，都没有理由否认物质决定意识这个基本观点。

人类智慧与人工智能 对人的特质作出解释的模型很多是来自宗教、艺术等。

例如，原始艺术的象征语言把人类的原始本能和超自然世界的各种意象以特有的符号手段结构化，它们被赋予特有的形式，从而组合成各种表现形态的形象系统。

这让我们不仅了解到人类智能有着不同的具体表达，也明白智能是依赖于社会生活和客观现实的。

然而，道途艰辛。

把人类原始的、潜意识的思想加以分解，有如分解佛教禅宗大师为迷惑心智以达到绝对虚无所下的玄秘功夫那样，十分困难。

况且，要到达人类级的人工智能已被证明是困难的，而且进展缓慢。

辩证唯物主义不同意那种机器能够独立地思维、机器可以比人更聪明的观点，很重要的理由在于思维是生物长期进化、特别是社会活动的产物。

哥德尔赞同人类的心智超过所有的机器的结论。

计算机中能不断繁殖和复制自己的人工生命如病毒,最初也是由人类制造的。

计算机的世界完全是由科学家们设计创造的，是人脑的结晶。

庄子与惠子有如下的对话。

庄子与惠子游于濠梁之上，庄子曰：“倏鱼出游从容，是鱼之乐也。

”惠子曰：“子非鱼，安知鱼之乐？”庄子曰：“子非我，安知我不知鱼之乐。

”惠子曰：“我非子，固不知子矣，子固非鱼矣，子之不知鱼之乐全矣。

”庄子曰：“请循其本，子曰‘汝安知鱼乐’云者，既已知吾知之而问我，我知之濠上也。

”（庄子·秋水）人类智慧与人工智能孰高孰底、熟胜孰负，智能的复杂和神秘，如同这段文字本身的内涵和后代的种种解析那样，引人入胜，令人悠然神往。

探寻人工智能的发展途径 人工智能研究者愿意用精神术语描述机器有两个原因。

第一，希望给机器提供知识和信念的理论以使它们能对其用户知道的、不知道的和所想要的进行推理；第二，用户对机器的了解常常能用精神术语最好地表达。

在人工智能的发展过程中，心理学和哲学自然而然与它互相影响。

而人工智能与哲学的关系，最初是通过心理学这个桥梁的。

人工智能一开始是自上而下和自下而上相结合的。

自上而下或“内涵式”的表述往往给人带来一种恍然大悟的感觉，自下而上或“外延式”的表述却像一份说明书。

其实，的确需要两种途径：一种是自上而下的、把思想映射于神经元群上；另一种是自下而上的、用来解释思想如何由那些看起来是杂乱无章的神经元集群产生的。

认知科学发展中存在一个值得思考的奇怪现象，对诸如下棋、解密码之类的可以相对跟环境隔离的看似很困难的任务而言，计算机系统可以超过专门训练的人；然而对一些最通常的通过由长期进化形成的认知功能，比如视觉和听觉，经过几十年努力发展的人工智能系统还不如婴儿的能力。

大脑的智力活动必须从进化的角度、从社会和历史发展的约束的角度来研究才能得到充分正确的理解。

虽然我们必须经常遵循有统整作用和简化作用的大原则，但也必须承认在科学里存在着不可还原的复杂性。

讨论人工智能与认识论的关系，当然不能替代人工智能的研究，但它可使人工智能研究者不致如入沼泽而迷失方向。

然而，遗憾的是，人工智能研究者往往会忽略人工智能与哲学的联系和基本的辩证思维方法——归纳和演绎，分析和综合等。

事实上，每个人在自己的思维体验中都能感到分析与综合的频繁与重要。

但是，人类对这样一对基本思维机理的研究却如此薄弱。

历史地看，人工智能的发展不时地陷入没有预想到的深层困境，这提醒我们不仅应当从人工智能发展的技术问题，而且应当从人工智能的最根本概念和理论上去寻找原因，人工智能需要更为宽广的眼界和宏观的方法论指导。

来源于（）

人工智能的三大学派分别是什么呢？

人工智能的三大学派分别是：符号主义学派、连接主义学派和行为主义学派。

1、符号主义学派。

符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。

2、连接主义学派。

连接主义，又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能模拟方法。连接主义强调智能活动是由大量简单单元通过复杂连接后，并行运行的结果，基本思想是，既然生物智能是由神经网络产生的，那就通过人工方式构造神经网络，再训练人工神经网络产生智能。

3、行为主义学派。

该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互作用，从而发展出越来越强的智能，人工智能也可以沿这个途径发展。