跨界大師：人工智慧人物譜（三）
活動結束，倒是想起一個相關的事情：在人工智慧發展的早期，跨界幾乎是人工智慧研究者最常見的特質。
這個其實不難理解，第一波人工智慧浪潮幾乎是隨著通用電子計算機的誕生而迅速發展起來的。在那個時代，「計算機科學」作為一個科技門類，既不像數學、物理學一樣擁有至高無上的權威地位，也不像機械工程、電子工程甚至能源、化工那樣炙手可熱，為人工智慧奠基的大師們大多都已經在其他領域擁有了卓越的建樹，許多人是用轉行的方式進入計算機科學這個新興領域的。其實，一直到今天，數學家、物理學家、電子工程科學家轉行計算機的例子也屢見不鮮。
但再仔細梳理梳理，又發現事情遠不止這麼簡單。在人工智慧奠基的二十世紀五六十年代，許多傑出人工智慧學者所跨的界別之廣，都讓我們這些後輩汗顏。他們早已超越了計算機相關專業的界限，不少人甚至超出了理工科的範疇，在文藝領域別有建樹。有人也許會說，這算什麼？我也能白天編程序，晚上彈吉他。注意，我這裡說的「跨界」，可不是有個不同領域的業餘愛好這麼簡單的事。下面談到的個案，起碼要受過專業訓練或被領域專家認可的才能叫跨界。
一個經常被人提及的跨界大師是 Herbert Simon（中文名司馬賀）。他是 1975 年的圖靈獎得主，同時也是 1978 年的諾貝爾經濟學獎得主。在計算機科學之外，他是經濟學、社會學、政治學、心理學等諸多領域的大師。在這樣一個標杆性的「跨界」人物身上，是不是能看到遠古時期身兼數種角色的古典大師的身影？從古希臘的亞里士多德，到中國的墨子，古典大師們總是能在橫跨文理各學科門類的同時，為後人留下自己的真知灼見……但是，慢著，慢著，這兩者之間，真的有可比性嗎？無論是古希臘，還是中國的春秋戰國，那個年代的大師在跨界方面的難度，和今天的研究者跨越社科、理工、藝術的難度可以同日而語嗎？
一方面，亞里士多德對物理學、化學的貢獻，大致停留在神學向自然哲學過渡的科學萌芽期，他的理論中混雜著太多臆想、含混或推測的成分。另一方面，從藝術創作或美學鑒賞角度，亞里士多德的《詩學》其實並不比劉勰的《文心雕龍》或鍾嶸的《詩品》有著更多的現實指導意義（推薦一篇相關論文：http://www2.tku.edu.tw/~tkjour/paper/38/38-1%20fulltext.pdf）。這雖不能抹殺亞里士多德在文、理兩方面的開創性貢獻，但我們必須知道，學科萌芽期的跨界與學科成熟期的跨界是絕對、絕對不一樣的兩件事。亞里士多德之所以能在諸多門類同時做出開創性的貢獻，一是因為亞里士多德本身就是邏輯學的開創者，而任何科學門類在萌芽期都與最基本的邏輯學思維有著比較簡明的呼應關係，二是因為萌芽期的科學門類並不需要太深的領域知識積累，就足以迅速掌握並不斷拓展——這同樣適用於以邏輯學見長，並同時在力學、幾何學、代數學、光學等理工科領域做出過早期貢獻的墨子。
回到近現代，我們不提牛頓那種開掛級別、在一眾領域做出過史詩級貢獻的人物，單看一個橫跨理工、社科、文藝三界的人傑——我知道，很多人會馬上想到顧毓琇這個名字。
關於顧毓琇，知乎上有個很有意思的問題，「顧毓琇是怎樣的一個人」（顧毓琇是怎樣的一個人？ - 名人）。問題回答者中，有的對顧毓琇的「神跡」頗為不屑，有的則直稱顧毓琇是「穿越回去的人」。由此牽出的另一個知乎問題是，「有哪些人堪稱「神人」，卻不為大眾所知」（有哪些人堪稱「神人」，卻不為大眾所知？ - 科學）。
簡單且不那麼誇張地說來，顧毓琇既是一個被電機工程學界認可，得到過 IEEE 獎項的大牛工程師，也是一個被文藝界認可，創作過數千首詩歌的詩人，以及撰寫過十數部戲劇的戲劇家，同時，他還是一個擔任過國立音樂學院院長的音樂家。從跨界的廣度和深度看，顧毓琇絲毫不亞於上面談到的 Herbert Simon。
江澤民 1946 年在交大上學時，顧毓琇是教微積分的老師。1949 年後，顧毓琇離開中國，並先後在 MIT 和賓夕法尼亞大學工作。架空一下，如果當年顧毓琇在 MIT 遇到人工智慧的早期奠基者，比如下面要談到的 Marvin Minsky（當然了， Marvin Minsky 比顧毓琇小太多，在 MIT 任教的時間也和顧毓琇相差好幾年）， 他會不會成為人工智慧的另一位大師，成為專家系統或神經網路的發明人之一呢？
