书名：写给青少年的人工智能 发展
ISBN：978-7-115-57923-2
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
著 核桃编程
责任编辑 吴晋瑜
人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
网址 http://www.ptpress.com.cn
读者服务热线：(010)81055410
反盗版热线：(010)81055315
这是一本写给青少年看的人工智能科普图书，目的是帮助小读者启蒙科学素养，开阔科学视野，培养科学思维，锻炼动手能力，让他们了解人工智能的过去、现在和未来，从而更好地融入人工智能时代。通过阅读本书，小读者不仅可以了解到“人工智能的工作方式”，还能一睹很多人工智能发展的过程和细节：科学家如何提出问题并想到绝妙的点子；技术如何从第一代逐渐演变到第N代；遭遇失败时科学家如何克服困难；等等。所有这些都旨在激发小读者的好奇心，帮助他们体会科学研究应具备的精神。
延续“写给青少年的人工智能”系列图书的风格，本书仍然用了大量形象的比喻，以贴近生活的案例作类比，把书中的抽象概念和难点以诙谐幽默的手绘插画形式诠释出来，力求让小读者读得懂、喜欢读。
本书从“模拟人类的思考方式”“模拟大脑的工作原理”和“模拟生物对环境的反应”这3个方向出发，代入科学家的研究思路，讲述了人工智能的三大主要流派“逻辑主义”“联结主义”和“行为主义”、人工智能发展过程中的重大事件、三种人工智能流派的核心思路以及相关科学家及其发明创造的故事，堪称人工智能的“历史放映机”。
内容总策划：曾鹏轩 王宇航
执 行 主 编：庄 淼 丁倩玮 陈佳红 孔熹峻
插 画 师：闫佩瑶 林方彪 黄昱鑫 王晶宇
小读者们，大家好！我是“核桃编程”的宇航老师。提到“人工智能”（AI）,你会想到什么呢？是能听懂你说话的智能音箱语音助手，还是能打败围棋世界冠军的 AlphaGo？是无人驾驶汽车，还是科幻电影里的超能机器人？相信你一定会浮想联翩，因为人工智能已经融入我们生活、学习的方方面面。
为了帮助小读者们启蒙科学素养，开阔科学视野，培养科学思维，锻炼动手能力，从而更好地融入人工智能时代，我们编写了“写给青少年的人工智能”系列科普图书。那么，为什么这些各不相同的东西都叫作“人工智能”？如果读过《写给青少年的人工智能 起源》一书，相信你已经有了答案。在那本书中，我们探讨了“什么是人工智能”，沿着人类使用工具的历史，回顾了原始工具以及人工智能的缘起——达特茅斯会议，并介绍了近几十年来人工智能领域重要的发明创造。
那么，科学家们又是怎样研究出人工智能产品的呢？本书会带你“进入”科学家的大脑，沿着他们研究问题的思路，去亲身经历人工智能发展的过程，并最终了解研究人工智能的思路：让机器学会推理，让机器掌握知识，让机器适应环境，等等。读完这本书，你一定会有一种恍然大悟的感觉：哇，原来科学家是这样思考的啊！
经过几十年的努力，科学家们“八仙过海，各显神通”，研究出了各种各样的人工智能产品，将人工智能技术应用到了生活、娱乐、商业、科研、医疗、农业等诸多领域。《写给青少年的人工智能 应用》一书选取人工智能在各行各业典型而有趣的应用案例，让你了解现在的人工智能到底“智能”到了什么程度、“智能”体现在哪些方面。
了解了人工智能的起源、发展和应用，你是不是已经跃跃欲试、想要参与其中了呢？别急，在《写给青少年的人工智能 实践》一书中，我们会带你动手试一试，引导你开发一些属于自己的人工智能程序，让你在实践中体会人工智能的奥妙。
最后，还要告诉你一件好玩儿的事。为了让小读者们读得懂、喜欢读，我们把人工智能科学中不好理解的名词和概念，尽可能地用形象的比喻或者贴近生活的类比加以解释，把抽象的知识点用风趣幽默的手绘插画加以诠释。插画中的这 些角色可都是“核桃世界”里的动漫明星噢，快去和他们打个招呼吧！
小读者们，希望你们能喜欢这套书，快翻开它，开启你的人工智能启蒙之旅吧！
核桃编程联合创始人
王宇航
[1] 尼克. 人工智能简史[M].北京：人民邮电出版社，2017.
