AlphaGo的胜利对人工智能中“逻辑主义学派”的影响研究*

赵奥佩

(贵州大学哲学与社会发展学院，贵州 贵阳 550000)

AlphaGo是Google旗下DeepMind公司的一款围棋软件，自第一代产品发布以来，已经有4个版本了，如下表：

表1 AlphaGo各个版本对比表

一、AlphaGo的胜利对“人工智能”的影响

AlphaGo之所以能够一战而红并且在全球范围内又一次掀起“人工智能”的研究浪潮，是因为用计算机模拟的围棋的难度太高了。计算机是将可能出现的情况全部列举，但围棋拥有黑、白、空三种状态，在一般19×19的棋盘上出现的可能的数量为3361≈10172，这个数量远大于宇宙中的原子数量1080。1998年IBM的“深蓝”计算机在国际象棋上打败了当时人类排名第一的卡斯帕罗，之后人们热议：“计算机是否能在围棋上击败人类？”。在经过一番的论证和实验之后，得出了一致的答案：计算机无法在围棋领域打败人类职业选手。这个论点直接宣判了“人工智能”再次进入寒冬，直到2013年的一些讨论“人工智能”的著作上依然坚持这个观点。

2015年2月26日NATURE杂志刊登了googleDeepMind团队19人署名的文章Human-levelcontrolthroughdeepreinforcementlearning[1]。同年10月战胜三界欧洲围棋冠军樊麾，次年同李世石对战之后才被大家所广泛认知。为什么第一次战胜围棋职业棋手没有引起大家的关注？为什么在战胜世界冠军之后才被大家注意？又为什么要三次挑战人类职业棋手？

在第一次战胜人类职业棋手后，由于两个原因致使没有引起大家的广泛关注：第一，“在围棋领域机器不可能战胜人类”的这个固有观念根深蒂固，使得大家认为这仅仅是一个偶然事件，当然这也同樊麾的排名不高有一定关系。第二，媒体几乎没有宣传。DeepMind在NATURE上发表这篇文章本就是一波三折，虽然引起了学术界的关注，但终究没有实际成果的冲击力，这使得媒体的曝光程度不够。纵然战胜了欧洲冠军棋手，但无法得到更高层次的围棋界的认可，依然是不被大家看好的。为此，Google公司策划了同李世石的五番棋，并博得了围棋界和学术界的高度关注。但是这次挑战未能改变固有观念，虽然博得了关注度，却未得到认可。这就是为第三次的人机对战埋下了伏笔。2017年5月在浙江乌镇上，AlphaGo分别以个人战和团队战同人类职业棋手对弈并取得胜利。至此，围棋界认可了AlphaGo，学术界也承认了“机器可以在围棋领域战胜人类”。

AlphaGo的胜利对“人工智能”有三个方面的影响：一、打破了“机器不可能在围棋领域战胜人类”的论断，最终实现了“人工智能”在前期定下的这个目标。二、AlphaGo背后的“深度学习”技术，使人们产生了对实现“强人工智能”的无限遐想。特别是AlphaGoZero[2]版本实现了仅仅依靠围棋规则进行自主学习。三、这次胜利给“人工智能”研究注入了一剂强心剂。中国、美国、英国、日本纷纷将“人工智能”列入国家战略，与此同时互联网巨头公司微软、苹果、亚马逊、百度、腾讯、阿里巴巴等纷纷成立自己的AI实验室，“人工智能”的春天已然到来。

二、AlphaGo的胜利加速促进了“逻辑主义学派”的发展

为什么“人工智能”有学派之说？

我们可以绕过这个问题去谈AlphaGo、神经网络、深度学习等相关的“人工智能”技术，但不能谈“人工智能”、“逻辑主义”、“连接主义”等等。这是因为前者属于技术层面，后者属于认知层面。翻阅世面上的几乎所有关于“人工智能”的书籍，必绕不开谈人工智能的三大学派——逻辑主义学派、连接主义学派、行为主义学派。为什么？因为目前为止在学界尚未形成统一的、明确的关于“人工智能”的定义。在60年的发展历程中，他们秉持自己对“人工智能”的特有理解并付诸实践，进而形成了相对独立的研究方法和理论。这其中产生较大影响的便是以上三个学派，如下表：

