我們要的是人一樣的機(jī)器，你們卻發(fā)明了更精準(zhǔn)的廣告投放？

前一陣子，特斯拉的總裁馬斯克、物理學(xué)家霍金突然發(fā)聲，要大家警惕超級人工智能。這件事多少有點(diǎn)奇怪。對人工智能的恐懼感大眾并不陌生，已經(jīng)有一大堆科幻電影靠著這種情緒賺得大筆票房了?？蛇@一次，一個(gè)是世界上最知名的企業(yè)家（可能沒有之一），一個(gè)是在世的最知名的科學(xué)家，兩位都是媒體關(guān)注的焦點(diǎn)，他們說要警惕，事情似乎非同小可？

并沒有。盡管大家都喜歡《終結(jié)者》之類的電影，可真要讓我們在平時(shí)關(guān)注一下看不見摸不著的東西，反而是件難事。而且，霍金不是不久前還說要大家小心地外生物嗎？對于這些事情，我們更多抱以微笑：老爺子醒醒吧。我們盡管看不懂你的那些理論，但還是非常尊敬你的，喊狼來了就不好了。

但是還有另外一些事情同時(shí)發(fā)生：就在最近這幾年，人工智能和它的交叉學(xué)科如機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、自然語言處理等等，出現(xiàn)了不少驚艷的產(chǎn)品，也誕生了許多家估值甚高的創(chuàng)業(yè)公司。

有一些我們已經(jīng)體驗(yàn)過了：Google的照片應(yīng)用不僅能根據(jù)拍攝信息自動(dòng)將我們的照片分類，還能分辨出圖像中的動(dòng)物是貓還是狗；無人駕駛汽車已經(jīng)在美國很多公路上實(shí)驗(yàn)性地馳騁；利用深度學(xué)習(xí)，各家公司正在更精準(zhǔn)地投放廣告；IBM的沃森登上了美國版“開心辭典”，在智力問答中擊敗了之前衛(wèi)冕時(shí)間最長的人類冠軍；微軟的翻譯系統(tǒng)已經(jīng)能做到實(shí)時(shí)翻譯，通話時(shí)對方的西班牙語傳到你的電腦時(shí)已經(jīng)變成了翻譯好的英語。

我們甚至有點(diǎn)習(xí)以為常了，甚至覺得有些技術(shù)本應(yīng)如此。但其實(shí)，這里舉出的各種技術(shù)都是最近十年內(nèi)從不可用、難用變得可用的?？萍己屯顿Y領(lǐng)域盯上這塊下一個(gè)爆點(diǎn)已經(jīng)很久了。

然而說來也怪，這些進(jìn)展和之前提到的超級人工智能好像不是一回事??？電影里的超級人工智能，不是應(yīng)該閃爍著一簇邪惡的紅色眼睛，不，發(fā)光二極管，用奇怪的金屬音說話，除了毀滅人類沒有其他事情可做嗎？或者，那些溫柔的機(jī)器人不是既能夠理解人類，又學(xué)會(huì)了愛與幽默感？我們要的是人一樣的機(jī)器，你們卻發(fā)明了更精準(zhǔn)的廣告投放？

翻開《人工智能》的教材我們就會(huì)發(fā)現(xiàn)，公眾對于這個(gè)字眼的理解，向來和教科書差距不小。教材中最大篇幅介紹的，往往是讓計(jì)算機(jī)求解一個(gè)問題，其次關(guān)注的，有讓計(jì)算機(jī)理解自然語言、推理、知識(shí)表示等；相關(guān)的，也有希望通過計(jì)算機(jī)制造一個(gè)神經(jīng)系統(tǒng)；還有另外一派，通過統(tǒng)計(jì)方法，讓計(jì)算機(jī)完成各種任務(wù)。這些充滿術(shù)語的大部頭教材，怎么看都和電影里的人工智能不沾邊。然而如果了解一點(diǎn)背景和技術(shù)，又會(huì)發(fā)現(xiàn)很多事情是今天這個(gè)樣子，實(shí)在是順理成章的。

這要從上世紀(jì)五十年代年說起。1956年，一群年輕教授和工程師收到約翰·麥卡錫等人的邀請，齊聚達(dá)特茅斯大學(xué)，召開一個(gè)會(huì)議。他們有著共同的學(xué)術(shù)興趣，都在關(guān)注計(jì)算機(jī)能否思考這個(gè)話題，然而對于什么是思考、什么是智能，卻沒有統(tǒng)一意見。本來，大家對當(dāng)時(shí)的學(xué)術(shù)進(jìn)展也都很了解，并不指望在會(huì)上看到什么重大突破（也確實(shí)沒有），但這次會(huì)議把后來這個(gè)領(lǐng)域大牛們第一次聚集在了一起。就是在這次會(huì)議上，大家決定，把相關(guān)的研究單獨(dú)列出來稱之為“人工智能”。會(huì)上，西蒙和紐厄爾展示了邏輯理論家，一個(gè)能夠自動(dòng)證明數(shù)學(xué)定理的程序；馬文·明斯基帶來了神經(jīng)網(wǎng)絡(luò)模擬器；麥卡錫本人則演示了自動(dòng)下象棋的程序。這次大會(huì)不久之后，麥卡錫的團(tuán)隊(duì)實(shí)現(xiàn)了一種人工智能研究常用的計(jì)算機(jī)語言Lisp。這十年，是人工智能奠基的十年。

