译者：胡祥杰 刘小芹

　　【新智元导读】人工智能领域最高荣誉图灵奖的获得者，贝叶斯之父 Judea Pearl 日前接受 Edge 的采访。他谈到自己发明贝叶斯理论的过程，谈到了当下火热的深度学习的几个局限，也说到了自己的研究兴趣：希望开发拥有自由意志的机器人。他认为，决策理论也许是创造出人类智慧的一个方式。

　　点击阅读原文，可在爱奇艺观看全程回顾。以下是开场视频。

　　文章要点

20世纪80年代，当我们从基于规则的系统过渡到贝叶斯网络的时候，产生了一种新的思想。贝叶斯网络是一种概率推理系统。专家可以把自己对所在领域的专业知识输入其中。领域可以指疾病或者石油，这和专家系统的目标是一致的。

这一思路是对某个领域而不是应用过程建模。拿疾病的例子来说，你需要把疾病相关的局部概率知识和相关变量表现形式输入，如果你观察到一些证据，计算机将会采纳并在需要的时候激活这些概率知识，为你计算出新的证据所需要的修正概率。

Pearl 的贡献在于：1）通过概率演算的命令做事情；2）异步分布式计算的仿生结构。你从一个简单的模型集开始，比如神经网络，所有的工作都是自主的，而且只与它们的相邻的模块通信。

　　Judea Pearl 是 UCLA 计算机科学系的教授，他曾两次居于科学革命的中心：第一次是在 20 世纪 80 年代，他为人工智能引入了一套新的工具，叫贝叶斯网络。这种基于概率的机器推理模型使得机器能在复杂的、模糊的和不确定性的环境下工作。短短几年内，贝叶斯网络就完全替代了此前基于规则的人工智能方法。

　　第二次革命，鉴于贝叶斯网络在计算上的优势，Pearl 意识到简单的图模型和概率论（正如贝叶斯网络中的那样）也能用于因果关系的推理。这一发现为人工智能的发展奠定了另一个基础，但意义远非如此，这一能验证因果关系的、条理性的数学方法，几乎已经被所有科学和社会科学领域采用。

　　Judea Pearl 是图灵奖获得者，他发表的作品包括 Heuristics、Probabilistic Reasoning in Intelligent Systems 和 Causality: Models, Reasoning, and Inference。

　　Judea Pearl 最早在研究半导体

　　20 世纪 60 年代初，很多都为计算机的未来投入巨大的资本。我进入一个设备主导的研究小组，它的目标是找到可以转变为计算机内存的新材料。那时磁芯存储器已经不流行。有些人研究光致变色现象，另一些人研究半导体，我研究的是超导性。实际上，我的学位论文也是跟超导存储器有关的。

　　为了使计算机的体积更小，速度更快，价格更低，每个人都感受到更换核心存储器的紧迫性。我记得贝尔实验室和IBM都很狂热地研究超导性问题，你可以想到的每个物理现象都被琢磨做成记忆装置。最终，半导体在这场角逐中胜出了。

　　Fairchild Camera 最先推出了半导体存储器。大家都笑他们说：“电源故障时就可能丢失存储，谁会冒这个险？”

　　因为半导体的缘故，我事实上被解雇了，不得不寻找另外的工作。幸运的是，我有一位朋友在UCLA，所以我给他打了一个电话，他告诉我有一个职位在招人。当时我甚至不知道那是什么职位。我料想我应该是去做教授，教我懂得的任何东西，而我懂的也就是计算机存储器。但其实没有太多教存储器的需要，所以我开始研究 AI。离开产业，进入学术界是我一生中做出的最好的决定，当然，除了和我的妻子结婚之外。

　　我于 1969 年加入UCLA。我很快对统计决策理论和决策分析感兴趣起来。我花了十年时间才进入我后来一直在做的事情，即信用决策自动化。当时研究这个的只有 Ron Howard 的团队，但他是在管理领域，而不是计算机科学。

　　专家系统为什么没有成功？从科学角度来说，基于规则的系统是错误的

　　上世纪 70 年代末 80 年代初，AI的研究都集中于各种应用的专家系统，从医学诊断到矿物勘探等等。当时的想法是，无论哪个领域的专业人士，或者称“专家”，都可以用计算机效仿。例如，通过与专业人士的访谈，你可以提取他的基本操作规则，将这些规则用于计算机。当计算机有了足够的规则，就可以有一个引擎来激活规则，并对所观察到的证据作出回应，例如告诉你在哪里可以挖到石油，或者接下来该进行什么医疗检测。