人工智能尚未實現(xiàn)
如同序言中所描述的那樣，雖然在現(xiàn)實生活中人工智能已經(jīng)被炒得沸沸揚揚，然而實際上，即使到了2015年的今天，它仍然未能實現(xiàn)。對于這個問題，我認為很多人其實是存有誤解的。
今天，宣稱是“使用人工智能的產(chǎn)品”或者“運用人工智能技術的系統(tǒng)”的東西越來越多，如果我說人工智能尚未實現(xiàn)，也許會令大家感到意外。但是，真正意義上的人工智能，即“能夠像我們?nèi)祟愐粯舆M行思考的計算機”，的確尚未實現(xiàn)。
探明人類智能的原理，并將其用工程學的方法加以實現(xiàn)，這樣的人工智能目前在世界上任何地方都不存在。因此，所謂“使用人工智能的產(chǎn)品”、“運用人工智能技術的系統(tǒng)”之類的宣傳，其實都是在吹牛和欺騙消費者。
當然，說其吹牛。行騙或許有些言過其實，因為人們把模仿人類智力活動某些方面的技術也稱作“人工智能”。人工智能的歷史，也是人們長期以來對人類智力活動進行模仿的歷史。
然而，人腦的智能深奧無比、遙不可及，直至今天我們?nèi)晕刺矫髌湓?，利用計算機對其進行的模仿也未能實現(xiàn)。
這個問題，細想起來有些不可思議。然而我每念及此便感到興奮不已，內(nèi)心充滿了期待。
隨著科學技術的不斷進步，通過大到宇宙物理學小至基本粒子理論等各種研究，我們對自己所居住的這個世界的結構和原理已經(jīng)有了相當深入的了解。飛機上天、核電站的建設、農(nóng)作物的大批種植等，人類在地球上嘗試并進行著五花八門的活動，無所不能。然而盡管如此，我們對于自己大腦的結構和原理是怎樣的，卻仍然不得而知。
為什么我們?nèi)祟惸軌驅(qū)κ澜邕M行認識和思考，并付諸行動？為什么我們能夠不斷地去嘗試各種新事物、不斷地學習？其根本原理是什么？直到今天，這些問題的答案仍然不甚明了?；蛟S，真的是因為有了我們的認識才有這個世界的存在吧（即“人擇原理”[7]），然而即便如此我們也唯有探索不止。
基本命題：人工智能“沒理由不能實現(xiàn)”
問題原本非常簡單：難道我們不能通過計算機來模擬和實現(xiàn)人類智能嗎？這個問題之所以被提出，是因為人的大腦與電路并無區(qū)別。
在人的大腦里面分布著很多神經(jīng)元，電信號在其間穿梭往來。在大腦神經(jīng)元里面有一些叫作“突觸”的地方，如果電壓積累到一定水平，它們就會釋放出神經(jīng)遞質(zhì)，當這些神經(jīng)遞質(zhì)被傳遞至下一個神經(jīng)元后，電信號也隨之得以傳遞。也就是說，無論從哪方面來看大腦本身就是一種電路。大腦通過電路來回傳送電流這種方式進行工作，并且，當進行了一定的學習之后，這個電路還會產(chǎn)生一些變化。
什么是電路呢？比較有代表性的例子是計算機的內(nèi)置CPU（中央處理器），它們通常是被用來執(zhí)行某些計算工作的裝置。個人電腦軟件也好，互聯(lián)網(wǎng)網(wǎng)站、智能手機的應用程序也好，這些東西全部都由程序生成，并使用CPU來運行，最終通過流經(jīng)電路的信號來進行計算。人類大腦的工作方式與此完全相同。
如果人類的思維也是某種“計算”的話，那么它就完全有理由通過計算機來模擬和實現(xiàn)。這其實已經(jīng)不是什么超前的邏輯理論，第一章里面提到的著名科學家艾倫·麥席森·圖靈，已經(jīng)向我們展示了“能夠計算的事物都可以通過計算機得到實現(xiàn)”這個道理。它就是“圖靈機”的概念。其大意是，只要備有無限長的紙帶、往紙帶上寫入東西的裝置以及讀出裝置，那么所有的程序便都能夠得到運行。
