如今，很多人擔(dān)心人工智能技術(shù)會發(fā)展成為“邪惡的機器人”，甚至達到主導(dǎo)世界的地步。但是不要害怕，這種情況不會發(fā)生。

人工智能已經(jīng)進入了人們的工作和日常生活中。它正在推動醫(yī)學(xué)、天氣預(yù)報、工廠自動化、自動駕駛汽車等各行業(yè)的進步。甚至高爾夫俱樂部制造商也采用人工智能技術(shù)設(shè)計球桿。

其實人們每天都在與人工智能互動。谷歌翻譯幫助人們?yōu)g覽國外網(wǎng)站，并與不同國籍的人員交談。人工智能供應(yīng)商已將語音識別功能內(nèi)置到許多應(yīng)用程序中。人們每天使用Siri和Alexa等語音助理來幫助完成簡單的任務(wù)。人臉識別應(yīng)用程序自動為照片添加標(biāo)簽，人工智能系統(tǒng)在諸如圍棋和***之類的復(fù)雜游戲中擊敗了專業(yè)游戲玩家，此外工廠的機器人替代工作人員實施重復(fù)性工作。

人工智能的最新進展使人們知道未來將將何去何從?？苹眯≌f作家數(shù)十年來一直在思考這個問題。在有些人描述的未來世界中，將會出現(xiàn)功能強大并且友善的智能機器人，例如《星球大戰(zhàn)》電影中的C3PO機器人。也有人則將智能機器人描述成既不友善也不邪惡，而是具有人類般的弱點，例如西方世界的類人機器人，這種機器人有著自己的意識和情感，不愿意被人類奴役。盡管如此，在其他作家的作品中，也有與人類為敵的“邪惡的機器人”，例如電影《2001年的哈爾：太空漫游》和電影《終結(jié)者》中的智能機器人。

人們對于人工智能可能存在潛在危險的猜測并不局限在科幻小說領(lǐng)域。許多權(quán)威技術(shù)專家預(yù)測，隨著人工智能系統(tǒng)變得越來越智能，機器人最終將主導(dǎo)整個世界。特斯拉公司創(chuàng)始人埃隆馬斯克表示，人工智能是人類的“最大的生存威脅”，它對文明的存在構(gòu)成了根本性的風(fēng)險。而已故著名物理學(xué)家斯蒂芬霍金曾說：“這可能預(yù)示著人類的終結(jié)?！比祟愇磥硌芯克鶆?chuàng)始人、哲學(xué)家尼克博斯特羅姆認(rèn)為，人工智能構(gòu)成了人類有史以來最大的威脅，其威脅甚至大于核武器。

人工智能與狹義人工智能

這些技術(shù)專家和科幻小說作家所擔(dān)心的人工智能系統(tǒng)都是強人工智能（人工通用智能，AGI）的例子。強人工智能（人工通用智能，AGI）系統(tǒng)與人類有著共同的能力：推理，處理視覺、聽覺和其他輸入，并能適應(yīng)各種環(huán)境。這些系統(tǒng)和人類一樣，對各種各樣的事件和話題有著豐富的知識和交流能力。

科幻小說虛構(gòu)的強人工智能系統(tǒng)（即虛構(gòu)的邪惡機器人）與當(dāng)今的人工智能系統(tǒng)相比有兩個顯著的區(qū)別：首先，當(dāng)今的每個人工智能系統(tǒng)只能執(zhí)行比較狹義的任務(wù)。例如學(xué)會給照片命名的人工智能系統(tǒng)不能做其他任何事情，甚至無法區(qū)分狗和大象。它不能回答問題、檢索信息或進行對話。其次，當(dāng)今的人工智能系統(tǒng)對于世界幾乎沒有常識性的知識，因此不能基于這些知識進行推理。例如，面部識別系統(tǒng)可以識別特定的人物，但對其他人一無所知。它不會像人類那樣能夠看到或聽到，也不像人類那樣進食、睡覺，工作，更不會犯罪或墜入愛河。

當(dāng)今的人工智能系統(tǒng)都是狹義的人工智能系統(tǒng)，這個術(shù)語是由未來主義專家雷庫茲韋爾在2005年提出的，用來描述這些區(qū)別：機器人只能執(zhí)行一個特定的任務(wù)。雖然狹義人工智能系統(tǒng)的性能可以使它們看起來很智能，但事實并非如此。

相比之下，人類和虛構(gòu)的智能機器人可以執(zhí)行大量不同的任務(wù)。他們不僅認(rèn)得人臉，還可以讀報、做飯、系鞋帶、討論時事，以及執(zhí)行許多其他任務(wù)。虛構(gòu)的智能機器人也基于人類對世界的常識進行推理，將常識、經(jīng)驗和背景知識應(yīng)用于各種各樣的任務(wù)中。例如，當(dāng)人類從柜子里拿出一個玻璃杯時，就會利用所知的重力知識，并且知道如果抓得不夠緊，玻璃杯就會從手中掉下來。人類并不是從重力的定義或數(shù)學(xué)方程式中的描述中獲得知識，而是在現(xiàn)實生活的經(jīng)驗中無意識獲得知識。人們每天都用這些知識來完成很多其他的任務(wù)。

