AI新時代，人機共生！人工智慧是隊友不是對手：發展演變x經典對決x突破方向，從自動駕駛到無人系統，生成式AI，人工智慧未來的探索

機器會取代人類嗎？機器會控制人類嗎？機器真的能信任嗎？

新穎×豐富×詳實×全面
知識性×系統性×可讀性×實用性
具有感知、理解、幫助人類能力的人機混合智慧正醞釀中
一本書打破科技迷思，看見AI的真實與可能性！

霍金：「人工智慧可能是人類文明史上最糟糕的一件事。」
比爾蓋茲：「人類需要敬畏人工智慧的崛起。」
馬斯克：「人工智慧是人類生存最大威脅。」
……

人工智慧技術的進步並非為了取代人類，
我們需要的是「人機共生」的學習環境！

◎什麼是人工智慧？
人工智慧技術在1950年代誕生，是研究、開發用於模擬、延伸和擴展人的智慧的理論、方法、技術及應用系統的一門綜合性技術科學。人工智慧技術的發展經歷過數次起伏，在螺旋式上升中不斷獲得新的突破。人機博弈是人工智慧領域的一個重要分支。近20年來，出現了多次可以稱之為里程碑式的「人機大戰」。

▎螺旋式上升──人工智慧發展史
介紹智慧技術的發展史！以時間和人物為線索展現從古到今智慧技術的演進過程，以及近年來人工智慧技術的最新應用領域等。

▎烈火中永生──人工智慧技術的三次浪潮
對三次浪潮進行總結和反思，從中我們可以看出，技術發展需要深厚的累積，當從量變發展到質變時，就會帶來一次新的技術革命。

▎一騎絕塵去──回顧經典人機博弈大戰
本書彙總多方面資料，對人機大戰中的人物、事件、技術突破和意義等進行詳細介紹，在故事中品味技術。

▎從「人工智慧」到「類人智慧」──尋找未來方向
概述人機博弈技術的最新成果和發展方向，並結合筆者的認知指出「以人為本」、「認知智慧」、「人機共生」三個方向是人工智慧與人機博弈未來的突破口。

◎當人類對上人工智慧
➔首次對決：「深藍」vs.西洋棋大師
1997年IBM公司的「深藍」擊敗西洋棋大師卡斯帕洛夫，這是基於知識規則引擎和強大電腦硬體的人工智慧系統的勝利。
➔再度對決：「華生」vs.人類冠軍
2011年IBM公司的問答機器人「華生」在美國智力問答競賽節目中大勝人類冠軍，這是基於自然語言理解和知識圖譜的人工智慧系統的勝利。
➔三度對決：AlphaGo vs.韓國棋王
2016年的AlphaGo與李世乭的圍棋大戰，AlphaGo最終以4∶1的成績戰勝李世乭，這是基於蒙地卡羅樹搜尋和深度學習的人工智慧系統的勝利。

◎終極對決！軍事上的人機博弈
「科洛薩斯」電腦誕生於二戰期間的英國，其目的就是為了幫助英軍破譯德軍密碼。自那時起，資訊技術的發展應用使得軍事領域發生著日新月異的革命性變化。那麼，人工智慧又會對戰場產生什麼樣的影響？

本書特色：本書從人機博弈幾次里程碑式的事件切入，對技術發展進程中的重要人物、節點和技術突破進行詳細介紹，從中整理出人工智慧研究方法論的演進，並對人工智慧技術未來發展方向提出展望。

劉禹，中國科學院自動化研究所研究員、綜合資訊系統研究中心主任，主要從事多模態人機交流與人工智慧研究，將面向腦機融合與智慧博弈的人工智慧研究成果應用於人機智慧對抗與輔助決策中，滿足複雜動態博弈對抗環境下的決策訓練需求，已發表論文50餘篇、申請發明專利50餘項、出版編著專著5本。

