在一個(gè)知識(shí)、資源相對(duì)充足的理想環(huán)境下圓滿地解決問題不算有多大本事，承認(rèn)在現(xiàn)實(shí)的約束下無法做到完美，但仍盡力而為，這才是智能的體現(xiàn)。

撰文 | 王培（美國天普大學(xué)計(jì)算機(jī)與信息科學(xué)系）

解決問題需要時(shí)間，而形勢(shì)往往不容許仔細(xì)斟酌。可以說，所謂 “難題” 就是那些我們對(duì)其沒有充分知識(shí)（“不知道”）和時(shí)間資源（“沒想到”）的問題，而解決這些難題，正是體現(xiàn)智能的時(shí)候?；谶@種認(rèn)識(shí)，我才把 “智能” 定義為 “在知識(shí)和資源相對(duì)不足時(shí)的適應(yīng)能力”（見《人工智能：何為“智”？》）。前面幾篇文章主要講在 “知識(shí)不足” 條件下的應(yīng)對(duì)方案（如《你這是什么邏輯?》），本文主要分析 “時(shí)間資源不足”的情況。

對(duì)時(shí)間要求的不同應(yīng)對(duì)

在歷史上，對(duì)問題的解決過程研究最細(xì)的是數(shù)學(xué)家們，研究的結(jié)果有關(guān)于計(jì)算和算法的理論，這些理論后來成了計(jì)算機(jī)科學(xué)技術(shù)的理論基礎(chǔ)。簡而言之，人們將一個(gè)數(shù)學(xué)或計(jì)算問題的解法表示為一個(gè)確定、可行、有限的算法，而各式各樣的程序可以看作是相應(yīng)算法的具體實(shí)現(xiàn)。（《計(jì)算機(jī)能有創(chuàng)造性嗎？》一文中對(duì)此有進(jìn)一步介紹）

解法→算法→程序

當(dāng)我們用計(jì)算機(jī)中的一個(gè)程序來解決一個(gè)實(shí)際問題時(shí)，所需要的時(shí)間一般來說是確定的。其長短取決于若干因素，包括計(jì)算機(jī)硬件設(shè)備的運(yùn)行速度、具體問題實(shí)例的難度、算法的時(shí)間復(fù)雜性等等。在前兩點(diǎn)不變的情況下，我們當(dāng)然希望用最簡捷的算法——這方面的研究成果目前主要是計(jì)算復(fù)雜性理論。

在具體應(yīng)用中，即使是已知最快的算法，也可能還不夠快。這里有幾種情況，一種是問題本身有明確的時(shí)間要求。如果用計(jì)算機(jī)直接控制某個(gè)物理過程，比如自動(dòng)駕駛汽車，每個(gè)計(jì)算任務(wù)的完成就絕不能超時(shí)。另一種情境沒有嚴(yán)格時(shí)間限制，但任務(wù)的完成應(yīng)該是越快越好，比如回答用戶的查詢。即使是那些看似沒有時(shí)間要求的問題，實(shí)際上也不可能不考慮計(jì)算時(shí)間。以下圍棋為例，如果時(shí)間完全不是問題，那就可以通過窮舉所有可能性來找到最優(yōu)步驟。實(shí)際上， “系統(tǒng)地考慮所有可能性，然后選取最好的結(jié)果” 甚至可以說是解決所有問題的萬能方案，只是我們極少有時(shí)間這么做。

要解決時(shí)間不足的問題，一個(gè)天真的想法是完全依賴計(jì)算機(jī)運(yùn)行速度的提高或系統(tǒng)結(jié)構(gòu)的進(jìn)化，比如采用大規(guī)模并行計(jì)算，甚至量子計(jì)算。盡管這些進(jìn)展的確非常重要，但仍不可能完全滿足對(duì)計(jì)算時(shí)間的要求。目前的硬件速度和幾十年前已不可同日而語，但大量新需求的涌現(xiàn)還是輕而易舉地消耗掉了這份紅利。盡管量子計(jì)算會(huì)對(duì)某些計(jì)算問題（如因式分解）的速度產(chǎn)生革命性的影響，但目前尚無理由認(rèn)為所有計(jì)算問題都可以用此法加速。和無止境的需求相比，機(jī)器總是不夠快的。