[2] 赫伯特·西蒙. 认知：人行为背后的思维与智能[M].北京：中国人民大学出版社，2020.
[3] McCorduck Pamela. Machines Who Think [M] (2nd ed.). A. K. Peters，2004.
[4] Crevier Daniel. AI: The Tumultuous History of the Search for Artificial Intelligence[M]. London and New York: Basic Books，1993.
[5] 吴文俊. 走自己的路——吴文俊口述自传[M]. 长沙：湖南教育出版社，2015.
[6] Weizenbaum J. ELIZA——a computer program for the study of natural language communication between man and machine[J]. Commun. ACM，1996， 9： 36-45.
[7] Minsky M L. A framework for representing knowledge[J]. Artificial Intelligence Memo，1974，306.
[8] McCulloch W S, Pitts W. A logical calculus of the ideas immanent in nervous activity[J]. Bulletin of Mathematical Biology，1990，52： 99-115.
[9] Rosenblatt F. The perceptron: a probabilistic model for information storage and organization in the brain[J]. Psychological Review，1958，65（6）： 386-408.
[10] Hebb D O. The Organization of Behavior: A Neuropsychological Theory[M]. New York: John Wiley，1964.
[11] Minsky M L. Computation: Finite and Infinite Machines[M].Prentice-Hall，1967.
[12] Minsky M L，PapertS. Perceptrons：An Introduction to Computational Geometry[M]. Cambridge: MIT Press，1972.
[13] Werbos Paul J. The Roots of Backpropagation: From Ordered Derivatives to Neural Networks and Political Forecasting[M]. New York: John Wiley & Sons，1994.
[14] Hopfield J J.Neural networks and physical systems with emergent collective computational abilities[J]. Proceedings of the National Academy of Sciences of the United States of America，1982，79(8)：2554-8.
[15] Brooks R. Elephants don’t play chess[J]. Robotics Auton. Syst.，1990，6：3-15.
[16] 凯文·凯利. 失控：机器、社会与经济的新生物学[M]．东西文库，译. 北京：新星出版社，2010.
[17] Sutton R S，Barto A G. Reinforcement Learning: An Introduction[M]. London: MIT Press，2018.
在《写给青少年的人工智能 起源》一书中，我们介绍了什么是人类智能。人类智能就是人类运用自己在生活中获得的经验和知识，通过学习和认知等方式，获取新知识并解决问题的能力。
你通过一次次尝试学会骑自行车，你通过听课和练习掌握一门外语，科学家通过大量实验并运用所掌握的知识得出新的理论，饱读诗书的作家写出优美的文章……这些都是人类智能的体现。