個人認為，從「跨界」一詞的含金量上說，顧毓琇是勝過 Marvin Minsky 的。雖說 Marvin 既是計算機科學家，也是受過訓練的音樂家，但顯然無法與顧毓琇在工程師角色之外，能夠創辦音樂學院，擁有大量戲劇和詩歌代表作相提並論。不過，既然談人工智慧，我們就暫時別過顧毓琇，先從人工神經網路的鼻祖級人物、圖靈獎得主 Marvin Minsky 談起。
今年年初，Marvin Minsky 逝世時，中文的悼念文章並不太多，大多也沒有說在點子上。喝水不忘挖井人，現在深度學習這麼火，人工智慧第一次在商業模式上四處開花、多方落地，AI 創業和投資新聞習慣性地佔據科技媒體的頭條，大家真的不該好好紀念一下人工神經網路的奠基人之一 Marvin Minsky 嗎？雖說人工神經網路在 1960 年代末陷入第一波低谷的原因與 Marvin Minsky 公開指出理論的內在缺陷有關，但這似乎不應成為我們忘掉 Marvin Minsky 的理由。曾經對喬布斯和蘋果影響巨大的教父級人物 Alan Kay 是這樣評價 Marvin Minsky 的（http://www.nytimes.com/2016/01/26/business/marvin-minsky-pioneer-in-artificial-intelligence-dies-at-88.html）：
「Marvin 是為數不多的人工智慧先驅之一，他用自己的視野和洞見，將計算機從一部超強加法器的傳統定位中解放出來，並為其賦予了新的使命——有史以來最強大的人類力量倍增器之一。」
毫無疑問，今天深度學習的繁榮至少有相當一部分是建立在 Marvin Minsky 1950 年代發表的人工神經網路相關論文，以及 1969 年發表的著作《感知機（Perceptrons）》的基礎之上的。有些反諷的是，據說不少人至今仍認為，Marvin Minsky 在《感知機》里談到人工神經網路的異或（XOR）難題時，是持悲觀態度並站在人工神經網路發展的對立面的。這段公案有正反兩面的不少說法，但正如 Alan Kay 所說，Marvin Minsky 在人工智慧領域的歷史地位從未因這些質疑而動搖過。
跨界方面，Marvin Minsky 是從計算機科學界跨到了音樂界。二戰時，Marvin 當過兵。二戰後，Marvin 在哈佛大學學習數學期間，也同時修習音樂。除了鋼琴演奏，他還有一個特長——即興創作古典賦格音樂。他自己將音樂家分為「創作者」和「即興創作者」兩大類。顯然，Marvin Minsky 頗以具備即興創作的能力而自豪。據他女兒回憶（The Musical Mind of Marvin Minsky），Marvin Minsky 的家中，每天夜晚的常態是群賢畢至，少長咸集，宏談闊論，琴聲悅耳。為客人彈奏即興鋼琴曲的，當然是 Marvin Minsky 本人。
我不懂賦格曲，所以，相比之下，我更喜歡 Marvin Minsky 發明的一部名叫 Triadex Muse 的音樂合成器。今天在蘋果電腦或者 iPad 上玩 GarageBand 的體驗，不知道有沒有當年玩 Triadex Muse 那麼酷。但從照片上看，那個建造於 1970 年代的「音樂三角」長得還是非常前衛，非常時髦的：
據說，Marvin Minsky 這部合成器創造了好幾個歷史第一。但更加值得一提的是，這部合成器其實是 Marvin 所做的一項融合了電子合成樂與早期人工智慧探索的一項科技實驗。有篇中文介紹文字可供參考：1971年：Triadex Muse [美國]Edward Fredkin、Marvin Minsky，其中還有操作合成器創作電子音樂的視頻：
「音樂三角合成器沒有鍵盤，但具有一個滑桿組。這一滑桿組由8個滑桿組成，每個滑桿有40個控制位。這8個滑桿中，4個用於控制音高，4個用於控制整個音序，即『主題』。滑桿組一邊的指示燈內會以視覺反饋的方式顯示邏輯門的狀態。另外一組滑桿可控制內置揚聲器的音量、音序速度和音高。樂器上還有一組開關按鈕，通過這組按鈕，可以控制播放音序的方式——從頭播放、逐個音符步進播放，或是把序列中最低的音替換為一段停頓。」
在 trovar.com - Triadex Muse Pages 可以找到這個音樂合成器的 Windows 版模擬器。至於這個合成器為什麼是一種人工智慧實驗？我覺得可能要從那個年代人們對思維與藝術之間關聯的探索談起。其實，在 Marvin Minsky 自己看來，理解音樂是理解人類大腦的一種有效途徑，反之，理解人類的大腦也有助於我們欣賞音樂的本質。Marvin 說（The Musical Mind of Marvin Minsky):
