《在盒子里思考》11位人工智能科学家的探索与发现（ARTIFICIAL INTELLIGENCE MIRRORS FOR THE MIND)——读书笔记

前文待完善未完待续（从2018/11/6 18：48开始记笔记）

1. 在盒子里思考——Alan Newell & Herbert Simon 探索人类推理与决策奥妙

 Alan Newell :" 其实我们研究的科学问题并不是由自己决定的，换句话说， 是科学问题选择了我， 而不是我选择了它们。在进行科学研究时，我习惯于钻研一个特定的问题，人们通常把它叫做人类思维的本质。在我的整个科学研究生涯中，我都在对这个问题进行探索，而且还将一直探索下去，直到生命的尽头。"

             NOTE:读了Alan说的这句话，我只觉着，伟大的优秀的科学研究者们虽然研究方向不同，但他们都有着一种天然的使命感，他们的目的都是殊途同归的，那就是通过研究，寻求真理，一直一直探索下去，直到生命尽头，这就是伟大的他们的生命的大部分意义所在吧，这也是我所向往的。

            Alan，Herbert 还有数学家Clifford Shaw合作，为人工智能领域的早期发展做出了重大贡献，他们的研究结果表明： 机器是可以使用逻辑规则进行推理，并作出合理决策和组织行为的。
              

一个充满创造力的聪明头脑

Newell 出生于美国加利福尼亚旧金山，他的父亲任教于斯坦福医学院，是一位享有盛誉的放射学教授，他父亲的广博学识给Newell从小就树立了好榜样，起到良好的激励与促进作用。Newell曾参过美国海军，退伍后被斯坦福大学录取，主修物理学，在斯坦福就学期间，他曾选修过数学家George Polya开设的课程， 而George正在研究探视学或者说就是解决问题时的应用性方法，这门课对Newell之后所使用的人工智能研究方法产生了重要的影响。

寻找有趣的研究课题 

冷战时期，Newell那时还是斯坦福的研究生，但是已在RAND公司开始了研究工作，他在那儿第一次接触到博弈理论，即主要研究人们在竞争状态下如何进行决策和利益分配等问题。与此同时，他对后勤学也产生了浓厚兴趣（很多人说，只有军事爱好者才研究战略战术问题，而真正的军事专家都在研究军事后勤学）。

模拟组织 

在一个公司和政府机构规模日益膨胀的时代，人们越来越迫切地需要一种现今的组织管理技术，可以使组织机构更加高效有序地进行运作，Newell对此产生兴趣并且开始设计实验，这个尝试被纳入RAND公司系统研究实验室的一个空军项目，在这段经历中，Newell意识到 想要深入探究像组织这样的复杂系统，那么必须开发出更加高级的计算机对研究进行辅助。

思想者的会面 

Newell见到了Herbert，他们开始合作，Simon也是一个头脑相当聪明的人。 

 Simon确定了他的研究方向

Simon的研究生涯的努力方向:探索决策行为的奥妙，而且研究对象不只局限于人类，也可以是计算机 

Simon和Newell的开放性棋局 

Newell对计算机模拟和建模等技术具有深刻理解，同时也有巨大热情，可为Simon的组织研究提供工具；另一方面，Simon已对人类思维有了独到见解，认为人类思维可以被看作是一种信息处理设备，他的拍档会设计和编程，因此可将他的研究理念转化为现实。 

 NOTE:看了这一句,人类思维可以被看做是一种信息处理设备，这个见解感觉可以看作是一种实现人工智能的方式：那就是信息数据处理再加上决策和组织。

从下棋程序来看，一开始，以Turning为代表的研究者研究思路集中在要对每一步都进行严格分析，而且还要计算出在当前棋子移动后接下来 所有 可能的走法。 而Newell试图从一个全新角度看待这个问题，模拟现实生活中的棋手，寻找"足够好“，而非”最好“走法，而且在下棋的同时计算和评价整盘棋的短期目标和长期目标。（他后来编写的下棋程序NSS，虽然战绩不出色，但是，具有的许多他所设想的能力，成功运用了自动化问题解决技术，这正是对人工智能研究至关重要的。）1997，深蓝战胜了盖瑞，比Newell的预言迟了30年。