那么，到底怎么做，才能让机器具备像人类一样的智能呢？大约70年前，科学家们就在思考这个问题了，他们想到了3种不同的方式：一种是让机器像人一样思考问题；一种是用机器模拟大脑；还有一种是让机器像人一样行动。
禾木：有了人工智能，冷冰冰的机器也能自己行动起来，这实在太神奇了！
桃子：这些机器在完成任务的时候也会思考吗？机器到底能不能思考？怎么才能让机器像人一样思考呢？
小核桃：好问题！要想研究机器能不能思考，我们必须先知道人是怎么思考的。你们知道自己思考时都在做什么吗？人类思考时做的事，机器是不是也能做呢？下面我们就一起看一看，当年发明人工智能的科学家们是怎么解决这些问题的。
这真是个奇怪的问题……思考不就是想事情嘛，还要怎么回答呢？
不如让我们先一起感受一下吧。现在问自己一个问题：“晚饭该吃什么呢？”你思考这个问题时，是不是听到脑海里有个声音在对自己说话？“吃包子？吃蛋炒饭？吃鸡腿？吃烤鸭？吃红烧肉？”哎呀，别说了，口水都要流出来了！咦，难道思考就是和脑海里的这个声音“对话”吗（图1-1）？
图1-1 思考就是和脑海里的声音“对话”吗
但是，细想一下，我们思考的过程也不一定都如此复杂。比如，我们饿着肚子回到家，恰好看到饭桌上有妈妈刚炖好的排骨，不用和脑海中的声音“对话”，就会急忙坐到饭桌前美餐一顿了！
看来“思考是什么”这个问题真的很难回答，而科学家们就喜欢挑战这种问题。对于“思考”这件事，他们有各种各样的想法。
有些科学家认为思考的本质是处理符号，比如我们在《写给青少年的人工智能 起源》一书里提到的人工智能奠基人：司马贺（赫伯特·亚历山大·西蒙，Herbert Alexander Simon，司马贺是他为自己起的中文名）和艾伦·纽厄尔（Allen Newell）。他们认为思考就是处理符号。
听到“符号”这个词，浮现在你脑海里的很可能是“@#
%……&*”之类的东西。其实，在司马贺和纽厄尔看来，符号不仅限于标点符号、数学符号，他们认为，万事万物皆为符号。“+”“-”“×”“÷”是符号，鸡腿、苹果、字母A、汽车、妈妈是符号，甚至一个动作、一种声音、一幅画、一种味道，同样也可以是符号。
只要我们可以把一种东西辨认、区分出来，就可以将其视为符号。
思考的过程就是对这些符号的操作。比如刚才的“吃排骨”，就是“排骨”这个符号“进入”我们的眼睛，“香味”这个符号“进入”我们的鼻子，让我们感觉到“饿”这个符号。这些符号汇聚到我们的大脑中，然后由大脑根据一定的规则进行处理，就有了“吃”这个符号（图1-2）。
图1-2 “吃排骨”也是对符号的操作
不过，有些关于思考的活动想变成符号有点难，比如“鸡腿好吃”要怎么变成符号呢？对此，纽厄尔和司马贺决定从最适合符号化的问题开始，那就是逻辑推理。
什么是逻辑呢？
外面下雨了，所以地面是湿的。
刚才雨下得很大，地面上积水较多，如果出门，鞋很可能会湿。
太阳下山了，天色变暗了。
对于上面这些例子，我们可以根据前半句的“因”得到后半句的“果”，或者说由前提得到结论。这是我们常用的一种思考方式。人们常说“这么思考是有逻辑的”，上述思考方式就是逻辑推理，更准确地说是逻辑推理的一种——演绎推理。
逻辑推理可以算是人类智能的一个典型代表了。
相传，最早研究逻辑的是古希腊时期的亚里士多德（Aristotle）。他认为，推理能力是人区别于其他生物的特质。也就是说，人能进行逻辑推理，而动物不能（图1-3）。
图1-3 狗不懂逻辑
从一个条件直接得出结论，亚里士多德将这样的过程称为直接推理，认为它是逻辑推理一种最基本的方式。
把直接推理组合起来，就可以得到另一种方式的推理，那就是亚里士多德提出的三段论，这也是演绎推理的一种基本方式。
三段论就是从两个前提或者已知条件中推出结论（图1-4），就像下面的语句这样。
鱼都会游泳，
金鱼是鱼。
所以金鱼会游泳。
图1-4 通过推理可以得出“金鱼会游泳”的结论
只要前两句话（前提）是正确的，我们得到的最后一句话（结论）就是正确的。
再举一个例子：
瓜都是甜的，
苦瓜是瓜。
所以苦瓜是甜的。
想想都知道，苦瓜怎么会是甜的呢？推理过程没问题，但是这个结论并不正确。这是因为，第一句话本身就是错误的，所以自然就不能得到正确的结论（图1-5）。
图1-5 “瓜都是甜的”这个前提不正确，得出的“苦瓜是甜的”这个结论就是错误的
虽然三段论看起来似乎有些呆板，但我们平时也会下意识地这样思考。当一块排骨掉到了地上，妈妈可能会说：“那块排骨掉到地上了，脏了，不能吃。”这其实就隐含了三段论，只不过我们对它进行了省略。如果补充完整，这句话应该是这样的：
