人工智能

人工智能領域的誕生可以追溯到很長一段時間之前，但是很多人認為它是一組科學家在1956年聚在達特茅斯大學一起討論而出的。在過去的幾十年里，計算機已經在以驚人的速度發展，而現在他們的計算速度要比人腦快得多。 以樂觀的角度來說，鑒于計算機領域取得了令人難以置信的進展，得到這樣的成果也在情理之中。天才電腦科學家艾倫·圖靈（Alan Turing）早在人工智能領域出現的幾年前就已經提出了機器具有思考能力的可能的想法。 科學家也對此有一個相當簡單的想法：智力可以類比成一個數學計算過程，而人腦也是一種機器。 掌握運用這個過程之后，你可以讓一臺機器對它進行模擬。

這個問題似乎并不難。正如位于達特茅斯的科學家寫道：“如果讓一組精心挑選的科學家在整個夏天的時間里坐在一起商討，我們認為他們可以在一個或多個這些問題上取得重大進展。”我想順便說一下的是，這項研究提案中包含了人工智能一詞最早使用的部分。他們對此有許多想法，例如：模擬人類大腦的神經元模式可以實現和教給機器關于人類語言的抽象規則的重要性。

科學家對此持樂觀的態度，并且不出意外的是，他們的努力最終得到了回報。 在這之前，他們有能理解理解人類語言的計算機程序，而它可以解決代數問題。而人們很自信地預測，在未來二十年內，人類將會建造出一個人工智能機器。

我們可以預測的是，在人工智能產業出現之后不久，真正的仿生人工智能機器人也將會出現，并且與我們越來越像。事實上，它的推測可以從圖靈關于“思維機器”的第一篇論文中說起，他在論文中預測說，圖靈測試（一種能讓人類相信機器有著人類特性的測試）將在50年之后得到正式通過，這種機器有可能在2000年左右出現。當然，在現在人們，例如著名的科學家Ray Kurzweil，仍然在預測未來20年內人工智能可能會發生的進展。在當今很多不同的專家和分析調查里，你幾乎想知道人工智能研究人員是不是僅僅試圖給出一種自動答復：“我早就知道了你即將要問的問題了，不或者是，我不能真正預測到你要說的。”

試圖預測人類同級別的人工智能出現的確切日期的問題在于我們實際上根本不知道實現該目標還有多遠。這不像摩爾定律。摩爾定律講的是：每兩年機器在信息處理能力可以翻一倍，這可以對一個非常具體的現象做出非常具體的預測。從中我們可以大致了解如何達到目標，例如改進硅晶圓的工程設計：我們知道我們并不處于我們目前方法的基本限制（至少，直到您嘗試在原子尺度上改造芯片）。但人工智能和我們以上所說的不能進行類比，它們是完全不一樣的東西。

常見的錯誤

Stuart Armstrong的調查研究了關于人工智能發展趨勢的這些預測。具體來說，他主要在尋找兩個主要的認知偏差。首先是人工智能專家預測真正的人工智能會在他們死亡之前出現（并使他們避免死亡）。這就是人們對Kurzweil所提出的“書呆子的狂怒”的批評，因為他們認為Kurzweil的這類預言是出于對死亡的恐懼，對生命不朽的渴望，而且根本上是非理性的。這使創造超級智能的能力被視為一種有著個人信仰的項目。當然，這里也有來自人工智能發展領域工作人員對于當今人工智能所遇到的的挫折和局限性的批判意見。

其次，人們大部分認為15到20年的時間內真正的人工智能將會出現在大眾視野內。這個時間段其實足以讓人們相信，他們正在做一些可以很快證明是新一次革命的東西（人們對努力循規蹈矩的東西印象不會很深刻，幾個世紀以來都是如此），而且目前為止并沒有說這些證明是錯誤的。在這兩種偏差中，Armstrong研究中對于后者擁有比較多的數據信息?- 人們非常樂意選擇在死亡后預測人工智能的發展趨勢，盡管大多數人不這樣做，但在歷史上的預測中存在明確的“15-20年后”偏差。

