事實上，“智能計算”是一個內蘊相當豐富的概念-長期以來，分布于世界各地的計算機科研人員都在因循不同的方向、通過各異的途徑來設法接近這一概念的實質。

一些基本的事實或許有助于我們理解智能計算的意義和發展現狀。1997年，IBM旗下的 華裔科學家許峰雄博士所研制的一臺名為“更深的藍”的“計算機棋手”，出人意料地戰勝了被譽為“歷史上最偉大的國際象棋大師”的人類對手卡斯帕羅夫。僅僅在1/4個世紀以前，如此令人不可思議的事情大抵還只能在科幻小說里看到。然而，在許峰雄與其同仁的共同努力之下，計算機最終輕松地完成了這一先前看似“不可能的任務”。一時之間，大家都在思索同一個問題：擊敗人類世界冠軍的計算機是不是可以說已經具備了某種程度的“智能”呢？畢業于卡內基梅隆大學的許峰雄博士在解釋這一疑問時曾這樣說，“一切都基于一個信念”-許博士把整個弈棋的過程假定為某種在數學上可以描述并搜索的過程，于是，只需要把“如何表述”弄清楚，剩下的只要計算機運算速度足夠快就可以了(“更深的藍”是一臺超級并行處理計算機，多達256塊芯片的配置以及先進的并行算法使之可以在每秒鐘運算2億步棋)。人們興奮不已，有些人開始嘗試設計有朝一日能夠戰勝中國最有實力的圍棋選手的計算機。時至今日，人類開發出的最好的圍棋程序也只能排在人類選手的負五段。

歷史發展到今天，在瞬息千里的技術奇跡已滲透到我們生活中的每一個角落的時候，新的疑問產生了：制造像“更深的藍”這樣的計算機–使計算機選手的運算能力足夠強大,并有能力向人類選手挑戰，這樣便能夠完全闡釋智能計算的意義了嗎？

不久以前曾吸引了國內外多所知名高校參與的“機器人足球賽”仿佛是從另一個角度向我們昭示著智能計算的發展方向。以往科學家們的夢想是制造出盡可能像人的機器-“深藍”是借助精準的算法以及人類大腦無法企及的運算速度來模仿棋手的思維；而機器足球運動員(或是索尼生產的機器狗)則是應用方興未艾的傳感技術，并結合多年來科學家們在智能機器研究方面的的一些研究成果，來嘗試實現對人類復雜行為的模仿。因而，我們可以得出結論，看似風馬牛不相及的機器棋手和機器運動員其實都是沿襲了同一條智能計算研究軌跡后的產物。

微軟中國研究院的幾個小組正從另一個方向努力著-有一個課題是“人臉的識別與繪制“，研究者們試圖使計算機能夠做一些比走路、端水、下棋、踢球更為復雜、更具不確定性的事情，例如繪畫。繪畫是使人的內在精神外化的一種藝術。當一位畫家為某人畫素描時，往往只需觀察片刻，之后聊聊數筆，一幅形神兼備的人物輪廓便躍然紙上。看上去很簡單，但這種行為本身卻不止限于思維的作用；同時，如何向計算機描述畫家的創作過程本身也是一個棘手的問題。微軟研究院科學家的思路是用所謂“基于采樣和統計學習的方法”來使計算機變得“聰明”。把數以百計的不同畫家的多幅作品作為樣本，這樣當我們給計算機“看”一張新的照片時，它會自己去與采樣庫比較并產生一張新的速寫(統計結果)。人們還興奮地發現，機器所產生的作品是可以不斷修改完善的-我們給它輸入的數據越多，它所繪制的圖片便越逼真。