掉到地上的东西是脏的，不能吃，
这块排骨是掉到地上的东西。
所以这块排骨是脏的，不能吃。
我们思考时，肯定不会这样一字一句地想，甚至不会像妈妈说的那样想，思考的过程只会在我们的脑海中一闪而过。司马贺认为，这个过程就是在操作符号。
只要我们把上面这些三段论总结一下，就可以发现它总是遵循一个特定的形式：
M（鱼）是P（会游泳）
S（金鱼）是M（鱼）
S（金鱼）是P（会游泳）
只要把鱼、游泳、金鱼、瓜、甜、苦瓜这些具体的符号用抽象的符号来代替，就可以表示更通用、更普遍的规则。在三段论中，只要按照第二句话把第一句话里的符号M换成符号S，我们不就得到结论了吗？这样，就把一个思考的过程变成了符号的操作，非常简单！
除了演绎推理，我们平时还会接触到其他类型的推理，例如归纳推理和溯因推理。
归纳推理就是从诸多现象中找出这类事物的共同点，例如，看到鲤鱼、鲨鱼、鲫鱼、草鱼和金鱼都生活在水里，而且都会游泳，我们就可以归纳出“鱼都是生活在水里，会游泳”这样的结论。
不过和演绎推理不同，即使条件都是正确的，运用归纳推理得出的结论也不一定正确。例如，我们根据麻雀会飞、老鹰会飞、天鹅会飞、啄木鸟会飞，归纳出“鸟都会飞”，但这个结论并不正确——企鹅和鸵鸟就不会飞（图1-6）。
图1-6 运用归纳推理得出的结论不一定正确
溯因推理看起来和演绎推理有些像，不过演绎是通过原因来推理出结果，而溯因推理是通过结果来推测出原因。比如，我们看到外面的地面湿了，就可以推测刚才下雨了。显然，这个结论并不一定正确（图1-7），因为除了下雨，还有可能是有人洒水了。
图1-7 运用溯因推理得到的结论不一定正确
虽然人类思考的本质可能是处理符号，但是看到一大堆符号，还是很让人头疼的。三段论只是简单的逻辑，而更复杂的逻辑写成符号可能会是下面这样的：
眼花缭乱了吧？哪怕只是换换符号，做起来也不简单啊！
不过，计算机不会头疼，更不会眼花。
计算机同样可以输入、输出、处理符号，而换符号这种事，即使再麻烦，计算机也能做得很好。所以，司马贺和纽厄尔认为，计算机通过操作符号就可以模拟人的思考，进而能够具有与人相当的智能。人类的逻辑推理又是很适合进行符号化，方便计算机进行操作的。由此，科学家们想到：“制造会思考的人工智能，可以从制造会逻辑推理的人工智能入手”。
顺着这条思路，人工智能的逻辑主义或者称为符号主义就此诞生了。
趣 闻
科学家是怎么想出那些奇妙的想法的
司马贺和纽厄尔都是最早研究人工智能的科学家之一。他们最初提出“思考是操作符号”这个想法的时候，“人工智能”这个名字甚至还没有出现。其实他们本来也不太喜欢“人工智能”这个名字，而是主张称之为“复杂信息处理”。
司马贺的灵感来自一台打印机。当时他在兰德公司进行学术休假（这是大学里的一种制度，可以给大学教授一段自由时间，让其不用考虑学校的繁杂工作，全身心投入自己想做的研究），看到一台打印机在打印地图。如今的打印机功能强大，所以人们对打印图片不以为奇，但在当时，这还是挺新奇的。计算机不是在计算数字，而是在控制打印机去排列地图上的符号！司马贺突然意识到，计算机能处理符号，而人的思考同样是在处理符号，那么计算机是不是可以模拟人类思考呢？
巧合的是，打印地图的程序正是由刚加入兰德公司的纽厄尔编写的。
当时，用计算机模拟人类思考只是一个初步的想法，并没有真正得到落实。不过在1954年的夏天，司马贺和纽厄尔在马奇空军基地参观演习时讨论了这个思路。
真正的突破发生在1954年11月，奥利弗·塞弗里奇（Oliver Selfridge)（我们在《写给青少年的人工智能 起源》一书中也提到过他，他也参加了达特茅斯会议）来到兰德公司分享他在模式匹配方面的工作。模式匹配就是通过辨认局部特征识别出整体的字母或者符号。比如，我们看到一个图形有3个尖角，就可以认出这是一个三角形；如果3个尖角中有两条边出了头，那可能就不是三角形，而是字母A了（图1-8）。
图1-8 通过辨认局部特征，我们可以认出整个图形
这仿佛一道光，驱散了纽厄尔脑海中的迷雾。他忽然意识到，该如何编写程序，从而用简单的过程组合成复杂的活动，甚至实现人类智能行为的模拟。“那改变了我的生活。我的意思是，那就是我开始研究人工智能的时机。这一切发生在1954年11月的一个下午。”纽厄尔后来这样说道，“我清楚地感觉到，这是一条全新的道路，是我可以一直走下去的道路！不是每次都能有这种感觉的！”