表2 人工智能三大学派汇总表[3]

AlphaGoZero的横空出世基本宣告了以控制论为倾向的“行为主义”开始脱离“人工智能”阵营，转而向“机器人学”靠近。这是因为：Zero仅仅依靠围棋规则，不需要人类棋谱而进行自主学习，自我博弈，这在一定程度上可以说是脱离了人的控制。从中我们看出，那么多的学派逐渐脱离的原因不是自身的落后，而是因为技术的进步在不断修正着“人工智能”的概念和适用范围。

AlphaGo Zero对阵上一个版本AlphaGo Master的胜利，促进了“人工智能”概念进一步明确。加之“行为主义”自身的快速发展，它已经完全偏向于“机器人学了”。而“连接主义”所依靠的“神经网络”是模仿动物的神经网络而建立的数学模型，如果把计算机用于计算和储存的硬件换成细胞，那么这种事物可否称之为“人工生命”吗？“连接主义”的发展倾向，目前为止还不能预测，但有一点可以肯定：媒体大肆渲染深度学习和神经网络，导致了现有“人工智能”技术被无限放大。由此可以预见：“人工智能的发展将会再次坠入谷底”。

“人工智能”这个术语就是由“逻辑主义学派”提出的。逻辑主义学派为“人工智能”的前期发展做出了卓越的贡献：数理逻辑用于描述智能，一阶逻辑用于知识表示等等。但是随着上世纪80年代“第六代计算机”研制失败，这个传统学派便失去了往日的活力。之所以“逻辑主义学派”发展停滞，是因为有太多的问题产生，而这些问题又恰恰无法解答。这些问题涉及到更加基本的“认知”和更加庞大的数据处理。

这些问题也许在那个时代无法得到有效的解决，但现在的时代出现了可以解决的途径——认知科学和数据挖掘。AlphaGo技术运用之一就是数据挖掘，可以有效的处理大量的数据。认知科学本身就是一门庞杂的学科，人工智能本身也作为了它的支撑学科。那么认知科学的成果就可以拿来运用到“人工智能”上。清华大学教授、智能技术与系统国家重点实验室常务副主任孙富春在2017年5月18日SRSUMMIT2017第五届(北京)国际服务机器人核心技术级渠道应用大会发表的主题演讲“认知时代的人工智能与机器人”中讲到：“认知时代的人工智能与机器人依赖于脑科学、生命科学和心理学等学科的发现。不同于人工智能发展的前两个阶段，主要借鉴其他科学的基础，基于认知科学的人工智能，是基于认知科学的发现独立建立的，这为人工智能作为一个独立学科奠定了基础”。

“逻辑主义”同“连接主义”并不是对立，而是相辅相成。AlphaGo的许多技术可以弥补“逻辑主义”中难以解决的问题，这为传统逻辑主义向新生代逻辑主义的转变提供了道路。与此同时，在“人工智能”高速发展的时代背景下，结合认知科学，进一步理清和建立统一的“人工智能”定义，并促进“人工智能”成为独立学科。

三、新一代人工智能基础理论框架初探

“人工智能”发展至今已经不是计算机科学这一门学科的独角戏了，还包括了：哲学、逻辑学、语言学、神经科学、脑科学、控制论。“新一代”应该包含两层含义：第一，汲取其他学科的成果和理论为“人工智能”所用；第二，形成“人工智能”独立的学科体系。其中第二条是重中之重，这直接决定了“人工智能”能否从一个争议领域转变为一个系统科学。参考认知科学的六角形学科框架与人工智能“逻辑主义学派”的认知观，新一代人工智能基础理论框架的核心基础学科应该是“哲学”和“逻辑学”。

