智能指学习、理解并用逻辑方法思考事物，以及应对新的或者困难环境的能力。智能的要素包括：适应环境，适应偶然性事件，能分辩模糊的或矛盾的信息，在孤立的情况中找出相似性，产生新概念和新思想。智能行为包括知觉、推理、学习、交流和在复杂环境中的行为。智能分为自然智能和人工智能。

自然智能指人类和一些动物所具有的智力和行为能力。人类智能是人类所具有的以知识为基础的智力和行为能力，表现为有目的的行为、合理的思维，以及有效地适应环境的综合性能力。智力是获取知识并运用知识求解问题的能力，能力则指完成一项目标或者任务所体现出来的素质。智能、智力和能力之间的关系与区别，如图1-1所示。

1.什么是人工智能

人工智能是相对于人的自然智能而言的，从广义上解释就是“人造智能”，指用人工的方法和技术在计算机上实现智能，以模拟、延伸和扩展人类的智能。由于人工智能是在机器上实现的，所以又称机器智能。

图1-1　智能、智力和能力间的关系与区别

精确定义人工智能是件困难的事情，目前尚未形成公认、统一的定义，于是不同领域的研究者从不同的角度给出了不同的描述。

N.J.Nilsson认为：人工智能是关于知识的科学，即怎样表示知识、怎样获取知识和怎样使用知识，并致力于让机器变得智能的科学。

P.Winston认为：人工智能就是研究如何使计算机去做过去只有人才能做的富有智能的工作。

M.Minsky认为：人工智能是让机器做本需要人的智能才能做到的事情的一门科学。

A.Feigenbaum认为：人工智能是一个知识信息处理系统。

James Albus说：“我认为，理解智能包括理解：知识如何获取、表达和存储；智能行为如何产生和学习；动机、情感和优先权如何发展和运用；传感器信号如何转换成各种符号，怎样利用各种符号执行逻辑运算，对过去进行推理及对未来进行规划，智能机制如何产生幻觉、信念、希望、畏惧、梦幻甚至善良和爱情等现象。我相信，对上述内容有一个根本的理解将会成为与拥有原子物理、相对论和分子遗传学等级相当的科学成就。”

尽管上面的论述对人工智能的定义各自不同，但可以看出，人工智能就其本质而言就是研究如何制造出人造的智能机器或智能系统，来模拟人类的智能活动，以延伸人们智能的科学。人工智能包括有规律的智能行为。有规律的智能行为是计算机能解决的，而无规律的智能行为，如洞察力、创造力，计算机目前还不能完全解决。

2.如何判定机器智能1）图灵测试

英国数学家和计算机学家艾伦·图灵（Alan Turing，见图1-2）曾经做过一个很有趣的尝试，借以判定某一特定机器是否具有智能。这一尝试是通过所谓的“问答游戏”进行的。这种游戏要求某些客人悄悄藏到另一间房间里去。然后请留下来的人向这些藏起来的人提问题，并要他们根据得到的回答来判定与他对话的是一位先生还是一位女士。回答必须是间接的，必须有一个中间人把问题写在纸上，或者来回传话，或者通过电传打字机联系。图灵由此想到，同样可以通过与一台据称有智能的机器作回答来测试这台机器是否真有智能。

图1-2　图灵

1950年图灵提出了著名的图灵测试（Turing Test）。方法是分别由人和计算机来同时回答某人提出的各种问题。如果提问者辨别不出回答者是人还是机器，则认为通过了测试，并且说这台机器有智能。图灵自己也认为制造一台能通过图灵测试的计算机并不是一件容易的事。他曾预言，在50年以后，当计算机的存储容量达到109水平时，测试者有可能在连续交谈约5分钟后，以不超过70%的概率作出正确的判断。

