古代荀子也懂AI？达芬奇的手术机器人有多神奇?听浙大吴飞扒一扒人工智能的“古今中外”！

西周的印纸造文、三国的木牛流马、希腊古城的黄金机器女仆吴飞的演讲，一下子将人工智能的历史拉到了2000年前原来用机器替代劳动的想法古已有之，不得不说古代人民如此智慧！

那么智慧的古代劳动人民究竟是如何定义人工智能的呢？我们翻出国学经典，在荀子《正名》中就提出了知有所合者谓之智、人知在人者谓之能、人有所合者谓之本正，形象生动地将人工智能的精髓表达了出来。

俗话说，不识庐山真面目，只缘生在此山中。很多时候，我们过多沉溺技术，只是通过五花八门的资讯让头脑装满了人工智能的碎片，却忘了站在高处，更加全面地思考。

吴飞就是站在更高处，从人工智能的学科发展、方法研究以及历史低谷等几个角度出发，把问题剖析得更深刻。

在讲到人工智能的沉浮历史时，他旁征博引从英国人工智能发展的偏激调查，到日本第五代机器人研发的功败垂成，再到斯坦福大学+谷歌合作带来的CYC知识系统我们不禁思考，发展到今天的人工智能，究竟该如何分类、到底该怎样学习

吴飞强调，无论是规则、数据还是经验，我们并不能判断谁比谁好，谁可以取代谁，其实它们彼此各有优点和不足。举个例子，用规则教，确实和人的思维非常契合，逻辑很强，但我们确实很难把人类所有的规则和理念用来指导或者决策整个过程

探寻新技术，我们除了了解方法和规则之外，更重要的还要联系实际，现在火热的人机博弈除了给人们带来AI改变世界的兴奋激动以及AI比人类更clever的精神焦虑外，还有什么特殊的意义吗？这不，吴飞又理论联系实践，给我们上了一堂人机博弈的大课

以下为AI科技大本营针对浙江大学计算机学院副院长、人工智能研究所所长吴飞进行的主题为新一代人工智能的思考与挑战演讲所做的编辑整理，部分内容稍作删节。

今天，我简单给大家介绍一下人工智能的发展历史，以及从人机博弈的角度看人工智能现在以及即将面临的一些挑战。

一直以来，人类对人类以外的智能都怀有崇高的梦想。

从西周周穆王的印纸造文到三国的木牛流马，再到希腊古城的黄金机器女仆实际上，这三个都是人类自己幻想出来能够替代人类全部劳动的机械装置。

事实上，自从人工智能在被写入规划的过程中，大家就都想了解中国的人工智能是从什么时候被提出来的。后来发现，原来中国的人工智能早在荀子时代，就已经提出来了。荀子在《正名》中有四句话表述了人工智能的脉络。

荀子说：知之在人者谓之知，这里的知就是咨询的意思。人有视觉、听觉、触觉、味觉和压力这些感知能力，我们会对身体所处的环境进行多通道、多模态的感知。

知有所合者谓之智，而感知得到的不同通道的多种类型的大数据，在大脑中形成概念，形成对象，就产生了智慧。这种智慧的来源，是我们人对大数据一种综合的思考得到的一种结果。

人知在人者谓之能，这里讲的是人的一些本能。例如，在路上你碰到前面一辆疾驶而来的汽车，你马上就能感知出来并认知出来这是一辆汽车，而且快速向你冲过来，如果你不做避让的话，就可能吾命不久矣。那这个时候人们就会开始趋利避害。人类有一些本能，可以做到对感知或者认知的结果快速地做出处理。

人有所合者谓之本正，就可以被理解为是现在我们说的人工智能。就是要把所有从前端感知得到的数据，激发出智慧，再形成与之相关的行动或者决策。这样来看，整个人工智能脉络就已经被清晰得勾勒出来了。