一台富有逻辑的机器 

 成功开发了NSS以后，至少它知道了如何下棋，Newell，Simon及Shaw进一步将他们的研究想法和方法推广到其他研究领域，他们选择了开发能够自动证明数学命题的智能程序，一个是几何证明领域，一个是《数学原理》中的逻辑证明题。Newell和Simon亲自开发一种编程语言IPL，在这种信息处理语言的帮助下，复杂的人工智能程序显得不是那么遥不可及了。后来，他们编写了LTM的智能程序能够用来证明数学命题。在实验中，他们发现这个程序不仅可以还原书上的证明过程，还可以创新。

Simon在与读者的交流中说到：在不远的将来，它们能够解决的问题肯定会和人类所能解决的问题一样多。

然而并不所有人都接受Simon的论断。

通用问题求解机 

Newell，Simon和Shaw合作的论文《人类问题解决理论的要素》说，人类的思考过程可以看成是由一系列”程序“构成的复杂程序，与通常在计算机模拟出来的那些运算的过程是非常相似的。

NOTE:我觉得如果人的思考过程看成是程序构成的复杂程序的话太单纯了，人类的思考会受各种因素的影响，环境，身体，心理等等，而程序受到的影响就很单一了。

Newell后来又和伙伴开发了一种"更能干”的程序，GPS，这种程序设置了不同类型的问题情境，并由一系列算子对这些情景的要素进行操作，同时程序中还有一些专门的规则将算子和特定类型的问题加以联系，后来，研究者进一步对这种程序加以完善，那就是它们可以通过学习和适应发现新的算子并用它解决适当的问题。
 

扩展人工智能的研究 

在整个20世纪60-70年代，Newell和Simon致力于更加深入研究一个“知识结构”的基础问题，那就是怎样使用让程序可以以理解的方式来对信息进行表征。Newell编写的Merlin程序让他失望，无法按照他所设想的方式工作。Newell和Simon在1972年出版的合著的《人类问题解决研究》里，为人类用语言交流和阐述知识的有关研究设计了一种易于理解的研究技术，从而为费根等人在20世纪80年代研制开发的专家系统奠定了良好的基础。Newell还曾尝试开发一种叫做人类处理器模型的人类认知心理学模拟器。从20世纪70年代早期开始，Newell对ARPANet系统产生浓厚研究兴趣，这个系统后来发展成为互联网。20世纪80年代，他还未卡内基梅隆大学的计算机科学系的发展和学科建设做出了贡献还在安德鲁——校园计算机系统的创建中发挥很大作用。 

思维的通用理论 

最终，Newell将他和其他研究者创立的各种认知模型（人类与计算机）有机结合起来，这种研究方法的核心理念是 认为智能作为一种高级的信息处理过程，可以通过操纵”物理符号系统“来加以解释。

Newell开发的最后一种问题解决程序叫做SOAR，这个程序 所使用的技术包括将问题的各要素进行组块式分解后进行研究，以及将问题分解成次级问题和次级目标后再加以解决。这个项目直到今天，人们还在继续着这项研究。就像他的座右铭”选择一个比自己更有生命力的研究课题“。

不求最好，只求更好 

Simon研究方向转战经济学领域。1976年出版的《管理行为》一书中，Simon对经济学和组织中决策行为的全新理解和研究方法最终为他赢得1978年的诺贝尔经济学奖。

他曾这样阐述如何从事多学科研究：”作为一名科学家，我一直再从事着科学研究，但是我并没有局限在某一个学科里进行研究。我在科学迷宫里徜徉，但是这些迷宫彼此有些独立，并没有练成一个整体，我也并不奢望将所有的研究内容整合成一个有机的整体。在从事对学科研究的过程中难免会出现错位的情况，但对我来说，只要能够认真对待所涉及的每一个研究领域，做到问心无愧，并最终获得大家的肯定，就已经足够了。“ 

NOTE：一个科学家进行科学研究并非只能在专一的某个领域研究，跨领域可能成就，贡献更大。

丰富的遗赠 

Newell于1992年7月19日去世。他生前共出版了10本著作，发表了250多篇论文，获得很多荣誉。1975年，因为在人工智能领域的突出贡献，获得美国计算机协会颁发的图灵奖（与Simon一起），并且在美国人工智能协会的资助下，美国计算机协会还设立了Newell奖金，。在去世前一个月，还获得了美国总统亲自颁发的美国国家科学奖章（与Simon）。 

Simon2001年2月9日去世。

Newell与Simon合作整整40年，他们的研究结果第一次向人们清楚地表明：计算机程序可以模拟推理过程和智能行为——至少可以模拟其中的几个方面，同时，他们还一同创建了有关人类认知和问题解决方面的许多理论。

