人工智能挑戰成功？嘿，別高興得太早

文 嚴佳婧

人工智能挑戰成功？嘿，別高興得太早

文 嚴佳婧

人工智能并不是什么陌生的新鮮詞匯，只是隨著相關技術領域的發展，從人機交流到人機競賽，人類的期待和擔憂似乎都更甚以往。

一盤棋局，黑白輝映，一邊是韓國九段棋手李世石，另一邊是谷歌公司的杰作AlphaGo。人類代表與電腦選手一較高下，場面有些科幻，結局卻正如1997年的那個5月11日，卡斯帕羅夫與當時的超級電腦“深藍”對弈的結局一樣，“落敗”。人類選手李世石在哪里有了失誤，捅了簍子，AlphaGo在棋路上不拘一格，出現破綻，這些都交予棋手大家們去分析和討論。關注這場“戰斗”的人們，面對這樣的冠軍，有些人在思考未來人類的科技還能如何進化，有些人卻對這個只會下棋的AI頗感失望。而無論如何，AlphaGo無疑又一次激起了普通人對于人工智能的好奇與關注。

為什么要給人腦找個對手

人工智能（Artificial Intelligence，簡稱AI）從來可能都不是為了把機器和計算機變得更有人性，這門學科是研究開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。

人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考，也可能超過人的智能。

人工智能是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識、心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。

為什么要給人腦找個對手？與其說是對手，不如說科學家們早已發覺到了人腦運算的局限，并期待在各種需要人類思維卻又超出大部分人的能力的場合讓人工智能登上舞臺。

盡管目前的人工智能水平可能還夠不上強人工智能的范疇，但人機競爭卻早已開始

我們現在其實正處于一個充滿了弱人工智能的世界。弱人工智能指的是在特定領域等同或者超過人類智能/效率的機器智能，例如∶你的手機也充滿了弱人工智能系統。當你用地圖軟件導航，接受音樂電臺推薦，查詢明天的天氣，和Siri聊天，以及其他很多很多應用，其實都是弱人工智能。谷歌翻譯也是一種經典的人工智能—非常擅長單個領域。聲音識別也是一種。很多軟件利用這兩種智能的合作，使得你能對著手機說中文，手機直接給你翻譯成英文。甚至世界最強的跳棋、象棋、拼字棋、雙陸棋和黑白棋選手都是弱人工智能。

如何將這些讓人習以為常的弱人工智能變成真正意義上的強者，實際上這或許才是給人腦安排的巨大挑戰，而不是圍棋對弈或者其他游戲競技。盡管目前運算速度最快的電腦已經遠遠甩開了人類大腦運算的速度，但如何把握“思維”，如何學會“學習”，這些都是目前尚沒有答案的重大課題。

人機交鋒誰在占據上風

盡管目前的人工智能水平可能還夠不上強人工智能的范疇，但人機競爭卻早已開始。

棋類運動向來以挑戰人類心理素質和思維速度的極致為人們所津津樂道，棋手對弈不僅僅是經驗的交鋒，亦是智力的對決，這也是其他任何地球生命不曾掌握的一種“游戲”。因此人工智能選擇在這個領域挑戰人腦也就不足為奇。1988年，它的上一代“深思”是第一個贏過國際象棋特級大師的電腦；1996年，“深藍”成了第一個贏了國際象棋世界冠軍的電腦；現在，它又成為第一個在多局賽中戰勝圍棋世界冠軍的電腦。卡斯帕羅夫曾經說過，電腦要想戰勝世界冠軍，得等到2010年，“深藍”把這個日子提前了13年。而拿這次的人機圍棋對決事件為例，關于李世石為什么會輸，業界存在諸多看法。其中一種看法是認為人類相對于機器，更容易受到情緒的干擾而導致犯錯，而機器卻沒有情緒波動。然而，事實上，AlphaGo勝出緣于做到了“知己知彼”，谷歌利用大數據與深度學習的技術優勢為AlphaGo構建了一套策略網絡，機器通過深度學習能力，模擬人腦的機制來學習、判斷、決策。即AlphaGo可以從大量的棋譜和對局中學習策略，形成一套落子決策判斷與數據解讀的能力體系，讓其在沖殺狀態下懂得一套試探與引導的能力，最終成功擊敗人類棋手李世石。

在一個機器人會學習的時代，我們將學會的重要一課也許是∶工作屬于機器，生活屬于人類

許多人認為AI的驚人進步可能威脅到每一個普通老百姓的生活。自從工業革命的曙光伊始，紡紗女工被機器所取代。技術的進步就被指責壓縮了普通人的生存之路。所有的工作都可以劃分為4大類型∶簡單重復和非重復性工作、腦力和體力勞動。簡單重復工作的內容日復一日完全相同，而非重復性工作則有變化。在這兩種類型中又包含主要依靠認知能力(頭腦)的工作和主要消耗體力的工作。上個世紀90年代，當部分崗位已經能夠被機器取代，簡單重復性工作就開始萎縮。機器變得越來越聰明，因為我們更擅長建造它們，而這又是因為我們對于人腦的工作機制有了更深刻的認識。