解決這一問題，首先要轉(zhuǎn)變觀念。

對(duì)數(shù)學(xué)問題來說，正確性是首要條件，只有在解法正確的前提下，討論解題時(shí)間才有意義。但在實(shí)際應(yīng)用中，在很多情況下，最重要的是及時(shí)提供答案，即使答案的質(zhì)量差些，也遠(yuǎn)比遲到的答案強(qiáng)，等情況完全確定再采取行動(dòng)，甚至可能造成致命的后果。因此，為了降低時(shí)間開銷，有時(shí)可以容許修改要求，比如說放寬答案的標(biāo)準(zhǔn)（接受近似解），縮小考慮的范圍（忽略罕見情況）等等。

滿足特定時(shí)間要求的計(jì)算系統(tǒng)稱為 “實(shí)時(shí)系統(tǒng)”，其基本設(shè)計(jì)思路大略分為以下幾類：

?量體裁衣：根據(jù)給定時(shí)間要求為系統(tǒng)設(shè)計(jì)算法及軟硬件配置，以保證按時(shí)解決問題。這適用于時(shí)間要求和工作環(huán)境不變的情況。

?各取所需：事先準(zhǔn)備一組算法，各有不同的時(shí)間要求和答案質(zhì)量。當(dāng)一個(gè)問題實(shí)際出現(xiàn)時(shí)，根據(jù)其容許的時(shí)間選取最好的解法。這適用于僅有若干種時(shí)間要求的情況。

?當(dāng)場(chǎng)定制：用一個(gè) “元算法” ，為每個(gè)具體問題根據(jù)其時(shí)間要求規(guī)劃出一個(gè)適當(dāng)?shù)乃惴?。這適用于算法生成規(guī)則簡單的情況。

?按質(zhì)論價(jià)：為一個(gè)問題提供一系列的解，耗時(shí)越長的質(zhì)量越高。這適用于答案可以逐步優(yōu)化的情況。

最后這個(gè)技術(shù)值得多說幾句。這種解題方式叫 “隨時(shí)算法”（anytime algorithm，也可以譯成 “任意時(shí)間算法”）[1]。很多算法（比如說各種迭代逼近算法）都可以被改寫成這種形式，只要始終保存已發(fā)現(xiàn)的諸答案中最好的那個(gè)，在收到（用戶或另一個(gè)程序發(fā)出的）終止命令時(shí)先報(bào)告它然后停下來就行了。盡管設(shè)計(jì)和實(shí)現(xiàn)都不難，隨時(shí)算法的理論意義卻尚未得到充分的認(rèn)識(shí)。雖然仍被稱為 “算法”，但這種解題過程已經(jīng)違反了經(jīng)典算法概念中 “會(huì)在得到答案后自行終止運(yùn)行” 的要求，所以不能再談它需要多少時(shí)間得到答案，而是要談給它多少時(shí)間得到答案。對(duì)這種過程而言，算法復(fù)雜性、可計(jì)算性等概念都不再有意義了。

思維中的經(jīng)濟(jì)學(xué)

對(duì)人的思維活動(dòng)而言，時(shí)間約束是常態(tài)。和數(shù)學(xué)、計(jì)算機(jī)科學(xué)中的常規(guī)設(shè)定不同，我們面對(duì)的絕大多數(shù)問題都有或明或暗、或強(qiáng)或弱的時(shí)間要求，而一個(gè)遲到的答復(fù)質(zhì)量再高也可能完全沒有價(jià)值。我們一般是在答案的質(zhì)量和及時(shí)性之間找平衡，有時(shí)間就細(xì)想，沒時(shí)間就只能大概估計(jì)一下?！皶r(shí)間常常是不夠用的”——這聽上去像常識(shí)，但將其設(shè)定為前提條件以后，我們可以更自然地重新解釋很多現(xiàn)象。

從知覺開始，心理學(xué)中的 “格式塔學(xué)派” （德語：Gestalttheorie，不是為格式修的塔）早就發(fā)現(xiàn)我們看到的東西是經(jīng)過加工處理的，而非 “世界的原貌”。比如下圖一般會(huì)被看成一個(gè)白色的三角形壓在三個(gè)黑色的圓形之上，盡管這個(gè)三角形是“補(bǔ)完”出來的，而非完整的線條畫出來的。有人會(huì)糾結(jié)于 “此三角形是真的存在還是幻覺” 這種問題，但換一個(gè)角度來說，也可以認(rèn)為我們的知覺總是試圖用已有 “心理詞匯” 盡可能簡單地描述當(dāng)前的情形，以便加快處理過程。