魏慶來，中國科學院自動化研究所研究員、複雜系統管理與控制國家重點實驗室副主任、中國自動化學會理事，主要從事人工智慧、自學習控制，平行控制，自適應動態規畫，智慧控制理論與應用研究工作，已發表論文130餘篇，入選2018與2019年全球高被引科學家，獲得IEEE神經網路與學習系統彙刊優秀論文獎、中國自動化學會青年科學家獎等10餘項。

前言
近年來，隨著人工智慧與大數據、雲端平臺、機器人、行動網路及物聯網等的深度融合，人工智慧技術及其產業開始扮演著基礎性、關鍵性和前瞻性的核心角色。人機博弈是人工智慧領域一個非常重要的研究問題，人工智慧技術對於以兵棋推演和即時策略遊戲為代表的「強人機博弈」系統來說是一種非常有價值的學習工具、訓練工具和實驗工具。不僅在軍事領域，人機博弈在很多領域都被當成解決當前諸多問題的有效方法，包括應急管理、抗震救災，甚至商務談判等，因此了解人工智慧、人機博弈技術，其本質就是研究它們背後的方法學和思考方式，研究技術和方法融合的規律和機理，用博弈思維來完善目前研究與分析問題的方法。
近幾年，人工智慧技術發展迅速，甚至可以說是獲得了指數級的進步，不僅可以從大量人類行為資料中提取特徵和經驗，還可以透過自我博弈超越人類的經驗。不論我們在人機博弈中把人工智慧當作人類的對手還是夥伴，都有可能顛覆我們傳統的思考方式和決策體系，因此，博弈與AI結合之後可能為人類社會發展帶來顯著的促進作用。既然西洋棋領域能夠誕生深藍，圍棋領域能夠誕生AlphaGo，那麼作為更複雜、更靈活、更加不透明的不完全資訊博弈系統，在不久之後也一定會產生相應的、能夠超越人類最高水準的人工智慧體。
從「深藍」到「華生」再到橫空出世的AlphaGo，我們感受到了人工智慧在博弈遊戲，特別是在完全資訊博弈遊戲中表現出來的強大能力，但其展示更多的是算力和算法能力，還不是我們所期待的「認知智慧」。儘管人工智慧在非完全資訊博弈對抗中正在表現出越來越出色的成績，包括對複雜環境的認知、對不明確規則的理解、對「戰爭迷霧」的判斷等，但仍有一些深層次的智慧是目前人工智慧尚未觸及的問題。特別是目前人工智慧系統具有弱解釋性、弱泛化性且無法實現有效的認知推理，使其難以實現通用人工智慧的終極目標。筆者認為，認知智慧的研究是當前人工智慧研究實現突破的重點，也將直接影響人工智慧的未來發展，一旦得到突破，則必將帶動人工智慧技術和相關應用爆炸式發展，使人類社會由當前的資料時代進入全新的智慧時代。
人工智慧的理性發展目標是更好的輔助人類及社會發展，依靠智慧算法發現人類未知的事物。事實上，人工智慧技術的進步並不是為了取代人類，而是為了向人類提供更好的經驗和指導。因此我們更需要一種「人機共生」的學習環境，使人類能夠與人工智慧交融進步，一種具有「感知人類、理解人類、幫助人類」能力的人機混合智慧正在醞釀之中。
全書共分為4章。
第1章介紹智慧技術的發展史，以時間和人物為線索展現從古到今智慧技術的演進過程，以及近年來人工智慧技術的最新應用領域等。
第2章對人工智慧經歷的三次浪潮進行總結和反思。從中我們可以看出，技術發展需要深厚的累積，當從量變發展到質變時，就會帶來一次新的技術革命。
第3章回顧歷史上著名的「人機大戰」：第一次是1997年IBM公司的「深藍」擊敗西洋棋大師卡斯帕洛夫（Kasparov），這是基於知識規則引擎和強大電腦硬體的人工智慧系統的勝利。第二次是2011年IBM公司的問答機器人「華生」在美國智力問答競賽節目中大勝人類冠軍，這是基於自然語言理解和知識圖譜的人工智慧系統的勝利。第三次是2016年的AlphaGo與李世乭的圍棋大戰，AlphaGo最終以4∶1的成績戰勝李世乭，這是基於蒙特卡羅樹搜尋和深度學習的人工智慧系統的勝利。本書匯總多方面資料，對人機大戰中的人物、事件、技術突破和意義等進行詳細介紹，在故事中品味技術。
第4章概述人機博弈技術的最新成果和發展方向，並結合筆者的認識指出「以人為本」、「認知智慧」、「人機共生」三個方向是人工智慧與人機博弈未來的突破口。
本書第1、3、4章由劉禹編寫，第2章由魏慶來編寫，劉躍華、劉代金、張靜、高然、李冬梅、趙斌也在本書的編寫過程中做出了很大的貢獻。同時，本書編寫過程中也參考了不少專家學者的著作與學術論文，在此對他們一併表示最誠摯的謝意！
限於作者的程度，書中難免會有不足之處，懇請廣大讀者與專家批評指正。
作者

