人工智能挑战成功？嘿，别高兴得太早

文 严佳婧

人工智能挑战成功？嘿，别高兴得太早

文 严佳婧

人工智能并不是什么陌生的新鲜词汇，只是随着相关技术领域的发展，从人机交流到人机竞赛，人类的期待和担忧似乎都更甚以往。

一盘棋局，黑白辉映，一边是韩国九段棋手李世石，另一边是谷歌公司的杰作AlphaGo。人类代表与电脑选手一较高下，场面有些科幻，结局却正如1997年的那个5月11日，卡斯帕罗夫与当时的超级电脑“深蓝”对弈的结局一样，“落败”。人类选手李世石在哪里有了失误，捅了篓子，AlphaGo在棋路上不拘一格，出现破绽，这些都交予棋手大家们去分析和讨论。关注这场“战斗”的人们，面对这样的冠军，有些人在思考未来人类的科技还能如何进化，有些人却对这个只会下棋的AI颇感失望。而无论如何，AlphaGo无疑又一次激起了普通人对于人工智能的好奇与关注。

为什么要给人脑找个对手

人工智能（Artificial Intelligence，简称AI）从来可能都不是为了把机器和计算机变得更有人性，这门学科是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，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，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考，也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识、心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

为什么要给人脑找个对手？与其说是对手，不如说科学家们早已发觉到了人脑运算的局限，并期待在各种需要人类思维却又超出大部分人的能力的场合让人工智能登上舞台。

尽管目前的人工智能水平可能还够不上强人工智能的范畴，但人机竞争却早已开始

我们现在其实正处于一个充满了弱人工智能的世界。弱人工智能指的是在特定领域等同或者超过人类智能/效率的机器智能，例如∶你的手机也充满了弱人工智能系统。当你用地图软件导航，接受音乐电台推荐，查询明天的天气，和Siri聊天，以及其他很多很多应用，其实都是弱人工智能。谷歌翻译也是一种经典的人工智能—非常擅长单个领域。声音识别也是一种。很多软件利用这两种智能的合作，使得你能对着手机说中文，手机直接给你翻译成英文。甚至世界最强的跳棋、象棋、拼字棋、双陆棋和黑白棋选手都是弱人工智能。

如何将这些让人习以为常的弱人工智能变成真正意义上的强者，实际上这或许才是给人脑安排的巨大挑战，而不是围棋对弈或者其他游戏竞技。尽管目前运算速度最快的电脑已经远远甩开了人类大脑运算的速度，但如何把握“思维”，如何学会“学习”，这些都是目前尚没有答案的重大课题。

人机交锋谁在占据上风

尽管目前的人工智能水平可能还够不上强人工智能的范畴，但人机竞争却早已开始。

棋类运动向来以挑战人类心理素质和思维速度的极致为人们所津津乐道，棋手对弈不仅仅是经验的交锋，亦是智力的对决，这也是其他任何地球生命不曾掌握的一种“游戏”。因此人工智能选择在这个领域挑战人脑也就不足为奇。1988年，它的上一代“深思”是第一个赢过国际象棋特级大师的电脑；1996年，“深蓝”成了第一个赢了国际象棋世界冠军的电脑；现在，它又成为第一个在多局赛中战胜围棋世界冠军的电脑。卡斯帕罗夫曾经说过，电脑要想战胜世界冠军，得等到2010年，“深蓝”把这个日子提前了13年。而拿这次的人机围棋对决事件为例，关于李世石为什么会输，业界存在诸多看法。其中一种看法是认为人类相对于机器，更容易受到情绪的干扰而导致犯错，而机器却没有情绪波动。然而，事实上，AlphaGo胜出缘于做到了“知己知彼”，谷歌利用大数据与深度学习的技术优势为AlphaGo构建了一套策略网络，机器通过深度学习能力，模拟人脑的机制来学习、判断、决策。即AlphaGo可以从大量的棋谱和对局中学习策略，形成一套落子决策判断与数据解读的能力体系，让其在冲杀状态下懂得一套试探与引导的能力，最终成功击败人类棋手李世石。

在一个机器人会学习的时代，我们将学会的重要一课也许是∶工作属于机器，生活属于人类

许多人认为AI的惊人进步可能威胁到每一个普通老百姓的生活。自从工业革命的曙光伊始，纺纱女工被机器所取代。技术的进步就被指责压缩了普通人的生存之路。所有的工作都可以划分为4大类型∶简单重复和非重复性工作、脑力和体力劳动。简单重复工作的内容日复一日完全相同，而非重复性工作则有变化。在这两种类型中又包含主要依靠认知能力(头脑)的工作和主要消耗体力的工作。上个世纪90年代，当部分岗位已经能够被机器取代，简单重复性工作就开始萎缩。机器变得越来越聪明，因为我们更擅长建造它们，而这又是因为我们对于人脑的工作机制有了更深刻的认识。

