永不夺权成将军

赵刚

IBM对认知计算系统的要求是它必须能够不断地接触海量数据，不断地自我学习，自我进化。

人工智能是什么？有人这么定义：人工智能是计算机科学的一个分支，它试图了解智能的实质，并生产出一种新的能以人类智能相似的方式，做出反应的智能机器。

在这人工智能处于风口浪尖的当下，IBM却说他们要做一个比人工智能更加智能的认知计算系统。先来看看IBM对认知计算系统所下的定义：认知计算系统能够学习并与人类自然地交流，以扩展人类或机器可亲自执行的操作，通过洞察大数据的复杂性，它们可以帮助人类专家制定更有效的决策。

从这个晦涩的定义中，我们可以看出几个关键点：该系统具有学习能力，该系统可以自然地与人类交流，该系统和大数据相关，该系统用于帮助人类专家决策。从前面的几个关键点来看，认知计算和人工智能几乎完全一致，人工智能的几个关键点也是大数据，神经网络深度学习，自然语言交流等。那么，认知计算和人工智能的不同点究竟在哪里？

认知计算的最后一个关键点，是认知计算的目标：帮助人类专家决策。而人工智能的目标是制造出具有类似人类智能的设备。听上去，认知计算是要比人工智能更加智能一些，因为前者是要做人类专家的“助理”，要能帮到人类专家，后者是要做一个普通人类，达到普通人类的智力水平就可以了。

我们可以来想象一下使用场景：专家A同时拥有一个人工智能机器人小张和具有认知计算系统小李，现在专家A要开始工作了，工作之前专家A想喝杯咖啡，于是他对人工智能机器人说：“小张，给我弄杯咖啡来！”机器人小张手脚麻利地冲好咖啡送到专家A手中。专家A满意地喝完咖啡，开始工作，今天他要写一份关于大气污染方面的报告，并拟定治理的可行性方案。于是他对认知计算系统说：“小李，帮我查阅一下全世界过去100年间的大气污染报告，典型事件，分析一下原因，总结一下规律，2分钟后给我结果。”认知计算系统开始迅速通过互联网查阅数据，并发挥出长期学习训练的高级智能，给专家A列出了详尽的，结论性的数据，并给出了推荐方案1，2，3。专家A看了处理结果后，根据自己经验选择了方案2。

IBM对认知计算系统的要求，是它必须能够不断地接触海量数据，不断地自我学习、自我进化，变得越来越聪明。比人类要聪明很多，能够成为人类专家的得力助手，这就是“认知”意义所在。但最终决策权，仍然掌握在人类专家手中，认知计算系统扮演的，只能是“军师”的角色，永远不能夺权成为“将军”。

如果机器人可以联网，认知计算系统就有可能入侵机器人系统，间接地获得执行能力。比人类聪明得多的认知计算系统，仍然可以威胁到人类，也许以后的机器人是不能联网的。