前言

第1章 螺旋式上升──人工智慧發展史
1.1 人工智慧歷史中的先驅者
1.2 人工智慧技術的演變史
1.3 人工智慧的最新應用
1.4 參考文獻

第2章 烈火中永生──人工智慧技術的三次浪潮
2.1 基於規則的生產系統時代（1956-1976年）
2.2 人工神經網路時代（1976-2006年）
2.3 基於網際網路大數據的深度學習時代（2006年至今）
2.4 參考文獻

第3章 一騎絕塵去──經典人機博弈大戰
3.1 西洋跳棋
3.2 西洋棋
3.3 智力問答
3.4 圍棋
3.5 參考文獻

第4章 從「人工智慧」到「類人智慧」
4.1 社會博弈的挑戰
4.2 終極對決──軍事人機博弈
4.3 下一個風口──類腦智慧
4.4 參考文獻

4.2.1　軍事人機博弈的特點和難點
戰爭是人類社會最極端的博弈形式，是需要以犧牲人類生命為代價的。隨著資訊化、智慧化技術的不斷發展，作戰空間不斷擴大、戰場態勢日益複雜、戰爭形態不斷變化，如何快速收集戰場資訊、準確實現戰場認知、高效能形成作戰方案決策將成為影響戰爭走向和最終結果的關鍵因素。另一方面，由於資訊化戰爭的不斷發展，如何實現狀態認知、作戰籌劃、新型作戰打擊等成為了軍事研究的熱門焦點。而伴隨著人工智慧和電腦運算能力的發展，實現軍事作戰智慧化已然成為發展的趨勢。與象棋、圍棋領域的人機博弈不同，軍事智慧領域的人機博弈更多的是驗證軍事智慧的水準，從而為軍事服務，而不是徹底的打敗人類。
自AlphaGo擊敗世界圍棋高手以後，以「深度學習」為代表的技術框架獲得了突飛猛進的突破，也讓人工智慧在軍事智慧系統、軍事人機博弈方面的應用成為探究焦點。美軍在2014年9月提出「第三次抵銷策略」，力求在軍事智慧化上與潛在對手拉開代差，目前已進入全面實施階段。美國國防部副部長沃克（Work）提出，自主學習、實現更及時決策的人機合作、機器輔助人員作戰、有人―無人作戰編組、網路化半自主武器將是「第三次抵銷策略」重點發展的五大關鍵技術領域。是否能研究出支援技術應用的演算法，提升人工智慧、自主技術的水準，將成為決定上述各主要方向技術發展的關鍵所在。俄羅斯始於2008年的「新面貌改革」將人工智慧作為重點投資領域。此外，俄羅斯還發表《2025年前發展軍事科學綜合體構想》，強調人工智慧系統將成為決定未來戰爭成敗的關鍵要素。2016年10月，美國白宮又發表了《國家人工智慧研究和發展策略規畫》，建構美國人工智慧發展的實施框架。
隨著戰爭資訊化程度不斷提高，作戰空間不斷擴大，作戰態勢日趨複雜，作戰樣式的不斷變化，戰場大數據的爆炸式成長，加之無人化作戰、網路空間作戰等「秒殺」作戰樣式的出現，現在戰爭的智慧化需求不斷增強。未來戰爭中，戰場認知與決策速度將成為戰爭勝負的決定因素，誰能夠更快的處理戰場資訊、理解態勢、實施決策並執行打擊，誰就能贏得主動。以美國空軍完成一次火力打擊任務準備為例，在波斯灣戰爭時需要100分鐘，在科索沃戰爭時需要40分鐘，在阿富汗戰爭時需要20分鐘，而到了伊拉克戰爭只需要1分鐘。
