如果我們仔細(xì)考究智能計算的發(fā)展歷程，便會發(fā)現(xiàn)傳統(tǒng)的人工智能研究可以算得上是成功的應(yīng)用均集中在諸如電話應(yīng)答、帶寬預(yù)測、股票分析等方面，而成功的應(yīng)用恰恰建立在注重積累和統(tǒng)計-而非規(guī)范-的自然語言處理以及語音識別等技術(shù)的基礎(chǔ)上。故此，順理成章的，假設(shè)機(jī)器可以學(xué)習(xí)便成為了智能計算的另一條思路。呱呱墜地的嬰兒必須經(jīng)歷向家人、學(xué)校以及社會學(xué)習(xí)的過程，才能從本能階段過渡到意識階段，再由意識階段過渡到思維階段-成長的過程幾乎等同于知識積累的過程，也就是不斷擴(kuò)大知識庫的過程，況且成年人對于生活的正確認(rèn)識，在相當(dāng)大的程度上是建立在“統(tǒng)計學(xué)習(xí)”的基礎(chǔ)之上的-如果機(jī)器也可以沿著這樣的途徑去“成長”，那么我們可以想象，至少圖靈測試便可能在某些特定領(lǐng)域成為現(xiàn)實(shí)。另一個譬喻是教育方式，傳統(tǒng)的研究思路有點(diǎn)像“灌輸式教學(xué)”，其弊端在于忽視了培養(yǎng)機(jī)器學(xué)生的自我學(xué)習(xí)能力。在現(xiàn)實(shí)中，被這種教學(xué)模式所困擾的人類學(xué)子只能自行找尋規(guī)律，但恐怕計算機(jī)不會聰明到這種地步，因此，我們在把更多的知識和思維規(guī)范傳授給計算機(jī)的同時也需要更多地把方法、統(tǒng)計數(shù)據(jù)傳授給它。從具體的操作步驟來看，首先研究者需要把那些最簡單的人類行為規(guī)則翻譯為機(jī)器能夠理解的語言，在此基礎(chǔ)上不斷把更多的行為模式傳授給機(jī)器，這樣機(jī)器就處在某種不斷學(xué)習(xí)完善的狀態(tài)下，學(xué)到的越多，機(jī)器就越“聰明”，直至最終人們無法準(zhǔn)確定義機(jī)器可能做出的回饋-這也就是我曾提起過的智能人工的概念(Intelligent Agent)。這一“自下而上”的新的研究方向正引起來自各方面越來越多的關(guān)注。
有趣的是，“自下而上”這一新的研究方向的一些基礎(chǔ)性理論是由專注于研究量子力學(xué)的物理學(xué)家約翰·霍普佛德(John Hopfield)提出的。70年代末，他在一次偶然出席的人工智能年會上驚奇地發(fā)現(xiàn)，濟(jì)濟(jì)一堂的學(xué)者們居然無法清晰解釋其研究項目的理論規(guī)范。于是他想到既然物質(zhì)結(jié)構(gòu)可以用量子力學(xué)的理論去剖析，那么人腦的神經(jīng)元運(yùn)動是否也有著與原子運(yùn)動相仿佛的規(guī)律，再深入想想，如果讓機(jī)器的“思維運(yùn)動”去模仿人腦的神經(jīng)元運(yùn)動，不就在某種程度上找到了讓機(jī)器更像人的可行途徑了嗎？約翰·霍普佛德的發(fā)現(xiàn)最終構(gòu)成了智能計算的物理學(xué)支點(diǎn)。另一個支點(diǎn)是伯克利大學(xué)的一位數(shù)學(xué)教授、模糊集合的創(chuàng)立者Lofti Zadeh提出的所謂“軟計算”的概念，這一概念恰好抓住了人腦思維的模糊性和不確定性的特征。
由此我們可以發(fā)現(xiàn)，智能計算實(shí)際上是一門跨越包括物理學(xué)、數(shù)學(xué)、計算機(jī)科學(xué)、電子機(jī)械、通訊、生理學(xué)、進(jìn)化理論和心理學(xué)等等學(xué)科在內(nèi)的深奧科學(xué)，那么，在現(xiàn)今的階段，我們對于智能計算的研究已經(jīng)達(dá)到何種境界了呢？這個問題的答案建立在人類對智能層次的認(rèn)識基礎(chǔ)上。讓我們把智能的形態(tài)粗略地劃分為三個層次，最底層即所謂“操作層”，這一層的智能特征表現(xiàn)為本能，對人類來說便是呼吸心跳、血液循環(huán)、咽食排泄等，但若“智能”僅限于此，那便只能是植物人；中間一層是所謂“感知層”，這一層的智能特征表現(xiàn)為感覺和知覺，對人類來說便是視聽、嗅味、觸等能力、記憶力和簡單地傳遞信息的能力；最上層是所謂“認(rèn)知層”，這一層的智能特征表現(xiàn)為復(fù)雜的思維與行動能力，對人類來說便是通過語言相互交流，通過觀察作出判斷、推理，設(shè)定目標(biāo)并設(shè)法完成它們。目前，我們已經(jīng)很欣喜地看到一些由智能計算研究所帶來的便利-例如我們的桌面辦公系統(tǒng)具備了“拼寫檢查”和“自動更正”功能，這大大減少了那些我們不經(jīng)意的錯誤；又如在網(wǎng)上沖浪時，我們大可不必在恒河沙數(shù)般繁多的網(wǎng)頁中逐頁查詢感興趣的信息，利用智能檢索功能(當(dāng)然現(xiàn)在還不完善)你便可以很輕松的找到你所確實(shí)需要的內(nèi)容。但必須承認(rèn)，我們有關(guān)智能計算的種種研究大都還處在初級階段，我們所研究出的智能機(jī)器大約還只介于操作層面與感知層面之間。工業(yè)用機(jī)器人只是能夠精準(zhǔn)地完成某些動作，“深藍(lán)”或“更深的藍(lán)”只能在國際象棋這一特殊環(huán)境下精準(zhǔn)地“思維”，至于“會與主人溝通的機(jī)器狗”以及“會踢足球的機(jī)器人”也還只是可以精準(zhǔn)地重復(fù)制造者預(yù)設(shè)的語言或動作而已。
無論是人工智能，抑或是智能人工，目前來看暫時都還很難使“智能機(jī)器”真正具備人類的常識-例如分辨人們音容笑貌(也許還需要20年)，當(dāng)然也就更談不上產(chǎn)生屬于機(jī)器自身的“自我意識”(也許需要50年甚至更久)。不僅可以執(zhí)行目標(biāo)，而且可以自行制定目標(biāo)的智能機(jī)器何時誕生，一切都取決于智能計算的進(jìn)一步發(fā)展。但我們可以大膽預(yù)測的一點(diǎn)是，在某些特定專業(yè)領(lǐng)域，肯定會出現(xiàn)那種使人類的腦力和體力空前解放的機(jī)器助手。這些智能計算機(jī)的智商或許比不上一名5歲的兒童，但其所具備的專業(yè)知識卻會遠(yuǎn)遠(yuǎn)超過那一領(lǐng)域世界上任何一位專家。