在一份經常被人引用的論文中，牛津大學的一項研究預計，到2033年，目前的工作會有一半被自動化取代。與此同時，感謝強大的機器學習功能，自動駕駛汽車可能在極短時間內消滅數百萬份的工作，給經濟帶來嚴重影響。新工作創造的速度遠遠比不上技術摧毀工作的速度。

正因為如此，AI領域的專家們都開始積極提倡全民基本收入制度。2015年末，奇點大學的一個小組討論會上，著名數據學家杰羅米·霍華德問道∶“你是否打算讓一半的人口餓死，只因為他們再也無法給經濟增加價值？如果答案是否定的，那么最聰明的財富分配辦法就是實行全民基本收入制度。”

當創造工具的人也開始警告這些工具可能帶來的影響時，難道不該引起工具使用者的重視嗎？特別是當它事關成百上千萬人的生計的時候。沒有國家準備好了應對這些變化。無論是缺少消費者的消費經濟，還是高失業率都將導致社會動蕩。人類似乎很擅長發明新技術，但卻不擅長預見這些技術給世界帶來的影響。在一個機器人會學習的時代，我們將學會的重要一課也許是∶工作屬于機器，生活屬于人類。

未來的AI能有多科幻

而不論是贏了多少棋局，取代了多少人的工作，許多人期待的恐怕還是斯皮爾伯格鏡頭中《AI》里的小男孩機器人大衛，或者是《超能陸戰隊》里憨態可掬的大白，又或者是《終結者》中堅不可摧的終結者（當然所有人都不希望有任何一個AI最終進化成天網）。

畢業于上海交大電子系通信工程專業的胡紹晏，在新加坡國立大學電子電器與計算機系取得了碩士學位后，踏上了軟件開發這條道路，在他看來，現在的AlphaGo，離科學幻想中的“人工智能”還差得很遠。

“從第一局棋開始前就被科幻圈刷屏，直到五局結束，（人機對弈這個話題）偶爾還能看到冒泡。微博、微信上相關的信息很多，科幻人對這個事情都很熱心。甚至都不需要自己主動跟進新聞，消息多到看不完。”胡紹晏身為專業相關人士，對于這場比賽也頗為關注，“由于專業跟這個略有聯系，所以也看了一下報道，因為圍棋一直以來就是電腦棋類算法的難點，而現在貌似有了新的動向，想要看看谷歌是怎么做的。從網上一些描述來看，感覺這還是一個下棋程序，并不是科幻小說中的全能AI。”

他坦言，目前的人工智能還差得很遠。“AlphaGo還是靠人給的算法，自己并不能創新，有些看似創新的棋招，其實也是算法的結果。Deep learning本身是個有用的工具，不過我覺得靠目前的實現方法，也就是單純提供大數據，不足以創造科幻中的人工智能，需要在軟件和硬件上均有所突破。目前來看只要能根據不同輸入給出相應輸出就可以叫AI，這正是現在大多數軟件做的事。”盡管對于AlphaGo的評價不算太高，但胡紹晏認為在這個領域谷歌的量子計算機是個不錯的嘗試，很有新意，雖然不知道是不是正確的探索方向，還需要關于人腦和物理基礎理論的證實。他簡單介紹道∶“Deep Mind項目，是一個利用量子隧道效應解決特定問題的系統。它跟傳統的編程不太一樣。傳統計算機的內部表達方式就是0和1，而這臺量子計算機的內部狀態是不確定的，只能用概率來表達。這看起來跟人腦比較接近，雖然我們也并不清楚人腦的工作原理，但人腦肯定不是0和1那么簡單，神經電位應該更類似于模擬電路而不是數字電路的運作方式。如果能找到跟人腦運作方式類似的硬件，或許人工智能的未來發展可以有一點突破，但這也許很難。”

AlphaGo與李世石圍棋大戰現場實況圖

在他看來，當下人們未必一定要因為一場棋賽就開始對AI產生恐懼:“現在的人工智能都是人類的工具，為了某一特定需求而定制的；可以減輕人的勞動強度，是為人類服務的。我想這正是開發AI的初衷之一。”他補充道∶“但在科幻領域，人們對AI的期待有兩種。一種是完全跟人一樣有思維、有感情，另一種是從外在體現出跟人一樣，其實內部是一個揣摩人類期待的系統，有點類似日本SF小說《埃比斯之夢》中的描寫。前者就被寫得更多，比如2014年雨果獎星云獎雙獎作品Ancillary Justice,其主角就是一艘戰艦的AI，它其實是產生了情感，或者是類似于情感的東西，甚至產生了善惡觀。科幻小說的成功之處就在于可以塑造出一個既像人，又不同于人的AI，讓讀者在產生共鳴的同時又有一種奇妙的相異感。”

“我喜歡你。”許多人將這句話發送給自己的Siri，期待得到一個段子式的反應好與人分享。或許應該記住的是，無論你與你的手機軟件做了怎樣的互動，你們之間的信息交流或許正是人工智能發展道路上的“一小步，卻又是一大步”。