03. AI 就是与人类思考方式相似的计算机程序：从仿生学看人工智能的定义

写在前面：

大家好，我是强哥，一个热爱分享的技术狂。目前已有 12 年大数据与 AI 相关项目经验， 10 年推荐系统研究及实践经验。平时喜欢读书、暴走和写作。

业余时间专注于输出大数据、AI 等相关文章，目前已经输出了 40 万字的推荐系统系列精品文章，强哥的畅销书「构建企业级推荐系统：算法、工程实现与案例分析」已经出版，需要提升可以私信我呀。如果这些文章能够帮助你快速入门，实现职场升职加薪，我将不胜欢喜。

想要获得更多免费学习资料或内推信息，一定要看到文章最后喔。

内推信息

如果你正在看相关的招聘信息，请加我微信：liuq4360，我这里有很多内推资源等着你，欢迎投递简历。

免费学习资料

如果你想获得更多免费的学习资料，请关注同名公众号【数据与智能】，输入“资料”即可！

学习交流群

如果你想找到组织，和大家一起学习成长，交流经验，也可以加入我们的学习成长群。群里有老司机带你飞，另有小哥哥、小姐姐等你来勾搭！加小姐姐微信：epsila，她会带你入群。

AI 就是与人类思考方式相似的计算机程序：从仿生学看人工智能的定义

上次我们说到了人工智能的第一个定义，我们说人工智能就是让人觉得不可思议的计算机程序。当然那只是一个角度，那个定义也比较主观，缺乏一致性。

这次我们换一个角度来看待人工智能。我们从一种类似仿生学的直观思路来定义它：人工智能就是能够遵循思维里的逻辑规律进行思考的计算机程序，简单点说，就是与人类思考方式相似的计算机程序。这是人工智能发展早期非常流行的一种定义方式。可以理解，既然叫人工智能，那用程序来模拟人的智慧就是最直接了当的做法了。

但是历史经验证明，仿生学的思路在科技发展中不一定可行，一个最好的例子就是飞机的发明，在几千年的时间里，人类一直梦想着按照鸟类扑打翅膀的方式飞上天空，但是反讽的是，真正带着人类在长空翱翔，并打破了鸟类飞行速度和飞行高度记录的，却是飞行原理与鸟类差别极大的固定翼飞机。

所以人究竟是怎样思考的？这本身就是一个复杂的技术和哲学问题。要让计算机中的人工智能程序遵循逻辑学的基本规律进行运算、归纳或推演，是许多早期人工智能研究者的最大追求。

世界上第一个专家系统程序 Dendral 是一个成功地用人类专家知识和逻辑推理规则解决一个特定领域问题的例子。这是一个由斯坦福大学的研究者用 Lisp 语言写成的，帮助有机化学家根据物质光谱推断未知有机分子结构的程序。Dendral 项目在世纪 60 年代中期取得了令人瞩目的成功，衍生出一大批根据物质光谱推断物质结构的智能程序。

Dendral 的成功，也带动了专家系统在人工智能各相关领域的广泛应用，从机器翻译到语音识别，从军事决策到资源勘探。一时间，专家系统似乎就是人工智能的代名词，其热度呢，不亚于今天的深度学习。

但是人们很快就发现了基于人类知识库和逻辑学规则构建人工智能系统的一个局限，一个解决特定的，狭小领域问题的专家系统很难被扩展到稍微宽广一些的知识领域中，更别提扩展到基于世界知识的日常生活里了。在后起的统计模型，深度学习等技术面前，专家系统毫无优势可言，因而从 20 世纪 90 年代开始就备受冷落。

另一方面，从心理学和生物学出发，科学家们试图弄清楚人的大脑到底是怎么工作的，并希望按照大脑的工作原理构建计算机程序，实现真正的人工智能。而这条道路上同样非常跌宕起伏，最经典的例子，就是神经网络了。

生物学家和心理学家很早就开始研究人类大脑的工作方式，其中最重要的一环，就是大脑神经元对信息的处理和传播过程，早在通用电子计算机出现之前，科学家们就已经提出了有关神经元处理信息的假想模型。早期神经网络技术没有发展太久就陷入低谷。这主要有两个原因。一是当时的人工神经网络算法在处理某些特定问题时有先天缺陷，亟待理论突破；二是当时的计算机运算能力无法满足人工神经网络的需要。

20 世纪 70 年代到 80 年代，人工神经网络的理论难题得到解决。20 世纪 90 年代开始，随着计算机运算能力的飞速发展，神经网络在人工智能领域重新变成研究热点。但直到 2010 年前后，支持深度深度网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。

客观地说，神经网络到底在多大程度上精确反映了人类大脑的工作方式，这仍然存在争议。在仿生学的道路上，最本质的问题是，人类至今对大脑如何实现学习、记忆、归纳、推理等四位过程的机理还缺乏认知。况且我们并不知道到底要在哪个层面真实模拟人脑的运作，才能够制造出可以匹敌人类智慧的智能机器。

人工智能的第二个定义就说到这里，希望能够带给大家启发和思考的空间。