時間的力量——1991 人工智能大辯論 30 周年紀念：主義不再，共融互生｜GAIR 2021

整理 | 熊宇軒、琰琰、維克多

編輯 | 青暮

作為粵港澳大灣區(qū)的第一AI盛會，GAIR大會已成功舉辦五屆，留下眾多精彩、經(jīng)典和令人驚嘆的瞬間。GAIR 2021則延續(xù)以往豪華陣容，以1場主旨論壇、2場行業(yè)峰會、9場高峰論壇，涵蓋自動駕駛、安防、集成電路、醫(yī)療、元宇宙、碳中和、隱私計算、新消費等熱門領(lǐng)域。

滾滾長江東逝水，浪花淘盡英雄。上世紀80年代末，以符號邏輯為基礎(chǔ)的傳統(tǒng)人工智能遭遇理論危機，新的人工智能理論陸續(xù)被提出，人工智能研究也進入了一個“百家爭鳴”的新時代，聯(lián)結(jié)主義、行為主義等學(xué)說迅速興起。

近十年來，得益于硬件設(shè)備和算法技術(shù)的提升，以深度學(xué)習(xí)為代表的聯(lián)結(jié)主義感知智能技術(shù)突飛猛進。然而，正如圖靈獎獲得者 Alan Kay 所言，盡管如今的深度學(xué)習(xí)研究空前繁榮，此類方法在數(shù)學(xué)原理上的突破仍十分有限。

在感知智能技術(shù)越來越成熟的今天，我們已經(jīng)可以通過深度學(xué)習(xí)技術(shù)從各種數(shù)據(jù)來源中提取有效的表征。但是，深度學(xué)習(xí)技術(shù)在決策、規(guī)劃方面的能力卻十分有限。

為此，研究者們又將目光投向了各種學(xué)說的融合，試圖為未來的人工智能研究尋找破局之法，催生了“神經(jīng)-符號計算”、“雙系統(tǒng)理論”等新型研究范式。人工智能研究社區(qū)再次面臨重要的路線抉擇。

在近期由粵港澳大灣區(qū)人工智能與機器人聯(lián)合會、雷峰網(wǎng)(公眾號：雷峰網(wǎng))聯(lián)合主辦的第六屆GAIR全球人工智能與機器人大會（GAIR 2021）上，有六位重磅嘉賓作為這場里程碑式變革的重要見證者出席：

• 楊強，加拿大工程院院士、加拿大皇家科學(xué)院院士, 微眾銀行首席人工智能官，IEEE/AAAI Fellow；
• 張成奇，悉尼科技大學(xué)副校長，澳大利亞人工智能聯(lián)合會理事長；
• 周志華，南京大學(xué)計算機系主任兼人工智能學(xué)院院長，歐洲科學(xué)院院士，ACM/AAAI/IEEE Fellow；
• 趙峰，清華智能產(chǎn)業(yè)研究院首席科學(xué)家、國際歐亞科學(xué)院院士、IEEE Fellow、Sloan Fellow
• 林方真，香港科技大學(xué)計算機系教授，AAAI Fellow；
• 林德康，奇點機智聯(lián)合創(chuàng)始人。

圓桌論壇：1991人工智能大辯論三十周年紀念

六位頂級人工智能專家齊聚一堂，回顧當年人工智能大辯論的盛況及影響，以史為鑒，探尋人工智能下一個 30 年的發(fā)展道路。

1

風(fēng)云變幻：1991 年人工智能大辯論

自 1956 年達特茅斯會議之后，人工智能研究者們主要形成了符號主義、聯(lián)結(jié)主義、行為主義等學(xué)說。上世紀 90 年代初，符號主義流派在人工智能研究領(lǐng)域占據(jù)了主導(dǎo)地位。在物理符號系統(tǒng)假設(shè)和基于知識的啟發(fā)式求解方法指導(dǎo)下，人工智能技術(shù)在專家系統(tǒng)、機器翻譯、機器視覺、問題求解方面已經(jīng)嶄露頭角。

然而，80 年代個人計算機的普及對專家系統(tǒng)的需求產(chǎn)生了極大的沖擊。1991 年，被寄予厚望的日本“第五代計算機”（即“人工智能計算機”）研發(fā)計劃的失敗，以符號主義為主的傳統(tǒng)人工智能技術(shù)（GOFAI）遭遇了學(xué)術(shù)理論和產(chǎn)業(yè)應(yīng)用上的瓶頸，人工智能研究陷入低谷。為了打破這一局面，新的聯(lián)結(jié)主義、行為主義理論和技術(shù)紛紛登場。

在聯(lián)結(jié)主義方面，Yann LeCun、Sepp Hochreiter 等學(xué)者在聯(lián)結(jié)主義人工智能技術(shù)方面取得了一定的進展，“黑盒”的神經(jīng)網(wǎng)絡(luò)技術(shù)可以避開知識表示帶來的困難，但神經(jīng)元間聯(lián)結(jié)的結(jié)構(gòu)和權(quán)值選取又成了難題。在行為主義方面，Rodney A. Brooks 提出研究“無需表示、無需推理”的智能，并基于行為主義技術(shù)設(shè)計出了一系列具備避讓、前進、平衡等各種運動能力的機器人，技驚四座。

為了討論人工智能研究將何去何從，國際人工智能聯(lián)合會（IJCAI）在 1991 年的人工智能頂級期刊《Artificial Intelligence》的專刊上組織了一場人工智能的大辯論，就新的人工智能理論框架從五個問題、正反方面進行了討論：

       1. 知識與概念化是否是人工智能的核心?

       2. 認知能力能否與感知分離開來研究?

       3. 認知的軌跡是否可用類自然語言描述?

       4. 認知能否從學(xué)習(xí)匯總分離進行研究?

       5. 所有的認知是否有一種統(tǒng)一的結(jié)構(gòu)? 

林德康教授

林德康教授指出，1991年人工智能領(lǐng)域的主要爭論分成兩個派系——符號主義和行為主義，兩派的代表人物，正是 IJCAI 1991 計算機與思想獎的兩位得主——后來的康奈爾大學(xué)校長 Martha Pollack，以及麻省理工學(xué)院人工智能實驗室主任 Rodney Brooks。

Rodney Brooks 表示，行為主義的方法才是正確的AI范式，根據(jù)低層次感知信號去得到高層次決策。為此，他在論文《Intelligence without representation》中提出，人們通過符號主義研究表征的道路是失敗的，我們應(yīng)該以漸進試錯的方式逐漸實現(xiàn)智能，讓智能體依賴于通過感知和行為與現(xiàn)實世界連接起來，消除對表征的依賴。

Martha Pollack 則指出AI應(yīng)該通過符號邏輯表達出來的約束公式，來描述世界，再用約束滿足的方法把高層次的目標細化。她在論文《The Use of Plans》中指出，智能體存在于復(fù)雜的環(huán)境中，它們需要通過規(guī)劃實現(xiàn)對動作的操控。規(guī)劃不僅被用于指導(dǎo)行為，還被用于控制推理和實現(xiàn)智能體之間的協(xié)作，使復(fù)雜、動態(tài)的多智能體環(huán)境下的智能行為成為了可能。因此，規(guī)劃在人工智能學(xué)術(shù)體系中應(yīng)該處于核心地位，

這次辯論的內(nèi)容一經(jīng)發(fā)表，就引起了人工智能研究社區(qū)的極大反響和討論，促進了聯(lián)結(jié)主義、行為主義的興起。從此，人工智能研究進入了新的紀元，并逐漸形成了如今的人工智能學(xué)術(shù)、產(chǎn)業(yè)格局。

2

異軍突起：華人 AI 研究迅猛發(fā)展

對于中國人工智能研究而言，1991 年也具有特殊的意義。在這一年的 IJCAI 91' 大會上，共有 6 位華人學(xué)者發(fā)表了研究成果，其中有五位學(xué)者在國外謀得教職，他們是：滑鐵盧大學(xué)的楊強、西安大略大學(xué)的凌曉峰、麥考瑞大學(xué)的張康、俄亥俄州立大學(xué)的趙峰、曼尼托巴大學(xué)的林德康。在 IJCAI 91' 上，“人工智能理論基礎(chǔ)大辯論”成為了中國參會者們熱議的話題。受此影響，華人學(xué)者們于 1992 年夏天在中科院計算所智能中心召開了“1992 AI Summer School”，報告者為國內(nèi)外最早在頂級會議和期刊上發(fā)表研究工作的華人學(xué)者，包括：張鈸、李國杰、高文、白碩、楊強、張成奇、彭云、林德康、李明、趙峰、林方真，等。這次活動也為我國人工智能研究帶來了新的“火種”，為日后中國 AI 研究的騰飛奠定了基礎(chǔ)。

在本屆 GAIR 大會上，楊強、張成奇、周志華、趙峰、林方真、林德康等頂級人工智能專家從各自的角度出發(fā)回顧了當年這次“大辯論”的深遠影響。

張成奇教授

1982 年，張成奇教授正在吉林大學(xué)攻讀碩士研究生，從事專家系統(tǒng)方面的研究。那時，吉林大學(xué)是我國最早開始研究人工智能的單位之一，并在王湘浩院士的領(lǐng)導(dǎo)下發(fā)起了全國高校人工智能研究會。

1992 年，張成奇教授基于群論解決了分布式專家系統(tǒng)中不同的不確定性模型互相轉(zhuǎn)化的問題，這一成果發(fā)表在了人工智能頂級期刊《Artificial Intelligence》上，這是中國大陸學(xué)者首次在該期刊上發(fā)表論文。在張成奇教授看來，相較于當年，如今的感知智能、行為主義智能技術(shù)已經(jīng)得到了長足的發(fā)展，分布式人工智能可以發(fā)展一條更為光明道路。同年，在張成奇教授成功于《Artificial Intelligence》上發(fā)表論文四個月之后，楊強教授的研究成果也首次發(fā)表在該期刊上。

楊強教授

彼時，如今的“遷移學(xué)習(xí)”、“聯(lián)邦學(xué)習(xí)”旗手——楊強教授也醉心于符號主義人工智能研究，在規(guī)劃領(lǐng)域頗有建樹，試圖從邏輯角度尋找搜索路徑，探究高層次的推理技術(shù)。1989 年，楊強教授在 IJCAI 上發(fā)表了其第一篇頂會論文《Preprocessing Search Spaces for Branch and Bound Search》，在該論文中，楊強教授提出了一種名為“threaded decisions graph”的數(shù)據(jù)結(jié)構(gòu)，通過事先在搜索空間中進行預(yù)處理的方式，降低了啟發(fā)式搜索問題求解方法的計算開銷。1990 年，楊強教授開發(fā)出的第一個開源規(guī)劃軟件“ABTWEAK”在工業(yè)界得到廣泛應(yīng)用，該成果被 AAAI 1990 收錄。1991 年，楊強教授在 IJCAI 大會上發(fā)表論文《The Downward Refinement Property》，提出了一種層次化的邏輯表達關(guān)注度模型，在保證準確性的條件下大幅提高了推理速度。同年，楊強教授的論文《Characterizing Abstraction Hierarchies for Planning》也被 AAAI 大會收錄。1992 年，楊強教授首次在《Artificial Intelligence》期刊上發(fā)表論文。

回顧當年的人工智能發(fā)展轉(zhuǎn)折，楊強教授認為，1991 年的大辯論后，邏輯研究者們跳出了單調(diào)邏輯，轉(zhuǎn)向發(fā)展復(fù)雜邏輯。同時，IWML（即如今的 ICML）出現(xiàn)，機器學(xué)習(xí)開始進行數(shù)學(xué)化革命。隨后，隨機森林、集成學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等“黑盒”的機器學(xué)習(xí)逐漸為人所接受，可解釋性逐漸淡化，形成了人工智能領(lǐng)域文化的轉(zhuǎn)變。同時，行為主義也逐漸興起，該流派的研究者們認為智能不僅存在于人的大腦，也存在于人體的肌肉、骨骼中。此后，掃地機器人、谷歌機器狗以及火星探索者機器人紛紛涌現(xiàn)出來。這些機器人在不進行邏輯推理的情況下，實現(xiàn)了一定的智能行為。在楊強教授看來，當年的人工智能研究從符號主義推崇的“使用一套算法解釋智能現(xiàn)象”逐漸向“借鑒模型驅(qū)動的物理學(xué)，通過通用模型解釋智能現(xiàn)象”過渡。

趙峰教授

上世紀 80 年代末，在 MIT 人工智能實驗室求學(xué)的趙峰教授第一時間觸碰到了大洋彼岸行為主義興起的浪潮。當年，趙峰教授的研究方向是基于模型的人工智能，旨在讓計算機程序能夠理解、推理物理世界中的現(xiàn)象。

在如今的波士頓動力公司創(chuàng)始人MIT馬克雷伯特教授的實驗室中，趙峰教授發(fā)現(xiàn)，當時的機器人研究十分困難，因為我們需要對機器的動力系統(tǒng)作出非常精準的規(guī)劃，這大大延緩了該領(lǐng)域的研究進度。1989 年，趙峰教授MIT讀書時的Committee 老師Rodney Brooks基于行為主義思想設(shè)計了一款六足機器人，該機器人在無需進行推理的情況下，能夠輕松跨越涵蓋，引起了巨大轟動，并獲得了 1991 年的 IJCAI 計算機思維獎。Rodney Brooks 高喊“無需推理、無需表示”的口號，發(fā)表了著名的論文《Intelligence without representation》。

與此同時，“人工智能理論基礎(chǔ)大辯論”讓學(xué)術(shù)界在研究方向上出現(xiàn)了重要的分歧，即擁抱數(shù)據(jù)驅(qū)動還是堅持模型驅(qū)動和推理。在趙峰教授看來，要回答這一問題，可以從“工程”和“科學(xué)”兩個方面驗證。從工程的角度來說，我們需要考慮某種學(xué)術(shù)思路能否解決實際問題；從科學(xué)的角度來說，我們可以觀察某種學(xué)說能否經(jīng)過時間的考驗回答基礎(chǔ)的智能問題。

林方真教授

當年在斯坦福大學(xué)讀博士的林方真教授認為，1991年的AI大辯論并不是真正的辯論。傳統(tǒng)AI偏向自頂向下，優(yōu)先考慮人的高層推理和決策過程。Rodney Brooks則提倡自下而上，從簡單本體開始學(xué)習(xí)。他的觀點與前者并不矛盾，而是一種補充。這也反映了當年學(xué)術(shù)界“百家爭鳴”的狀況，研究者們紛紛提出自己對 AI 未來發(fā)展趨勢的見解。當年Nils Nilsson也因而倡導(dǎo)AI研究應(yīng)該考慮融合智能本體。這個觀點甚至在當年最有影響的AI教課書上都有體現(xiàn)。

3

九九歸一：學(xué)派融合，螺旋上升的感知與認知智能

周志華教授

進入 21 世紀，我國在機器學(xué)習(xí)領(lǐng)域研究的進步速度與日俱增，涌現(xiàn)出了一大批杰出的人工智能科學(xué)家，周志華教授就是其中的代表人物之一。

在周志華教授眼中，人工智能的概念和內(nèi)涵一直在動態(tài)發(fā)展，今天的“AI”和90年代初的“AI”實質(zhì)上并不是一回事，當年的AI主要是指“智能行為的符號化建模”這條研究路線，并且當年的神經(jīng)網(wǎng)絡(luò)是“與AI對立”的事物。

1991年提出的幾個問題，體現(xiàn)的是當時研究者們對“符號主義”的反思，以及對引入其他路線的思考。這個論辯的直接結(jié)果之一是使得大家承認了人工智能的“三大主義”（符號主義，連接主義，行為主義）。

機器學(xué)習(xí)的發(fā)展已經(jīng)讓現(xiàn)在的AI超越當年的內(nèi)涵，不能再簡單歸類為三大主義，例如規(guī)則學(xué)習(xí)和決策樹大體上可以歸入符號主義，神經(jīng)網(wǎng)絡(luò)可以歸入連接主義，強化學(xué)習(xí)和演化學(xué)習(xí)可以歸入行為主義，但統(tǒng)計學(xué)習(xí)、貝葉斯學(xué)習(xí)很難歸入以往的三大主義。事實上AI已形成五大主義：符號主義，連接主義，行為主義，頻率主義，貝葉斯主義。但回過頭來看，它們?nèi)魏螁畏矫婊蛟S都不夠，就像機器學(xué)習(xí)中的集成學(xué)習(xí)一樣，要多方融合集成，兼收并蓄，例如知識推理與機器學(xué)習(xí)的融合。周志華教授說他個人可謂是“集成主義(ensemblism)"者，這是他自己造的一個詞。

1. 黑盒模型 vs 邏輯推理

目前流行的深度學(xué)習(xí)模型大多具有“黑盒屬性”，隨著深度學(xué)習(xí)模型的瓶頸逐漸凸顯出來，許多學(xué)者又將目光投向了邏輯推理。

楊強教授指出，認知智能和感知智能的發(fā)展過程是一個螺旋式交替上升的過程，二者相輔相成。上世紀，我們研究人工智能問題，涉及的感知表達往往很簡單，而考慮的認知過程卻非常復(fù)雜。隨著軟硬件我們可以思考如何通過研究感知智能的方法促進對認知智能的研究，是否可以通過成功的感知系統(tǒng)解決認知問題。

在張成奇教授看來，圖靈測試似乎定義了人工智能研究“只重結(jié)果，不看過程”的論調(diào)——只要結(jié)果達到特定指標，人們就不會有太多質(zhì)疑和爭論。人工智能研究發(fā)展至今已經(jīng)快 70 年，但一直沒有跳出圖靈測試的“范疇”。

大多數(shù)人認為，人類獨有的認知才是真正的智能，任何動物都具備的感知不屬于智能。所以，早期的人工智能研究之所以聚焦于認知智能，首先是因為我們認為認知智能是高級智能；其二是因為那時很難清晰地描述和定義感知。但如今，得益于算力、算法的發(fā)展和大數(shù)據(jù)驅(qū)動，感知智能已經(jīng)相對成熟，很多感知智能方法在應(yīng)用中取得了不錯的效果，符合圖靈測試的要求。

然而，感知智能對智能發(fā)展的推動作用有限，所以越多越多的人開始寄希望于認知智能，從目前的趨勢來看，在深度學(xué)習(xí)時代，大數(shù)據(jù)和知識雙輪驅(qū)動是認知智能取得新突破的一個頗有潛力的路徑。 

林方真教授認為，在深度學(xué)習(xí)流行的今天，我們?nèi)匀恍枰獔猿謱χR表示和推理技術(shù)的研究。人工智能是個漸進發(fā)展的和交叉學(xué)科，需要通過不同的方法解決不同的問題。知識表示和推理是智能的重要基石，而邏輯則是推理的數(shù)學(xué)基礎(chǔ)。事實上，人類從古希臘時期就開始嘗試使用邏輯來形式化人類的推理，這是眾多哲學(xué)家和數(shù)學(xué)家上千年來的研究結(jié)晶。在林方真教授看來，用神經(jīng)網(wǎng)絡(luò)取代邏輯推理的方式并不可行，應(yīng)結(jié)合各種 AI 工具，而不是用某種工具取代其它的工具。

2. 感知、認知智能的融合

如今，感知、認知融合技術(shù)的融合已漸漸成為了一種趨勢。如何實現(xiàn)感知信號、認知推理、行為決策之間的遞進是融合各個主義學(xué)說的關(guān)鍵問題。

對此，周志華教授認為，作為計算機學(xué)科出發(fā)的人工智能研究者，更關(guān)心的是受智能行為的啟發(fā)解決實際問題，而不必過分拘泥于“認知”“感知”等概念和說法。從技術(shù)方法論上看，傳統(tǒng)基于邏輯的人工智能主要是基于自頂向下的“演繹”，比較容易利用領(lǐng)域?qū)＜抑R，而目前機器學(xué)習(xí)主要是基于自底向上的“歸納”，比較容易利用數(shù)據(jù)事實，現(xiàn)在差不多是考慮將自頂向下的演繹和自底向上的歸納結(jié)合起來的時候了，或許可以解決當前的人工智能技術(shù)所不能解決的一些問題。

