科幻电影是人机与艺术融合的智能系统

对于智能，人们往往太强调理性的一面，而常常忽略了其感性的另一面，殊不知，这个世界却是由数和非数共同构成的。

  《星际穿越》是人类历史上科幻电影的集大成者，是一部堪称完美的科幻电影。这部电影非常踏实，和物理学以及其他学科都有着密切的关联。有人提出了这样一个问题：为什么科幻在美国、欧洲那么厉害？而在中国却那么不厉害？并以此为话题导入，进行今天的报告。

一、科幻的起源

    在人类的发展历程中，四大文明古国体现了人类文明发展的痕迹。欧洲则继承了最早的两个文明的本质性研究——对人和物之间关系的研究。美索不达米亚和古埃及是世界上最早的两个文明，距今六七千年前就已经存在了。它们主要研究衣食住行和正常的物质条件，后来传递到地中海，在欧洲衍生出了科学和技术，研究物、原子分子、人和物之间的相互作用等。科学和技术起源于欧洲，科幻在这些地区长盛不衰是有历史渊源的。   

  而美国是移民文化，它不但继承了欧洲的科学精神（人和物之间的关系），还融入了印度中东一带的神学（人和神之间的关系）。人和神之间的关系注入到他们的文化里，中华文明的人和人、人和环境之间的作用思想也部分地融入他们的文化里。所以美国的好莱坞成为科幻电影的发源地，而科幻根植于四大文明古国。   

    此外，值得注意的是，智能科学的发展起于欧洲，而智能技术发展于美国。科学和技术不一样，即1956年之后是技术，1956年之前是科学，如图灵测试（The Turing test）为后来的人工智能科学提供了开创性的构思。   

    什么是科幻？科幻就是把想象和现实的碎片连接在一起， 形成一种力量，或者形成一种情感性的爆发。  

    德国哲学家弗里德里希·威廉姆·约瑟夫·谢林 (Friedrich Wilhelm Joseph Schelling,1775—1854)曾说过：“以有限的形式表现出来的无限，就是美。”而智能是什么？智能也带有这个色彩——把无限的东西用有限的方式表征出来，就是智能。   

    关于对“智”的定义，有两个标志性的人物：一个是我国的孟子，一个是奥地利的路德维希·冯·米塞斯。   

    《孟子·告子上》提到：“是非之心，智也。”。奥地利经济学家、哲学家路德维希·冯·米塞斯（Ludwig von Mises，1881—1973）在所著的《人的行为：经济学论著》（Human Action: A Treatise on Economics）中提到：“知识的起点便是明确区分A与非A。”(图1)    

    东方文明和西方文明的区别在这两句话中就表征出来了。西方人讲理性、讲逻辑，东方人讲伦理、讲道德、讲感性。所以东方和西方在对智能的理解上有着很大差异。最根本的差异体现在2500年前，西方科学和哲学之祖泰勒斯曾经说过一句箴言：“Water is best”（水是最好的），这句话就是科学的起源，也是哲学的起源。水孕育了生命。而中国人讲到水，孔子和老子都曾说过“上善若水”、“逝者如斯夫”，这些道、德、伦、理性质的内容在很早的时候，东西方的思维差异就体现出来了。

二、大卫·休谟之问

    休谟之问，即所谓从“是”（being）能否推出“应该”（should），亦即“事 实”命题能否推导出“价值”命题。它是休谟在《人性论》中提出的一个著名问题。这个问题在西方近代哲学史上占有重要地位，在他之后许多著名哲学家纷纷介入，但终未有效破解。   

    休谟说过，很多因果关系是习惯和风俗造成的，而不是真正的推理、逻辑造成的。休谟之问，就是智能的起源。解决了这个问题，强人工智能和通用人工智能就会打通，就会出现科幻电影中出现的那种匪夷所思的机器人。现在所有机器的瓶颈都在智能上，而且在智能的软件和人的智能的模拟方面一直没有打通。而人是可以打通“being”和“should”的。   

  休谟之问的意思是从事实里推不出应该来。以清华大学校训为例：“天行健，君子必自强不息。”天行健，就是宇宙运行得非常强健，它和人的好与坏没有关系，那是客观事物，是being。一个人想成为一名君子，一个很有力量 的人，这是should，是主观的。客观和主观是割离的，这在休谟之问里推不出来的。但在中国知识体系中是可以推出来的，是可以类比、可以隐喻的，也可以从事实里推出价值观来。   

    我们一直在研究人机交互和人机融合智能。初步可以给大家做了这样一个区分：人机交互的本质是“共在”（脖子以下），即人的生理+机的物理；人机融合智能的未来是“共生”（脖子以上），即人的智慧+机的智能。值得注意的是，所有的机器智能，是把别人的智慧转变成程序或可程序化的事物，与使用者进行交流。   

    人机融合智能的本质就是把事实与价值统一起来，形成安全、高效、敏捷的信息处理机制。机处理事实，而人负责价值。所以，人机融合智能可以破解休谟之问——事实与价值的统一问题。   

    科技是Being，艺术是Should。Being与Should的结合就是休谟之问的融合，也是科学与艺术的融合，更是科幻的完美体现。《星球大战》就是一个很好的例子。

三、真正的智能发源处

    真正的智能起源不是从美国人那里，而是起于以下介绍的这批著名学者。       查尔斯·巴贝奇（Charles Babbage，1792—1871）是世界上做机械计算机（差分机）的第一人。当时英国人征战世界各地，需要航海。航海需要测算航迹曲线，然而总是算错，于是英国人想，能不能用一台机器来进行准确的航迹计算？当局者让巴贝奇来研制这个机器。他用机械、齿轮做成了一个计算机，做成之后，请来一位女士进行编程。这位女士就是大名鼎鼎的阿·洛芙莱斯（Ada Lovelace，1815—1852），第一个程序就命名为阿达程序，被公认为是第四代计算机语言的主要代表。  

 图2中这位叼着烟斗的人是伯特兰·罗素（Bertrand Russell，1872—1970），他是英国哲学家、数学家、逻辑学家，分析哲学的主要创始人。他有一名非常出色的学生——维特根斯坦（Ludwig Wittgenstein，1889—1951），他的理论及其所著的《逻辑哲学论》(图3)一书对世界产生了很大的

影响。该书的第一句话是：“世界是由事实构成的，而不是由事物构成的。”事实就是关系，事物就是属性。关系的形成是智能的形成，所有的智能就是产生关系。  

    提到维特根斯坦，还要提到他的一个学生，也是朋友——英国数学家、逻辑学家艾伦·麦席森·图灵（Alan Mathison Turing，1912—1954），被称为“计算机科学之父”“人工智能之父”。二人曾针对一个问题进行了讨论：数学是发明还是发现？图灵认为是发现，而维特根斯坦认为是发明。   

    大卫·马尔（David C. Marr，1945—1980）是计算机视觉的鼻祖。他写的《VISION》是计算机视觉的开山之作。同时，他也是一位神经系统学家与心理学家，被公认为计算神经学的创始人。他利用心理学、人工智能以及神经心理学的成果发展出视觉处理的新模型，提出分析的层次和视觉的阶段。  

    还有两位都是在剑桥大学学习的。一位是杰夫·辛顿（Geoff Hinton），AI领袖级人物，深度学习之父，曾在剑桥大学心理系学习，他发现一种可以使神经网络变得更好的方法，尤其是这种方法能够揭示大脑是如何工作的；另一位是戴密斯·哈萨比斯（Demis Hassabis），创业公司DeepMind创始人，是阿尔法Zero、阿尔法围棋之父，剑桥大学计算机系本科毕业，后到UCL研究大
脑，攻读硕士和博士学位。他认为大脑就是一堆神经元组织的，于是转而做游戏开发。他掌握先进的人工智能技术，帮助谷歌展开一场全新的人工智能革命。   

    这些人大部分都来自剑桥大学三一学院，智能的起源也在这里。刘教授认为，这批人对世界智能，尤其是对最底层哲学的思考非常深入，以至于后来影响了图灵，乃至整个世界。

四、人工智能的三大标志性成果——“得形忘意”      

1.深蓝（Deep Blue）    

    它是美国IBM公司生产的一台超级国际象棋电脑，机器当时装备了有关国际象棋冠军卡斯帕罗夫比赛的大量信息，比赛过程中，IBM工程师不断利用卡斯帕罗夫的下棋特点对深蓝进行启发式调整。后来禁止调整后，就只能以平棋告终。深蓝每秒2亿布，棋手的大脑每秒3步。   

2.沃森（Watson）    

    这台超级计算机储备了2亿页信息在内存上，共15PB信息，却不允许人浏览网页或配备数据库。对回答what、where、who问题占优，不能准确回答how或why方面的逻辑推理问题。   

