前言

自20世纪50年代图灵在其划时代论文《计算机器与智能》中提出“图灵测试”以及之后的达特茅斯研讨会开始，用机器来模仿人类学习及其他方面的智能，即实现“人工智能”（Artificial Intelligence，AI）便成为计算机领域持续的研究热点。达特茅斯会议指出，“人工智能”的研究目标是实现能模拟人类的机器，该机器能使用语言，具有概念抽象和理解能力，能够完成人类才能完成的任务并能不断提高自身能力。当时的主要“智能”议题包括自动计算机、自然语言处理、神经网络、计算理论、自我改造、抽象、随机性和创造性等方面。这可以说是人工智能发展的“初心”，也是一项雄心勃勃的科学目标。

“人工智能”概念被提出后，在过去60多年里得到了广泛关注并迅速成长为学科前沿，进而沿着“从符号主义走向连接主义”和“从逻辑走向知识”两个方向蓬勃发展。时至今日，以深度学习为代表的新一波人工智能正在兴起。自然语言处理、人脸识别、自动驾驶、无人系统等复杂人工智能任务相继取得大的突破，人工智能在很多特定问题（如围棋、《星际争霸》游戏、医疗诊断等）的解决上甚至超过了人类的水平。这也引起了新的担忧，有些人认为人工智能将很快取代人类，人类的发展在不远的将来会面临极大挑战（机器人世界末日将会到来）。

本书尝试给人们一个新的视角，即尽管人工智能已经变得越来越复杂而强大，但计算机科学还远未创造出通用人工智能（General AI）。作者结合人类自然智能的认知机理以及人工智能发展的初心与使命，带我们从不同方面细致分析了当前人工智能技术的不足，以及从当前“专用人工智能”到实现真正的“通用人工智能”还需要在哪些方面取得突破。书中对当前人工智能技术的发展路径提出了不少质疑，也给出了新的发展导向，如“通用智能不是算法优化”“自然智能会抄捷径”“通用智能需要富有洞察力的思考”“机器创造力需要创新的表示能力”“从少量例子中学习的能力”“全脑仿真智能”等，这将为通用人工智能的演化路径带来新的思考和借鉴。

正文

内容简介

至少从 20 世纪 50 年代起，人们就开始大肆宣传可能很快就会创造出一种能够与人类智能的全部范围和水平相匹配的机器。现在，我们已经成功地创造出了能够解决特定问题的机器，其准确度达到甚至超过了人类，但我们仍然无法获得通用智能。这本书想和大家探讨一下还需要做什么样的努力才能不仅获得专用智能，还能获得通用智能。如果读者对智能感兴趣，想了解更多关于如何建造自主机器的知识，或者担心这些机器突然有一天会以一种被称为“技术奇点”的方式统治世界，请阅读本书。

通过阅读本书，读者将会了解到：

尽管人工智能已经变得越来越复杂而强大，但计算机科学还远未创造出通用人工智能。
人类自然智能的认知机理以及人工智能发展的初心与使命，从不同方面认知当前人工智能技术的不足。
从当前“专用人工智能”到实现真正的“通用人工智能”还需要在哪些方面取得突破。
机器智能的进步可能会改变人们从事的工作类型，但它们不会意味着人类存在的终结。
为什么机器智能的改进并不会导致由机器所主导的失控性革命，机器智能的进步并不会导致世界末日的到来。

作者简介

赫伯特·L.罗埃布莱特（Herbert L. Roitblat）

加州大学伯克利分校心理学博士，曾在夏威夷大学任教多年，现为Mimecast公司首席数据科学家。他在信息技术创新的各个方面具有广泛的经验，是技术企业家、发明家和专家，同时也是认知科学、信息检索、深度学习、电子发现、机器学习、神经网络、信息治理、自然语言处理等领域的专家。