人工智慧技術的發展和應用水準，將成為未來戰爭的關鍵。新美國安全中心研究員格雷戈里．艾倫（Gregory C. Allen）在其主筆的一份題為〈人工智慧與國家安全〉的報告中強調：「人工智慧對國家安全領域帶來的影響將是革命性的，而不僅僅是與眾不同的。世界各國政府將會考慮制定非凡的政策，可能會像核武器剛出現時一樣徹底。」那人工智慧又將對戰場產生什麼影響呢？它能成為下一個影響戰爭形態和作戰模式發展趨勢的關鍵技術嗎？更深入一步，人工智慧在軍事博弈對抗上有哪些難點？它是否可以像下圍棋一樣指揮戰爭並達到甚至超越人類的作戰指揮水準呢？
人工智慧在軍事上的應用經歷了很長的發展，包含智慧裝備、無人裝備、專家系統、智慧指揮系統等。1990年代初美國實施的「沙漠風暴」行動是人工智慧技術在軍事中應用的一個成功典範。從最簡單的貨物空運，到複雜的行動協調，都由基礎人工智慧技術的專家系統來完成。另外，先進的巡弋飛彈也採用了多智慧體協同和機器視覺技術。美國曾在阿富汗戰爭、伊拉克戰爭中大量運用無人機和後勤作業機器人。目前，軍事人工智慧已從單裝智慧向集體智慧、指揮智慧不斷發展，從基於規則的專家系統向可進行自主認知和決策的智慧指揮系統跨越。人工智慧真的能取代人類指揮員進行戰鬥指揮嗎？目前的答案是否定的，人工智慧現在的主要應用是作戰輔助，而非取代人類指揮員。距離真正的作戰指揮，人工智慧還面臨以下障礙和瓶頸。
首先，需要解決的是倫理問題。如果你是士兵，你能信任人工智慧指揮官的命令嗎？目前的人工智慧技術主要採用基於大數據的端到端黑盒訓練模式，透過向神經網路模型輸入大量經過標注或未標注的資料，根據最佳化目標得到網路模型的參數，至於輸入輸出之間是否存在因果關係，我們無從知曉。對於語音、視覺等領域的人工智慧商業應用來說，這是可以接受的，人們只需要能夠快速辨識、快速翻譯和檢測即可，只需要結果正確，而並不需要關心中間過程如何，即使出現一定的錯誤辨識也是可以接受的。而對於軍事指揮來說，並不存在標準答案，也沒有人能夠承受錯誤決策所帶來的影響，所以目前的軍事指揮仍然強調「人為監督」，即人在決策過程中產生決定性作用。
其次，如何建立有效、準確、可解釋的資訊處理、狀態意識和作戰決策機制是人工智慧面臨的關鍵問題。戰爭屬於不完整資訊博弈對抗，戰場環境多變，作戰元素多樣，作戰效果無法預知等問題加大了作戰指揮的複雜性。對於軍事博弈來說，指揮員所得到的資訊是不完整的，甚至還有可能存在偏差，這就是「戰爭迷霧」。如何獲得及時有用的資訊是實現快速決策的保障。孫子兵法曰：「知彼知己，勝乃不殆；知天知地，勝乃可全。」除了不完整資訊博弈的特點外，戰爭還有弱規則性的特點，這是因為戰爭對抗是一個持續的過程，局部勝負和全局勝負之間沒有準確的衡量標準，所以無法像棋類遊戲一樣得到明確的博弈收益，這導致對於人工智慧系統而言，無法直接、明確的根據當前狀態去判斷對手意圖和預測勝負關係。