人類所有的大腦活動，包括思維、識別、記憶、感情，全部都可以通過計算機得到實現(xiàn)。例如，您正在看這本書這個狀態(tài)，也能夠在計算機上得到再現(xiàn)；或許，像人一樣“擁有自我意識，在對周圍事物進行識別的基礎上采取行動”這種程序也能夠制造出來（計算機擁有自我意識是好是壞暫且不論）。而且，與“自己”這個存在完全相同的東西——當然盡管不存在實體——在計算機里面得到實現(xiàn)從原理上講也是可能的?，F(xiàn)實中，包括人工智能研究大師馬文·明斯基（Marvin Minsky）在內(nèi)的一部分人，就在琢磨如何用計算機對自己進行再現(xiàn)，并期望以此實現(xiàn)數(shù)字形式的長生不老。
然而，對于通過計算機來實現(xiàn)人類思維這種想法，現(xiàn)實生活中很多人似乎難以接受。
他們常見的反應是：“人可不是那么單純那么簡單的，因為人有心智、有感情嘛?！被蛘邥魅缦路瘩g：“計算機不會犯錯誤，但是人不是經(jīng)常出錯么？”“計算機不是沒有身體嗎？”“計算機不是不懂得向其他計算機提供幫助什么的么？”“計算機也不會教給其他計算機東西，難道不是嗎？”
其實，只要我們想通過計算機來實現(xiàn)人的智能，我們就可以為它配備一個類似于人身體的東西，可以將它設置成偶爾也會犯些錯誤，還可以讓它擁有情感及團隊精神（這些東西是否是本質(zhì)性需要暫且不論）。
確實，通過計算機程序來實現(xiàn)人類思維，這種想法很容易讓人覺得冒犯了某種神圣的東西。人這么尊貴的東西，通過計算就能得到置換和再現(xiàn)，這的確令人一下子難以置信。實際上，即便在知名科學家當中，對此持否定態(tài)度者也大有人在。
例如，因與理論物理學家斯蒂芬·霍金一起研究黑洞而聞名的數(shù)學家羅杰·彭羅斯（RogerPenrose）在其著作《皇帝新腦》里就提出了這樣的觀點：在大腦中的微管里面會產(chǎn)生“量子現(xiàn)象”（一種憑直覺很難理解的物理現(xiàn)象），是它促成和產(chǎn)生了意識。[8]另外，哲學家休伯特·德雷福斯（Hubert Dreyfus）在《計算機不能做什么——人工智能的極限》一書中，對人工智能的實現(xiàn)也一直持否定態(tài)度。[9]
連聲名卓著的科學家都在試圖憑借這種明顯是非理性的（盡管這么說有些失禮）理論來說明人類的特殊性，因此看來人類（僅限于人類）還真的是一種特殊的存在——估計我們每個人的內(nèi)心都在如此企盼吧。
人們自視特殊的心理不難理解，然而只要對大腦的功能及它與計算算法的對應關系等逐一進行冷靜分析，我們就會得到結論：“從原理上來講，所有的人類智能是可以通過計算機來實現(xiàn)的”——這是科學和理性的預測。并且，這也正是人工智能領域長期以來苦苦探索的目標。
什么是人工智能——專家定義梳理
在日本有很多研究人工智能的專家，他們對人工智能的看法如何呢？人工智能這個研究領域，比起一般人的想象來講，有著更為濃厚的學術色彩，或者應該叫作追求真理的執(zhí)著 精神。
例如，公立函館未來大學校長中島秀之對人工智能的定義是：人工智能是“采用人工方法制作的、具有智能的實體，或者是以創(chuàng)造智能為目的的、對智能本身進行研究的領域”。公立函館未來大學堪稱“日本人工智能的圣地”，中島先生對20世紀80年代以后的人工智能研究也貢獻頗豐。
原人工智能學會會長、京都大學教授西田豐明將之定義為“具有智能的裝置”，或者是“具有心智的裝置”。
表2-1中所列舉的，是包括我本人在內(nèi)的13位專家對人工智能的定義。從表中我們可以看出，關于人工智能的定義在專家之間也尚未形成統(tǒng)一定論。
表2-1 專家們對人工智能的定義
出處：根據(jù)《人工智能學會雜志》整理。
我本人的定義是，人工智能是“用人工方法制作的類人智能”，類人智能指的是具有“發(fā)現(xiàn)和覺察功能”的計算機，即能夠從數(shù)據(jù)中生成特征量，并對相關現(xiàn)象進行模型化處理的計算機。詳細內(nèi)容請參見第五章。
很多人工智能專家希望通過研究對智能做出建構性闡釋?！敖嬓浴边@個詞語有些生僻難懂，它的意思是指“通過制作來進行理解”。與之相對應的詞語是“分析性”。