另一個(gè)重要的心理機(jī)制是 “注意”。我在《人工智能怎么為自己設(shè)定目標(biāo)？》中說過，真正的智能系統(tǒng)一定是同時(shí)有多個(gè)目標(biāo)或任務(wù)的，它們?cè)趦?nèi)容上可能互相沖突（魚和熊掌不可兼得）。即便目標(biāo)相容，它們也一定相互競(jìng)爭，以獲取更多的時(shí)間資源，而 “注意” 就是這種競(jìng)爭的體現(xiàn)，即，系統(tǒng)要根據(jù)這些任務(wù)的相對(duì)急迫性分配處理時(shí)間。雖然這聽上去沒什么新鮮的，在日常生活中相關(guān)的誤區(qū)卻不少：

? 有人常常通過爭辯 “甲比乙更重要” 把一個(gè) “分配” 問題換成“選擇” 問題。即使甲的確更重要，也絕不說明它應(yīng)該得到所有資源，而乙該被置之不理。重復(fù)我在前文中說過的，“歷史已經(jīng)反復(fù)展示了不惜一切代價(jià)追求某目標(biāo)所造成的災(zāi)難，不管這個(gè)目標(biāo)本身多么有價(jià)值”。? ?“注意某個(gè)事物” 就意味著在一定程度上忽視其它事物，因?yàn)樽⒁饬κ怯邢薜?。這里的根本原因仍是時(shí)間不夠，所以不可能什么都 “認(rèn)真重視，作為頭等大事來抓”。所有事 “都重視” 其實(shí)意味著 “都不太重視”。

總而言之， “注意” 是個(gè)程度問題，沒有定量模型是很難說清的。不考慮時(shí)間有限所導(dǎo)致的注意力分配，會(huì)嚴(yán)重誤判思維所具有的能力。

與此對(duì)應(yīng)的是“遺忘”機(jī)制，其常常被視為“劣勢(shì)”。在比較計(jì)算機(jī)和人腦時(shí)，“不會(huì)遺忘” 常常被列為機(jī)器的一大優(yōu)勢(shì)，但遺忘恰恰是在為已有知識(shí)和當(dāng)前任務(wù)排出輕重緩急，雖然常常會(huì)出錯(cuò)。在現(xiàn)實(shí)的環(huán)境中，隨時(shí)有大量信息涌入，問題解決有時(shí)間要求，一個(gè)智能系統(tǒng)要在這樣的環(huán)境中工作，必須要有遺忘的功能。因?yàn)?，時(shí)間有限，我們不能一視同仁地記住所有信息。就算記憶空間不是問題，查詢時(shí)間也一定會(huì)成為瓶頸。遺忘是集中注意力的一個(gè)必要條件。

實(shí)際上，我自己常常用這些 “缺陷” 來判斷一個(gè)人工智能系統(tǒng)的真實(shí)水平。不管一個(gè)系統(tǒng)解決問題的能力有多強(qiáng)，如果它只 “記” 不 “忘”，這就說明它沒有管理自身資源的能力；如果它從不犯錯(cuò)，這就說明它沒有探索未知的能力。這當(dāng)然不是說系統(tǒng)應(yīng)該隨便亂刪東西或胡說八道，而是說某類錯(cuò)誤是智能的必然代價(jià)。我們一般都會(huì)同意某些過失是可以接受的，比如 “不知者不為過”， “忙中難免有失” 都是這個(gè)意思。這里的微妙之處在于，區(qū)分哪些錯(cuò)誤是 “合理的”，而哪些不是。