这是我在中国古文中寻找出来的有关人工智能的蛛丝马迹。

再看西方，西方就比较讲究学科层面。

历史上学科层面的人工智能可不是荀子提出来的。

学科历史上，库卡机器人，人工智能是由4位学者早1955年提出来的，其中有两位是当时非常年轻的，也就是年龄仅仅31、32岁的学者。一个是时任达特茅斯数学系的助理教师麦卡锡，另一个是时任哈佛大学数学系和神经学系的马文明斯基，他们两位后来都获得了计算机界的最高奖项（图灵奖）。另外两位分别是信息论之父叫香农和IBM第一代通用计算机701的总设计师罗彻斯特。

1955年的8月，四位学者给美国的一个洛克菲勒私人基金会写了一个提案，这个提案中的题目出现了ArtificialIntelligence，这也是AI这个单词在人类学科历史上的首次出现。

建议书中，主要是向美国的洛克菲勒的私人基金申请一笔资金，用于支付十几个人通过一个半月的工作来完成一个研究。这样的一笔开支，希望通过建议书得到洛克菲勒的私人基金会的赞助。很顺利，这个基金会很快批准了这个提案，但是把提建议书上提出的金额有所缩减。

几位科学家说，想做一个AI，这个AI是一台机器，能够像人那样认知、思考和学习，也就是用计算机来模拟人的智能。在这个报道中，他们为了突出难点，列举了7个准备去攻克的难点问题：

1、系统计算机。

2、用程序对计算机进行编程。

3、神经网络。

4、计算的复杂性。

5、自我学习与提高。

6、抽象。

7、随手创造力。

事实上我们可以看到，列举出来的七个问题，后三个问题到现在仍然是人工智能面临的巨大挑战。

举个例子，我们说自我学习与提高，人确实具备这样的能。人类从幼儿园、小学、初中到高中，就已经形成了这个能力。参加高考的时候，很多高考题目并不是之前完全做过的，但是人们可以通过运用自己的一些知识和数据去处理新的问题。

所以我们很难想象，如果有一个机器人，他也和我们的儿子或者女儿一样，手牵手坐在了所谓的幼儿园中的课堂里上课，然后经历了幼儿园、小学、初中、高中的学习过程，又去参加竞赛和比赛总之很难想象机器可以具备人的自我学习和提升能力。

从1955年提案提出，人工智能就迈上了它的征途，按照当时的提议，人工智能是部分地替代人类的部分劳动。

例如我们制造一个机器，它能够定义和证明取代人类的某个工作；制造一个机器翻译，它能替代人类的翻译家；制造一个专家系统，它能帮人看病、会诊等。那时候的人工智能就是按照这样的思路发展的，也就是试图取代人的一部分工作、劳动。

随着时间的发展，在这个过程中，人工智能逐渐延展出符号阻力、连接阻力和行为阻力这三种仿人，或者仿脑的思路。

接着上面的话题，讲一讲人工智能一直以来延续而生的三种分类。

第一类，语义相关的人工智能

一直以来我们都给这个类别起了一个不太好的名字，叫弱人工智能。这种人工智能指的音符换调、导向，也可以说是它实际执行的任务。

由于机器具有很强的记忆功能和存储能力，它可能在依照葫芦画瓢的过程中，比人类画得更快、更棒，但是它也只能按照葫芦画瓢，并不能创作出精美的山水画。

你提供给它大量的数据，它就可以通过数据进行一定范围内的创作。但这种创作是具备导向性的，要和既定的领域相关，不能算作是跨域机器的人工智能。

第二类，通用的人工智能或者跨域人工智能

人具有很强的举一反三能力，从一种行为快速地跨越到另外的领域，而不是一味地通过数据驱动或者完成任务导向式地学习。

如果说刚刚提到的第一类任务导向或者说弱人工智能，是数据和规则驱动，那么通用的人工智能，则是掌握学习这个能力。

第三类，混合增强的人工智能

这一类举例的话，例如达芬奇手术机器人。