由上述幾個事例我們可以了解到智能計算的兩條不同途徑。傳統的研究思路是“自上而下”式的，它的目標是讓機器模仿人-相關的研究往往相信人腦的思維活動應該可以通過一些公式和規則來定義，因此希望通過把人類的思維方式翻譯成程序語言輸入機器，來使機器有朝一日產生像人類一樣的思維能力。這一理論定義了早期人工智能的所有研究和努力。不能說這種思路對智能計算的發展毫無貢獻，包括斯坦福國際實驗室(Stanford Research International - SRI)于1969年研制的世界第一臺“智能機器”(Shakey)，以及之后MIT人工智能實驗室等機構的多項突破在內的研究成果都很好地說明了這一點。然而，在“深藍”及其后繼者創造出“象棋神話”之后，類似嘗試的局限性也日益顯現出來。一些科學家開始提出：人對于自我意識的機制尚且缺乏深徹的了解，更遑論把這套機制完全照搬到機器中的奢望；換言之，人類思維的規則幾乎是不可能被完全破譯的，所以機器所能夠接受的永遠都只是殘缺不全的“人的智能”，再強大的機器也不可能再現人類思維的復雜機制。

如果我們仔細考究智能計算的發展歷程，便會發現傳統的人工智能研究可以算得上是成功的應用均集中在諸如電話應答、帶寬預測、股票分析等方面，而成功的應用恰恰建立在注重積累和統計-而非規范-的自然語言處理以及語音識別等技術的基礎上。故此，順理成章的，假設機器可以學習便成為了智能計算的另一條思路。呱呱墜地的嬰兒必須經歷向家人、學校以及社會學習的過程，才能從本能階段過渡到意識階段，再由意識階段過渡到思維階段-成長的過程幾乎等同于知識積累的過程，也就是不斷擴大知識庫的過程，況且成年人對于生活的正確認識，在相當大的程度上是建立在“統計學習”的基礎之上的-如果機器也可以沿著這樣的途徑去“成長”，那么我們可以想象，至少圖靈測試便可能在某些特定領域成為現實。另一個譬喻是教育方式，傳統的研究思路有點像“灌輸式教學”，其弊端在于忽視了培養機器學生的自我學習能力。在現實中，被這種教學模式所困擾的人類學子只能自行找尋規律，但恐怕計算機不會聰明到這種地步，因此，我們在把更多的知識和思維規范傳授給計算機的同時也需要更多地把方法、統計數據傳授給它。從具體的操作步驟來看，首先研究者需要把那些最簡單的人類行為規則翻譯為機器能夠理解的語言，在此基礎上不斷把更多的行為模式傳授給機器，這樣機器就處在某種不斷學習完善的狀態下，學到的越多，機器就越“聰明”，直至最終人們無法準確定義機器可能做出的回饋-這也就是我曾提起過的智能人工的概念(Intelligent Agent)。這一“自下而上”的新的研究方向正引起來自各方面越來越多的關注。

有趣的是，“自下而上”這一新的研究方向的一些基礎性理論是由專注于研究量子力學的物理學家約翰·霍普佛德(John Hopfield)提出的。70年代末，他在一次偶然出席的人工智能年會上驚奇地發現，濟濟一堂的學者們居然無法清晰解釋其研究項目的理論規范。于是他想到既然物質結構可以用量子力學的理論去剖析，那么人腦的神經元運動是否也有著與原子運動相仿佛的規律，再深入想想，如果讓機器的“思維運動”去模仿人腦的神經元運動，不就在某種程度上找到了讓機器更像人的可行途徑了嗎？約翰·霍普佛德的發現最終構成了智能計算的物理學支點。另一個支點是伯克利大學的一位數學教授、模糊集合的創立者Lofti Zadeh提出的所謂“軟計算”的概念，這一概念恰好抓住了人腦思維的模糊性和不確定性的特征。