“人工智能”与逻辑学的关系自不必多言。熟知1956年达特茅斯的会议便会知道“人工智能”这个词汇便是一群逻辑学家提出的。被尊为“人工智能之父”的图灵，同样是逻辑学家。这就表明了在目前的理论之下，逻辑同智能的关联是多么的紧密，以至于“逻辑主义”一直是“人工智能”的主流学派。技术层面上的NPL与知识表示的基础便是逻辑语义学和一阶逻辑。

“人工智能”同哲学的关系更是紧密。“在科学家族中，没有一门学科比AI与哲学的关系更密切。科学从哲学母体中分离而出之后，仅在认识论层次上与哲学保有联系，然而AI却在其学科内部与哲学难解难分，难怪斯坦福大学计算机教授要为计算机系的学生讲授海德格尔”。[4]“人工智能”61年的发展历程中走走停停很大程度“只是因为对哲学家昔日的失败一无所知，才得以维持”。[5]

AI、哲学、逻辑学应该构成新一代人工智能基础理论框架的核心。首先这三个学科都是西方流传进来了，暂且搁置“中国是否有哲学？”“中国是否是逻辑？”等问题，毫无疑问的讲这三个词汇是西方发明创造的：Artificial Intelligence，Philosophy，Logic。“新一代”便要在他们的基础之上加入我们特有的东西，构成新的基础理论。21世纪是综合的时代，而我国的传统思想便是综合的看待问题。运用中国道家的简易太极图来阐释这三者之间的关系在合适不过，如图1所示。

图1

黑色的部分代表Philosophy，白色的部分代表AI，中间的分界线代表Logic。这样的表示可以清楚的阐释Philosopher同AI学科间的内部关联：一，“哲学要同AI联手”；二，从哲学角度看AI，可以解决一些AI的问题，从AI角度看哲学，也可以解决哲学的一些问题。而作为分界线的Logic正是突破“智能”的极限问题。关于这张图的解释还可以进行深度的挖掘，例如：若黑色代表“强人工智能”，白色代表“弱人工智能”，那么两者的边线极限是什么？若黑色是代表“有机物的最高智能体”，白色代表“无机物的最高智能体”，那么两者的边线极限是什么？

这仅仅是套用中国传统文化思想进行阐释的一个事例，是建立新一代人工智能基础理论框架的初探而已，这里面究竟要如何进行挖掘依然需要进一步的研究和论证。

四、结语

由AlphaGo的胜利带来的影响，促使“人工智能”这门学科进入到了高速发展的局面，从各大科技巨头公司到国家层面都将“人工智能”视为下一个高新技术的争夺点。在这种大环境之下，传统的人工智能“逻辑主义学派”受到强烈的冲击，人工智能学派开始呈现融合共进的趋势。由此带动的“新一代人工智能基础理论框架”呼之欲出，结合中国传统“综合统一”的思想，如何构建成为首先要解决的问题之一。人工智能、哲学、逻辑学以太极图的表示是一种积极的尝试，这样的尝试是否可行、是否正确、是否可以进一步的挖掘都有待论证。总而言之，人工智能的春天已然到来，相信在21世纪的大背景之下这个领域能够给我们带来跟多的惊喜。

[1]GoogleDeepMind.Human-level control through deep reinforcement learning[J].NATURE，2015.2.26.P529.

[2]GoogleDeepMind.Mastering the game of Go without human Knowledge[J].NATURE，2017.10.19.P354.

[3]蔡自兴.人工智能机器应用(第三版)[M].清华大学出版社，2003，9：8.

[4][英]玛格丽特·博登，刘西瑞，王汉琦，译.人工智能哲学[M].上海译文出版社，2001，11：3.

[5][英]玛格丽特·博登，刘西瑞，王汉琦，译.人工智能哲学[M].上海译文出版社，2001，11：4.