人工智能來了，別怪我沒告訴你

王慶峰

今年夏天，騰訊財經開發了一款自動新聞寫作軟件Dreamwriter，它一露面就“鎮住”了很多媒體人。據說，它能根據算法進行及時分析和研判，在一分鐘內將重要資訊和對信息的解讀送達用戶。

機器人毫無疑問地成為近期最熱的話題之一，許多人被諄諄告誡，“如果你從事的是程式化的工作，你很可能就要被取代了。”這樣的警告已經不是第一次了。早在2011年，國內機器人密度已達到每萬人21臺。它們能干什么呢？在汽車業、3C行業、金屬制造等勞動密集型企業，六軸通用機器人早已成為主角，打磨、搬運、裝配，它們可干得一手漂亮活。

聽到機器人的上述“手藝”，或許你覺得可以松一口氣了：離機器人取代我的工作還遠著呢！而實際上絕非如此，因為我們要談的概念是——人工智能。

六軸機器人聽起來既不酷，也不夠智能;但銀幕上的智能機器人不僅是功能性的，而且還能識別情緒并與人溝通。當把機器人置換成人工智能的時候，我們會發現，很多難以想象的事情都已經被實現了。智能手機已經讓人機交互很容易完成，而下一個切入口，可能就在于語音行業。

強人工智能來了

能夠識別人類情緒的人工智能，聽起來可是夠酷炫的，問題是，它離我們還有多遠？當我們這樣提問時，其實人工智能思想家已經想到了人類滅絕和永生的問題，它的前提，是一種超人工智能（Artificial Superintelligence）。牛津大學哲學家、知名人工智能思想家尼克·博斯特羅姆（Nick Bostrom）把超人工智能定義為：它們“在幾乎所有領域都比最聰明的人類大腦還聰明很多，包括科學創新、通識和社交技能”。

我們很難理解這些超人類的想法。在此之前，比較好理解的概念是，弱人工智能和強人工智能。前者意味著擅長單方面任務的人工智能，比如可以在象棋上擊敗對手;后者就是我們理解的人類級別的人工智能了。按照美國特拉華州立大學教育和人類發展教授琳達·高特弗雷德森（Linda Gottfredson）教授的定義，它是“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經驗中學習等操作”。

2013年，博斯特羅姆做了一個問卷調查，該調查涵蓋了數百位人工智能專家，問卷的內容是：“你預測人類級別的強人工智能什么時候會實現？”

調查結果如下：樂觀估計中位年（強人工智能有10%的可能在這一年達成）：2022年;正常估計中位年（強人工智能有50%的可能在這一年達成）：2040年;悲觀估計中位年（強人工智能有90%的可能在這一年達成）：2075年。

由此可見，即便是按照最悲觀的估計，我們當中的很多人都有可能在余生看見它的出現。這對于普通人來講，簡直是不可思議的;然而對于專家來說，這樣的結果甚至唾手可及。為何會產生這樣的偏差？

我們想象一個機器人，多是基于場景來判斷。比如我有一個機器人女朋友，它能準確地識別我的情緒，我說“我要走了”，它知道是反話;我生氣不說話的時候，它又知道怎么哄我。它還會有情緒的表露，讓我覺得自己深陷熱戀之中。這簡直太不可思議了吧？

這里有一個很重要的前提，就是語言。為什么說語音行業是下一個切入口呢？因為人機交互首先由語言來進行，這再理所當然不過了。你讓一個機器人瞬間算出十位數乘法，這很簡單;但是，你要讓它聽懂人話？人類中有很多個體還做不到呢！情商低的人通常不善解人意，人際之間便經常有誤會。

除了語言之外，“強人工智能”機器人還要懂視覺、動態、移動、直覺。還是以語音為例，Siri、靈犀語音，人們常覺得夠新鮮，但指令一復雜它們就會露餡;智能聊天工具小冰、小娜雖然有了脾性，說話有趣，但那也只是程序的設定而已，有時候回答得牛頭不對馬嘴。