衡量進展

Armstrong指出，如果你想評估一種具體的預測的可行性，在這之前有很多參數你可以進行參考。例如，通過模擬人腦來開發人類智能的想法至少會為您提供一個清晰的途徑，讓您評估進展。每當我們得到更詳細的大腦地圖，或者成功模擬另一部分大腦時，我們就可以看出，我們正朝著這個最終目標前進，而這個目標可能在人類級別的人工智能出現之后最終達成。在這條道路上我們可能不到20年就可以走完，但至少我們可以用科學的方法評估進展來鞏固這些。

如果一個網絡足夠復雜且給予足夠的處理能力就會“出現”人工智能的人相比，這可能是我們想象的進化過程中出現的人類智能和所謂的“意識” -- 盡管人類的進化已有數十億年，而不僅僅是數十年。但問題在于我們從來沒有經驗證據：我們從來沒有見過意識從一個復雜的網絡中體現出來。我們不僅不知道這是否可能，我們也不知道我們距離它有多遠，因為我們甚至無法衡量它的發展潛力與價值。

要理解哪些任務對于人工智能的發展來說是艱難的，從其誕生之日直到今天甚至以后還有很長的路要走。只要看一下原來的研究方案，從理解人類的語言，到隨機性和創造性，以及自我完善能力都是可以進行相提并論的。我們有很好的自然語言處理，但是我們的計算機能理解他們正在處理什么嗎？我們有人工智能，它可以隨機變化是“創意”，但它本身具有創造性嗎？奇點往往依賴的那種指數式的自我改善過程似乎距離目標很遙遠。

我們也很難理解智能的含義。例如，AI專家一直低估人工智能下圍棋的能力。許多人認為，無論是在2015年，甚至到2027年人類仍舊會探尋此問題。但最后僅僅花了兩年，而不是十二年。但是這是否意味著人工智能能夠寫出“偉大的美國小說”呢？這是否意味著更接近于從概念上理解周圍的世界呢？或者說這是否意味著它更接近我們所說的人類級別的智能體？這些暫且無法解釋清楚。

不是人類，但比人類更聰明

但也許我們一直在錯誤的角度上看待這類問題。例如，圖靈測試還沒有通過，人工智能在談話中無法說服人類其是能與人類相似的智能體。當然還有計算能力，也許很快就能執行模式識別和駕駛汽車等其他任務的能力遠遠超過人的水平。由于“較弱”的人工智能算法做出更多的決定，物聯網傳播者和技術樂觀主義者試圖找到更多的方法來提供更多的數據或者更多的算法，所以這種“人工智能”對社會的影響只能是增長的趨勢。

也許我們還沒有對人類智能定下相關的管理機制，那是因為我們也不知道我們能用現有的算法影響它多久。國家自動化將會擾亂社會并從根本上改變關于它的危險調查，因為我們對于一些含糊不清的超級智能做出相關舉動的假設并不多。

那么有些人指出我們應該為其他原因擔心人工智能的誕生。只是因為我們不能確定人類同等級別的人工智能是否會在本世紀被開發出來，或者說它永遠不會存在于我們的生活中，但這并不意味著我們不應該為關于對其樂觀的預測結果是正確的可能性做準備。我們需要確保將人的價值觀編入這些算法中，以便他們理解人生的價值，并以正確的品行道德為標準的方式行事。

《未來人類繁榮計劃》的作者菲爾·托雷斯（Phil Torres）在接受我的采訪時表達了這一點。他指出，如果我們突然決定將智能機器人融入我們生活，作為一個不斷發展的社會，我們在未來必須解決關于此類道德問題（決定將機器融入我們生活的對與錯）。而我們到時候可以做到這一點嗎？

所以，我們應該對這些預測提出質疑。并且請記住，人工智能的先驅所預見的問題比預期的要復雜得多，在今天也是如此。同時，我們不能對人工智能的出現沒有準備。我們應該了解風險，并采取預防措施。當那些科學家們1956年在達特茅斯大學舉行合作會談時，他們不知道他們未來會面對什么。而在六十年后，我們仍不知道在人工智能的發展道路上要走多遠。但是我們確定的事，我們會在其中到達某個地方，在那個時候，我們需要共同努力和思考來迎接它的到來。

來源：網易智能