作者 | 周熠

上海脑科学与类脑研究中心

张江实验室脑与智能科技研究院

千举万变，其道一也。

——《荀子·儒效》

• 国际机器人足球比赛是经过训练的机器人场上竞技的赛事，包括2D/3D、小型、类人等不同分组。

• 1997年，科学家预期：50年后，机器人可以和人类在绿茵场上一较高下。然而，时间过去了20多年，我们离这个目标尚存在不少距离。

• 研究者看人工智能，如同旅行者看大山，横看成岭侧成峰。从不同基础学科的角度看待人工智能，会得到很不一样的解读。不同历史时期，人工智能的主流解读也有所不同。

• 人工智能看似杂乱无章，然其背后有规律可循。正本溯源，一切要回溯到人工智能的定义。

在谈人工智能如何破题之前，我们先谈谈让全世界数十亿人疯狂又让全中国数亿人沮丧的运动——足球。

作为当之无愧的全世界最有影响力的运动，足球无疑备受关注。据德勤统计，2017/18年度欧洲足球产值高达284亿欧元,同比增长11.4%[1]。足球号称“世界第17大经济体”，超过了瑞士、比利时等国家和地区的GDP。四年一度的足球世界杯和奥运会是全球体坛的两大赛事，届时万人空巷。据统计，中国有1.87亿球迷，而且呈稳步上升趋势[2]。然而，中国国家男子足球队却总是让这些球迷和那些非球迷们心碎。

虽然男足屡战屡败，屡败屡战，但是中国女足还是相当争气，1999年曾获得过世界杯亚军。除了女足，中国还在另外一项足球国际赛事中有更为抢眼的表现。这就是国际机器人足球比赛。

机器人 + 足球

早在1992年，加拿大哥伦比亚大学教授麦克沃思（Alan Mackworth）就提出了训练机器人进行足球比赛的设想[3]。这个设想刚面世就引起了国际人工智能研究者的兴趣。在接下来的几年里，研究者们陆续举办了一些小型的国际机器人足球比赛。1997年，两个最主要的国际机器人足球比赛联盟正式成立。它们分别是机器人足球世界杯联盟Robocup[4]和国际机器人足球联盟FIRA（Federation of International Robot-soccer Association）[5]。此后，这两个联盟每年举办国际机器人足球比赛。比赛的类型丰富多样，包括2D/3D仿真组——虚拟机器人足球仿真模拟平台比赛，小型组——小型真实机器人足球比赛，中型组——中型真实机器人足球比赛，类人组——人型机器人足球比赛，标准平台组——索尼爱宝（AIBO）机器狗/NAO机器人足球比赛，以及之后扩充的机器人救援组和家庭服务机器人组，等等。

国际机器人足球比赛联盟

不同类别的机器人足球

中国在国际机器人足球比赛中取得了骄人战绩。中国科学技术大学、清华大学、北京信息科技大学等都曾获得不同分组比赛的冠军。

国际机器人足球比赛是人工智能界的一项重要赛事。它极大地促进了人工智能和机器人学的发展。每年的活动都吸引了大量的科技工作者和对机器人感兴趣的人群参加。同时，FIRA为了促进教育与科技的结合，推动了机器人足球青少年项目，在很多国家都已成功举办。这一方面为青少年提供了一个非常好的展示自己的舞台，另一方面也吸引不少青少年将来从事人工智能和机器人方向的研究。

在1997年，科学家们预期，50年后，机器人可以真正和人类在绿茵场上一较高下。然而，20多年过去了，可以看到，我们离这个目标还有不少距离。

为什么机器人足球会如此困难？为了训练机器人踢足球，我们需要做一些什么样的事情（人工智能的方向和领域）？我们该从何处得到启发（流派）？而我们又该怎么做（技术）？除了机器人足球，人工智能还能做些什么（代表性工作）？

由于机器人足球涉及人工智能诸多方面，因此，在之后的内容中，我们会以它作为案例，展开讨论人工智能如何破题。

横看成岭侧成峰

“横看成岭侧成峰，远近高低各不同。不识庐山真面目，只缘身在此山中。”东坡先生这首诗，寥寥数笔，形象地描述了游客从不同角度参观庐山，会感受到不一样的面貌。山还是那座山，为什么不同的人会看到不同的风景呢？其原因在人不在山。不同的人从不同的角度出发，即使看待同一座山，也会得到不一样的结果。不仅庐山，人们对所有客观事物的认知莫不如是。而对于人工智能，则更是如此。

人工智能是一门很特殊的学科。人工智能的种种特性造成了它在诸多方面存在相互矛盾的表现。作为一门牵涉很广的交叉学科，研究者们可以从很多不同基础学科的角度来翻越“人工智能”这座大山。而且，人工智能既接地气又容易浅尝，不同角度的破题都能在初始阶段取得一定的阶段性成果，这无疑大大增添了研究者们的信心。