在一份经常被人引用的论文中，牛津大学的一项研究预计，到2033年，目前的工作会有一半被自动化取代。与此同时，感谢强大的机器学习功能，自动驾驶汽车可能在极短时间内消灭数百万份的工作，给经济带来严重影响。新工作创造的速度远远比不上技术摧毁工作的速度。

正因为如此，AI领域的专家们都开始积极提倡全民基本收入制度。2015年末，奇点大学的一个小组讨论会上，著名数据学家杰罗米·霍华德问道∶“你是否打算让一半的人口饿死，只因为他们再也无法给经济增加价值？如果答案是否定的，那么最聪明的财富分配办法就是实行全民基本收入制度。”

当创造工具的人也开始警告这些工具可能带来的影响时，难道不该引起工具使用者的重视吗？特别是当它事关成百上千万人的生计的时候。没有国家准备好了应对这些变化。无论是缺少消费者的消费经济，还是高失业率都将导致社会动荡。人类似乎很擅长发明新技术，但却不擅长预见这些技术给世界带来的影响。在一个机器人会学习的时代，我们将学会的重要一课也许是∶工作属于机器，生活属于人类。

未来的AI能有多科幻

而不论是赢了多少棋局，取代了多少人的工作，许多人期待的恐怕还是斯皮尔伯格镜头中《AI》里的小男孩机器人大卫，或者是《超能陆战队》里憨态可掬的大白，又或者是《终结者》中坚不可摧的终结者（当然所有人都不希望有任何一个AI最终进化成天网）。

毕业于上海交大电子系通信工程专业的胡绍晏，在新加坡国立大学电子电器与计算机系取得了硕士学位后，踏上了软件开发这条道路，在他看来，现在的AlphaGo，离科学幻想中的“人工智能”还差得很远。

“从第一局棋开始前就被科幻圈刷屏，直到五局结束，（人机对弈这个话题）偶尔还能看到冒泡。微博、微信上相关的信息很多，科幻人对这个事情都很热心。甚至都不需要自己主动跟进新闻，消息多到看不完。”胡绍晏身为专业相关人士，对于这场比赛也颇为关注，“由于专业跟这个略有联系，所以也看了一下报道，因为围棋一直以来就是电脑棋类算法的难点，而现在貌似有了新的动向，想要看看谷歌是怎么做的。从网上一些描述来看，感觉这还是一个下棋程序，并不是科幻小说中的全能AI。”

他坦言，目前的人工智能还差得很远。“AlphaGo还是靠人给的算法，自己并不能创新，有些看似创新的棋招，其实也是算法的结果。Deep learning本身是个有用的工具，不过我觉得靠目前的实现方法，也就是单纯提供大数据，不足以创造科幻中的人工智能，需要在软件和硬件上均有所突破。目前来看只要能根据不同输入给出相应输出就可以叫AI，这正是现在大多数软件做的事。”尽管对于AlphaGo的评价不算太高，但胡绍晏认为在这个领域谷歌的量子计算机是个不错的尝试，很有新意，虽然不知道是不是正确的探索方向，还需要关于人脑和物理基础理论的证实。他简单介绍道∶“Deep Mind项目，是一个利用量子隧道效应解决特定问题的系统。它跟传统的编程不太一样。传统计算机的内部表达方式就是0和1，而这台量子计算机的内部状态是不确定的，只能用概率来表达。这看起来跟人脑比较接近，虽然我们也并不清楚人脑的工作原理，但人脑肯定不是0和1那么简单，神经电位应该更类似于模拟电路而不是数字电路的运作方式。如果能找到跟人脑运作方式类似的硬件，或许人工智能的未来发展可以有一点突破，但这也许很难。”

AlphaGo与李世石围棋大战现场实况图

在他看来，当下人们未必一定要因为一场棋赛就开始对AI产生恐惧:“现在的人工智能都是人类的工具，为了某一特定需求而定制的；可以减轻人的劳动强度，是为人类服务的。我想这正是开发AI的初衷之一。”他补充道∶“但在科幻领域，人们对AI的期待有两种。一种是完全跟人一样有思维、有感情，另一种是从外在体现出跟人一样，其实内部是一个揣摩人类期待的系统，有点类似日本SF小说《埃比斯之梦》中的描写。前者就被写得更多，比如2014年雨果奖星云奖双奖作品Ancillary Justice,其主角就是一艘战舰的AI，它其实是产生了情感，或者是类似于情感的东西，甚至产生了善恶观。科幻小说的成功之处就在于可以塑造出一个既像人，又不同于人的AI，让读者在产生共鸣的同时又有一种奇妙的相异感。”

“我喜欢你。”许多人将这句话发送给自己的Siri，期待得到一个段子式的反应好与人分享。或许应该记住的是，无论你与你的手机软件做了怎样的互动，你们之间的信息交流或许正是人工智能发展道路上的“一小步，却又是一大步”。