“图灵测试”的构成：测试用计算机、被测试的人和主持测试的人。方法：

（1）测试用计算机和被测试的人分开去回答相同的问题。

（2）把计算机和人的答案告诉主持人。

（3）主持人若不能区别开答案是计算机回答的还是人回答的，就认为被测计算机和人的智力相当。

1991年，美国塑料便携式迪斯科跳舞毯大亨休·洛伯纳（Hugh Loebner）赞助“图灵测试”，并设立了洛伯纳奖（Loebner Prize），第一个通过一个无限制图灵测试的程序将获得10万元美金。对洛伯纳奖来说，人和机器都要回答裁决者提出的问题。每一台机器都试图让一群评审专家相信自己是真正的人类，扮演人的角色最好的那台机器将被认为是“最有人性的计算机”而赢得这个竞赛，而参加测试胜出的人则赢得“最有人性的人”大奖。在过去的20多年里，人工智能社群都会齐聚以图灵测试为主题的洛伯纳大奖赛，这是该领域最令人期待也最惹人争议的盛事。

2014年6月一个俄罗斯团队开发了名为“Eugene Goostman”（见图1-3）的人工智能聊天软件，它模仿的是一个来自乌克兰名为Eugene Goostman的13岁男孩。英国雷丁大学于图灵去世60周年纪念日当天，对这一软件进行了测试。据报道，在伦敦皇家学会进行的测试中，33%的对话参与者认为，聊天的对方是一个人类，而不是计算机。英国雷丁大学的教授Kevin Warwick对英国媒体表示，此次“Eugene Goostman”的测试，并未事先确定话题，因此可以认为，这是人类历史上第一次计算机真正通过图灵测试。然而，有学者对这个结论提出了质疑，认为愚弄30%的裁判是一个很低的门槛，图灵预言到2000年计算机程序能在5分钟的文字交流中欺骗30%的人类裁判，这个预言并不是说欺骗30%的人就是通过图灵测试。图灵只是预测计算机在50年内会取得多大进展。图灵测试对智能标准作了简单的说明，但存在如下问题：

(www.daowen.com)

图1-3　Eugene Goostman聊天软件

（1）主持人提出的问题标准不明确。

（2）被测人的智能问题也没有明确说出。

（3）该测试仅强调结果，而未反映智能所具有的思维过程。

如果测试的是复杂的计算问题，则计算机可以比被测试的人更快更准确地得出正确答案。如果测试的问题是一些常识性的问题，人类可以非常轻松地处理，而对计算机来说却非常困难。

图灵测试的本质可以理解为计算机在与人类的博弈中体现出智能，虽然目前还没有机器人能够通过图灵测试，图灵的预言并没有完全实现，但基于国际象棋、围棋和扑克软件进行的人机大战，让人们看到了人工智能的进展。

1997年5月11日，IBM开发的能下国际象棋的“深蓝”计算机在正式比赛中战胜了国际象棋世界冠军卡斯帕罗夫，这是人与计算机之间挑战赛中历史性的一天。“深蓝”是并行计算的电脑系统，是美国IBM公司生产的一台超级国际象棋电脑，重1 270千克，有32个微处理器，另加上480颗特别制造的VLSI象棋芯片，每秒钟可以计算2亿步。下棋程序以C语言写成，运行AIX操作系统。“深蓝”输入了一百多年来优秀棋手的对局两百多万局，其算法的核心是基于穷举：生成所有可能的走法，然后执行尽可能深的搜索，并不断对局面进行评估，尝试找出最佳走法。深蓝的象棋芯片包含三个主要的组件：走棋模块（Move Generator）、评估模块（Evaluation Function）以及搜索控制器（Search Controller）。各个组件的设计都服务于“优化搜索速度”这一目标。“深蓝”可搜寻及估计随后的12步棋，而一名人类象棋好手大约可估计随后的10步棋（见图1-4、图1-5）。“深蓝”是仅在某一领域发挥特长的狭义人工智能的例子，而AlphaGo和“冷扑大师”则向通用人工智能迈进了一步。

图1-4　IBM“深蓝”超级计算机　

图1-5　卡斯帕罗夫与“深蓝”

2016年3月，由谷歌（Google）旗下Deep Mind公司的杰米斯·哈萨比斯与他的团队开发的以“深度学习”作为主要工作原理的围棋人工智能程序阿尔法狗（AlphaGo），与围棋世界冠军、职业九段选手李世石进行人机大战，并以4∶1的总比分获胜（见图1-6）。2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。2017年1月，谷歌Deep Mind公司CEO哈萨比斯在德国慕尼黑DLD（数字、生活、设计）创新大会上宣布推出真正2.0版本的阿尔法狗。其特点是摒弃了人类棋谱，靠深度学习的方式成长起来挑战围棋的极限。在战胜李世石一年后，2017年5月23—27日，AlphaGo在浙江乌镇挑战世界围棋第一人中国选手柯洁九段，以3∶0战胜对手（见图1-7）。