與人工智能專家期望對智能進行建構性理解形成對比的是，專門研究大腦的腦科學家，卻希望通過分析性的方法來探明智能。[10]打個比方來說，實際從事經(jīng)營活動的經(jīng)營者一般通過建構性方法來理解企業(yè)經(jīng)營，但是經(jīng)營學家則采用分析性的理解方法；或者，實際從事體育運動的運動員對體育進行的是建構性理解，而體育評論家則是分析性理解。說得通俗一些，建構性方法指的是“這東西制作出來要花多少錢”這種方法。
如果以“對人類智能進行建構性理解”作為目標，那么目前的研究水平距離成功還相差甚遠，還無法制造出像人類那樣聰明的智能。
實際上，關于人工智能是否已經(jīng)實現(xiàn)的判定方法，在歷史上也有爭論。著名的“圖靈測試”，就是把計算機與人分別置于不同的房間，讓二者通過屏幕及鍵盤進行對話，如果這個人不能識別出對方是計算機那么即認為合格。圖靈測試大賽同時還設置了一個“羅布納獎”（Loebner Prize）。但我本人認為這種測試并沒有多大意義，因此在這里不再贅述，有興趣者請參看其他書籍。[11]
在研制人工智能的時候，我們常常拿飛機發(fā)明的例子來進行類比。人類自古以來就夢想有一天能夠在天空翱翔。于是，人們模仿鳥的飛行，無數(shù)次地嘗試制作了試圖靠“扇動翅膀”來實現(xiàn)飛行的飛行器，但最終均告失敗。后來萊特兄弟終于首次取得成功，他們制作了一架搭載有引擎的、“不扇動翅膀”的飛機。也就是說，即便研究初衷是模仿生物，但其最終做法卻未必與之 相同。
在研制飛機這個問題上，只要發(fā)現(xiàn)了鳥兒飛行所需的“升力”這個概念，然后通過工程學方面的探索找到獲得升力的方法（即先由引擎獲得推力，再通過機翼將推力變?yōu)樯Γ?，那么就能獲得成功。同理，只要我們能夠找到智能的原理并通過計算機將其實現(xiàn)，那么我們就可以研制出人工智能。這也正是人工智能研究的出發(fā)點。
圖2-1 機器人研究與人工智能研究
人工智能與機器人的區(qū)別
有不少人認為，人工智能研究與機器人的研究大致相同。即便是來我的研究室的訪客，也有半數(shù)左右搞不清楚人工智能與機器人的區(qū)別。但是，在專家們看來，兩者之間是有明顯區(qū)別的。[12]簡言之，即人工智能相當于機器人的大腦部分。
在機器人研究領域，也有很多人在研究大腦以外的其他部分，因此，在機器人研究者當中只有一部分是人工智能研究人員。另外，人工智能的研究對象也不僅僅限于機器人的大腦。
例如，在將棋或者圍棋這類抽象性博弈的研究領域，就不需要機器人那樣的物理性軀體。
另外，像醫(yī)療診斷或者律師咨詢等專家系統(tǒng)，只需根據(jù)所輸入信息進行判斷即可，這方面功能的研究也不需要軀體。人工智能研究的目的是為了實現(xiàn)“思維”，因此，我們可以把它理解成是一門處理抽象的、“看不見的”東西的學問。
人工智能研究，可以說是一場以智能實現(xiàn)為終點的漫長旅行，從某種意義上來講，該研究領域堪稱是“前沿性領域”。路漫漫，夜茫茫。盡管懷揣智能實現(xiàn)的夢想并長年埋頭研究，然而夢想?yún)s一直未能實現(xiàn)——這就是人工智能研究者的真實寫照。
飽嘗失敗的人反而更懂得樂觀與堅強。也許正是長期殘酷現(xiàn)實歷練的結果吧，人工智能的研究者們大都非常開朗和樂觀，他們討厭權威和形式主義，喜歡追求知識的刺激。人工智能學會這個研究者社區(qū)，我想大概稱得上是日本最為自由的學會吧。人工智能學會原會長、北陸尖端科學技術大學院大學的溝口理一郎先生稱之為“永遠年輕的學會”，該領域的確是當之無愧的前沿未知領域。
在長期的歷史進程中，人工智能歷經(jīng)坎坷與曲折。盡管人工智能本身尚未實現(xiàn)，但是它的嘗試及試錯性研究卻創(chuàng)造出了無數(shù)副產(chǎn)品，為我們帶來了各種各樣的新事物。比如語音識別、文字識別、自然語言處理（假名漢字轉(zhuǎn)換及翻譯）、博弈游戲（將棋及圍棋等）、搜索引擎等，這些東西為現(xiàn)實社會的發(fā)展帶來了巨大影響，而且已經(jīng)被廣泛應用于我們的日常工作及生活當中。