2.我和我的表处理语言——John McCarthy为人工智能研究开发出了得力的工具 

John开发的表处理语言list-processing language(Lisp)

开拓的源泉

McCarthy于1927年9月4日出生于美国马萨诸塞州的波士顿，他的父亲是一名爱尔兰移民，母亲是一位从立陶宛移民来的犹太人，他们俩都是美国共产党人。McCarthy在中学读书的时候对数学产生了浓厚的兴趣，1944年被加州理工学院录取，立刻申请进入大学三年级学习并获得批准，中间曾被征召入伍，退伍后于1948年拿到学士学位。

一台可能的机器

大学毕业后的一个偶然机会，McCarthy遇上伟大数学家和计算机科学家John von Neumann的名为“自动操作下的自我复制"的报告，这种能具有自我复制能力的机器深深吸引了McCarthy，开始思索这种机器是否能最终具有像人类一样的智能呢？

我认为具有有限的自动化特点的智能物质应该是与具有有限的自动化特点的环境联系起来的。McCarthy对自己的这个想法并不满意。

有限自动机：这种机器具有一些固定数量的状态，这些状态又与特定的规则相联系，这些规则指示着机器不同状态间的转换。例如：交通指示灯是简单化的”有限自动机“，一个交通驾驶员是复杂化的”有限自动机“。

没过多久，McCarthy意识到自动化模型并不能准确地用来描述人类或机器智能。

达特茅斯和人工智能的诞生

McCarthy在达特茅斯召开了一次大规模的会议，希望通过这个会议汇聚当时分布在全球各地的计算机智能研究者，好让他们能交流研究想法和成果。于是，他为这次会议取了名字”人工智能“，并为此困扰了一段时间，因为在他看来，这是一个全新的科技领域，乍一看，两个没啥关联的词语，”人工“制造的机器给人的感觉是冷冰冰机械化的，”智能“又让人感觉是那样的灵活难以捉摸，似乎是属于人类和一些高等动物的专有名词，但是还有什么说法能比”人工智能“这个看起来有点自相矛盾的词更好地概括这个令人惊异地全新领域呢？

McCarthy在洛克菲勒基金会地赞助下成功召开了此次会议。大会中的研究目标是令人振奋的，根据会议提议，研究者们在今后应当”沿着之前的信念继续钻研下去：那就是，人类智能的各种特点和学习的各个方面都能够在机器中得以体现，人们有能力将这种推测转化为现实“。

NOTE:这可能就是真正的人工智能的含义了吧，在读到此篇之前，对人工智能的含义还是模糊不清的，此时，有了个大概的图像。人类的各种特点是什么，学习的各个方面又具体指什么？这是我迫切想要和需要知道的。

McCarthy在编写国际象棋的程序中发明了一种方法，让他的程序能在棋局的特点时间去探明所有可能的走法，这样一来，它就可以立刻抛弃那些有可能使形势变坏的走法，这种名为”α-β搜索法“的方法日后成为计算机游戏程序指令系统的一个固定组成成分。

1997年，IBM公司研发的深蓝智能程序打败了世界国际象棋棋王盖瑞·卡斯帕罗夫，然而对McCarthy及许多人工智能研究者来说，在研制下棋软件过程中，研究方法上的突破远比在比赛中胜利来的重要。

在斯坦福的个人网页中，他痛惜地写道：对下棋软件的研究本来是为科学研究服务的，但是不的是，棋类运动本身的巨大影响力和商业价值使得人们对于计算机下棋的兴趣远远超过了对其具有的科学意义的关注。就好像是遗传学家们终于在1910年培育出了可以进行飞行比赛的果蝇，在这之后他们就把重点转向怎样能够使这些果蝇在比赛中取得胜利一样。这种现象无疑是非常可笑的。

NOTE:在读到这之前，我也是一直以为alphago的研究意义在于打败人类，在国际象棋领域打败人类，此时才如醍醐灌顶，原来人工智能的研究意义是让人类智能和学习能力在机器中的到体现，而alphago只是一个用来体现的工具，它是否能击败李世石不重要，重要的是研究机器实现人工智能的方法有无突破有无进步。

