计算机虽然只有几十年的历史，但是人类想弄明白智能，已经超过2000年了。如果要找个祖师爷，那么就得上溯到古希腊的苏格拉底。你可能听说过，苏格拉底在雅典的街头，喜欢拉着年轻人辩论。他有一个著名的方法，就是通过不断提问，让对方发现自己观点中的矛盾。乍一听，苏格拉底就是个天天跟人抬杠的杠精。实际上，苏格拉底有一个野心：他相信，人类的思考是有规律的，这些规律可以被发现、被总结、被传授。比如我们的思考当中，什么是有道理的，什么是没道理的呢？苏格拉底总结了一个原则，叫“矛盾律”：一个东西不能既是什么又不是什么。咱们就拿AI举例子，你在互联网上能看到两种很常见的预言AI未来的言论，一种强调“信息茧房”：AI会发现你内心最隐秘的需要，以后就只喂给你那些让你爱看的信息，以后我们就都会困在独属于自己的狭小的资讯世界里。

还有一种言论会提到“回形针理论”，这是一个科学家的想象：一家生产回形针的企业造出了一个足够强大的AI，并且赋予它最高级别的使命，尽可能多地制造回形针。AI通过联网迅速操控了整个地球甚至更多的行星，从地球到外太空，都布满了生产回形针的工厂。随后，它又判断出，人类的存在占用了宝贵的资源，影响了回形针的产量，于是它灭绝了人类，再生产更多的回形针。我也没办法说，这两个预言哪个是错的，毕竟未来的事情谁能那么坚定呢？但是如果你看到一本书谈论AI，一边说的是信息茧房，一边说的是回形针理论，那他肯定是错的。因为AI不可能既能探究人类内心最隐秘的需要，又一根筋到给他下达一个生产回形针的命令，他就连人类生命都不顾了。你看，这就是矛盾律。AI不能既懂人类又不懂人类。你可能会觉得，这也太简单了吧？没错，用今天的眼光来看，苏格拉底的总结比较粗糙。但是，它有重大意义，苏格拉底给了后人信心，思考不是一种神秘的天赋，而是一种可以摸清的规律，一种可以学习的技能。如果没有这样的信心，那么人工智能就不会被发明出来。

这个想法在17世纪被德国哲学家、数学家莱布尼茨推进了一大步。莱布尼茨是个数学天才，他发明了微积分，还发明了二进制。但是他最大胆的想法是：能不能把人类的所有思想，都用符号表示出来？就像数学公式一样，用符号和规则来表达。如果能做到这一点，那么思考就变成了计算，争论就变成了演算。两个人意见不合的时候，不用吵架，坐下来算一算就知道谁对谁错了。莱布尼茨把这个想法叫做“通用符号语言”。他相信，只要找到合适的符号系统和推理规则，人类就能用机械的方式解决所有的思考问题。莱布尼茨的这个想法，在当时听起来就像是科幻小说。两个哲学家吵架，不用争得面红耳赤，坐下来拿出纸笔，算一算就知道谁对谁错。但是你别笑，200年后，真的有人认真地去实现它了。莱布尼茨的梦想在20世纪初被德国数学家希尔伯特重新提起。1900年，希尔伯特在巴黎的国际数学家大会上，提出了23个数学难题。但是他最大的野心不是解决这些，而是要为整个数学建立一个完美的基础。希尔伯特相信，数学可以被完全形式化。什么意思呢？就是把所有的数学知识，都归结为一套符号和推理规则。只要这套系统是自洽的、完备的，那么所有的数学问题都可以通过机械的推理得到答案。希尔伯特在数学家大会上发表了热情洋溢的演讲，结尾是这样两句话：“我们必将知晓，我们终将知晓。”

你看，从苏格拉底到莱布尼茨再到希尔伯特，这2000多年来，人类一直在追求同一个梦想：把思考变成计算，把智慧变成规则。如果这个梦想能实现，那么制造一台会思考的机器，就不再是天方夜谭了。但是，1931年，一个25岁的年轻人给希尔伯特的梦想泼了一盆冷水。这个年轻人叫哥德尔，他证明了一个惊人的定理：任何一个足够强大的形式系统，要么是不完备的，要么是不自洽的。这话听起来很抽象，我们用一个比喻来理解。不完备，就是说这个系统里有些问题它自己回答不了，就像一本百科全书，总有它没收录的词条。不自洽，就是说这个系统会自相矛盾，就像一本书里前面说所有天鹅都是白的，后面又提到一只黑色天鹅。哥德尔证明的是：你不可能做出一本既什么都能回答、又永远不矛盾的百科全书。哥德尔的不完备定理，被认为是20世纪最重要的数学成果之一。它告诉我们，希尔伯特的梦想是不可能实现的。数学不能被完全形式化，思考也不能被完全规则化。这是不是意味着，人工智能的梦想也破灭了呢？就在哥德尔证明不完备定理的几年后，另一个年轻人给出了不同的答案。这个人叫艾伦·图灵。1936年，图灵发表了一篇论文，提出了一个假想的机器，后来被称为“图灵机”。这个机器非常简单，就是一条无限长的纸带，一个读写头，还有一套规则。读写头可以在纸带上读取符号、写入符号、左移或右移。就这么简单的装置，图灵证明，它可以计算任何可计算的东西。

