纯阳书评第569期《纯阳子讲人工智能系列之一：传统人工智能为什么不能？！》

作为一种技术和应用，人工智能算得上一个十足的另类。这种另类来自于人工智能长期发展历程中所形成认知预期与现实能力之间的差距。

在人们的认知那里，对人工智能的能力早已想入非非，这个概念在1956年达特茅斯会议提出后，很快从学术圈迅速扩散到大众传媒领域，在各种相关主题科幻小说、电影和电视剧的刺激之下，多次成为社会热点话题，而每次热议的结果只是进一步提升不断高涨的预期。人们的预期已由最初的具有人的能力，即能记忆、能思考、能学习、能推理的通用人工智能，高涨到了各方面能力都超越人类的超级人工智能。

这一方已是火焰，但那一方却始终是海水。

人工智能研究的炙热，吸引了无数科学家、工程师与学者加入这个领域，以至形成了行为主义、符号主义和连接主义三大研究流派。但是尽管阵仗浩大，历经了大半个世纪，付出了几代人的探索和努力，三个流派都没有突破，除了在某些垂直领域取得些许进展外，依然难觅通用人工智能的踪迹，虽过一段时期就发起一场冲关，推动一波浪潮涌起，但每次的宿命都是热闹之后重归沉寂。

所以我们本篇探讨，为什么三大流派一直无法突破？为什么传统人工智能一直不那么能？

第一、行为主义误入歧途

怎么打造像人的人工智能是需要首先考虑方向的，行为主义流派认为人是学习的产物，人是经验的产物，婴儿一出生就像一张白纸，除了吃、睡和啼哭，什么都不会做，但是经过学习，经过与生活环境的互动，逐渐能做很多事情。所以强调应该模仿动物和人类的学习过程来打造人工智能，帮助机器掌握基本的学习技能，让它们像人一样通过观察和与环境的交互来学习行为模式。

所以这一流派开发了各种算法和技术，如强化学习，来模拟这种通过环境交互进行学习的过程，一个智能体通过不断尝试不同的行动，并根据这些行动带来的结果（奖励或惩罚）来调整其行为策略，最终学会在特定环境中有效地行动。

这种思路貌似可行，但是忘了人之所以为人，还是因为人有头脑，人有内在思考和逻辑推理能力，而不是仅有人的外在行为。而行为主义人工智能通过学习只能是徒有其形，始终构建不起内在的认知模型和推理能力，所以难以处理需要深入理解和复杂推理的任务。仅依靠外部刺激和强化学习，在面对复杂、非结构化的问题时可能难以提供有效的解决方案。所以这种模式下开发出的人工智能，画虎不成反类犬，有人有面没有心，压根没有智能，充其量只是人工智障，所以说行为主义是误入歧途的流派。

第二、符号主义先天不足

对于行为主义的思路，符号主义表示反对，人工智能的打造不能流于表面，要关注内里，而且认为既然是要打造像人的人工智能，所以直接把人知道的都告诉机器，那么机器就可以像人。操作思路是把世界理解为符号的集合，认为可以通过逻辑推演连接符号，模拟人类思维过程来理解世界，主张通过构建一套符号（symbol）来表示现实世界的概念、事实和规则，并通过形式逻辑和推理规则解决问题。

说得直白一点，就是希望通过人把场景的所有规则都完成全集遍历，变成代码告诉机器，然后机器按照规则去做出推理和决策。这种思路看起来逻辑上很顺滑，貌似很能说得通。但是却忽略了人脑的局限性，即人脑根本无法完成所有规则的遍历。比如自动驾驶场景，涉及到的因素相当多，既要考虑路况，又要考虑气候状况，也要考虑路上车流情况、人流情况，还要考虑各种意外情况。而这些因素组合而成的可能情景在理论上是无限的，这就意味着人根本不可能把这些场景都遍历一遍，并把每一个场景中的规则遍历一遍。再比如人能够很容易识别动物，跑过来一只狗，人可以很容易识别出他是一只狗，而不是一只猫，但是人们却无法有效说出人到底靠什么来完成这种识别的，这也就意味着人无法把这种知识归纳为规则。

符号主义把通向人工智能的可能建立在要求人完成一个不可能完成的任务，这种思路注定徒劳无功。几十年的研究实践也证明了这一点，这一流派至多在专家系统等领域有所小成，但是永远无法突破到通用人工智能。在《三体》中三体人锁定了地球人的科技，在符号主义这里其基本思路自身就完成了对自身突破的锁定。所以符号主义流派存在着逻辑上的先天不足，注定无法突破，注定无法成功。

第三、连接主义怀才不遇

连接主义者认为行为主义照猫画虎、不及内里，符号主义幻想抓住自己头发把自己从地面提起，这两个流派通通不对，真正可行的人工智能构建思路是向大脑学习，人之所以为人，秘密全在大脑里，所以把大脑的逻辑搞明白，复刻大脑的逻辑才能让机器真正拥有人的能力。那么大脑的逻辑是什么样的？基本逻辑是两条，一是大脑由神经元组成，神经元通过突触连接成网，关联在一起，知识不是存储在某个神经元中，而是存储在神经元之间的连接中。二是大脑通过与外界的互动学习改变神经元之间的连接，而数量众多的神经元所形成的神经网络在系统与规模效应下涌现出记忆与思维能力。

所以这一流派模拟大脑神经网络的结构和功能来构建智能系统，它仿照神经元网络打造神经网络模型，通过分布式表示和并行处理来处理信息，通过外界知识的训练学习，调整神经元之间的参数权值。

从大模型取得突破的行业实践来看，连接主义是对的，但是连接主义向大脑神经网络学习的思路本身必然会带来一个现实的挑战，即人的记忆、思维、推理等能力是在神经元达到860-1000亿数量级上，通过涌现生发出来的，那么作为向大脑学习的神经网络模型必须也要达到一个类似的门槛才能够出现类似大脑的涌现。

这就意味着连接主义对算力、数据有着刚性要求，没有足够资源支撑的话，那么无论路子多对，都难以取得实绩。所以连接主义生不逢时，怀才不遇，一直卡在资源没有到位，所以和前边两个流派一样，一直无法突破，一直碌碌无为。

人工智能，一个充满无限可能的技术领域，却长期在现实与预期之间挣扎。行为主义、符号主义和连接主义，这三大流派各具特色，却均未能突破通用人工智能的难关。行为主义过于注重外在行为，忽略了内在认知；符号主义试图遍历所有规则，却忽视了人脑的局限性；连接主义理念先进，却受制于当时的资源限制。

所以传统人工智能努力多年，冲关多次，一直无法突破，一直不能！

预告：下一期《纯阳子讲人工智能系列之二：为什么新一代人工智能很能？！》