我們在這里可以一窺人工智能領(lǐng)域后續(xù)的發(fā)展方向：一是創(chuàng)造像Lisp這樣的工具，有了工具并不能讓計(jì)算機(jī)產(chǎn)生智能，但很多工具影響深遠(yuǎn)，起作用的遠(yuǎn)超人工智能領(lǐng)域；二是構(gòu)建神經(jīng)網(wǎng)絡(luò)，我們已經(jīng)知道人腦由神經(jīng)細(xì)胞構(gòu)成，如果能夠構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)，就能實(shí)現(xiàn)一定的功能，如果能更進(jìn)一步，興許能制造出像人腦一樣復(fù)雜的機(jī)器；三是研究計(jì)算機(jī)的推理運(yùn)算、問題解決和知識(shí)表達(dá)。學(xué)者們認(rèn)為，人腦在處理信息時(shí)無非也是利用已經(jīng)具有的知識(shí)、通過運(yùn)算來解決問題，如果計(jì)算機(jī)能夠做到這些，就可以說計(jì)算機(jī)具有智能。

整個(gè)六七十年代，人工智能的研究主要圍繞的是第三點(diǎn)。這種取向有著深厚的背景，在人工智能這個(gè)詞還不存在的年代，已經(jīng)有無數(shù)學(xué)者曾思考思維的本質(zhì)，他們把思維抽象為運(yùn)算，而如果能夠讓機(jī)器學(xué)會(huì)這種運(yùn)算，我們自然就得到了智能。

不僅因?yàn)檫@種研究的觀念和我們對思維的看法最接近，也因此它是最容易上手的。五十年代的時(shí)候就已經(jīng)有了自動(dòng)證明數(shù)學(xué)定理的工具，之后又誕生了各種有一定運(yùn)算能力的程序或者機(jī)器。最后還有一點(diǎn)，那就是冷戰(zhàn)背景下，政府和軍方的巨額投資。當(dāng)時(shí)，他們認(rèn)為，人工智能可能產(chǎn)生重大的科技突破。想想看，如果有永不疲倦的雷達(dá)員檢測敵人，如果有不需眼睛和手的翻譯官將俄文資料翻譯成英文……這真是誘人的前景。當(dāng)然，研究神經(jīng)網(wǎng)絡(luò)的學(xué)者也沒有止步不前，他們實(shí)現(xiàn)了一些更復(fù)雜的模型。只不過，他們選擇了一條窄門，突破更難取得。

事情很快起了大反轉(zhuǎn)。到七十年代末的時(shí)候，已經(jīng)苦等十余年的投資人開始抱怨，為什么那些神奇的機(jī)器還是沒有發(fā)明出來？為什么所謂的智能只會(huì)推理數(shù)學(xué)，而一些小孩就能做出的判斷計(jì)算機(jī)卻怎么也做不出來？不多久，政府大幅縮減了人工智能研究的預(yù)算。

人工智能迎來了一次低潮。而另一種方法卻正在暗中生長。我們現(xiàn)在稱呼這種方法為機(jī)器學(xué)習(xí)，盡管它和我們平時(shí)用的“學(xué)習(xí)”這個(gè)字眼并不那么接近。機(jī)器學(xué)習(xí)的方法看起來徹底放棄了讓計(jì)算機(jī)去表達(dá)知識(shí)之類的想法。既然計(jì)算機(jī)最強(qiáng)的能力莫過于高速計(jì)算，那么索性讓它在自己的長項(xiàng)上發(fā)揮吧。機(jī)器學(xué)習(xí)的專家不那么在乎計(jì)算機(jī)表現(xiàn)的是不是智能，他們設(shè)計(jì)、實(shí)驗(yàn)各種精妙的算法，讓計(jì)算機(jī)可以解決特定的任務(wù)。到了八十年代，很多領(lǐng)域都迎來了突破。我們有了最初的自動(dòng)駕駛，能夠用計(jì)算機(jī)給圖片做分類，能夠讓計(jì)算機(jī)和人類世界冠軍下棋。實(shí)現(xiàn)這些的辦法，和過去我們渴望的人工智能并不完全一致，然而卻在效果上大獲成功。