你可能会问，这和AI有什么关系？关系大了。图灵机告诉我们，计算是一种非常基础的能力，任何复杂的计算过程，都可以被分解成简单的步骤。而人类的思考，在某种程度上，也是一种计算过程。1950年，图灵发表了另一篇著名的论文，题目就叫《计算机器与智能》。在这篇论文里，图灵提出了一个问题：机器能思考吗？为了回答这个问题，图灵设计了一个测试，后来被称为“图灵测试”。测试的方法很简单：让一个人通过文字和两个对象交流，一个是人，一个是机器。如果这个人分不清哪个是人哪个是机器，那么我们就可以说，这台机器具有智能。你看，图灵这个测试的高明之处在于，他把一个哲学问题变成了一个可操作的实验。他不问“机器有没有意识”这种形而上的问题，而是问“机器能不能骗过人类”这种可以验证的问题。这就是哲学问题和技术问题的区别。

图灵在论文里还反驳了9个反对机器思考的观点。比如有人说，机器没有意识，所以不能思考。图灵说，你怎么知道别人有意识？你只能通过别人的行为来判断。如果一台机器的行为和人一样，我们为什么不能说它有意识呢？还有人说，机器只能做它被编程做的事情，不能创造新东西。图灵说，人类的大脑也是按照某种规则运行的，为什么我们能创造，机器就不能呢？图灵的这篇论文，为人工智能的研究奠定了哲学基础。他告诉我们，机器能不能思考，不是一个形而上的问题，而是一个可以通过实验验证的问题。你看，从苏格拉底到图灵，两千五百年的时间里，人类一直在思考智能的本质。从这段历史里我们能总结出人工智能的第一个规律：人类两千多年对智慧的探索是有一条一以贯之的发展线的，人工智能也在这条线上。AI不是天外飞仙，它是人类智能的延伸。引用书中的话：“人工智能的出现不是对哲学家的否定。相反，它是一封写给2000年来所有哲学家的情书。”这么看来，虽然希尔伯特的数学野心无法实现，但是他那两句话“我们必将知晓，我们终将知晓”看起来还没有失效。如果观察更近一段时间人工智能的发展，我们还能总结出第二个规律：人工智能最大的突破来自于涌现。什么叫涌现？咱们拿蚂蚁举例子。单独一只蚂蚁，看起来很笨，行为也很简单。但是，当成千上万只蚂蚁聚集在一起，形成一个蚁群的时候。蚁群能做的事情，远远超过单只蚂蚁的能力总和。它们能建造复杂的地下城市，有通风系统、储藏室、育儿室。它们能组织大规模的狩猎和采集活动，能找到最短的路径，能根据环境变化调整策略。这就是涌现。当一个系统的规模和复杂度提升到某个临界点之后，系统会突然出现一些新的、之前完全没有的性质。这些新性质不是单个部分具有的，而是从整体的相互作用中“涌现”出来的。涌现的关键特征是整体大于部分之和。一只蚂蚁只能做20种动作，但是一个蚁群能做的事情，不是20乘以蚂蚁数量，而是远远超过这个数字。

而且，涌现还有不可预测性。你没法通过研究单只蚂蚁预测出蚁群会有什么能力。只有当蚁群真正形成的时候，这些能力才会显现出来。人类的大脑，有大约860亿个神经元。每个神经元本身并不聪明，它只是接收信号、处理信号、发送信号。但是当860亿个神经元连接在一起，形成一个巨大的网络，智能就涌现出来了。我们能思考、能学习、能创造，这些能力不是单个神经元具有的，而是从整个神经网络中涌现出来的。我们再用一个更直接的例子来理解。就像你学英语，一开始只会几个单词，只能说非常简单的话。但是当你的词汇量达到一个临界点时候，突然就能读懂文章、写作文了。这个“突然就会了”的时刻，就是涌现。人工智能也是一样，当它的神经网络参数量从1000万增加到1亿的时候，可能没什么变化。但是当参数量达到10亿、100亿的时候，它突然就聪明了。更进一步说，人类的自我意识、我们对世界的感知、我们的情感和欲望，很可能也是涌现的产物。我们总觉得自己有一个“我”，有一个主宰一切的意识中心。但是这个“我”，可能只是860亿个神经元相互作用涌现出来的一种幻觉。这个观点听起来有些疯狂，但是它指向了一个惊人的结论：如果人类的智能是涌现的，那么人工神经网络的智能，也可以是涌现的。只要网络足够大，数据足够多，训练足够充分，智能就会自然而然地涌现出来。

甚至张笑宇老师还往前推进了一步，他采用了耶鲁大学生物物理学家哈罗德·莫洛维茨的“万物涌现”理论。这套理论认为，从宇宙大爆炸到今天，演化史一共有 28 个涌现的步骤。从基本粒子组成各种物质，到蛋白质的出现，再到生命的诞生，人类文明的每一个关键节点，我们都能看到涌现的影子。张笑宇老师总结了一个公式，道出了涌现的核心：简单规则+巨大规模=系统升维。说得玄一点，如果宇宙中，有个恒定不变的「道」，那么涌现可能就是这个法则。