特写 | 谷歌研究主管Peter Norvig：创造智能不需要复制人类

2016 年，人工智能被报道了很多次，不只是因为谷歌人工智能程序战胜世界顶级围棋手李世乭。机器战胜人类引发巨大反响，有的人兴奋，有些人满是焦虑，所有人都设想——人工智能的目标是达到「人类智力水平」，或像一些人所预测的「超级智能（superintelligence）」。

「我并不那么在乎我们正在建造的东西是不是真的智能，」谷歌研究部主任 Peter Norvig 说。「我们知道如何建造真正的智能——我和我妻子已经尝试过两次，尽管她的贡献更多。我们不需要复制人类。这就是为什么我专注于利用工具来帮助我们，而不是复制我们已经知道的做事方式。我们想要人类与机器合作，做一些他/它们无法单独完成的事情。」

Norvig 进一步对神经科学与人工智能研究做了有用的区分。他说：「理解大脑令人着迷，但是我认为把它和人工智能的目标（即解决问题）区别开来，很重要。」每个领域都可以相互学习，但是，「如果你将二者混为一谈，就好像同时瞄准两座山峰——最终，你往往会落在山峰之间的低谷中」。要避免这种情况，明智的做法是明确目标，小心使用具有误导性的标签：「如果有比神经网络更好的表达，情况会更好些；如果 Google Brain 团队换一个名称也许我们会更好。Google Brain 团队提供解决问题的编程工具——它不是理解大脑的工具，也并不一定要与大脑的工作原理相关。」

为解决具体问题而开发工具以及教别人如何操作——是 Norvig 过去三十年职业生涯的标志，那是他在加州大学伯克利分校完成其博士论文之后，论文研究的是利用计算机提高文本理解能力。1995，他（与 Stuart Russell）合著了《人工智能：一种现代方法（Artificial Intelligence: A Modern Approach）》一书，该书成为这一领域的主要教科书（现在是第三版）； 2011 年，他（与 Sebastian Thrun）联合教授网络课程《人工智能导论（Introduction to Artificial Intelligence）》，有来自 209 个国家的 160,000 名学生参加。由于这些及其他成就，Norvig 在 2001 年（「由于他对教育资料、自然语言处理技术、基于网络的技术以及科研管理和领导力方面的重大贡献」）成为国际人工智能协会（Association for the Advancement of Artificial Intelligence/AAAI）会士，2006 年（「由于他对人工智能和信息检索方面的贡献」）成为美国计算机协会（Association for Computing Machinery/ACM）会士。

Norvig 从很早时候起就一心关注着真正的人类智能。六年级时，他就写信向当地报纸抱怨科学报告中的数学盲化与敷衍话语。高中时，有位老师建议他成为一名科学记者，然而 BASIC 编程的学习经历以及一堂语言课程使他想到了用计算机来处理自然语言，这是一条迥然不同的职业道路。Norvig 说，这个兴趣可能也源自他的父亲——一位数学教授以及他的母亲——一位英语文学教授的综合影响。在布朗大学主修应用数学期间，他偶然发现了一门从认知科学角度教授的心理学课程，引领他朝人工智能领域又迈进了一步。因此，在麻省理工学院的一个衍生机构工作了两年并「接触到研究生的大学生活方式」之后，他觉得获得博士学位会很有趣，于是就读于加州大学伯克利分校的计算机科学系。

那时正是消减人工智能研究投资的时期（所谓的「人工智能寒冬」），但 Norvig 认为「这是最有趣的领域——你正在解决最困难的问题。当时希望研究生能深钻某一领域，但你并不期望最终会得到一个能改变世界的产品，所以，人工智能寒冬的说法并没有对我产生太多干扰。」

结果，那段时间却是人工智能研究的重大转折期。「当我还在读研究生时，」Norvig 说，「这一研究领域发生了转变，在此之前，一个专家系统要雇佣很多研究生来手写逻辑规则，积累足够的量以获取好的结果。但是，你永远都做不到——因为编写这些规则太难了。所以，我们转向一种概率的方法，你处理的是不确定性，目标是得到最好的答案，而不是试着复制专家思维。这个方法在医疗诊断和语音识别以及其他领域获得了成功，事情进展得很顺利。」另一个相关的重大变化「是使用数据，而不是自己来思考所有规则」，通过统计分析发现数据中的规则。在一篇影响深远的论文中，Norvig 及其谷歌同事要求一些领域（比如机器翻译和语音识别）的其他研究员避开理论建构，而去「拥抱复杂性，充分利用我们最好的盟友： 不合理的数据有效性。」

在过去的十五年里，Norvig 一直在谷歌工作，该公司参与解放了——并成功挖掘了——Web 时代的大数据浪潮。在这之前，他经历了各种不同的研究环境，先后任职于加州大学伯克利分校、Sun Microsystems、两家初创公司以及美国宇航局（NASA）艾姆斯研究中心。他为什么离开学术界？「作为一个大学老师，很难得到资源去做更大的项目，」Norvig 说。「所有都是一点一点地，一段时间带一个研究生，你所需要的计算资源、找到一个会为你提供数据的合作伙伴，所有这一切对一个大学老师来说都是困难的。而在工业体系中，你可以得到所有你需要的资源。」

Norvig 将研究环境从企业转向了政府，成为一名 NASA 艾姆斯研究中心的计算科学部门主管，为机器人航天器开发自驱动软件，比如 Mars Rover。至于业界的研发，对实际世界结果的需求会引导着基础研究方向。「但是在一些组织和政府方面，」Norvig 说，「并没有太多不同。如果你那个环节行不通，那么你就失去了整个任务和数亿美元。一切都必须可行，所以进程有点慢。」这种拉长进度的做法也适用于组织工作的其他方面。鉴于 NASA 所正在试图实现的事情，测试通常是作为一次模拟来进行。Norvig 将其与谷歌相比较，谷歌面对的一直是现实世界，来自真实用户的反馈是即时的，而万一失败了，该问题第二天就可以得到解决。

谷歌在研究工作方面的这种即时性状态不仅是时间上的，也是空间上的，就好像不同职业的人坐在一起办公。不同于传统的产品团队，Norvig 说，「那里的研究人员创建了一个原型然后画在墙上，接着工程师们会重新做一遍来实现它，」谷歌创造了一个非常独特的产品开发环境，其中「研发」与「开发」成员在同一个团队中是平等的。「我们觉得我们将一直发展下去，因此我们希望大家能够从头到尾地参与进来，这样他们可以继续作出改进，」Norvig 说。