「理解大腦這件事似乎比理解音樂要難一些，但我們應該知道，有時對問題領域的擴展可以讓問題變得更簡單！在好幾個世紀的時間裡，代數方程的平方根理論都受困於由實數構成的狹小世界，但在高斯揭示出更大的複數世界後，一切都變得簡單起來。類似的，一旦能穿透聽眾的心靈，音樂就會顯示出更為豐富的內涵。」
因為對音樂與心靈、音樂與教育之間關係的研究，Marvin Minsky 也經常被人們稱為心理學家或認知科學家。不過不要忘了，Marvin Minsky 本質上還是一個厲害的計算機工程師，他的另一項「不起眼」的小貢獻其實也非常有趣——LOGO 語言里的小海龜，是 Marvin Minsky 和 LOGO 語言的發明人 Seymour Papert 一起創造出來的。
我自己學習 LOGO 程序設計語言的歷史可以追溯到 Apple II 和中華學習機在大陸流行的年代。那時，我肯定沒有認識到， LOGO 語言其實承襲了 LISP 語言的偉大精神，並或多或少反映了早期人工智慧大師們對「機器思維」這一本質問題的思考。我之所以學習 LOGO，多半還是因為解釋器界面中央那隻聽話的小海龜。今天有不少在線的 LOGO 語言解釋器，可以讓我們重溫指揮小海龜的快樂，比如在 Logo Interpreter 運行示常式序得到的圖畫：
即便用今天的標準來評價，這個機器海龜的樣子仍然憨態可掬：
有點兒像星戰里的 R2D2？小機器海龜的肚子里插著一隻筆，可以根據指令在紙上畫來畫去。後來改版的小海龜機器人有一個透明的外殼，反倒不那麼可愛了。
1972 年，人們甚至製造出了一台不需要拖著一根導線尾巴的無線小海龜。如今，好幾個創業公司在兒童編程教育機器人的市場上激烈競爭，可我覺得今天的好多點子，其實還不如當年 LOGO 語言控制的小海龜機器人來得有趣。
既然說跨界，還是有必要回到大家公認的跨界大師 Herbert Simon 身上。有關 Herbert Simon，中國人通常都非常願意提及他的中國緣。Herbert 早於 1972 年就到訪過中國，70 多歲還在學中文，也是中科院最厲害的外籍院士之一，他還給自己起了個中文名字叫司馬賀。另一件值得一提的事，是 Herbert 在卡內基·梅隆時教過一個中國學生，叫沈為民。沈為民大部分時間在南加州大學工作，研究方向主要是機器人和人工智慧演算法。在沈為民自己寫的簡歷頁面（Wei-Min (Weimin) Shen"s Informal and Formal Bio）上，他介紹說，自己是經歷過知識青年上山下鄉的一代人，恢復高考後，他與 Herbert Simon 在北京第一次見面——那應該是 Herbert 某一次到中國訪問的途中。
作為諾貝爾經濟學獎得主、圖靈獎得主、人工智慧奠基人、卡內基·梅隆的象徵以及諸多領域內的公認大師，Herbert Simon 在學術界的地位並不比圖靈遜色。他甚至有一本傳記被完整翻譯成中文，在中國出版，叫《穿越歧路花園——司馬賀傳》（上海科技教育出版社，2009，以下未註明出處的引語均來自本書）。
據傳記作者介紹，Herbert Simon 自稱已掌握了 20 種語言的閱讀技能，傳記作者可以證實其中 7 種。除了語言能力，Herbert 還強調，每一位大學教師都應該有能力教授任何一門學科的入門課程，而他自己顯然具備這種能力。對於 Herbert 這種追求通才式大學教授的理念，我是舉雙手贊成的（當然，我可不會奢望楊振寧去給大一的學生講授馬哲概論），但真心不知道，這世界上到底有多少比例的教授、講師可以達到 Herbert 所要求的水平。
在 Herbert Simon 身上，還體現出通才式大師的另一個特點：擅長自學，並或多或少遊離於正統教育之外。Herbert Simon 在芝加哥大學上學時，就不怎麼喜歡上課，經常自己看書準備考試，且根本不用老師輔導。他對正規教育與自修之間關係的論述頗能引起我的共鳴：「大學二年級初，當一位微積分教授堅持要我上課的時候，我就終止了自己的正規數學教育。」雖然不上課，他的成績並沒受到太大影響，他只用三年就順利畢業，而且，本科後兩年，他選修和自學的其實多是研究生的課程，並在大學期間學習拳擊，參與政治活動，在政治、經濟、科學三者之間，Herbert Simon 用自己擅長的而不是老師強加的方式，尋找著最有效的觀察和切入點。
