作弊機(jī)

如果說(shuō)2015年10月AlphaGo打敗歐洲圍棋冠軍樊麾時(shí)，人類還心存僥幸，那么隨著今年3月AlphaGo以4：1的懸殊比分戰(zhàn)勝世界圍棋冠軍李世石，人類的信心則已嚴(yán)重受挫。

人工智能已經(jīng)超過(guò)人類了嗎？這個(gè)問(wèn)題突然變得復(fù)雜起來(lái)。想象那一天真的到來(lái)，人工智能完全超越了人類，地球上的碳基生命將何去何從？在最樂(lè)觀的那條時(shí)間線上，品質(zhì)和智能都超越人類的A.I.，愿意無(wú)私地幫助人類更美好地生存下去，那么，那時(shí)的人類是否還需要智能？

對(duì)于這個(gè)問(wèn)題，有些人似乎已經(jīng)比其他人更早地考慮到了。那個(gè)試圖發(fā)明作弊機(jī)的龍宇清就是其中一個(gè)。

糖匪，素人幻想師，《不存在日?qǐng)?bào)》主編。生于404，not found。好奇心強(qiáng)烈，熱愛(ài)捕捉與被捕捉。作品有《八月風(fēng)燈》《面孔》《看見(jiàn)鯨魚(yú)座的人》。

一

“這不是在抄襲嗎？”

“不是。對(duì)于喜歡學(xué)習(xí)的人，我給他答案，他會(huì)拿去逆向推導(dǎo)整個(gè)過(guò)程，搞清楚題目。”

“那對(duì)不想學(xué)習(xí)的人呢？”

“給他答案，他就不必勉強(qiáng)學(xué)習(xí)，用節(jié)約下來(lái)的時(shí)間去做他喜歡的事情，整個(gè)社會(huì)都會(huì)變得更有效率。”

用手機(jī)掃一下某道學(xué)習(xí)題，就能立即得出這道問(wèn)題的答案——龍宇清致力于編寫(xiě)這樣一個(gè)程序，用來(lái)幫助學(xué)生學(xué)習(xí)。直接給答案不就是等同于幫助抄襲嗎？面對(duì)我的質(zhì)疑，龍宇清給出了“社會(huì)效率說(shuō)”。

我的三觀瞬間搖晃起來(lái)。從小到大受到的正統(tǒng)教育在不遠(yuǎn)處虛弱地咳個(gè)不停。很難全盤(pán)否定面前這個(gè)年輕人的話，尤其他設(shè)計(jì)的程序聽(tīng)起來(lái)還很酷。

龍宇清，劍橋大學(xué)輟學(xué)生。這個(gè)答案也許太粗暴。如果這是一個(gè)方程式，如果在“龍宇清”這個(gè)名字后面畫(huà)一個(gè)等號(hào)，那等號(hào)的另一邊還可以是青年創(chuàng)業(yè)家、London Dreamcatchers Day最年輕演講嘉賓、 斯坦福數(shù)學(xué)競(jìng)賽銅牌（SMT）、哈佛MIT數(shù)學(xué)競(jìng)賽第七名，以及迪拜家族和英國(guó)Highmoor家族的私人家教。這些頭銜之間應(yīng)該用連等號(hào)，還是加號(hào)，或者乘號(hào)——不同的運(yùn)算符合將決定最后得到的那個(gè)數(shù)值，一個(gè)可以被量化的龍宇清。但是不著急，他足夠年輕，沖勁十足。腦子里有無(wú)數(shù)想法。

假如愿意，還可以在那個(gè)等號(hào)后面加上更多的頭銜。

比如，作弊機(jī)發(fā)明者。

我們是在APEX創(chuàng)新者大會(huì)的一場(chǎng)講座上認(rèn)識(shí)的。那個(gè)講座的主題恰好是“學(xué)習(xí)的革命”。演講者在臺(tái)上展望未來(lái)遠(yuǎn)程學(xué)習(xí)的同時(shí)，我們?cè)谙旅鏌崃医涣髦绾卧诨ヂ?lián)網(wǎng)上幫助學(xué)生解答問(wèn)題。如果以作業(yè)一定要獨(dú)立思考完成為原則，那么你可以將他正試圖編寫(xiě)的程序叫作“作弊程序”，也可以簡(jiǎn)單粗暴地將幫助學(xué)生回答問(wèn)題的手機(jī)，稱為作弊機(jī)。

