人工智能，不按套路成長有多難？

Q比特

在科幻電影《銀翼殺手》中，人類于2019年之前成功研制出了外形、智力與人類無二，單方面能力甚至超過人類的復制人?；厥赚F實，雖然我們還沒有制造出跟人類真假莫辨的復制人或仿生人，但已有不少科技界大牛們開始公開呼吁警惕人工智能可能帶來的風險。AlphaGo更是在圍棋界大殺四方，于是人們紛紛懷疑：人工智能已經在圍棋這種需要極高智力的項目上所向披靡，難道它們的智力已經超越人類了？

智能的強與弱之分

在討論人工智能的威脅之前，我們需要澄清兩個概念：強人工智能和弱人工智能。強人工智能，有時也稱作通用人工智能，其特點是能成功實現正常人類所具有的任何智能行為。而弱人工智能，則是看上去智能，但并不擁有真正推理和解決問題的能力，也不會有自主意識的機器。

判斷一個人工智能是否是強人工智能的基本方法之一，就是圖靈測試。如果一臺機器能夠與人類展開對話而不能被辨別出其機器身份，那么這臺機器具有強智能。別看這個測試的內容簡單，迄今為止，還沒有一個人工智能能夠成功通過測試。

就拿AlphaGo來說，根據其設計原理，除了下圍棋之外，它在其他方面的智能幾乎為零，即便是跟圍棋相關的內容，比如讓它像人類圍棋冠軍柯潔或古力一樣給大家講解一盤圍棋如何下，AlphaGo是無能為力的，甚至連基本的和人類對話的能力都沒有。所以，盡管AlphaGo在圍棋方面無人能敵，但也依舊只是一個弱人工智能。

不按套路出牌的成長？

其實早在20年前，人類在下棋方面就已經輸給過人工智能。可能有的同學要說，20年后的AlphaGo已經有所突破，它是具有學習能力的人工智能。這種強大的學習模式，稱為深度學習。

既然有了學習能力，那有沒有可能AlphaGo能夠自己偷偷學習，然后一舉成為強人工智能呢？答案是否定的。如果我們深入探究，AlphaGo是否真的像人類一樣“懂得”圍棋，答案可能還是否定的。因為AlphaGo本質上處理的是圍棋的數學模型，而非人類眼中所看見的圍棋。對當今的人工智能而言，一切人類的知識和信息，都首先需要轉化成數據，再依據數據建立數學模型，才能寫成程序在計算機中進行運算。不同數據生成的數學模型之間基本上不能通用。

AlphaGo所使用的數學模型，只適合處理數字化后的圍棋信息，對圍棋之外的信息無用。而目前所有的人工智能所謂的學習能力，都不足以自己獨立創建出適用于某個問題的數學模型，依舊需要依靠人類來建立數學模型，再通過“學習”能力，根據數據對人類選定的數學模型進行優化。這樣看來，這一類有學習能力的人工智能，并不能像影視中的機器那樣真正擁有推理和解決問題的能力。

強人工智能的約束

那么以人類科技發展的速度，科幻作品里的強人工智能會不會在未來的某一天出現呢？答案是：可能性非常小。

從技術角度講，研究人工智能的科學家們其實并沒有明確的方法和途徑實現強人工智能。想模仿人類的大腦，但我們對大腦的了解還遠遠不夠；想利用生物技術，各類基因的操作表達的相關研究才剛起步。想創建更強大的數學模型，當今計算機的運算存儲能力和能耗都是巨大的障礙。此外，數學理論已經證明計算機本身的局限導致其永遠無法解決某一類人類可以輕松解決的問題。因此人工智能領域，還等著神經科學、腦科學、心理學、計算機科學、生物學等相關學科的突破。

而即便未來的某一天，人類有了實現強人工智能的技術，從科學倫理角度來講，強人工智能也不是人類的首選。就像世界范圍內絕大多國家已經禁止克隆人類，核武器在全人類共同協商下也不會輕易使用，一切可能威脅到人類的科學技術，人類總會未雨綢繆地提出制衡和約束的辦法。

人類需要聰明的助手

1968年創作的《銀翼殺手》小說原著里，Android這個詞指仿生人，而電影里威脅人類的仿生人，則稱為Nexus 6系列。對手機有所了解的同學看到這里估計要笑了：如今的Android指代除iPhone以外絕大部分智能手機上的安卓操作系統，而Nexus則是搭載原生安卓系統的一系列手機?？磥恚挥邢裰悄苁謾C和自動駕駛汽車這樣的弱人工智能，才是當下人工智能的研究主流。

從系統工程和經濟效用的角度講，人類復雜的心理活動，激烈或平緩的情緒變化，其實是給系統帶來不穩定性的冗余特性。想象一下你的手機動不動就不開心鬧脾氣拒絕讓你上網，你還會用這款手機嗎？人類需要的聰明助手，并不一定要跟人類一模一樣。

雖然強人工智能可能永遠不會實現，但至少聰明的弱人工智能，并不會讓我們太擔心。要知道，面對生存挑戰的人類，可不是那么容易被打敗的！