情緒化反應(yīng)和種種 “非理性行為” 也都和這一點(diǎn)有關(guān)（見《人工智能，讓機(jī)器也會(huì)“感情用事”》）。在知識(shí)和資源不足的情況下，及時(shí)做出盡可能有根據(jù)的反應(yīng)，實(shí)際上體現(xiàn)了一種高級(jí)的理性，而情感表達(dá)了對(duì)情景和對(duì)象的好惡，是一種重要的評(píng)價(jià)機(jī)制。傳統(tǒng)的理性模型都是基于演繹邏輯或概率論的，其中不容許有 “不知道” 和 “沒想到” 的可能性，也沒有情感的存身之地。大家都知道，沒人能一直遵循純粹的理性來生活，不意味著人沒進(jìn)化好。人工智能領(lǐng)域的奠基人之一司馬賀（Herbert Simon）就提出，人腦體現(xiàn)的實(shí)際上是一種 “有限理性” （Bounded rationality）。他指出，囿于人類的認(rèn)知能力和可用資源，我們追求的一般不是 “最優(yōu)解”，而是 “滿意解”。他在1978年得的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)也和這個(gè)觀點(diǎn)有關(guān)。

一個(gè)更早的著名觀點(diǎn)是馬赫（Ernst Mach）的 “思維經(jīng)濟(jì)原則”，即，對(duì)于事實(shí)，科學(xué)理論應(yīng)該用最少量的思維開銷作出盡可能完善的陳述。曾經(jīng)，這一觀點(diǎn)被批判，因?yàn)樗穸丝茖W(xué)概念和理論的客觀性；但以當(dāng)今的科學(xué)觀來看，事情遠(yuǎn)沒有這么簡單。我在一篇關(guān)于元理論的文章[2]中提出，無論是在個(gè)體中評(píng)價(jià)概念和信念，還是在群體中評(píng)價(jià)理論體系，都應(yīng)該考慮三個(gè)維度：（1）正確性（和已有證據(jù)的吻合程度），（2）指導(dǎo)性（對(duì)未來行為的限定程度），（3）簡單性（描述的簡略程度）。

這三個(gè)維度彼此獨(dú)立。就是說，在某一方面得了高分，不意味在另一方面也必然如此。目前的問題是，很多人把第一點(diǎn)理解為 “和事實(shí)的吻合程度”，而對(duì)另兩點(diǎn)認(rèn)識(shí)不足，或者以為它們的價(jià)值最終還是要?dú)w結(jié)到正確性上來。在《證實(shí)、證偽、證明、證據(jù)：何以為“證”?》中，我說到了 “證據(jù)” 和 “事實(shí)” 的差別，以及波普爾（Karl Popper）證偽主義的實(shí)際意義在于強(qiáng)調(diào)了理論的指導(dǎo)意義，所以 “既要大膽又要謹(jǐn)慎” 之類的指示沒什么價(jià)值，盡管說得好像不錯(cuò)。至于第三點(diǎn)，“奧卡姆剃刀”（Occam's Razor）、理論的 “美感” 之類的論述，都可以看成是在表述理論的簡單性及其相關(guān)特征，但不該以“美的更可能是真的”作為理由。由于資源約束的存在，簡單性本身就是價(jià)值，不用關(guān)聯(lián)于正確性。

以上三者對(duì)適應(yīng)性系統(tǒng)都同樣重要。知識(shí)也好，理論也罷，只能用以往經(jīng)驗(yàn)來辯護(hù)，所以要盡可能與證據(jù)一致；由于它們的終極功能是指導(dǎo)未來行為，所以要盡可能具體、明晰；因?yàn)榇蠹視r(shí)間都有限，所以要盡可能簡單，否則不好用。當(dāng)然，這些都是個(gè)程度問題，而不同知識(shí)和理論的比較往往還是可能的。比如說愛因斯坦的理論比牛頓的更精確，同時(shí)也更復(fù)雜。當(dāng)三者不可兼得的時(shí)候，具體的取舍就要看當(dāng)時(shí)的情景對(duì)各方面的要求或容忍程度了。無論如何，一個(gè)理論如果有任意一種得分太低，大概什么時(shí)候都不會(huì)有價(jià)值。

納思中的時(shí)間管理

最后又要說到我設(shè)計(jì)的人工智能系統(tǒng) “納思” 了。由于其基本預(yù)設(shè)之一就是 “時(shí)間總是不夠”，納思和絕大多數(shù)計(jì)算機(jī)系統(tǒng)（包括其它人工智能系統(tǒng)和實(shí)時(shí)系統(tǒng)）都有著根本的區(qū)別。

每一個(gè)提交給納思的任務(wù)都有一個(gè) “緊迫性” 的初值，或者由用戶指定，或者由系統(tǒng)根據(jù)其性質(zhì)確定。這個(gè)值代表了任務(wù)間的相對(duì)迫切、重要程度。系統(tǒng)后面可以根據(jù)自身的經(jīng)驗(yàn)和情況的變化對(duì)這個(gè)值進(jìn)行調(diào)整。

