不久前，由IBM研發(fā)的AI辯論系統(tǒng)Project Dabater與人類辯論冠軍進(jìn)行了一場辯論，AI的表現(xiàn)令人印象深刻。從Project Debater身上，我們見證了人工智能在更高維度上對我們的大腦的思維和運(yùn)行方式的一次形象的模擬。這是否意味著，人的大腦的許多能力都可以用AI重現(xiàn)？

IBM的Project Dabater可人工智能系統(tǒng)在辯論賽中表現(xiàn)可圈可點(diǎn)，這是否意味著，人的大腦的許多能力都可以用AI重現(xiàn)？

不久前，由IBM研發(fā)的人工智能辯論系統(tǒng)Project Dabater與以色列辯論冠軍Noa Ovadia和Dan Zafrir舉行了一次辯論。辯論的主題是從40個隨機(jī)話題中抽取出來的，研究人員事先并沒有對系統(tǒng)進(jìn)行過針對辯論賽的特別訓(xùn)練，Project Dabater自己對多達(dá)3億篇的新聞文章資源庫的內(nèi)容進(jìn)行識別、分類和選擇，并從中提取出適合在辯論中使用的片段。

在辯論中，Project Dabater可以做到表述語法基本正確，語義和邏輯基本清晰連貫，在聽取辯論對手就辯題的看法之后，還能夠做出切合話題的反駁。

Project Debater在辯論中的表現(xiàn)雖然算不上完美，但還是令人印象深刻，而且讓我們向著人工智能深化的方向向前邁進(jìn)了一步：Project Debater吸收大量不同的信息和觀點(diǎn)，幫助人們建立有說服力的論據(jù)并做出明智的決策?？梢哉f，從Project Debater身上，我們見證了人工智能在更高維度上對我們的大腦的思維和運(yùn)行方式的一次形象的模擬。

實(shí)際上，我們所掌握的知識，對事物的觀點(diǎn)和認(rèn)識，甚至是創(chuàng)造力大部分都來源于周圍的大量信息。大腦會對我們從周圍環(huán)境中獲取到的這些信息進(jìn)行記憶、整理、分類、整合等處理，從中識別出不需要的、或多余的信息,從某種程度上說，這些信息也可是以視作一個規(guī)模龐大無比、內(nèi)容無所不包的數(shù)據(jù)庫。

如果說我們掌握的知識和形成的觀點(diǎn)是大腦對外部信息的篩選和整合，那么創(chuàng)造力、情感、判斷力等這些更高層面的感知能力，也可以歸為大腦對信息的多次復(fù)雜處理之后得到的結(jié)果。如果這些相對高級的感知能力都有望由人工智能建模實(shí)現(xiàn)，如果我們的大腦的某些運(yùn)行模式可以被代碼所重現(xiàn)，考慮到現(xiàn)在的計算機(jī)，尤其是未來的量子計算機(jī)的極快的運(yùn)算速度和驚人的數(shù)據(jù)處理能力，那么從某種意義上說，我們的大腦可能并不比AI更加優(yōu)越，大腦的一些復(fù)雜、精確的能力也可以化為代碼和程序，最終能夠被AI所學(xué)習(xí)和復(fù)制。

一些從事人工智能行業(yè)的專家和從事腦科學(xué)研究科學(xué)家對這個問題也有著類似的思考。

英特爾（Intel）負(fù)責(zé)人工智能業(yè)務(wù)的Naveen Rao說：“我們或許能在30年內(nèi)創(chuàng)造出一種有限智能，它可以在空間中移動，了解周邊環(huán)境，并且對自己有感知?！彼J(rèn)為人類有可能高估了自己的大腦，愛和同情是可以被人工智能學(xué)習(xí)和復(fù)制的。

麻省理工學(xué)院（MIT）的神經(jīng)學(xué)家James DiCarlo表示，“認(rèn)為人腦將總是比人工智能復(fù)雜的觀點(diