01

什么是機器？

為了方便大家回憶和理解，我們簡單做下回顧希爾伯特提出的第十數學問題：

隨便給一個不確定的方程，是否通過有限的步驟運算，判斷這個方程是否存在整數解？

對于這個問題，大家普遍認為，這樣的一套步驟是不存在的，也就是說我們沒有一種判斷一個數學命題是否為真的通用方法。其實這里最關鍵的問題是：什么叫做“一系列有限的步驟”？

在沒有計算機的時代，人們對“一系列有限的步驟”的體會是模糊。現在大家都很清楚了，其實就是算法，是有讀寫、條件、循環、移動等組成的一個機械過程，對于“讀寫、條件、循環、移動”這幾個詞語還眼熟嗎？沒錯，在圖靈機組成中出現過，圖靈機就是這樣的一個假象的機器，第一次給“機械過程、一系列有限的步驟”一個確定的數學定義。

圖靈機的定義其實很簡單。包含4個部分：

一個無限長的存儲帶

一個讀寫頭，讀寫頭可以在存儲帶上左右移動

內部狀態存儲器

控制程序指令

從上一篇文章介紹的蟲子的舉例中，我們知道通過不同的指令，就可以實現不同的蟲子移動。實際上，通過精心設計不同的指令，我們可以用圖靈機打印斐波那契數列，圓周率等，實際上我們現在用電腦，手機進行文字、語音、視頻交互，看圖片，看電影等等這些所有的功能都是用圖靈機的方式實現的。

當然這些只是理想的圖靈機，因為現實中不存在無限長的存儲帶，更加圖靈的理論這樣的一臺裝置就能模擬人類所能進行的任何計算過程。是不是很神奇？我相信你肯定不相信，不過圖靈是經過嚴格的數學證明，下面我們來看看圖靈機的計算過程。

02

什么是智能（Think）？

圖靈在1950年寫過一篇論文《計算機器與智能》，有興趣的同學可以看下，英文版論文。

圖靈的這篇論文寫的太棒了，我們對人工智能的異議、擔心、誤解圖靈都已經想到了，后續筆者有時間會對該篇論文進行一次解讀。

所以，對于這篇論文，建議大家都去看下，筆者搜索到一版中文翻譯版。

在開篇的 “The Imitation Game”中，圖靈讓我們思考：“機器能否擁有智能？（Can machines think？）”這個問題。有趣的是，作為計算理論和人工智能領域的天才，圖靈成功定義了什么是計算機器（即圖靈機），但卻不能定義什么是智能（Think）,沒有辦法用機器或算法來準確定義。因此，圖靈設計了一個后人稱為圖靈測試的模擬游戲。圖靈測試的核心想法是要求計算機在沒有直接物理接觸的情況下接受人類的詢問，并盡可能把自己偽裝成人類。這個游戲有點類似殺人游戲，這個"模擬游戲"大概是這樣的：

游戲參與者包括一個男人，一個女人，以及一個任意性別的詢問者。

詢問者與另兩個人待在不同的房間里，并通過打字的方式與他們交流，以確保詢問者不能通過聲音和筆跡區分二者。

兩位被詢問者分別用 X 和 Y 表示，詢問者用C表示，詢問者C事先只知道 X 和 Y 中有且僅有一位女性，而詢問的目標是正確分辨 X 和 Y 中哪一位是女性。另一方面，兩位被詢問者X 和 Y 的目標都是試圖讓詢問者認為自己是女性。也就是說，男性被詢問者需要把自己偽裝成女性，而女性被詢問者需要努力自證。

現在我們問：如果我們把“模仿游戲”中的男性被詢問者換成計算機，結果會怎樣？相比人類男性，計算機能否使詢問者更容易產生誤判？”

智能行為與人類行為的關系

圖靈測試其實對人工智能的一種充分的等價性。

如上圖所示，“所有智能行為”對應的集合和“所有人類行為”對應的集合既有交集又互有不同。在全部智能行為中有一些是人類靠自身無法做到的（比如計算出國際象棋中白棋是否必勝），但人類也是有智能的，因此只要完成兩個集合的交集部分—就應該被認作是“擁有智能”的。另一方面，人類行為并不總是和智能相關。圖靈測試要求機器全面模擬“所有人類行為”，其中既包括了兩個集合的交集，也包括了人類的“非智能”行為。

因此圖靈測試是 “擁有智能”的一個有效的充分條件，也就是說，由于沒有辦法嚴格定義智能，圖靈把智能測試的范圍擴大了，即不一定要全部通過圖靈測試才算是真正的人工智能。

在圖靈看來，人的智能（不包含人的所有，比如皮膚，宮保雞丁和魚香肉絲哪個更好吃？）是可以用圖靈機來模擬的，因為人的智能是某種模式，即一系列機械步驟形成的。

03

現在人工智能AI的實現技術有哪些？

近幾年，人工智能AI是被提及的概念。阿爾法狗，蘋果的siri，google assistant，微軟小冰，百度大腦，無人駕駛，AI等等，都被冠以人工智能的概念，不說好像不好意思一樣。那么AI的實現技術有哪些呢？

1. 傳統的機器學習

傳統的機器學習是一種歸納法，主要思想是通過一些特征樣本，試圖從樣本中發現一些規律，提取特征值，然后把這些特征放到各種機器學習模型中，實現對新的數據和行為進行智能識別和預測。

這種實現方式的的理論基礎其實就是統計學，也是人類觀察世界，認識世界的一種方式。不過缺點是：需要人工整理好大量的、盡量覆蓋全的樣本，是無疑是一個巨大的工作。

2. 深度學習

傳統的機器學習是要輸入特征樣本，而深度學習是試圖從海量的數據中讓機器自動提取特征，深度學習也是一種機器學習，這種方式需要輸入海量的大數據，讓機器從中找到弱關聯關系，這種方式比傳統機器學習方式減少大量人工整理樣本的工作，識別準確率也提高了很多，讓人工智能在語音識別、自然語言處理、圖片識別等領域達到了可用的程度，是革命的進步。

深度學習實現方式源于多層神經網絡，把特征表示和學習合二為一，特點是放棄了可解釋性，尋找關聯性。簡單白話一下深度學習的工作原理：一個神經元就是一個分類器，神經元模型就是不停的分類，形成規模效率和網絡效率，最終高質量的特征值就奇妙的產生了。不過缺點是：神經元的參數調整依然高度依賴人的經驗。

3. 其他更好的人工智能技術？

現在很多網站要求輸入驗證碼來驗證登錄，這里的目的是防止機器人模擬登錄，比如12306要求你找出某一類物品，現在機器還不能很好的通過模式識別出來，但是人類可以。反過來來講，如果讓機器收集人類的這些驗證碼的識別結果，是否讓機器學會人類的識別模式？目前已經很多公司開始了以人工的人工智能方法。當然還有更多更好的方法在不斷探索中。

04

人工智能AI能取代人嗎？

2016年阿爾法狗戰勝圍棋世界冠軍，攻破了人類智力的引以為傲的最后一道防線，一年后，阿爾法狗升級版master戰勝了阿爾法狗第一版，并通過和自己不斷對弈，以人們不可想象的速度快速的進步，最后以全勝的絕對優勢打敗了世界排名第一的柯潔，甚至讓柯潔產生了無力感，至此人類圍棋棋手已經不可能戰勝以阿爾法狗為代表人工智能機器。

那么，人們不僅要問，人工智能會全面超過人類或取代人類嗎？

歡迎大家在文末留言和大家一起探討這個問題。