按照智能語音行業的發展路徑，語音數據積累就已經是一項繁瑣的過程。把所有的話都堆起來，無非是一個“語料庫”。關鍵在于，機器人要知道做出什么反應，做到這個的前提是要聽懂人話，可是，語言里的情緒多么復雜啊，機器怎能識別得出？

基于場景的判斷是實際的，當我們從僅僅從現實來考慮問題，就會覺得很不可思議。然而，“技術奇點”之下，社會飛躍是指數級的;如同90年代的人們想不到iPhone一樣，我們看不到未來，其實這也很正常。

圖/GETTY

猝不及防的演進

然而，總有一些人是敢想的。按照計算機科學家唐納德·克努斯（Donald Knuth）的說法，“人工智能已經在幾乎所有需要思考的領域都超過了人類，但是在那些人類和其他動物不需要思考就能完成的事情上，它還差得很遠。”

這句話可以體現為智能的速度與質量，機器人可以算得很快，然而重要的是認知能力如何，也就是智能的質量。對于人類很簡單的事情，比如判斷一只動物是貓還是狗，機器人就很難搞。因此，從弱人工智能到強人工智能的轉變，關鍵點就在于“大腦”。

基于對未來的想象，科學家們已經跳出人類中心主義的視角，在他們看來，編譯基因的4個堿基A、T、G、C，與計算機編譯代碼的1和0，作為記錄信息的符號并沒有什么本質區別。因此，他們提出了幾種可能的演進思路：

第一種是完整地抄襲人腦。比如人工神經網絡，通過晶體管組成神經系統，可以完整地進行自主學習;還有一種思路是“整腦模擬”，比較好理解的是，把人腦切成片，然后用軟件來組織3D模型。迄今為止，人類已經能夠模擬1毫米長的扁蟲的大腦，這個大腦含有302個神經元。

其次還有“模仿生物演化”的思路。讓電腦經過一個反復運作的表現/評價過程，繁衍或者淘汰;或者把電腦變成電腦科學家，讓它們自己研究人工智能、修改代碼。通過這些我們聽不懂的天方夜譚，科學家們稱，強人工智能可能比我們預期的要更早降臨。

這些預測并不是沒有根據的，有一門學科叫做“認知科學”，就旨在破解人類心智的奧秘，最終目標是要制造出一種人工神經網絡系統。最樂觀的估計稱，我們最早在2030年前就會有所突破。

1950，阿蘭·麥席森·圖靈設計出一個測試，其內容是，如果電腦能在5分鐘內回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認為是人類所答，則電腦通過測試。如今，我們每天都在經歷電腦端的“圖靈測試”，比如，網頁上的驗證碼設計就是為了區分你是機器還是人類。

作為有名的“圖靈測試”，2014年6月7日，聊天程序“尤金·古斯特曼”（Eugene Goostman）首次成功“通過”了它。這讓人們得以認真重視這個問題：如果你在將來交到了一位朋友，你分不清它與你的對話是機器還是人類所為，你是否為此做好了準備？

普通人還會覺得是天方夜譚，但通過技術演進，這絕非沒有可能。到這一天，人類倫理可能就會遭受重大挑戰。迄今為止，因為看起來太遙遠，人們并沒有真正就此類話題展開討論。但從克隆技術的前例來看，即使技術端有可能性，人類內部也必然會爭議四起。

可以這樣說，我們完全沒有做好準備。我們需要強人工智能來做什么？它們如何服務于我們的生活？我們將如何識別和控制它們？它能和人類通婚聯姻嗎？相比于思考這些問題，普通人更習慣于關心日常生活，比如下一頓要吃什么，或者，如何才能練出馬甲線。而人們全然顧不上的是：人工智能思想家為這些問題操碎了心。

（本文由本刊和微思客WeThinker合作出品）