由此我們可以發現，智能計算實際上是一門跨越包括物理學、數學、計算機科學、電子機械、通訊、生理學、進化理論和心理學等等學科在內的深奧科學，那么，在現今的階段，我們對于智能計算的研究已經達到何種境界了呢？這個問題的答案建立在人類對智能層次的認識基礎上。讓我們把智能的形態粗略地劃分為三個層次，最底層即所謂“操作層”，這一層的智能特征表現為本能，對人類來說便是呼吸心跳、血液循環、咽食排泄等，但若“智能”僅限于此，那便只能是植物人；中間一層是所謂“感知層”，這一層的智能特征表現為感覺和知覺，對人類來說便是視聽、嗅味、觸等能力、記憶力和簡單地傳遞信息的能力；最上層是所謂“認知層”，這一層的智能特征表現為復雜的思維與行動能力，對人類來說便是通過語言相互交流，通過觀察作出判斷、推理，設定目標并設法完成它們。目前，我們已經很欣喜地看到一些由智能計算研究所帶來的便利-例如我們的桌面辦公系統具備了“拼寫檢查”和“自動更正”功能，這大大減少了那些我們不經意的錯誤；又如在網上沖浪時，我們大可不必在恒河沙數般繁多的網頁中逐頁查詢感興趣的信息，利用智能檢索功能(當然現在還不完善)你便可以很輕松的找到你所確實需要的內容。但必須承認，我們有關智能計算的種種研究大都還處在初級階段，我們所研究出的智能機器大約還只介于操作層面與感知層面之間。工業用機器人只是能夠精準地完成某些動作，“深藍”或“更深的藍”只能在國際象棋這一特殊環境下精準地“思維”，至于“會與主人溝通的機器狗”以及“會踢足球的機器人”也還只是可以精準地重復制造者預設的語言或動作而已。

無論是人工智能，抑或是智能人工，目前來看暫時都還很難使“智能機器”真正具備人類的常識-例如分辨人們音容笑貌(也許還需要20年)，當然也就更談不上產生屬于機器自身的“自我意識”(也許需要50年甚至更久)。不僅可以執行目標，而且可以自行制定目標的智能機器何時誕生，一切都取決于智能計算的進一步發展。但我們可以大膽預測的一點是，在某些特定專業領域，肯定會出現那種使人類的腦力和體力空前解放的機器助手。這些智能計算機的智商或許比不上一名5歲的兒童，但其所具備的專業知識卻會遠遠超過那一領域世界上任何一位專家。

我們正在向著同一目的地、以各自不同的方式努力跋涉、上下求索著。除了先前提到的“人臉識別與繪制”，微軟中國研究院還有多個小組正在各自感興趣的領域努力工作著。例如他們正在研究一項代號為MiXP的技術。科研人員探討著利用智能設備記錄整個人類歷史的可能。試想一下，把自己的一生完整地記錄下來已不再是幻想，事實上，提供包括聲音、文本、圖象在內的個人信息的存儲、記錄等功能，即便是現有的技術條件也已經能夠辦到。我們所探索的只是如何使這一切更其完美、更其個性化……其實，我們是在試著創造一個比你親近的人更了解你的喜好和習慣的智能“伴侶”。

我們正在研究應用幾何線條和圖形來表述復雜視頻信息的技術，在并不久遠的未來，智能機器可以替代你聯通時裝店并試穿新衣，盡管幾乎可以肯定，你的身材要比機器苗條的多，但最終你會發覺自己的新衣纖肥合度。

我們正在研究基于各種終端的智能傳輸技術。這種技術使你得以借助任何一種設備隨時隨地與朋友或其他計算器件相互傳遞信息。智能機器甚至可以根據網絡的實際情況自行決定信息的傳輸形式。我們正在研究更加先進的多媒體智能檢索技術，應用該技術的機器將明確了解主人的心意。例如，同樣在搜索欄鍵入“Window”，當你準備升級操作系統時，呈現在你面前的絕不會是一大堆房屋租售或裝修的信息；而當你準備裝修居室時，呈現在你眼前的也肯定不會是微軟下一版軟件的介紹文字。我們還在研究新一代的自然語言技術和語音技術，結合其它研究成果，希望未來的計算機能夠看懂你的表情，識別你的聲音，從而作出恰如其分的反應……

比爾·蓋茨所預測的智能計算發展前景乃是機器最終“能看會想，能聽會講”，其實，無論是人工智能，還是智能人工，只要能夠殊途同歸，造福于人類，那么所有的努力便都是有價值的。今后十年，智能機器作為真正意義上的辦公助手和生活良伴，將使我們的生活完全改觀，另一方面，“聰明機器”的出現，也決不會成為人類的災難。因為在智慧與創造力方面，永遠是人類最有發言權。