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

智能无处不在。

•智能”指出了人工智能的众多方向和子领域。

•关于智能，有内涵和外延两种重要的研究方法论。前者自顶向下，研究智能有哪些重要的组成部分和实现方案，偏基础研究；后者从底向上，研究如何用机器复现特定的智能行为，偏应用研究。

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。

“智能”指出了人工智能的众多方向和子领域。可以说，每一种智能行为都对应着一个人工智能的方向。例如：图像识别是一种智能，因此，机器如何复现图像识别是人工智能的一个方向。逻辑推理也是一种智能，因此，机器如何复现逻辑推理也是人工智能的一个方向。踢足球是一种智能，同样，机器如何复现自动踢足球是人工智能的又一个方向。从这个意义上看，人工智能的方向可能有千千万万，因为智能行为的种类有千千万万。这些方向有的相差较远，而有的自然靠的较近。由于本身的相似性、受关注的程度等因素，随着时间的推移，靠的近的方向自然而然地聚拢在一起形成人工智能的一个子领域。

虽然智能行为的种类千千万万，但是它们可以归溯到同一个源泉，即之前提到的智能体与环境的互动。智能体与环境互动的简单模型包括智能体、环境、感知输入和行动输出四个部分。毫无疑问，智能体是人工智能的主要研究对象。环境虽然可以被智能体一定程度上影响，但总体上是不受智能体控制的。因此，人工智能虽然需要对环境做一定的假设和建模，但是不太研究环境本身。对于感知输入，人工智能所主要关心的并不是如何建造具体的感知工具（如传感器），而是更关心如何对感知工具得到的结果拿来分析并从中得到有效信息。对于行动输出，人工智能所主要关心的不是如何建造行动工具（如机械、机器人等），而是关心如何决定做什么样的行动然后交给这些行动工具去执行。总而言之，我们可以把这个互动模型一分为二。人工智能需要研究上半截的抽象层面，包括（1）智能体如何分析和加工从感知工具中得到的环境感知信息；（2）将经由分析和加工而得到的有效信息转换为智能体内部模型进行处理；（3）得出需要做的行动，将其交给行动工具执行反过来影响环境。而下半截的具体部分，虽然也和人工智能相关，但并不是其关注的焦点。

以机器人足球为例，在绿茵场上，机器人需要感知很多信息，其中视觉信息包括足球、敌我双方球员、球门、球场上标线以及裁判的位置等等，而听觉信息包括敌我双方球员的声音讯号，裁判鸣笛等等。机器人球员首先需要感知这些信息，去掉和忽略不重要的部分，如观众的脸部及呐喊，而只保留重要的部分，包括足球、球员以及裁判等信息。在此基础上，需要对这些信息整合处理。例如，由足球在一段时间内的视觉信息输入计算足球的位置、速度和旋转，敌我双方球员的位置以及行动等等。然后，机器人需要根据内部模型做推理和预测，例如预测足球和双方球员在接下来一段时间的位置和大致的行动等。这些模型既可能是先验的由程序员事先编好的，也有可能通过从数据和训练中学习得来。接下来，机器人球员需要做出决策，有球队员是该运球、传球还是射门，而无球队员该如何跑位等。这些决策不仅包括个体决策，也包括群体决策，如造越位，因此，机器人球员相互之间还需要通讯，协商配合。当决策做好了之后，剩下的就需要交给行动工具，如机器腿，去具体执行行动输出。以上，大致是机器人如何踢足球的一个简单框架。可以看到，其中有许许多多的挑战需要解决。这些，是人工智能研究所关注的焦点。但是，足球场本身以及周遭环境，受物理规律约束，不是智能体的能力所能支配的。因此，环境部分，虽然可以用人工智能技术建模，但并不是人工智能主要的研究对象。

除了智能行为的种类之外，人工智能的子领域还与其研究方法论有关。采用不同研究方法论的人群会自然而然地聚在一起，从而形成一个方向或领域。大体上说，人工智能有两种最主要的研究方法论，即：智能内涵和智能外延。智能内涵角度得到自顶向下的研究方法论：先从抽象的角度研究智能有哪些重要的组成部分和实现方案；然后，再逐步往具体的应用方面靠拢。一般这类研究方法偏向人工智能中的基础研究。而智能外延角度得到从底向上的研究方法论：从特定的智能行为种类出发，研究如何用机器复现这些特定的智能行为。不管白猫黑猫，效果更好就是好猫。一般这类子领域偏向人工智能中的应用研究。而具体的一个智能行为场景，如机器人足球，大多以从底向上的研究方法论为主。

在人工智能诞生的前期和中期，自顶向下的智能内涵方法论占据了主导地位。然而，大家期待的人工智能是一门应用学科。如果一个方法长期得不到应用，所受到的关注就自然会变少。随着从底向上的智能外延方法论在应用上崭露头角，它逐渐获得了更多认同。事实上，这两种研究方法论都很重要。长路漫漫，上下求索，一个从上往下走，一个从下往上走，两种方式终将有天会碰到一起。

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。