凡是与人或智能行为相关的学科某种程度上都与人工智能相关，包括神经科学、生物学、逻辑学、心理学、哲学、统计学、经济学、社会学等等。因此，人工智能的研究正如东坡先生这首诗一样——“横看成岭侧成峰”。例如，从神经科学角度解读，得到了人工智能的连接流派；从逻辑学角度解读，得到了人工智能的符号流派；从行为主义心理学角度解读，得到了人工智能的行为流派；而这样的流派还有很多很多。这些不同的解读产生了人工智能很多不同的技术，包括深度学习（Deep learning）、专家系统（Expert system）、逻辑推理（Logic and reasoning）、搜索（Search）、知识图谱（Knowledge graph）、逻辑程序（Logic programming）、人工智能规划（AI planning）、产生式系统（Production system）、贝叶斯网络（Bayesian network）、蒙特卡洛方法（Monte Carlo method）、马尔科夫决策过程（Markov decision process）、机制设计（Mechanism design）、支持向量机（Support vector machine）、模糊逻辑（Fuzzy logic）、演化计算（Evolutionary computing）等等。

不仅仅是不同的研究者对人工智能的解读判若云泥，甚至不同历史时期，人工智能主流（如果存在的话）对它的解读也大相径庭。连接流派与符号流派之争贯穿了人工智能的整个发展历史。目前，以深度学习为主的技术隐然有一统江湖的味道。然而，在15年前，深度学习乃至整个神经网络几乎无人问津。即使是在机器学习领域，当时也是支持向量机的天下。30年前，人工智能正处在第二波低谷，被很多人指责为骗子。这也许是35年前大红大紫的专家系统遭遇瓶颈后的一波反弹。可以预见，10年后，100年后，大家对人工智能的看法和理解也会跟现在很不一样。人工智能还是个新生儿，还没有达到其牛顿时代。随着时间推移，相信人们对人工智能的理解将逐步深入，真理会越辩越明。

虽然上述各种方向和技术都从某些横侧面看到了人工智能的某些岭和峰，但是它们的假设是如此之不同，以至于彼此很难兼容。这种不兼容性导致人工智能这些子领域形成了相对独立的社区，相互沟通很少，也导致很难看清人工智能的全貌，因为全貌需要将这些不同的领域和技术有机地统一在一起。

这一定程度上造成了一种人工智能领域有点杂乱无章的感觉。而且，这种杂乱无章在时间的作用下，更加扑朔迷离。例如，搜索是人工智能最重要的技术之一，但由于其发展已经相对成熟，所以现今学术界对它的研究相对较少，以至于看上去它的重要性相对变弱。之前提到过的专家系统和支持向量机莫不如此，几经起伏。虽然人工智能还是新生儿，但是已经历了数次波峰波谷。有些红极一时的方向和技术，已经不那么受到关注，甚至湮没在历史中。

那么，在这么多看似杂乱无章的领域和技术后面，有没有一定的规律可循呢？本系列试图回答这个问题。不仅仅只是列出这些流派、领域和技术，更重要的是，将它们安放到一个统一的框架之内，分析它们的来龙去脉和优缺点。

杂乱无章 与 有规律可循

万变不离其宗，一切可以从人工智能的定义出发正本溯源。

人工智能是一门研究如何使用机器复现智能的学科。

由于现阶段电子计算机是“机器”毫无争议的代表，所以我们对“机器”的争议并不大。虽然也有一些方向在研究如何制造更加强大的机器，将来或许可以作为人工智能的新载体，例如量子计算机和生物计算机等。但这些方向往往自成一体，暂时和人工智能的结合还不是那么紧密。

因此，关键在于“复现”和“智能”这两个词上。总体来说，“智能”指出了人工智能的众多方向和子领域，“复现”启发了人工智能的各种流派，而将“复现”（流派）作用到“智能”（子领域）之上，产生了人工智能诸多技术和工作。【注】

注：在很多场合，人们混淆使用人工智能的方向/子领域、流派和技术等概念。本系列对它们稍作区分。方向/子领域是指“需要做什么”、流派是指“有什么思路”、技术是指“具体怎么做”。例如，深度学习是一种人工智能技术，而不是一个人工智能方向或子领域。由于深度学习受神经科学启发，所以它隶属于人工智能中的连接流派。同时深度学习也和统计息息相关，所以，它也和人工智能中的统计流派有深刻联系。深度学习可以用到人工智能的不同方向和子领域，比如计算机视觉和自然语言处理等等。

[1] Annual Review of Football Finance 2019, Deloitte, 2019.

[2] World Football Report, Nielsen Sports, 2018.

[3] Alan K. Mackworth. On Seeing Robots. In A. Basu and X. Li, editors, Computer Vision: Systems, Theory and Applications, pp. 1–13, World Scientific Press, Singapore, 1993.

[4] https://www.robocup.org/

[5] http://www.firaworldcup.org/

作者介绍

周熠，现任张江实验室脑与智能科技研究院/上海脑科学与类脑研究中心认知智能研究组课题组长，研究员，中国科学技术大学兼职教授。研究方向为认知人工智能，主要的研究兴趣为如何受脑启发，深度融合基于逻辑的符号流派和基于神经网络的连接流派，及其在认知人工智能领域中的应用，包括AI+教育、自动智商测试、智能语言处理等。

关于“墨子沙龙”

墨子沙龙是由中国科学技术大学上海研究院主办、上海市浦东新区科学技术协会及中国科大新创校友基金会协办的公益性大型科普论坛。沙龙的科普对象为对科学有浓厚兴趣、热爱科普的普通民众，力图打造具有中学生学力便可以了解当下全球最尖端科学资讯的科普讲坛。