新的人工智能范例

人們面臨的最大的問題是，如今的狹義人工智能系統(tǒng)是否會演變成具有人類智能的智能機器人，這種智能系統(tǒng)可以使用常識推理來執(zhí)行許多不同的任務(wù)。

當(dāng)今大多數(shù)突破性的人工智能系統(tǒng)都使用一種名為“監(jiān)督學(xué)習(xí)”的機器學(xué)習(xí)形式，其目的是學(xué)習(xí)一種可以從信息輸入中識別輸出類別的功能。例如，面部識別系統(tǒng)將圖像作為輸入，并識別圖中人員的名字?！皬娀瘜W(xué)習(xí)”也是如此，其目標(biāo)是學(xué)習(xí)可以預(yù)測給定狀態(tài)的最佳動作的功能。

多倫多大學(xué)機器學(xué)習(xí)專家杰弗里 辛頓表示，他對當(dāng)前的模式（包括監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)和自然語言處理）是否會導(dǎo)致強人工智能（以及科幻小說中的邪惡機器人）產(chǎn)生懷疑。辛頓建議，要采用人工智能，可能需要拋棄目前占主導(dǎo)地位的監(jiān)督學(xué)習(xí)范例。Facebook公司首席人工智能科學(xué)家Yann LeCu還表示，監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)永遠(yuǎn)不會創(chuàng)建強人工智能，因為它們不能用于創(chuàng)建對世界有常識的系統(tǒng)。

一些人工智能研究人員開始探索一些新的方法。在評估這些新方法的可行性時，必須記住，對狹義人工智能成就的熱情不應(yīng)轉(zhuǎn)化為對這些新方法的樂觀想法，因為現(xiàn)有的狹義人工智能方法在構(gòu)建強人工智能系統(tǒng)方面將面臨一條死胡同。

像人類一樣學(xué)習(xí)

很多研究人員將人類的學(xué)習(xí)描述為組合性學(xué)習(xí)：學(xué)習(xí)許多技能，然后將它們組合起來學(xué)習(xí)新技能。人類將學(xué)習(xí)有關(guān)世界的概念、規(guī)則和知識，這些技能將隨著人們學(xué)習(xí)執(zhí)行不同任務(wù)而轉(zhuǎn)移。這些研究人員認(rèn)為，常識性人工智能推理（以及人工智能和邪惡機器人）的關(guān)鍵在于構(gòu)建像人類一樣可以組合性學(xué)習(xí)的人工智能系統(tǒng)。這個想法是讓人工智能系統(tǒng)學(xué)習(xí)作為構(gòu)建塊的概念和規(guī)則，使其能夠?qū)W習(xí)更高層次的概念和更高層次的規(guī)則。

人們對這種方法的最大擔(dān)憂是，人工智能系統(tǒng)在理解人類如何獲得常識性知識方面的進展很緩慢。四十年前，就人工智能系統(tǒng)能否回答“德國牧羊犬的耳朵是什么形狀”這樣的問題進行了長時間的辯論。盡管人工智能和認(rèn)知科學(xué)領(lǐng)域的一些權(quán)威人士參加了分析和辯論，但仍然沒有確切的答案。人工智能能否回答有關(guān)狗耳朵形狀的問題，只是大量的代表性方案和推理過程的其中之一。而且，人們甚至都不知道這些方案和推理過程是天生的還是后天的。五十多年來，這一直是學(xué)術(shù)辯論中持續(xù)討論的話題，目前尚無定論。

那么要多久才能了解人們?nèi)绾慰创斯ぶ悄芎托皭簷C器人的真正進展？按照目前的進展速度，也許需要幾千年，也許可能永遠(yuǎn)不會發(fā)生。

深度學(xué)習(xí)

一些研究人員認(rèn)為，盡管監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)本身是構(gòu)建人工智能系統(tǒng)的死胡同，但深度學(xué)習(xí)可能將人們帶到目的地。Yann Lecun和Greg Brockman都提出了擴展無監(jiān)督學(xué)習(xí)系統(tǒng)的想法，希望能夠神奇地獲取有關(guān)常識并學(xué)習(xí)基于該知識的推理。