译者简介

郭斌
工学博士，西北工业大学计算机学院教授/博导，国家杰出青年科学基金获得者，国家“万人计划”青年拔尖人才，智能感知与计算工信部重点实验室副主任，西北工业大学计算与艺术交叉研究中心主任，陕西省高校青年创新团队负责人。2009年在日本庆应大学获博士学位，2009-2011年在法国国立电信学院进行博士后研究。主要从事智能物联网、普适与泛在计算、人机物融合群智计算等方面的研究。在IEEE/ACM汇刊等国内外重要期刊和会议上发表论文150余篇，且面向智慧城市、智能制造、公共安全等国家重大需求开展领域应用和技术推广。曾获得教育部自然科学一等奖、陕西省自然科学一等奖以及IEEE UIC'17等国际会议“最佳论文奖”。担任IEEE Transactions on Human-Machine Systems、IEEE Communications Magazine、ACM IMWUT等国际权威期刊编委。CCF西安分部主席，CCF杰出会员，IEEE高级会员，爱思唯尔中国高被引学者。

目　　录

译者序

前言

第1章　引言：智能、人工和自然1

1.1　人类智能的诞生4

1.2　计算智能6

1.3　自然智能6

1.4　通用智能中的普遍性8

1.5　专用智能、通用智能和超级智能9

1.6　参考文献12

第2章　人类智能15

2.1　智力测试16

2.2　解决问题17

2.2.1　结构良好的问题18

2.2.2　形式化问题21

2.3　洞察力问题25

2.4　人类智能的怪癖30

2.5　结论34

2.6　参考文献34

第3章　物理符号系统：智能的

　　　　符号方法37

3.1　图灵机和图灵测试38

3.2　达特茅斯暑期研讨会（1956年） 41

3.3　表示42

3.4　通用智能的定义51

3.5　结论52

3.6　参考文献52

第4章　计算智能与机器学习55

4.1　专家系统的局限性55

4.2　概率推理57

4.3　机器学习58

4.4　感知器和感知器学习规则62

4.5　机器学习入门65

4.6　强化学习70

4.7　总结：机器学习系统的几个例子71

4.8　结论71

4.9　参考文献72

第5章　人工智能的神经网络方法 74

5.1　神经网络基础76

5.2　海豚生物声呐的例子78

5.3　全脑假说82

5.4　结论86

5.5　参考文献86

第6章　人工智能的最新进展89

6.1　Watson92

6.2　Siri和同类应用程序93

6.3　AlphaGo97

6.4　无人驾驶技术100

6.5　扑克游戏102

6.6　结论104

6.7　参考文献105

第7章　构建智能模块107

7.1　知觉与模式识别108

7.2　歧义性110

7.3　智力和语言111

7.4　常识116

7.5　常识的表示117

7.6　参考文献120

第8章　专业知识123

8.1　专业知识的来源128

8.2　智商和专业知识128

8.3　流体和晶体智力129

8.4　专业知识的获取130

8.5　参考文献135

第9章　智能黑客与TRICS137

9.1　通用智能的表征146

9.2　结论149

9.3　参考文献149

第10章　算法：从人到计算机151

10.1　最佳决策：使用算法来指导

　　人类行为156

10.2　博弈论165

10.3　参考文献166

第11章　机器人危机是否即将

　　　　　到来168

11.1　超级智能169

11.2　超级智能的担忧171

11.3　与世界互动175

11.4　参考文献180

第12章　通用智能183

12.1　定义智能184

12.2　实现通用智能185

12.2.1　通用人工智能的草图186

12.2.2　更多关于刺猬的故事190

12.2.3　通用智能不是算法

　　　　优化192

12.2.4　智能和TRICS192

12.2.5　迁移学习194

12.2.6　风险带来智能197

12.3　通用智能中的创造力198

12.4　通用智能成长199

12.5　全脑仿真200

12.6　类比201

12.6.1　当前范式的其他

　　　　局限性202

12.6.2　元学习203

12.6.3　洞察力204

12.7　通用人工智能概述207

12.8　参考文献209