幾乎同時(shí)，研究運(yùn)算與知識(shí)的方法效果不佳，但神經(jīng)網(wǎng)絡(luò)的研究卻興盛了起來。一些學(xué)者自稱聯(lián)接主義者。他們的思想來自六十年代?？涩F(xiàn)在有了更好的計(jì)算機(jī)、更好的實(shí)現(xiàn)方法，也對神經(jīng)有了更多了解。他們索性就不去考慮意識(shí)啊、思維啊是什么這些大問題，而是把精力放在構(gòu)建神經(jīng)網(wǎng)路的模擬上。很多人不同意他們的思考方式，但是大家對于建造一個(gè)模擬的大腦還是很有興趣的。

最近幾年，一個(gè)叫做“藍(lán)腦計(jì)劃”的項(xiàng)目被很多媒體報(bào)道。這個(gè)計(jì)劃已經(jīng)利用超級計(jì)算機(jī)模擬了一個(gè)大腦，復(fù)雜度大概相當(dāng)于貓的大腦。我們僅通過這個(gè)計(jì)劃，大概也能判斷這種方法前景巨大——想想看，如果能模擬一個(gè)人類大腦的話會(huì)怎么樣？當(dāng)然，你也能猜到這有多難。歷經(jīng)數(shù)年時(shí)間、投入大量金錢之后，目前我們只得到了一個(gè)貓腦。

最終勝利的似乎是機(jī)器學(xué)習(xí)的方法，這種我們對智能理解差異最大的方法。如今，流行的機(jī)器翻譯、語音識(shí)別、自動(dòng)駕駛、圖像識(shí)別、打擊網(wǎng)絡(luò)犯罪乃至反恐……機(jī)器學(xué)習(xí)已經(jīng)全面開花，與其相關(guān)的詞還成了行業(yè)甚至全民熱詞，比如數(shù)據(jù)挖掘、數(shù)據(jù)科學(xué)家、大數(shù)據(jù)等。一些持傳統(tǒng)觀點(diǎn)的人工智能研究者實(shí)在沒法同意，計(jì)算機(jī)表現(xiàn)的這些能力是一種智能。然而機(jī)器學(xué)習(xí)解決問題的效果實(shí)在是好。

那么，這就是超級人工智能的雛形了？自八十年代以來，計(jì)算機(jī)的能力提升了那么多，很多實(shí)驗(yàn)性的研究已經(jīng)成了我們每天使用的工具。然而如今，我們還是造不出能兩腿行走的機(jī)器人，計(jì)算機(jī)很難分辨扭曲的字母或面孔，對于人類的常識(shí)也很難理解，能夠做出判斷的專家系統(tǒng)一般只局限于少數(shù)專業(yè)領(lǐng)域?？傊S多一個(gè)人類小孩就能勝任的工作，依然是計(jì)算機(jī)所不擅長的。計(jì)算機(jī)的能力如此強(qiáng)大，但似乎又和我們想象的智能不是一回事。于是問題來了，超級人工智能的威脅在哪里？

答案也許要分兩部分。第一部分是我們的心理因素。畢竟，人類是我們已知的唯一智能生物，我們對智能的所有了解其實(shí)都來自我們自身。我們對地外生命和人工智能總有著強(qiáng)烈的好奇與恐懼，是因?yàn)槲覀儚膩聿恢篮臀覀儾槐M相同的智能生命是什么樣的，它們又會(huì)有什么樣的情緒和態(tài)度。

在人工智能作為一個(gè)學(xué)科誕生之前，數(shù)學(xué)家圖靈就堅(jiān)信機(jī)器可以有智能。他設(shè)計(jì)了一個(gè)判斷機(jī)器是否有智能的圖靈測試：一個(gè)人向屋子里的機(jī)器提問，如果后者回答一系列問題后人類仍然無法判斷它是人還是機(jī)器，那么這個(gè)機(jī)器就具有了智能。這是一個(gè)簡單粗暴又無比高明的方法，避開了什么是智能的種種爭論。然而，這種測試得到的不僅是一臺(tái)有智能的機(jī)器，還是像人一樣的機(jī)器。我們對這種機(jī)器如此的好奇又恐懼，這種情緒，將伴隨未來所有研究。

另一部分答案在于我們?nèi)缃竦某晒?。盡管我們都承認(rèn)現(xiàn)在計(jì)算機(jī)能做到的種種事情和人的智能還不一樣。但是“不一樣”和“有差距”是兩個(gè)概念。許多領(lǐng)域，計(jì)算機(jī)都表現(xiàn)出了比人更好的能力。想想看，盡管“他們”沒法做到一些對于我們來說很簡單的任務(wù)，但“他們”可不是只有劣勢。我們還不知道這條路通向何方。

不過先壓壓驚，至少目前，人類將大量聰明的頭腦投入到了機(jī)器學(xué)習(xí)領(lǐng)域，最重要的事情就是幫助我們投放更精準(zhǔn)的廣告。嗯，人類好樣的。