1955 年前後，隨著通用電子計算機的發展，Herbert Simon 的關注點也逐漸由政治學、經濟學和心理學轉移到利用計算機來研究認知科學的方向上。他極度推崇英國精神病科醫生 W. Ross Ashby 所寫的《大腦設計（Design for a Brain）》一書。W. Ross Ashby 在寫給 Herbert Simon 的一封信中說：
「我堅信，『組織』的原理在根本上是相同的，不管是大腦中神經細胞之組織，還是社會中人之組織，或是工廠中機器部件與工人之組織。長期以來，我一直認為，100 億個神經細胞在大腦里協同工作的方式與 20 億人在社會中協同工作的方式是一樣的。」
我覺得，從本源上講，Herbert Simon 之所以能在政治學、經濟學、社會學、心理學、計算機科學等領域，使用類似的決策論方法，觸類旁通地完成諸多開創性研究，這與他和 W. Ross Ashby 之間有關大腦設計的討論不無關係。Herbert Simon 研究計算機編程，研究人工智慧演算法的根本目的，其實還是想通過理解計算機來最終認識人類社會和人類思維，這與 Marvin Minsky 在心靈和音樂之間尋求連通關係如出一轍。
通過研究計算機來理解人類——今天的人工智慧科學家很少會將如此沉重的使命放在自己肩膀上。演算法研究就是演算法研究，何必一定與人類行為、社會進步、未來前途聯繫在一起？但不同歷史階段，先驅者總會有不同的追求。假如我們穿越回那個時代，即便單從計算機的角度考慮，為了建立可以媲美人類的智能機器，我們也多半會從模仿大腦結構或認知行為開始。這既是那個時代人工智慧奠基者的局限，也是他們的寶貴財富。他們開創的諸多道路，有的已被證明是失敗的嘗試（比如符號主義學派的人工智慧——當然，有人說符號主義學派只是偃旗息鼓，稍事休息，未來某年某月，還是會像人工神經網路一樣捲土重來），有的則歷盡波折並終成正果（建立在人工神經網路基礎上的深度學習），但無論如何，Herbert Simon 等大師橫跨多個學科的廣博知識，以及那個時代賦予他們的社會責任感，是推動人工智慧拓荒的最大動力。
碼農角度，總想看看所謂的人工智慧大師的編程能力到底怎麼樣。Herbert Simon 本人的編程能力如何，我其實也不知該從何考證起。單看他與 Allen Newell 以及 Cliff Shaw 合作發明的信息處理語言 IPL（Information Processing Language），還是相當有水準的。IPL 語言的神奇之處在於，它在超級簡明的彙編風格語法中，第一次引入了與人工智慧以及諸如 Python 等現代編程語言密切相關的表處理結構——著名的 LISP 語言正是在 IPL 的影響下誕生的（LISP prehistory）。
另一件與 Herbert 相關的人工智慧里程碑事件，是他對計算機下棋的判斷。他早在 1957 年就預測說，計算機下棋的水平可以在 10 年內超過人類。很不幸，他的預測過於樂觀，直到 1997 年，IBM 的深藍才打敗了人類棋王卡斯帕羅夫。不過這絲毫不影響 Herbert Simon 的權威，想一想 AlphoGo 與李世石人機大戰之前，有多少專家曾反覆預言，計算機還要 10 年或更長時間才能下好圍棋？再想一想那些未來學大師們，有多少人曾做出過人工智慧將在 10 年、20 年或 30 年的時間內跨越奇點、統治人類的預測？無論這些預測太保守還是太激進，聰明人其實都清楚，人工智慧這東西，該來的總會到來，不會因你著急而加快腳步，也不會因你焦慮而故意延緩。
從顧毓琇談到 Marvin Minsky，從 Marvin Minsky 談到 Herbert Simon，這大致是一篇跨越了不少界別，但同時也沒什麼重點的八卦科技史。如果一定要找個重點，那就是「跨界」一詞：人工智慧的奠基者中不乏跨界天才，而人類最後的發明——人工智慧本身又何嘗不是一個跨越了現實與未來的終極存在呢？
推薦閱讀：
※如果機器人有了思想，我們該怎麼辦？
※Tensorflow Windows下安裝
※漢字生成模型的那些坑
※關於AI學習方法的思考——產品經理入門人工智慧