第一部分 人工智能是什么 第一章 图灵的电子大脑（第1页）
第一部分人工智能是什么第一章图灵的电子大脑
我建议大家考虑一个问题：“机器能思考吗？”
——艾伦·图灵，1950年
每个故事都有个开头，对人工智能（Artifitelligence，AI）而言，可以选择的开头有很多，因为人类对人工智能的梦想，可以追溯到很久很久以前。
我们可以选择从古希腊开始，铁匠之神赫菲斯托斯（Hephaestus）拥有赋予金属物品生命的能力。
我们可以选择从16世纪的布拉格开始，传说中伟大的拉比在那里用黏土制作了一个傀儡魔像，意图保护该城市的犹太人免遭迫害。
我们可以选择从18世纪苏格兰的詹姆斯·瓦特（JamesWatt）开始，他为正在建造的蒸汽机设计了一个巧妙的自动控制系统——调速器，从而为现代控制理论奠定了基础。
我们可以选择从19世纪初开始，年轻的玛丽·雪莱（MaryShelley）被恶劣的天气困在瑞士的一栋别墅里，和她的丈夫——诗人珀西·比希·雪莱（PercyByssheShelley），以及他们家的朋友拜伦（Byron）勋爵一起，玩了一场文字游戏，创作了《弗兰肯斯坦》[1]。
我们可以选择从19世纪30年代开始，在彼时的伦敦，阿达·洛芙莱斯（AdaLovelace），上文提到的那位拜伦勋爵的女儿——虽然父女俩关系非常疏远——与查尔斯·巴贝奇（CharlesBabbage）建立了友谊，性情乖张的巴贝奇发明了分析机，这激励着才华横溢的阿达探寻机器是否最终能够具备创造性[2]。
我们也可以选择从18世纪掀起的自动机器装置狂热开始。那些小型自动机器装置被设计得无比精妙，有一种被赋予生命的错觉。
追溯人工智能的开端，我们可以有许许多多的选择，但对我来说，人工智能故事的开头与计算机的开端应该是一致的。对此，我们有一个非常明确的起点：1935年，剑桥大学国王学院，一位才华横溢、不拘泥于传统的年轻学生——艾伦·图灵（AlanTuring）。
剑桥1935
现在，艾伦·图灵是一个家喻户晓的名字，但我们很难想象在20世纪80年代，这个名字在数学和计算机领域以外压根不为人知。虽然相关专业的学生可以在教材上偶遇图灵的名字，但对他非凡的成就知之不详，更不了解他那悲惨的命运。部分原因是图灵在第二次世界大战期间为英国政府效力，承担了一项非常重要的工作，而这项杰出工作的成果一直秘而不宣，直到20世纪70年代才公开[1]。但是，更重要的原因是歧视，因为图灵是同性恋，在当时的英国，同性恋是一种犯罪。1952年，他以“严重猥亵罪”被起诉和定罪，被迫服用某种旨在降低性欲的粗制滥造的药物来进行所谓的“化学阉割”。两年后，他亲手结束了自己的生命，年仅41岁[2]。
尽管如今的我们对图灵的故事所知甚少，但多少略知一二。其中最著名的桥段自然是二战期间他在布莱切利庄园破译密码的传奇，因2014年好莱坞电影《模仿游戏》而天下皆知（虽然电影和现实的差距大得惊人）。他为盟军的最终胜利立下了汗马功劳。但是，人工智能研究人员和计算机科学家崇拜图灵，是出于完全不同的理由：他是真正意义上的计算机发明者，不久，又成为人工智能领域的主要奠基人。
图灵在诸多领域都有非凡成就，最非凡的是在偶然的机会下，他发明了计算机。20世纪30年代中期，图灵还是剑桥大学数学系的一名学生，他给自己定下一个超前的挑战，那就是解决彼时最重要的终极数学问题之一：判定问题。这个令人印象深刻——坦率地说，是可怕——的问题，由数学家大卫·希尔伯特（DavidHilbert）于1928年提出。判定问题是指，是否所有的数学描述都是“可判定的”，即是否存在一种方法，可以确认某个给定的数学描述是真是假。当然，希尔伯特关心的领域并非“有没有上帝”或者“生命的意义是什么”之类，而是数学领域中的判定问题。判定问题是一种有着明确“是”或“否”的答案的数学问题。以下是判定问题的示例：
·2+2是否等于4？