對(duì)絕大多數(shù)任務(wù)而言，系統(tǒng)都沒有一個(gè)固定的處理算法，而是通過推理，逐步使用現(xiàn)有的知識(shí)對(duì)其進(jìn)行轉(zhuǎn)換和簡化，直至得到一個(gè)解。一般說來，使用的知識(shí)越多，解的質(zhì)量也就越高。在時(shí)間不足的情況下，沒有多少任務(wù)在處理過程中能夠考慮到所有相關(guān)知識(shí)。系統(tǒng)的設(shè)計(jì)目標(biāo)不是在某個(gè)任務(wù)上達(dá)到最高的質(zhì)量，而是力圖最大限度地完成全部現(xiàn)有任務(wù)。因此那些超出系統(tǒng)當(dāng)前能力范圍的任務(wù)往往會(huì)被放棄掉。

如果任務(wù)是一個(gè)待答復(fù)的問題，隨著推理的深入，系統(tǒng)可能會(huì)得到多個(gè)答案，并向用戶報(bào)告那個(gè)迄今為止質(zhì)量最高的答案。和一般的計(jì)算機(jī)系統(tǒng)為每個(gè)問題提供一次答案不同，納思既可能不提供答案（好比說 “對(duì)不起，我不知道”），也可能提供多次（好比說 “對(duì)不起，剛才那個(gè)答案有考慮不周之處，現(xiàn)在我認(rèn)為……”）。后一種情形類似于前面提到的隨時(shí)算法，只是納思在任務(wù)層面不遵循事先確定的算法，而是 “具體問題具體分析” [3]。這和前面提到的其它基于算法的方案有根本差別，比如說，納思的推理過程不是嚴(yán)格可重復(fù)的。

納思的知識(shí)是組織在一個(gè)動(dòng)態(tài)存儲(chǔ)結(jié)構(gòu)中的。除了任務(wù)有不同的緊迫度之外，知識(shí)也有不同的優(yōu)先度，其中除了綜合前面提到的正確性（真值）、指導(dǎo)性（實(shí)際使用歷史）、簡單性之外，還考慮了與當(dāng)前情境的相關(guān)性。由于優(yōu)先度高的知識(shí)會(huì)更容易被系統(tǒng)考慮到，優(yōu)先度的衰減就表現(xiàn)為“相對(duì)遺忘”（多花些時(shí)間還能想起來），而刪除低優(yōu)先度的知識(shí)就對(duì)應(yīng)于“絕對(duì)遺忘”（再也想不起來）了。

納思背后的理論預(yù)設(shè)比司馬賀的 “有限理性” 離傳統(tǒng)模型更遠(yuǎn)，因?yàn)樵谶@里，系統(tǒng)的知識(shí)和資源已經(jīng)不僅是 “有限”，而是 “不足”了，因此常常連 “滿意解“ 都不可得，而只能在找到的解中挑出相對(duì)而言最好的（或者說最不差的）。乍看起來，納思的行為有太多負(fù)面特征（解題過程不確定，會(huì)忽略任務(wù)或遺忘知識(shí)，不保證答案質(zhì)量等等），調(diào)試和評(píng)價(jià)也比傳統(tǒng)軟件更復(fù)雜，但這很可能是一個(gè)真正的智能系統(tǒng)所必須付出的代價(jià)。在一個(gè)知識(shí)、資源相對(duì)充足的理想環(huán)境下圓滿地解決問題不算有多大本事，承認(rèn)在現(xiàn)實(shí)的約束下無法做到完美，但仍盡力而為，這才是智能的體現(xiàn)。

參考文獻(xiàn)

[1] Shlomo Zilberstein, “Using Anytime Algorithms in Intelligent Systems”, AI Magazine, Fall 1996, pages 73-83, 1996

[2] Pei Wang, “Theories of Artificial Intelligence: Meta-theoretical considerations”, In Theoretical Foundations of Artificial General Intelligence, pages 307-325, Atlantis Press, Paris, 2012

[3] Pei Wang, “Case-by-case problem solving”, Proceedings of the Second Conference on Artificial General Intelligence, pages 180-185, Arlington, Virginia, March 2009