這些領域在過去也曾經(jīng)被稱為“人工智能”，但是它們一旦進入實用化階段、形成一個新領域之后，便不再被稱為人工智能了——這個現(xiàn)象被稱作“人工智能效應”[13]。這也是一個很耐人尋味的現(xiàn)象——很多人明白了個中原理后就認為：“這本身就不是智能嘛?！?/p>
人工智能至今尚未實現(xiàn)，所以“智能的奧秘”應該還“藏在深閨人未識”?！盀榱四莻€也許存在的尚未被發(fā)現(xiàn)的世界”，我們需要繼續(xù)這個探索之旅——這正是人工智能研究領域的青春活力之所在，也是我們需要始終秉承前沿探索精神之理由。
什么是人工智能——坊間的看法
對于人工智能，專家們的定義尚未統(tǒng)一，那么坊間百姓的認識又如何呢？
近年來，人工智能這個詞語在生活中幾乎隨處可見。比如“銷售搭載人工智能的產(chǎn)品”、“開發(fā)使用人工智能的系統(tǒng)”等，相關宣傳也樂此不疲，就像本書開篇所描述的那樣。
這與先前所講的“旨在通過建構性方法來實現(xiàn)智能的學術領域”等專家觀點形成鮮明對比。我們應當如何看待這種區(qū)別呢？
“某個產(chǎn)品具有智能”，這句話最容易讓我們聯(lián)想到的，大概是說“該產(chǎn)品看起來好像具有某種思維功能”吧。
比如，清掃機器人“倫巴”會根據(jù)房間形狀及垃圾的具體分布情況調(diào)整自己的清掃動作；內(nèi)置人工智能的洗衣機，可以根據(jù)衣物數(shù)量及溫度、濕度等自動調(diào)節(jié)洗滌方式。它們可以根據(jù)具體情況，思考應該如何動作，然后更為“聰明”地去執(zhí)行動作。即與“輸入”（由相當于人的五官的“傳感器”所觀測到的周圍環(huán)境及狀況）相對應，“輸出”（由相當于人體運動器官的“傳動器”所發(fā)出的動作）也會自動發(fā)生改變。
在斯圖爾特·拉塞爾（Stuart Russell）所著的著名的人工智能教科書《人工智能——一種現(xiàn)代方法》里面，人工智能正是被定位為能夠根據(jù)輸入來改變和調(diào)整輸出的Agent（軟件程序）①并介紹了各種使人工智能的行為變得更加聰明的方法。[14]生物具有智能，人也具有智能，這些大概都是緣于“只要能夠做出聰明的行動，生存概率就能得到提高”這個進化論原理。因此，用“根據(jù)輸入產(chǎn)生恰當?shù)妮敵觥眮矶x從外部觀測到的智能，應該說還是很有說服力的。
如果把人工智能當作Agent，結合其輸入與輸出的關系來考慮，那么在生活中所說的人工智能就很容易理解了。我把在生活中被稱為“人工智能”的事物簡單整理了一下，它們大致可以被分為以下四個級別。
<級別1> 把單純的控制程序稱作“人工智能”
級別1是為了市場營銷而將商品冠名“人工智能”或者“AI”這一類，人們只是在家電產(chǎn)品上安裝了極為單純的控制程序，然后就宣稱產(chǎn)品“搭載著人工智能”。
空調(diào)、掃地機、洗衣機，最近甚至還有電動剃須刀等，市場上被冠以“人工智能”之名的商品隨處可見。這類技術其實屬于“控制工程學”或者“系統(tǒng)工程學”領域，并且已經(jīng)有較長的歷史。因此，把它們叫作“人工智能”，我想對于這些領域的研究人員及這些技術本身來講是有失公允的。在本書中，我把它們暫且稱作“級別1的人工智能”。
<級別2> 傳統(tǒng)人工智能
級別2這類，其動作及行為模式極為豐富多彩。比如將棋的程序、清掃機器人，或者用于回答問題的人工智能等，都可以歸入此類。
它們是所謂的傳統(tǒng)人工智能，輸入與輸出之間的關聯(lián)方式極為嚴謹考究，且輸入與輸出的組合數(shù)目多得驚人。其原因是因為它們使用了推理及搜索（詳見第三章），或者引入了知識庫（詳見第四章），等等。傳統(tǒng)的智力問題求解程序、醫(yī)療診斷程序即屬于此類。