图1-6　李世石与AlphaGo　

图1-7　柯洁与AlphaGo

相较于国际象棋或是围棋等所谓的“完美信息”游戏，扑克玩家彼此看不到对方的底牌，是一种包含着很多隐性信息的“非完美信息”游戏，也因此成为各式人机对战形式中，人工智能所面对最具挑战性的研究课题。2017年1月，由卡内基梅隆大学Tuomas Sandholm教授和博士生Noam Brown所开发的Libratus扑克机器人——“冷扑大师”，在美国匹兹堡对战四名人类顶尖职业扑克玩家并大获全胜，成为继AlphaGo对战李世石后人工智能领域的又一里程碑级事件。2017年4月6—10日，由创新工场CEO暨创新工场人工智能工程院院长李开复博士发起，邀请Libratus扑克机器人主创团队访问中国，在海南进行了一场“冷扑大师V.S.中国龙之队——人工智能和顶尖牌手巅峰表演赛”。“中国龙之队”由中国扑克高手杜悦带领，这也是亚洲首度举办的人工智能与真人对打的扑克赛事，人工智能“冷扑大师”最终以792 327总记分牌的战绩完胜并赢得200万元奖金（见图1-8）。

图1-8　“冷扑大师”和“中国龙之队”对决结果

“冷扑大师”发明人、卡内基梅隆大学Tuomas Sandholm教授介绍，“冷扑大师”采取的古典线性计算，主要运用了三种全新算法，包括比赛前采用近于纳什均衡策略的计算（Nash Equilibrium Strategies）、每手牌中运用终结解决方案（Endgame Solving）以及根据对手能被识别和利用的漏洞，持续优化战略打得更为趋近平衡。这个算法模型不限扑克，可以应用在各个真实生活和商业应用领域，应对各种需要解决不完美信息的战略性推理场景。“冷扑大师”相对于“阿尔法狗”的不同在于，前者不需要提前背会大量棋（牌）谱，也不局限于在公开的完美信息场景中进行运算，而是从零开始，基于扑克游戏规则针对游戏中对手劣势进行自我学习，并通过博弈论来衡量和选取最优策略。这也是“冷扑大师”在比赛后程越战越勇，让人类玩家难以抵挡的原因之一。

2）中文屋子问题

如果一台计算机通过了图灵测试，那么它是否真正理解了问题呢？美国哲学家约翰·希尔勒对此提出了否定意见。为此，希尔勒利用罗杰·施安克编写的一个故事理解程序（该程序可以在“阅读”一个英文写的小故事之后，回答一些与故事有关的问题），提出了中文屋子问题。

希尔勒首先设想的故事不是用英文，而是用中文写的。这一点对计算机程序来说并没有太大的变化，只是将针对英文的处理改变为处理中文即可。希尔勒想象自己在一个屋子里完全按照施安克的程序进行操作，因此最终得到的结果是中文的“是”或“否”，并以此作为对中文故事的问题的回答。希尔勒不懂中文，只是完全按程序完成了各种操作，他并没有理解故事中的任何一个词，但给出的答案与一个真正理解这个故事的中国人给出的一样好。由此，希尔勒得出结论：即便计算机给出了正确答案，顺利通过了图灵测试，但计算机也没有理解它所做的一切，因此也就不能体现出任何智能。

3.图灵测试的应用

人们根据计算机难以通过图灵测试的特点，逆向地使用图灵测试，有效地解决了一些难题。如在网络系统的登录界面上，随机地产生一些变形的英文单词或数字作为验证码，并加上比较复杂的背景，登录时要求正确地输入这些验证码，系统才允许登录。而当前的模式识别技术难以正确识别复杂背景下变形比较严重的英文单词或数字，这点人类却很容易做到，这样系统就能判断登录者是人还是机器，从而有效地防止了利用程序对网络系统进行的恶意攻击。