和任何人類創(chuàng)造的科技一樣，新科技是否作惡，取決于最終怎樣應(yīng)用。如果僅在回答作業(yè)，而不是考試時(shí)使用，龍宇清正在編寫(xiě)的程序無(wú)疑對(duì)學(xué)習(xí)者和教育者來(lái)說(shuō)都具有正面意義。

“國(guó)內(nèi)目前其實(shí)有一些網(wǎng)站和APP是以幫助學(xué)生解題為目的而建的，但他們的工作原理只是雇人人工在線答題，不是通過(guò)算法讓機(jī)器回答。”龍宇清透露。

我花了一秒鐘想象這個(gè)場(chǎng)景，“呃，這不是和淘寶上的客服一樣嗎？”

“是的。”他笑著回答道。

龍宇清還告訴我關(guān)于他所說(shuō)的答題程序，并不是他一個(gè)人的創(chuàng)想。此刻，許多心懷夢(mèng)想的極客正在世界各個(gè)角落為如何編寫(xiě)這個(gè)程序而冥思苦想著。

要知道，這個(gè)程序一旦實(shí)現(xiàn)，不僅可以幫助學(xué)習(xí)，更是人機(jī)互聯(lián)的一個(gè)巨大突破。這款程序如果要成功，必須完成計(jì)算機(jī)的代碼嫁接、計(jì)算機(jī)的自學(xué)，以及自我運(yùn)行。其中計(jì)算機(jī)的自主學(xué)習(xí)尤為關(guān)鍵。目前看來(lái)，通過(guò)輸入題目答案使計(jì)算機(jī)幫助解題并不可行。沒(méi)有學(xué)習(xí)能力的計(jì)算機(jī)即便輸入海量題目，即便擁有足夠強(qiáng)大的計(jì)算能力，即便不考慮便攜性和操作性，也無(wú)法應(yīng)對(duì)日益變化的題型和考試內(nèi)容，甚至無(wú)法很好地理解題目?jī)?nèi)容。只有通過(guò)讓計(jì)算機(jī)擁有自主學(xué)習(xí)能力從而掌握學(xué)科知識(shí)，考試要求，并對(duì)相應(yīng)題型大致歸類，才可能實(shí)現(xiàn)幫助解題的目的。

簡(jiǎn)而言之，沒(méi)有學(xué)習(xí)能力的計(jì)算機(jī)，無(wú)法幫助人類學(xué)習(xí)。

那么問(wèn)題來(lái)了。現(xiàn)階段，計(jì)算機(jī)學(xué)習(xí)能力進(jìn)展到哪一步了？

二

說(shuō)到機(jī)器學(xué)習(xí)，就不可能繞開(kāi)“深度學(xué)習(xí)”這四個(gè)字。

無(wú)論是以壓倒性優(yōu)勢(shì)打敗世界圍棋冠軍職業(yè)九段選手李世石的AlphaGo，還是Facebook家的圍棋A.I.——“黑暗森林”，都是在深度學(xué)習(xí)這一算法上開(kāi)展的。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種算法。它能模擬人腦神經(jīng)元的工作方式，建造機(jī)器神經(jīng)網(wǎng)絡(luò)。具有深度學(xué)習(xí)能力的計(jì)算機(jī)網(wǎng)絡(luò)能夠收集、處理并分析龐大的數(shù)據(jù)，最終通過(guò)自主學(xué)習(xí)來(lái)實(shí)現(xiàn)圖像和語(yǔ)音識(shí)別等智能行為。2012年，Google大腦團(tuán)隊(duì)開(kāi)發(fā)出的人工神經(jīng)網(wǎng)絡(luò)利用深度學(xué)習(xí)算法，通過(guò)觀看一周YouTube視頻自主學(xué)會(huì)了識(shí)別哪些是關(guān)于貓的視頻。雖然該算法基于人工神經(jīng)科學(xué)研究，并應(yīng)用于許多復(fù)雜的數(shù)學(xué)模型，但是，深度學(xué)習(xí)算法仍是比人腦簡(jiǎn)單得多的軟件。有人會(huì)將深度學(xué)習(xí)比喻為卡通大腦，但隨著技術(shù)不斷發(fā)展，這個(gè)比喻是否成立將越來(lái)越變得可疑。