3.阿尔法围棋（AlphaGo）    

    这是一款围棋人工智能程序，其主要工作原理是“深度学习”。但是，下棋知其然，而不知其所以然。多人围棋经验的物理符号系统形式化，可以预编程实现，暴力搜索+模式匹配，只能依葫芦画瓢，照猫画虎，不能临机决断，照猫画象。   

    再举两个著名的军事人机融合智能案例，也是美国最领先的两个人工智能系统——“深绿”和阿尔法。美国国防高级研究计划局（DARPA）研制了一套名为“深绿”系统，希望该系统在战斗行动中能够做“深蓝”计算机在国际象棋赛中所做的事情；2016年6月美国辛辛那提大学研发的人工智能程序阿尔法（ALPHA）在模拟空战中击落了人类飞行员——前空军上校Gene Lee。从以上实例可以看出，人机大战对于人工智能的发展意义很有限。虽然解决了围棋问题，并不代表类似技术可以解决其他问题，如自然语言理解、图像理解、推理、决策等问题依然存在，但不可否认，人机互动推动了科技进步，进一步激发了人类潜力，给现代社会带来了巨大的震动。

五、人机融合与科幻的未来

    人机融合智能主要研究如何在人、机器及系统之间实现最优智能匹配（人的智能+机器智能），涉及人机协同系统的整体设计及其优化等方面的研究，研究的目的是使整个人机环境系统更可靠、高效、敏捷。(图4)    

    人机融合智能未来的发展趋势将是主动推荐、交互学习、高效容错及混合决策。一切人类的学习都能建立一种范围不确定的隐性知识。这一点是机器做不到的。

   所有的科幻如果不接地气，不与科学结合，那么这种科幻将是虚无缥缈的，没有根基的。因此希望今后的科幻作品要邀请行内人参与。科幻从业者要始终 明确一点：科幻不是文学，而是科学+艺术。   

    在这里，我们来引入另一个概念——态势感知 ( Situation Awareness，简称 SA)。该概念最早在军事领域被提出，覆盖感知、理解和预测三个层次，并随着网络的兴起而升级为“网络态势感知（Cyberspace Situation Awareness，简 称 CSA）”，旨在大规模网络环境中对能够引起网络态势发生变化的安全要素进行获取、理解、显示以及最近发展趋势的顺延性预测，进而进行决策与行动。   

  所有的科幻都离不开三个阶段——信息的输入、信息的处理与信息的输出。第一阶段面临着物理性的数据和主观性的信息知识怎样融合的问题；第二阶段面临着基于公理的推理和基于非公理的推理怎样融合的问题；第三阶段面临着直觉的决策和逻辑的决策怎样融合的问题。这三个问题，都是科幻。未来的科幻发展主题主要有这些特征：1.信息表征；2.意图理解；3.主动推荐；4.自主学习；5.自然进化。   

    对于人工智能相关领域的发展态势，我们总结如下：传统人工智能——已有游戏规则，是我们的必争之地，需要“数学”+特定领域的支持；人机交互领域——正在形成规则，需要“自动化”+“人工智能”领域的支 持；人机融合智能领域——没有游戏规则，需要人的智慧+“人工智能”来完成。   

    科幻的创作过程，是理性与感性相结合的过程。理性很难创造，感性很难精确。要运用理性创造一个新的颠覆性的事物非常困难，而感性很容易做到。为什么？因为感性能够把表面上无关的事物关联起来，但理性很难做到这一点。对人而言，科幻电影是延伸自我的一种工具，同时也是认知自我的一种手段。   

  人机融合的未来非常值得期待，毕竟人在发明机器、创作科幻电影的同时，也在发现自己。而爱，是这之中永恒的主题。如果没有爱的概念，人机之间、人和世界之间就失去了所有的意义和价值。

本文摘自第十四届长春电影节首届“蓝星球”科幻电影论坛报告   

智慧和信任都是一个半情半理的事物

严谨一点说，算法应包括计算的算法（数学性/理性的算法，即客观性的规则/概率）和算计的算法（谋略性/感性的算法，即非客观的规则/概率）两种，一般常常不自觉地会用计算的算法代替算法，这应该是片面的，因为它漏掉了更重要的算计性算法。

一般而言，显性的状态参数可以用计算性算法表示，隐性的趋势管控可以用算计性算法表征，两者结合才能产生有“态”有“势”的感知、认知与洞察。

twhlw

本文来源：人机与认知实验室