控制派与仿生派：计算机思考的不同路径

前文一直在强调AlphaGo与深蓝、沃森的区别在于采用了神经网络，从而实现了深度学习。那么，神经网络与深度学习到底是什么？它们的出现对计算机和人工智能的发展到底起到了多大的作用呢？

要了解计算机怎样思考，不得不提到人工智能之父——阿兰·麦席森·图灵，这位数学天才生于20世纪初，直到42岁英年早逝也没能看到过一台真正意义上的计算机，但他提出了著名的图灵机模型，为现代计算机的逻辑工作方式奠定了基础。1950年，图灵发表论文《计算机器与智能》[1]。文中驳斥了当时关于机器不能思考的各种论调，对人工智能的可能性给出肯定的回答，并对人工智能进行了开创性的构思，提出了著名的“图灵实验”，即如果第三者无法辨别人类与人工智能机器反应的差别，就可以论断该机器具备人工智能。图灵实验至今仍然是判断人工智能的关键标准。

图灵之后的科学家对人工智能的研究分化为两大派别：一是强调思路模拟的控制派；二是强调自我意识的仿生派。控制派的主要观点是，人工智能必须依托于逻辑系统，简单而言，计算机和机器的每一个判断、动作都基于强有力的逻辑关系，是对预设的准确反馈；仿生派认为则不然，其强调形成类似于人脑的神经网络，靠“人工”神经网络形成意识自行思考。换句话而言，控制派认为人工智能就如同一个专家会议，希望通过完美无缺的逻辑来实现思考；而仿生派则认为人工智能就是人脑，人脑怎样思考，计算机大脑就怎么思考（见图4-1）。

图4-1 控制派与仿生派

1948年，美国应用数学家诺伯特·维纳的著作《控制论》出版，揭示了机器中的通信和控制机能与人的神经、感觉机能的共同规律。维纳开启的控制论（cybernetics）被称作20世纪最伟大的科学成就之一，同时也被尊为人工智能中控制派的鼻祖。维纳的学生迈克尔·阿比卜出版了控制论的科普读物《大脑、机器和数学》，并随后创办了麻省理工学院计算机系，一大群人工智能的大佬（包括仿生派）都直接或间接受教于阿比卜。1951年，后来获得第一届图灵奖的美国科学家马文·明斯基创造了一台学习机——Snare。准确地说，Snare是一台神经网络模拟器，明斯基从中发现了在当时看来神经网络致命的弱点。明斯基的另一项重大贡献是与另两位在计算机领域声名显赫的人物——麦卡锡、香农共同创办了第一个人工智能学术性团体一一“达特茅斯论坛”。虽然这一组织在一段时期主要强调控制派提倡的思路模拟，但是其依然制约了仿生派主张的神经网络的发展。2016年初，明斯基去世，享年89岁。3天后，谷歌宣布采用深度学习的AlphaGo战胜欧洲围棋冠军。

如果要追溯仿生派的起源，则早在图灵实验提出之前的1943年，美国科学家麦卡洛可和皮茨就发表了模拟神经网络的论文。1949年，加拿大心理学家赫布提出了著名的“赫布理论”，即突触前神经元向突触后神经元的持续重复的刺激可以导致突触传递效能的增加，这一理论直到2000年才在动物实验中被证实。1958年，美国实验心灵学家罗森布拉特在计算机上成功模拟神经网络模型，这一网络模型被其称作“感知机”。感知机能够处理一些简单的视觉信号，虽然还非常粗糙和初级，但可以说是仿生派第一次实现了对人脑的成功模拟。可惜的是，在罗森布拉特发明“感知机”后长达20多年的时间里，神经科学和信息科学并没有实现很好的结合，两者各有成就，仿生派却始终不敌控制派。例如，休伯尔、维泽尔对视觉系统中信息处理模式的模拟、马尔创建的视觉处理理论、维德罗和霍夫发明的自适应线性元件等。(www.xing528.com)

直到20世纪80年代，仿生派才进入一个繁荣时期，其中最具代表性的成果分别是1982年霍普菲尔德提出的递归神经网络和1986年鲁姆哈特和麦克莱兰提出的具有里程碑意义的BP神经网络。进入20世纪90年代，互联网兴起和普及，大批计算机科学家投入到具有巨大市场和经济效益的互联网相关研究中，无论是控制派还是仿生派所取得的成就都被互联网的高速发展所掩盖。当然，互联网作为新的信息技术手段也为人工智能的进步提供了全新的平台。2006年，杰弗里·辛顿提出了反向传播算法和对比散度算法，即“深度学习”，突破了明斯基在半个世纪前提出的神经网络存在的局限。2012年，斯坦福大学和谷歌秘密X实验室用1000台计算机构建了全球最大的电子模拟神经网络，该网络拥有10亿个连接的人工神经网络“谷歌大脑”。实验人员向神经网络展示1000万段（张）从YouTube上随机提取的图像。最后，该系统在没有任何外界干预的情况下，认识到了“猫”是什么并成功分辨出猫的照片，准确率超过80％。这一事件为人工智能发展翻开崭新的一页，标志着以“深度学习”为代表的人工智能发展即将进入应用阶段。

到这里，我们需要总结一下人工智能两大学派相互竞争的历程（见图4-2）。虽然控制派和仿生派起步的时间差不多，但在20世纪50年代，由于一群元老级的科学家站在思路模拟的阵营里，使得仿生派的发展遭到重挫，并导致20世纪60～70年代一直处于低谷。可以说，20世纪80年代以前，控制派一直处于上风，仿生派自出现之后一直受到排挤和掩盖，直到21世纪初才有引人注目的应用成果。与此同时，控制派主张的思路模拟的缺陷和局限性逐渐暴露出来。应该认为，人工智能在近几年的大发展主要是由以“深度学习”为代表的仿生派推动的。

图4-2 仿生派人工智能的发展

[1] 在图灵去世之后，此文以《机器能够思考吗？》为题重新发表。