·4×4是否等于16？
·7919是否是一个质数？
很凑巧，这几个问题的答案都是“是”。前两个问题的答案是显而易见的，但是，除非你是个痴迷于质数的人，否则要回答第三个问题得稍微费点儿劲了。所以，我们来看看最后一个问题。
你应该记得，质数的定义是一个只能被自己和1整除的整数。现在回到这个问题，我相信从原则上讲，你能够寻找到一个验证它的方法。有一个很容易想到的笨办法，当然，对7919这么大的数字来说有些烦琐：依次用每一个整数去除它，看看它能不能被某个数除尽。重复这个过程以后，你会发现，除了1和7919本身，没有其他可以除尽它的数，这就意味着7919确实是一个质数[3]。
重点在于，上述问题可以用一个精准的方式来寻找答案。这种方式不需要任何灵活的应用——只是一些需要死记硬背的方法。要寻找答案，我们只需要严格按照方法所示的步骤执行就可以。
既然有这样的方法保证能够验证这个问题的是与否（只要有足够的时间），我们就可以说，“某个数是否是一个质数”是可判定问题。在此我强调一下，这就意味着，每当我们遇见“数n是否是一个质数”这样的问题时，只要给予足够的时间，就能找到答案：遵循相关步骤执行，最终就能得到明确的答案。
现在，判定问题提出：是否所有的数学判定问题都是可判定的？或者说，是否存在某种数学问题，无论你投入多少时间，都无法寻找到相应的可供严格遵循来解决问题的方法？
这是一个基础法则类问题，本质是数学问题是否都可以简化为寻找对应算法就可以解决的问题。回答这个基础问题是图灵在1935年给自己立下的艰巨挑战，而他以令人难以置信的惊人速度解答出来了。
一想到深奥的数学问题，我们很容易就会认为解决它们的方法是冗长而复杂的，涉及大篇幅的方程式和证明过程。有时候，事实的确是这样，例如英国数学家安德鲁·威尔斯（AndrewWiles）在20世纪90年代论证著名的费马大定理，数学界花费了好几年时间才消化了他那几百页的手稿，并确信他的论证是正确的。按照这样的标准，图灵解决判定问题的方案简直是颠覆性的。
与大家想象中的不同，图灵的证明短小精悍，而且很容易读懂（在确立了基本框架以后，真正的证明实际上只有几行）。重点在于，图灵意识到，他需要一个精准定义解决问题方法的方案，为此，他发明了一种可以解决数学问题的机器，如今，为了纪念他，我们称之为图灵机。图灵机是一种对方法的具体描述，比如上文提到的检查质数的步骤。图灵机的作用是严格遵循既定的步骤执行运算。在此，我要强调的是，尽管图灵将它称为“机器”，但在那时它只是个抽象的数学概念。通过发明一台机器来解决一个艰深的数学问题，这种想法相当颠覆传统，当年的数学家们肯定都被搞迷糊了。
图灵机就如强悍的神兽，任何你能想出来的数学方法都可以被编码成图灵机。因此，如果所有的判定问题都是可以解决的，就意味着任何判定问题都可以通过设计一个专用的图灵机来解决。也就是说，为了解答希尔伯特的问题，你所要做的是，证明存在某种判定问题是任何图灵机都无法解决的。这正是图灵证明这一命题的方法。
接下来，图灵耍了点小把戏，让他的机器摇身一变，成为能够解决通用问题的机器。他设计了一种图灵机，可以按照人们给它的任意方法进行运算，现在我们把它称为通用图灵机[4]。一台计算机最核心也最基础的部分，就是一台真正的通用图灵机。计算机所运行的程序，本质上就是运算的步骤，类似前文我们提到的确认质数的步骤。
尽管这不是我们故事的重点，但至少得提出来图灵是怎么用它的新发明解决判定问题的。除了惊叹于他精巧独到的心思，我们还应该意识到，它跟人工智能最终是否可能存在有着密切关系。
