唐 宁 安 玮 徐昊骙 周吉帆 高 涛 沈模卫

    (浙江大学心理与行为科学系，杭州 310028)

    自AlphaGo在2016年3月以4∶1的比分击败围棋大师李世石以来，人工智能的发展获得了空前广泛的关注。作为哲学、数学、心理学、神经科学和计算机科学等学科的交叉领域，人工智能虽已取得了令人瞩目的进步，但与通用智能的目标还相距甚远。在关于实现何种智能体，以及如何实现它等核心问题上，研究者们尚存较大分歧。如果无法解决这些关乎人工智能发展方向的问题，那么其进程仍将举步维艰。

    在2017年12月初刚结束的人工智能领域重要会议——神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems，简称NIPS)上，一场有关实现智能的途径的专题讨论(Symposium：Kinds of Intelligence)颇为引人关注(机器之心，2017)。其间Deepmind的首席执行官Hassabis介绍了最近大放异彩的棋类竞赛程序AlphaZero。借助深度学习和强化学习技术，AlphaZero在不利用任何人类已有棋谱的条件下，通过大量的自我对弈，在国际象棋、围棋和将棋竞赛中均完胜人类和其他棋类程序。AlphaZero那从零开始学习从而形成的强大能力令人赞叹，许多与会者觉得它距通用人工智能的目标又前进了一步，然而Tenenbaum、Marcus和Gopnik等学者却对此提出了不同见解。Tenenbaum认为智能并不仅是利用一些确定的公式或程序进行计算，还应该包括实现自身对世界的理解，并有能力为完成目标提出和解决问题。构造这样的智能系统，首先需要建立一个具备常识的“智慧”核心。该核心并不像AlphaZero那样需要大量的学习，便可“直觉”地理解世界的运作模式。Marus则指出AlphaZero只适用于“完美信息”的博弈，不具备通用智能。因为棋局可以“完美地”进行模拟，而现实生活却充满了不确定性；棋局可以通过海量数据的学习或训练找到最优解，而现实中的每个事件通常难以获取大量的重复样本。因此实现与开放世界的有效交互，先验的算法和知识是必备的，这也是AlphaZero难以应对现实世界的关键所在。此外，他还指出，就AlphaZero本身而言，也并非完全的“零知识”，即它在自我博弈时所用到的蒙特卡洛树搜索方法就源于人类认知研究的启发。

    “人工智能是否需要与生俱来的认知能力”是这场专题讨论中所关注的关键问题之一。该问题在2017年10月纽约大学的研讨中曾进行过深入探讨(IEEE spectrum ......