<級別3> 引入機器學習的人工智能
級別3是內(nèi)置于搜索引擎里面，或者基于大數(shù)據(jù)可以進行自動判斷的人工智能。其推理機制及知識庫是以數(shù)據(jù)為基礎通過學習獲得的，常見的典型例子是對機器學習（第五章）算法的利用。機器學習是以樣本數(shù)據(jù)為基礎、對規(guī)則和知識的自 學習。
這類技術，以模式識別這種很早就有的研究為基礎，在20世紀90年代開始取得進展，進入21世紀以后，因為大數(shù)據(jù)時代的到來而得到進一步升級。最近出現(xiàn)的人工智能，很多時候指的就是級別3的東西。今天，也有很多過去屬于級別2的東西，通過引入機器學習而升級變成了級別3。
<級別4> 引入深度學習的人工智能
再往上，級別4是指，能夠?qū)C器學習時的數(shù)據(jù)表示所用變量（一般被稱為“特征量”）本身進行學習的人工智能。第六章將要介紹的深度學習即屬于此類，本書稱之為“特征表示 學習”。
在第一章中也有所提及，在美國，目前深度學習相關領域的投資大戰(zhàn)、技術開發(fā)及人才爭奪戰(zhàn)正呈白熱化狀態(tài)。眼下，這是最為炙手可熱的領域。
臨時工、一般職員、課長與經(jīng)理人
以上四個級別的智能有何區(qū)別呢？我舉個管理貨物堆放的流通倉庫的例子來說明一下。
首先說說級別1的人工智能（控制程序）。長多少厘米、寬多少厘米、高多少厘米以上的貨物需要搬到“大貨物”處；多少厘米至多少厘米之間的搬到“中等貨物”處；小于這個尺寸的則搬到“小貨物”處。需要制定一套像這樣能夠覆蓋所有對象的嚴密規(guī)則，然后按照這些規(guī)則去操作即可。
其次是級別2的人工智能（搜索和推理，或者運用知識）。雖然同樣有按照長、寬、高、重量等信息對貨物進行分類的指示，但是對應貨物的不同種類，引入了很多知識。例如，如果掛有“易碎品注意”吊牌就需要小心輕放；如果標有“嚴禁倒置”，那么放置時就不能上下顛倒；高爾夫球包要豎著放；生鮮食品則需要冷藏，等等。
而級別3的人工智能（機器學習）呢，從一開始就不提供嚴謹?shù)囊?guī)則或知識。但會提供一些樣本，讓員工通過學習掌握“這是大的”“這是中等的”“這是小的”這類規(guī)則后，下次需要由他自己來進行判斷：“這個應該是大的吧”“這個是中等的吧”“這個與哪個都不相符”，這樣就能夠由員工自己來進行分類 處理。
最后，級別4的人工智能（特征表示學習）則是由員工自己找出特征量，例如，高爾夫球包需要幾個捆綁在一起，而且“這個類型的貨物，雖然從尺寸來講屬于‘大’的一類，但是因為形狀與其他物品明顯不同，因此還是單獨處置更為妥當”。員工能夠覺察到這些，這樣就有可能由他自己制定出“如何放置高爾夫球包等貨物”的規(guī)則。隨著時間的推移，他就能夠?qū)W會最有效率的區(qū)分方法，這是級別4的人工智能。
如果要向這四個級別的分類操作員工提供作業(yè)手冊的話，級別1只能進行極為簡單的分類作業(yè)，手冊也只需有寥寥幾頁即可。而與之相比，級別2則需要覆蓋所有對象的、內(nèi)容還不能有重復的厚厚一本手冊，級別3需要提供學習用貨物樣本及教他注意貨物的什么地方。級別4呢，因為是他自己去學習要注意哪些地方，所有只需提供學習用貨物樣本即可。員工自己就能夠在作業(yè)中發(fā)現(xiàn)新的特征量，進而規(guī)則也得以更新升級。
我想可以這樣去理解吧：級別1只能按照別人的指示來操作，因此相當于公司的臨時工；級別2需要理解很多規(guī)則并做出判斷，相當于一般職員；級別3是按照別人規(guī)定好的檢查項目將業(yè)務切實往前推進，是課長級別；級別4需要自己去發(fā)現(xiàn)檢查項目，因此是經(jīng)理人級別。