近期，谷歌的DeepMind團(tuán)隊(duì)開(kāi)發(fā)的一款教會(huì)自己打十幾款經(jīng)典街機(jī)游戲的軟件，使用分布式深度遞歸網(wǎng)絡(luò)（DDRON）解開(kāi)了著名的紅藍(lán)帽子謎題：一百名囚犯依次排隊(duì)，每人戴一頂藍(lán)帽子或者紅帽子，每人都可以看到前面所有人的帽子，但看不到自己以及后面的帽子。從隊(duì)尾開(kāi)始，獄警要問(wèn)每個(gè)囚犯自己帽子的顏色。在排隊(duì)前，囚犯?jìng)儷@準(zhǔn)可以一起商量，設(shè)計(jì)出一套回答問(wèn)題的方案。為了破題，DeepMind的這款軟件把每個(gè)囚犯塑造成一個(gè)獨(dú)立的智能代理，每個(gè)個(gè)體都知道自己能看見(jiàn)的帽子顏色，各自決定怎么告訴別人，然后再使用共同的信息得出答案。一開(kāi)始，所有代理都沒(méi)有獲得任何實(shí)現(xiàn)設(shè)定的通信協(xié)議，但每個(gè)代理都能夠?qū)W會(huì)解決基于通信的協(xié)作任務(wù)。因此，為成功地通信，首先必須自動(dòng)開(kāi)發(fā)出他們自己的通信協(xié)議并在相互間達(dá)成一致。最后，成功解決問(wèn)題。

紅藍(lán)帽子謎題的破解，是深度學(xué)習(xí)成功學(xué)會(huì)通信協(xié)議的第一個(gè)案例。這是向人工智能之間的溝通和協(xié)作跨出的第一步。從長(zhǎng)遠(yuǎn)來(lái)看，這會(huì)給人工智能增加更多擴(kuò)展性，并允許它們解決以前無(wú)法解決的問(wèn)題。

除了深度學(xué)習(xí)的算法，其他計(jì)算機(jī)算法也是基于類似動(dòng)物神經(jīng)元，可相互分享數(shù)據(jù)并作出計(jì)算的算法。今天的神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)上還是使用二十世紀(jì)八十年代初期的算法。學(xué)習(xí)識(shí)別一個(gè)物體，計(jì)算機(jī)可能首先需要成千上萬(wàn)張帶有標(biāo)簽的樣本，還需要進(jìn)行監(jiān)督式的教導(dǎo)，而人類只需要少量樣本且可能不需要監(jiān)督。

相比人工神經(jīng)網(wǎng)絡(luò)信息單向的工作方式，大腦則完全不同。人類大腦由許多神經(jīng)元構(gòu)成，這些小單元可以通過(guò)巨大的電脈沖網(wǎng)絡(luò)互相發(fā)送信息，這些信息調(diào)控所有由大腦控制的身體功能，包括理解場(chǎng)景和肢體運(yùn)動(dòng)等。大腦神經(jīng)元高度相連，每一步處理過(guò)程都可能產(chǎn)生反饋。但到目前為止，科學(xué)家還未能完全理解神經(jīng)元的工作機(jī)制。

也就是說(shuō)，如果能更好地理解神經(jīng)元的工作機(jī)制，提高對(duì)大腦計(jì)算原理的認(rèn)識(shí)，將原理運(yùn)用到人工智能的自主學(xué)習(xí)上，就可能實(shí)現(xiàn)人工智能機(jī)器在不需要監(jiān)督的環(huán)境下通過(guò)少量樣本進(jìn)行學(xué)習(xí)。這正是人工智能的標(biāo)志。

