张亚勤
事实上，“智能计算”是一个内蕴相当丰富的概念-长期以来，分布于世界各地的计算机科研人员都在因循不同的方向、通过各异的途径来设法接近这一概念的实质。
一些基本的事实或许有助于我们理解智能计算的意义和发展现状。1997年，IBM旗下的 华裔科学家许峰雄博士所研制的一台名为“更深的蓝”的“计算机棋手”，出人意料地战胜了被誉为“历史上最伟大的国际象棋大师”的人类对手卡斯帕罗夫。仅仅在1/4个世纪以前，如此令人不可思议的事情大抵还只能在科幻小说里看到。然而，在许峰雄与其同仁的共同努力之下，计算机最终轻松地完成了这一先前看似“不可能的任务”。一时之间，大家都在思索同一个问题：击败人类世界冠军的计算机是不是可以说已经具备了某种程度的“智能”呢？毕业于卡内基梅隆大学的许峰雄博士在解释这一疑问时曾这样说，“一切都基于一个信念”-许博士把整个弈棋的过程假定为某种在数学上可以描述并搜索的过程，于是，只需要把“如何表述”弄清楚，剩下的只要计算机运算速度足够快就可以了(“更深的蓝”是一台超级并行处理计算机，多达256块芯片的配置以及先进的并行算法使之可以在每秒钟运算2亿步棋)。人们兴奋不已，有些人开始尝试设计有朝一日能够战胜中国最有实力的围棋选手的计算机。时至今日，人类开发出的最好的围棋程序也只能排在人类选手的负五段。
历史发展到今天，在瞬息千里的技术奇迹已渗透到我们生活中的每一个角落的时候，新的疑问产生了：制造像“更深的蓝”这样的计算机–使计算机选手的运算能力足够强大,并有能力向人类选手挑战，这样便能够完全阐释智能计算的意义了吗？
不久以前曾吸引了国内外多所知名高校参与的“机器人足球赛”仿佛是从另一个角度向我们昭示着智能计算的发展方向。以往科学家们的梦想是制造出尽可能像人的机器-“深蓝”是借助精准的算法以及人类大脑无法企及的运算速度来模仿棋手的思维；而机器足球运动员(或是索尼生产的机器狗)则是应用方兴未艾的传感技术，并结合多年来科学家们在智能机器研究方面的的一些研究成果，来尝试实现对人类复杂行为的模仿。因而，我们可以得出结论，看似风马牛不相及的机器棋手和机器运动员其实都是沿袭了同一条智能计算研究轨迹后的产物。
微软中国研究院的几个小组正从另一个方向努力着-有一个课题是“人脸的识别与绘制“，研究者们试图使计算机能够做一些比走路、端水、下棋、踢球更为复杂、更具不确定性的事情，例如绘画。绘画是使人的内在精神外化的一种艺术。当一位画家为某人画素描时，往往只需观察片刻，之后聊聊数笔，一幅形神兼备的人物轮廓便跃然纸上。看上去很简单，但这种行为本身却不止限于思维的作用；同时，如何向计算机描述画家的创作过程本身也是一个棘手的问题。微软研究院科学家的思路是用所谓“基于采样和统计学习的方法”来使计算机变得“聪明”。把数以百计的不同画家的多幅作品作为样本，这样当我们给计算机“看”一张新的照片时，它会自己去与采样库比较并产生一张新的速写(统计结果)。人们还兴奋地发现，机器所产生的作品是可以不断修改完善的-我们给它输入的数据越多，它所绘制的图片便越逼真。
由上述几个事例我们可以了解到智能计算的两条不同途径。传统的研究思路是“自上而下”式的，它的目标是让机器模仿人-相关的研究往往相信人脑的思维活动应该可以通过一些公式和规则来定义，因此希望通过把人类的思维方式翻译成程序语言输入机器，来使机器有朝一日产生像人类一样的思维能力。这一理论定义了早期人工智能的所有研究和努力。不能说这种思路对智能计算的发展毫无贡献，包括斯坦福国际实验室(Stanford Research International - SRI)于1969年研制的世界第一台“智能机器”(Shakey)，以及之后MIT人工智能实验室等机构的多项突破在内的研究成果都很好地说明了这一点。然而，在“深蓝”及其后继者创造出“象棋神话”之后，类似尝试的局限性也日益显现出来。一些科学家开始提出：人对于自我意识的机制尚且缺乏深彻的了解，更遑论把这套机制完全照搬到机器中的奢望；换言之，人类思维的规则几乎是不可能被完全破译的，所以机器所能够接受的永远都只是残缺不全的“人的智能”，再强大的机器也不可能再现人类思维的复杂机制。