對于媒體報道及商品信息里面所說的“人工智能”或者“AI”，它們應當屬于這四個級別中的哪一類呢？諸位不妨去思考一下，也許會覺得蠻有意思的呢。
強人工智能與弱人工智能
在人工智能的研究領域里面，很早就出現(xiàn)了關于“強人工智能”與“弱人工智能”的爭論。
這個概念最早是由哲學家約翰·瑟爾（John Searle）提出來的，他認為，“具備正確的輸入與輸出、被施予合理程序化的計算機，與擁有心智的人是沒有任何區(qū)別的，即它也是有心智的?！彼倪@種主張被稱為“強人工智能”。這種理念認為，人的心智或者大腦活動就是一種信息處理，思維就是一種計算。本書認為今后人類將會探明人類智能的原理，并將其用工程學的方法來實現(xiàn)，因此也應該算是“強人工智能”派吧。
與之相對，“弱人工智能”則認為：計算機沒有必要擁有心智，只要能夠通過其有限的智能解決一些智力問題即可。
在這方面經(jīng)常被引用的一個證據(jù)是“中文屋”爭論。一個人即使不懂中文，但只要他對根據(jù)大量規(guī)則輸入的文字進行確認，然后輸出固定的答案，也就是說只要他對中文對話的某些行為進行模擬，那么就能使其對話看起來自然順暢，然而那個人其實依然是不懂中文的。
進而，還經(jīng)常有這樣的爭論：計算機能否擁有意識？假如人的思維全部是計算，那么是否還有自由意志的存在（是否沒有“自由”介入的余地）？
這些爭論很有意思，但在縱覽人工智能全局的時候，我認為沒有必要在上面花費太多時間。我倒是認為，在不斷生成特征量的階段有必要讓其進行思考，在這個過程中，讓它對自身狀態(tài)進行回歸性認識，也就是讓它意識到自己在思考這件事——這種“嵌套結構”無限持續(xù)下去，那時候，或許將產(chǎn)生那種可以稱之為“意識”的狀態(tài)吧。
不管怎樣，隨著技術的發(fā)展這些東西將來總能從工程學的角度被探明，在這里我不打算進行長篇大論的解釋和說明。除了一部分基于近年來認知心理學及腦科學重大發(fā)現(xiàn)的爭論之外，在現(xiàn)階段即使爭論也沒有意義，也不會得到比過去那些哲學家更為高明的答案。
什么是人工智能，在本章我們已經(jīng)對相關爭論進行了簡單的梳理。接下來，在人工智能研究領域究竟發(fā)生過什么、正在發(fā)生些什么呢？從下一章開始，我將帶著諸位去遨游一番。
注解
[7] “人擇原理”，即在宇宙論中以人類的存在為出發(fā)點，去探究宇宙的結構及成因的思想。
[8] 羅杰·彭羅斯 『皇帝の新しい心 コンピュータ·心·物理法則』（MISUZU Shobo, Ltd.,1994年）。
[9] 休伯特·德雷福斯 『コンピュータには何ができないか 哲學的人工知能批判』（產(chǎn)業(yè)圖書，1992年）。
[10] 當然，在人腦科學家里面也有持建構論方法的人。計算神經(jīng)科學的著名學者甘利俊一就“如何創(chuàng)造大腦”從多個角度進行了研究。
[11] 例如，布萊恩?克里斯蒂安 『機械より人間らしくなれるか？ AIとの対話が、人間でいることの意味を教えてくれる』（草思社，2012年）。
[12] 關于協(xié)會組織，在機器人領域有“日本機器人學會”，在人工智能領域有“人工智能學會”。當然也有跨越這兩個領域的研究人員。
[13] 馬文·明斯基等很多學者認為，“人工智能效應”的存在使得人工智能的貢獻被過低估計了。
[14] 斯圖爾特·拉塞爾 『エージェントアプローチ 人工知能』（共立出版，第2版，2008年）。Agent的概念也包括硬件，所以并不一定只限于軟件。另外，Agent被定義如下：“Agent是單純的行動主體。但是，在講到計算機Agent時，自律性動作、環(huán)境識別、長期持續(xù)性、變化應對、其他對象的目標代理等與單純‘程序’不同的屬性也被寄予厚望?！?/p>
①近來中國科學界趨向于將其譯為“智能體”“真體”?！g者注
鄂公網(wǎng)安備 42010302001612號