為了更好地理解生物神經(jīng)網(wǎng)絡(luò)和反饋回路 ，科學(xué)家Sandra Kuhlman 將使用雙光子鈣成像顯微鏡技術(shù)，來(lái)記錄上萬(wàn)個(gè)小鼠神經(jīng)元處理視覺(jué)信息時(shí)所產(chǎn)生的信號(hào)。科學(xué)家首先在小鼠腦內(nèi)加入鈣染料或者能感受鈣離子濃度變化的蛋白；利用神經(jīng)細(xì)胞被激活，細(xì)胞鈣水平發(fā)生變化的原理，根據(jù)鈣水平來(lái)判斷神經(jīng)元的激活狀態(tài)。當(dāng)一個(gè)神經(jīng)細(xì)胞被激活時(shí)，隨著熒光爆發(fā)就能實(shí)時(shí)觀察神經(jīng)細(xì)胞及其發(fā)生的反應(yīng)。

記錄下的數(shù)據(jù)將用于建造一個(gè)互連神經(jīng)元模型。通過(guò)將分子傳感器與光學(xué)方法整合起來(lái)，檢測(cè)神經(jīng)活動(dòng)，可能可以實(shí)現(xiàn)追蹤一個(gè)大腦區(qū)域內(nèi)神經(jīng)元的大部分神經(jīng)動(dòng)態(tài)，由此得到一個(gè)巨大的數(shù)據(jù)集，將幫助人類詳細(xì)認(rèn)識(shí)視覺(jué)皮層某個(gè)區(qū)域中神經(jīng)元的行為。研究人員希望使用這個(gè)大規(guī)模數(shù)據(jù)集解開(kāi)神經(jīng)網(wǎng)絡(luò)的復(fù)雜難題。他們的目標(biāo)是將獲得的新知識(shí)應(yīng)用到機(jī)器學(xué)習(xí)算法上，使他們可以使用少得多的樣本就能開(kāi)發(fā)出模型。

三

以上種種，都向我們展現(xiàn)了人工智能研究領(lǐng)域的美好前景。一旦人類寫(xiě)出更高效的機(jī)器學(xué)習(xí)算法，人工智能將勢(shì)不可擋，而人工智能威脅論也將不單單是對(duì)未來(lái)世界的憂心。

但事情似乎并不完全是那個(gè)樣子。人工智能似乎會(huì)在意想不到的時(shí)候展現(xiàn)他蠢萌的一面。就以Watson為例吧。

IBM的人工智能問(wèn)答機(jī)器Wason由90臺(tái)IBM服務(wù)器和360個(gè)計(jì)算機(jī)芯片驅(qū)動(dòng)組成，是一個(gè)有10臺(tái)普通冰箱那么大的計(jì)算機(jī)系統(tǒng)。在2011年美國(guó)的智力競(jìng)賽節(jié)目《危險(xiǎn)邊緣》中，Wason成功打敗了其他兩位史上最成功的選手。2012年，Watson進(jìn)入醫(yī)學(xué)院，按照當(dāng)時(shí)《紐約時(shí)報(bào)》的說(shuō)法，Watson在克利夫蘭醫(yī)學(xué)院開(kāi)始了它的醫(yī)學(xué)生涯。

如今，Watson已經(jīng)被運(yùn)用到超過(guò)三十五個(gè)國(guó)家十七個(gè)產(chǎn)業(yè)領(lǐng)域。例如，在醫(yī)療保健方面，它可以作為一種線上工具協(xié)助醫(yī)療專家進(jìn)行疾病的診斷。醫(yī)生可以輸入一系列的癥狀和病史，基于Watson的診斷反饋，來(lái)做出最終的診斷并制訂相關(guān)的治療計(jì)劃。在其他領(lǐng)域，Watson也大顯身手，不負(fù)眾望，滿足了人類對(duì)它這樣一個(gè)人工智能的一般期望。

然而看起來(lái)很厲害的Watson同學(xué)，卻拒絕參加美國(guó)普通八年級(jí)（相當(dāng)于中國(guó)的初二水平）的科學(xué)考試。