表处理语言

当时广泛使用的计算机语言并不能胜任诸如复杂逻辑关系的表征和操作这些复杂的任务。

1956年，John Backus 和他在IBM公司领导的研究队伍开发了  FORTRAN (取自英文单词：程式 和 转移）。

这种语言可以编写数学表达式，在日后被广泛用于科学和工程等编程领域，至少风靡两代程序师。

为什么表处理语言能够受到人工智能研究者的拥护呢？

最重要的一点就是它既是一种通用语言，又具有很大的灵活性，几乎能够表征和构建所有想要的结构。

NOTE:从书上的图表中看到的所谓”具有灵活性的表格“其实就类似链表（链式存储结构），灵活增删。

制定合适的问题

McCarthy为尚处于幼年期的人工智能团队贡献了表处理语言这个得力的研究工具，但是，他认为自己并不是为了创造为创造，而是为了使用创造出的这种表处理语言进行开创性的研究，这样才能体现出这种语言的价值。

他曾发表一篇名叫”具有常识性的程序“的论文，构想了一种全新的智能程序，这种程序又足够大的数据库，可以容纳各种知识以及知识之间的相互关系，而且它可以高效地进行演绎工作。他这样地构想被强烈地批评。McCarthy后来意识到：当我们想要计算机从经验中进行学习时，我们需要教给它方法论，而不是告诉它一些单纯的事实。

许多人工智能领域的开拓者都面临这样的挑战，即怎样用计算机可以理解的方式编写程序才能让这些程序能够像人类一样具有由一般推知特殊的高级推理能力。

McCarthy相信，一种高效的程序不但能保证正确地使用框架去拟定适当的计划，同时也能够将那些看起来与规则有些出入的实际情况进行合理的组织编排（他将这个原则称为界限，它可以反映人们在日常生活中进行合理设想以便实现目标的行为）。

McCarthy也参与到另一种编程语言——ALGOL的开发工作中，这种语言对现代广泛应用的程序语言——C语言产生了重要的影响。

McCarthy在2003年发表的文章《计算机科学在今后49年中可能出现的问题和发展规划》中指出，与现代流行的计算机语言如c++和Java相比，表处理语言以及其相应的程序使用工具仍然具有许多独特的优点。表处理语言的表达形式更加易于解析，而且通过观察自己的运行情况和运行环境，表处理语言编写的程序还能够对自身的结构进行修订。

McCarthy还提出一个有趣的建议：程序和使用者可以进行语言交流，比如说通过互相提出我问题和要求，甚至彼此间做出承诺。这种更加生活化的计算机语言不但有利于增强计算机和使用者之间的沟通交流，而且有利于开发高效的”助手“程序或设备。

 成果和荣誉

在20世纪70年代，人工智能领域的研究主要分布在MIT（由Marvin Lee Minsky领导），卡内基梅隆大学（由Newell和Simon领导）以及McCarthy领导的斯坦福大学等研究队伍中进行的。

然而，McCarthy对于人工智能领域中缺乏沟通交流和合作的现象有着深深担忧。

McCarthy还拥有丰富多彩的休闲娱乐生活，他喜欢攀登高峰，驾驶飞机，甚至蹦极和跳伞。

最近几年，他明确地感受到计算机技术应当用于促进民主和个人自由，而不是对它们进行压制。他提议人们应当具有查看和修正计算机档案中个人信息的权利，并且这种资格应当受到基本宪法权益的保护。

1971年，McCarthy获得了美国计算机协会颁发的图灵奖。

McCarthy对于人工智能发展前景的看法

他认为，高级的智能计算机应当具有自我审视能力，或者说，它应当能够对自己的行为进行分析，并且能够解释它是如何得到现有结论的（事实上，现在许多人工智能程序都能在一定程度上达到这个要求）。

他进一步解释：这种能力与人类具有的智能行为是非常相似的，人们也是通过类似的方式体现自身”智能“的，所以如果智能计算机能够做到这点，那么对于外部观察者来说，就可以认为它是具有智能的。

McCarthy是这样看待人工智能的未来的，更多的人工智能研究者相信高水平的人工智能的研制需要更加建设性的想法，所以，我们现在还无法预知究竟什么时候才能制造出真正意义上的人工智能。今后的49年里，人们有五成的把握能够实现这个梦想，但也有25%的可能性是，49年以后，人工智能研究仍然维持着跟现在差不多的局面。

NOTE:看来人工智能的前景并不是特别明朗，停滞不前还是向前发展，至少这49年中可能需要一个天才的想法，或者一群聪明的头脑来打破并改变这个局面。