趙峰教授指出，我們需要從兩個方面考慮各種主義的融合：（1）人與動物的差別。從感知角度來看，有些動物在某種感知模型里，比人更加敏感。但是人能夠把經(jīng)驗總結(jié)下來，形成體系化知識，并且在人與人之間互相傳播和交流這些知識，所以從這個角度來講，認知行為理論是值得借鑒的。（2）機器學(xué)習(xí)。目前機器學(xué)習(xí)的知識挖掘仍然局限在基礎(chǔ)的“關(guān)聯(lián)”層面，未有效地觸及因果關(guān)系。如今，學(xué)術(shù)界和工業(yè)界對可解釋的 AI、可信 AI 技術(shù)的需求與日俱增。相比于 30 年前，如今的算力基礎(chǔ)和數(shù)據(jù)準備達到了前所未有的高度，如果把機器學(xué)習(xí)、結(jié)構(gòu)化知識、認知行為理論有機的結(jié)合起來，或許有望突破模型推理的黑盒挑戰(zhàn)。

3. 知識從何而來？

“知識”是人工智能系統(tǒng)發(fā)揮作用的重要基礎(chǔ)，在周志華教授看來，我們大致可以通過以下兩種方式獲取知識：（1）將人類的一些常識和經(jīng)驗總結(jié)下來形成知識。該過程通常需要用邏輯表達的方式實現(xiàn)。（2）借助龐大的互聯(lián)網(wǎng)，作為人工智能獲取知識的來源。通過以上兩種方式獲取知識的方法各有千秋。人類基于邏輯關(guān)系的知識表達精確性高，對人工智能系統(tǒng)非常友好，從互聯(lián)網(wǎng)中挖掘出的知識，不可避免地會存在大量的噪聲和沖突。而互聯(lián)網(wǎng)中蘊含的知識量往往更大，獲取知識的成本較低。為了將二者結(jié)合起來，可能在某種程度上會犧牲互聯(lián)網(wǎng)知識的靈活性，以及邏輯知識的精確性。機器學(xué)習(xí)或許可以作為結(jié)合二者的“粘合劑”。

楊強教授認為，從遷移學(xué)習(xí)的角度來看，以人類為例，人類在兒時獲取的知識的主要來源于父母，相當于給小孩賦予了一個預(yù)訓(xùn)練模型。經(jīng)過教育后，人類在“調(diào)參”過程中掌握了學(xué)習(xí)的規(guī)律和方法。長大后，人類不需要接觸很多案例，就可以通過遷移學(xué)習(xí)訓(xùn)練模型，適配新的場景，學(xué)會很多新知識。如今，“預(yù)訓(xùn)練+調(diào)優(yōu)”的范式在人工智能領(lǐng)域被廣泛應(yīng)用，這一方向前景十分光明。

張成奇教授指出，認知知識和感知知識的結(jié)合是很一個長遠的研究課題。人類不需要大數(shù)據(jù)感知，基于小樣本數(shù)據(jù)就可以完成學(xué)習(xí)任務(wù)，但對于人工智能系統(tǒng)而言，這是一項非常有挑戰(zhàn)的事情。對于一輛自動駕駛汽車來說，為了了解道路周圍的環(huán)境，它需要用到感知智能。在行駛過程中，為了避免道路擁堵，規(guī)劃兩個位置之間的路徑，需要用到認知智能技術(shù)。在掌握了認知和感知知識后，它還需要學(xué)習(xí)駕駛技術(shù)，實現(xiàn)具體的動作，這本身是一件非常難的事情。從現(xiàn)階段來看，我們可以嘗試分開研究感知和認知知識。

4

結(jié)語

凡是過往，皆為序章。自 1991 年“人工智能理論基礎(chǔ)大辯論”已過去 30 年。30 年來，世界人工智能發(fā)展格局迅速變化，中國的人工智能研究者們前赴后繼，完成了對世界先進國家人工智能技術(shù)跟跑、并跑、到領(lǐng)跑的過程。如今，各種學(xué)說的互相交融逐漸成為了人工智能研究社區(qū)的共識。讓我們一同期待人工智能研究社區(qū)迎來下一個百花齊放、萬紫千紅的 30 年。

雷峰網(wǎng)雷峰網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。