GPT-3系統(tǒng)是可擴展性一個很好的例子，其能力比GPT-2系統(tǒng)強出100倍，而GPT-2系統(tǒng)本身比GPT原始系統(tǒng)強出10倍。GPT-2系統(tǒng)表現(xiàn)出令人驚訝的能力，可以產(chǎn)生人類的聲音（即使不是始終連貫的），而GPT-3系統(tǒng)可以產(chǎn)生更好的結(jié)果。開發(fā)GPT系統(tǒng)的OpenAI研究人員認(rèn)為這是一種新興功能，這是由于擴大網(wǎng)絡(luò)規(guī)模而產(chǎn)生的。

GPT-3系統(tǒng)無疑具有提取其訓(xùn)練文本的統(tǒng)計規(guī)律性的強大能力，也可能具有記憶小片段文本的能力。但是，它沒有學(xué)習(xí)有關(guān)常識的能力，也沒有基于這種知識獲得推理的能力。在這個階段，沒有證據(jù)表明可以從這種方法中學(xué)習(xí)常識和推理技能，也沒有任何理由相信它會發(fā)生。

Yoshua Bengio提出了新穎的深度學(xué)習(xí)架構(gòu)，旨在使用深度學(xué)習(xí)突破狹義人工智能的局限性。其中一個目標(biāo)是學(xué)習(xí)更高層次的構(gòu)建塊，可以幫助人工智能系統(tǒng)進行組合學(xué)習(xí)。這是一個有趣的想法。

模擬人腦

行業(yè)專家提出的另一種強人工智能方法是了解人腦物理結(jié)構(gòu)，并在其之后建立人工智能系統(tǒng)的模型。經(jīng)過幾十年的研究，人們對人類大腦如何處理信息只知道一些非?；镜氖聦崱＠?，人們知道大腦皮層可以靜態(tài)和動態(tài)地存儲所學(xué)知識，基底神經(jīng)節(jié)處理各種目標(biāo)，并通過強化學(xué)習(xí)來選擇信息，而邊緣腦結(jié)構(gòu)連接大腦和身體并產(chǎn)生動機、情感和事物的價值。

在大腦中建立神經(jīng)元模型的想法已經(jīng)提出了40多年，但現(xiàn)在還沒有獲得真正的吸引力，部分原因是在理解人腦方面進展極為緩慢，在人工智能程序中沒有具體的方法來模擬人們所知道的人腦。在這里似乎又回到了起點，沒有證據(jù)表明這種方法會成功。

速度更快的計算機

技術(shù)未來主義者雷庫茲韋爾一直認(rèn)為，人工智能將作為更大、更快的計算機的副產(chǎn)品而出現(xiàn)。他提出了“奇點”這一理念，這是計算機能夠自己智能地改進程序的一個時間點。他指出，一旦發(fā)生這種情況，人工智能系統(tǒng)的智力將以指數(shù)級的速度增長，將很快達到超人的智力水平。庫茲韋爾預(yù)測，“奇點”將在2045年左右出現(xiàn)。

也就是說，很難想象處理能力本身如何能夠創(chuàng)造強人工智能。無論是使用上世紀(jì)70年代還是當(dāng)今天先進的沒有加載任何程序的計算機，這些計算機都無法執(zhí)行任何操作。如果在這兩種計算機上都加載一個字處理程序，那么都只能執(zhí)行字處理。更新、更現(xiàn)代化的計算機將能夠更快地響應(yīng)和處理更大的文檔，但它們?nèi)匀恢荒苓M行文字處理。未來的計算機也是這樣。

處理速度更快的計算機本身不會產(chǎn)生人工智能。正如Steven Pinker所說，“更強的處理能力并不是解決所有問題的靈丹妙藥?！痹趶娙斯ぶ悄懿惶赡軐崿F(xiàn)的情況下，編程和學(xué)習(xí)算法可能會非常復(fù)雜，以至于需要功能非常強大的計算機。

強人工智能能夠?qū)崿F(xiàn)嗎？

狹義的人工智能系統(tǒng)背后的技術(shù)無法發(fā)展到“邪惡的機器人”。對于如何實現(xiàn)強人工智能，業(yè)界提出一些想法，但這些想法并不明確。自從上世紀(jì)50年代末以來，人工智能研究人員對如何創(chuàng)建強人工智能提出了多種理念，但沒有人能夠獲得成功，也沒有證據(jù)表明現(xiàn)在的想法會更好。

艾倫人工智能研究所的首席執(zhí)行官Oren Etzion表示，對實現(xiàn)強人工智能的樂觀和恐懼都源于狹義人工智能系統(tǒng)的成功。這種對狹義人工智能的樂觀情緒自然蔓延到了對強人工智能前景的樂觀。

人們可能并不會在有生之年發(fā)生時間之旅?？赡軙孟?，科技將讓人類進入冬眠或隱身狀態(tài)，或者通過心靈傳送將人類的思想輸入到電腦中，甚至逆轉(zhuǎn)人類衰老過程。如果是這樣，那么人們應(yīng)該把人工智能和“邪惡的機器人”歸為同類。
責(zé)任編輯：YYX