图灵的构想是存在这样一台图灵机，可以用来判定任意图灵机的运行结果。他考虑了以下问题：给定一台图灵机和相关输入集，它最终是会停止，还是永无止境地运行下去？这就是一个判定问题了，属于我们前文讨论过的范畴，尽管它相对复杂一些。现在，假设存在一个机器能够判定这个判定问题，图灵指出，这个假设会引起悖论[3]。因此，没有办法检测出图灵机是否停止。那么，“图灵机是否停止”是一个不可判定问题。所以图灵得出结论：存在某些判定问题不能简单地按照确定的步骤来解决。他解决了希尔伯特的难题：数学并不能被简化为遵循方法解决问题[5]。
这一结果是20世纪数学界最伟大的成就之一，单凭它就足以让图灵在数学界名垂青史。但更伟大的是它的副产物——通用问题解决机器，即图灵机。图灵发明图灵机的时候，它只是个抽象的概念，他并没有想着将它实体化。不过没过多久，不少人，包括图灵自己，开始着手把这个想法转化成现实。在二战时的慕尼黑，康拉德·楚泽（KonradZuse）为德国航天部设计了一台名为Z3的计算机，虽然它算不上一台完整的计算机，但引入了不少关键部分。在大西洋彼岸的美国宾夕法尼亚州，由约翰·穆克里（JohnMouchly）和普雷斯伯·埃克特（J。PresperEckert）领导的小组开发了一台名为ENIAC的机器来计算火炮射击表。杰出的匈牙利裔数学家约翰·冯·诺依曼（JohnvonNeuman）对它进行了相关调整，使ENIAC具备现代计算机的基本架构（为了纪念这位数学家，传统计算机的架构被称为“冯·诺依曼架构”）。在战后的英国，弗雷德·威廉姆斯（FredWilliams）和汤姆·基尔伯恩（TomKilburn）建造了昵称为“曼彻斯特宝贝”的小规模实验机，直接促成了世界上第一台商用计算机“费兰蒂一号”的出现（图灵本人于1948年加入曼彻斯特大学的工作团队，并编写了最早运行的程序）。
到了20世纪50年代，现代计算机的所有关键部件都被发明出来了。图灵机已经从数学概念转化为实实在在的机器——只要你有足够的金钱买下它，以及足够的场地摆放它（要装下“费兰蒂一号”，至少需要两个16英尺[4]长、8英尺高、4英尺宽的储藏室。机器的功率为27千瓦——它消耗的电能可以供应至少三个现代家庭用电）。当然，随着时代的发展，计算机变得越来越小巧，越来越便宜。
电子大脑的实际功能
还有什么比耸人听闻的标题更能取悦报社编辑的呢？第二次世界大战结束后，第一台计算机建成，世界各地的报纸都争相报道这项神奇的发明——电子大脑。这些看起来可怕又复杂的机器有着令人炫目的计算能力，用它们处理海量的复杂算术问题，其速度和精确程度远远超乎人类想象。对于那些不了解计算机原理的人来说，能完成复杂算术任务的机器似乎拥有某种高级智能。因此，它被人们称为电子大脑，然而，名不副实（直到20世纪80年代，当我首次对计算机领域产生兴趣时还能听到这类说法）。事实上，这些电子大脑确实能承担许多对人类而言烦琐、复杂且困难的计算，但它们并没有智能可言。所以，了解清楚计算机最初发明出来是做什么的，以及它不能做什么，是理解人工智能局限的核心，也能让我们明白，为什么实现人工智能的宏伟目标如此困难。
请记住，图灵机，以及它的物理表现形式计算机，它们只是遵循各种指令的机器而已。这是它们存在的唯一目的——它们被设计出来就是做这个的，也只会做这个。我们给予图灵机的指令，现在被称为算法或者程序[6]。大多数程序员可能都不太清楚他们打交道的东西本质上跟图灵机类似，这也不怪他们——直接为图灵机编程简直是受罪，无聊、烦躁得令人生厌，一代又一代在编程路上吃尽苦头的计算机专业学生能够证明这一点。因此，我们在图灵机上构建更高级的语言，诸如Python、Java和C语言之类，让编程变得简单。高级语言的作用是向程序员隐藏机器语言中某些烦琐到可怕的细节，让编程变得容易一些。但从本质上来说，编程仍然是枯燥乏味、令人生厌的，这就是为什么学编程这么难，为什么计算机程序总是莫名其妙地崩溃，为什么优秀的程序员薪水总是这么优渥。
在本书中我不会教你编程，不过了解一下程序指令的作用以及电脑怎么按照步骤来执行程序也是有必要的。粗略地说，计算机能做的，就是按步骤执行一系列指令而已[7]，例如：