這次考試源于艾倫人工智能研究所舉辦的一次競(jìng)賽。該競(jìng)賽邀請(qǐng)世界各地的程序員開(kāi)發(fā)一個(gè)能夠參加美國(guó)普通八年級(jí)科學(xué)考試的程序。競(jìng)賽優(yōu)勝者哈依姆·林哈爾特開(kāi)發(fā)的程序得到的分?jǐn)?shù)，是本次考試的最高分——59%的正確率。哈依姆將多項(xiàng)機(jī)器學(xué)習(xí)技術(shù)和大型科學(xué)信息數(shù)據(jù)庫(kù)結(jié)合在一起，向計(jì)算機(jī)系統(tǒng)輸入了上千的問(wèn)題及對(duì)應(yīng)答案，以便計(jì)算機(jī)系統(tǒng)能學(xué)會(huì)生成正確答案。雖然人工智能在識(shí)別圖片和語(yǔ)音等任務(wù)上取得與人類水平相近的成果，但是，我們依然無(wú)法建造出像人一樣思考的機(jī)器和能真正對(duì)話的A.I.，甚至沒(méi)法建造出能通過(guò)初中考試的系統(tǒng)。科學(xué)考試題要求學(xué)生在面對(duì)多個(gè)概念的復(fù)雜問(wèn)題時(shí)，通過(guò)若干個(gè)步驟來(lái)解決問(wèn)題，測(cè)試者必須把多個(gè)事實(shí)組合在一起，才能獲得正解。對(duì)現(xiàn)在的人工智能來(lái)說(shuō)，科學(xué)考試比問(wèn)答節(jié)目難度更大。

從這點(diǎn)來(lái)看，也多少可以猜測(cè)出Watson為什么會(huì)拒絕參加這個(gè)明明可以讓它一試身手的比賽。按照比賽組織方的說(shuō)法：“如果大型公司參加比賽，也許會(huì)拿到更高的分?jǐn)?shù)。但是群體智慧也很強(qiáng)大。這次比賽的很多參與者都極具天賦。大多數(shù)比賽中的獲獎(jiǎng)模型也都是非常適合測(cè)試數(shù)據(jù)集的。所以，即使是同一個(gè)領(lǐng)域內(nèi)的公司也不一定具有顯著優(yōu)勢(shì)。”換而言之，即使Watson來(lái)，也未必能在這場(chǎng)八年級(jí)科學(xué)考試中拿到多高的分?jǐn)?shù)。

但是IBM也有他們的說(shuō)法。他們說(shuō)Watson的焦點(diǎn)已經(jīng)不在這樣的比賽，而是轉(zhuǎn)向真實(shí)世界的應(yīng)用，比如Watson現(xiàn)如今在臨床醫(yī)學(xué)以及其他各個(gè)領(lǐng)域上應(yīng)用，的確在很好地幫助人類走進(jìn)更美好的未來(lái)。焦點(diǎn)不在考試，這話無(wú)論對(duì)于人工智能還是對(duì)于人類，都同樣有效。

所以你看，等到將來(lái)的某天，像龍宇清這樣的極客真的編寫(xiě)出通過(guò)自主學(xué)習(xí)幫人答題的程序，真的創(chuàng)造出所謂的作弊機(jī)，你也許會(huì)發(fā)現(xiàn)——

答案并不重要，過(guò)程至關(guān)緊要。到頭來(lái)，這仿佛是一個(gè)關(guān)于生命的終極比喻。生為人類，我們都知道生命盡頭只有一個(gè)統(tǒng)一答案。但是，如何度過(guò)這一生才是問(wèn)題的關(guān)鍵。

（上期專欄登出的劉慈欣老師新作，來(lái)自《不存在日?qǐng)?bào)》科幻春晚接龍《宇宙盡頭的眼睛》。整臺(tái)春晚的完整版電子書(shū)現(xiàn)已上傳豆瓣閱讀平臺(tái)，在豆瓣閱讀搜索“未來(lái)事務(wù)管理局”或《宇宙盡頭的眼睛》即可免費(fèi)領(lǐng)取。）