第三，基於神經網路的深度學習演算法離不開資料的支援，但軍事作戰資料的採集無法像商業資料一樣具有大量資料快速生成能力。特別是由於軍事作戰的特殊性，實戰資料很難採集，模擬對抗資料是否貼合實戰情況也難以保證，因此軍事博弈系統中能夠獲取的資料量遠遠少於一般深度學習方法所需的樣本規模。在缺乏規模化訓練資料支援的情況下，人工智慧如何訓練出有價值的模型，又如何輔助人類實現理想中的戰場態勢分析、理解和作戰決策制定呢？當前為了解決這個問題，大多採用稀疏樣本訓練演算法或自我博弈訓練方法，在缺少戰爭規則的準確描述前提下，其有效性還有待檢驗。
第四，人工智慧還缺少對人的高階謀略的深刻理解。軍事作戰中不僅會面臨複雜多變的戰場環境，還會面臨不同的作戰對手。什麼樣的任務，怎麼去打，派誰去打，這在軍事指揮中也是非常重要的問題。不同的指揮員有自己擅長的戰法，也有自己獨特的性格特徵，包括人對當前戰場局勢的主觀能動性和預期行為方式。由於性格的形成不僅受先天因素的影響，後天的環境和教育等也會對性格的形成產生重要影響，因此每個人的性格表現不同，具體展現在情緒、態度、意志、行為偏好、思維表現等不同維度。如何讓人工智慧指揮員也具有一定的性格，如何能針對不同的作戰任務展現出不同的作戰風格，如何根據不同的作戰對手進行揚長避短的作戰指揮？等到基於資料和演算法的人工智慧指揮員能真的像人類指揮員一樣學會使用「聲東擊西」、「遠交近攻」、「明修棧道暗渡陳倉」等策略的那一天，才是人類真正應該感到恐懼的時刻。
最後，人工智慧尚未涉足人類所具有的難以解釋的複雜決策簡化能力，即直覺。軍事作戰指揮是科學也是藝術，各國戰爭史中都有非常多被後人廣為傳頌的指揮員依靠直覺做出「扭轉乾坤」的決策，從而改變戰爭天平的案例，這種直覺往往被認為是獲勝一方贏得「天意」的表現，而未深究其內在原因。事實上它是一種基於決策者已掌握的、累積的內隱知識和潛意識所進行的思考分析過程。直覺決策是在已有的經驗、判斷和知識等作為先驗資訊的基礎上做出的快速反應和判斷，或者說是大腦無意識儲存在長期記憶中的資訊被某種外部刺激突然啟動所帶來的自然反饋。美軍自2003年以來相繼在《任務指揮：陸軍部隊的指揮和控制》、《陸軍計畫制定和命令生成》、《美陸軍野戰手冊──作戰過程》中對指揮員的直覺決策過程進行過闡述，並從最初闡述直覺決策的作用，逐步轉向嘗試對直覺決策方法論的解釋。人工智慧是否能在人類之前理解直覺型作戰指揮呢？
總而言之，戰爭是一個複雜的對抗過程，組成要素豐富，戰場態勢瞬息萬變，要想實現準確的戰場態勢判斷並做出有效的作戰決策，軍事智慧化是必然趨勢，必須要實現戰場態勢高效能認知。如前所述，智慧認知是人工智慧的最高層次，而實現非完整資訊的博弈對抗狀態意識更加困難。軍事人機博弈是一個涉及多個學科領域的複雜智慧認知活動，需要透過模擬人類深思熟慮行為，透過自主學習發掘規律，並完成推理、規劃和決策，涉及人工智慧、腦認知、資訊處理、數學等多個學科領域，多學科綜合協調的難度很大，需要整合攻關。與感知智慧和計算智慧相比，以軍事人機博弈為代表的軍事認知智慧更為複雜，要獲得突破還需要一個長期不懈的持續發展過程。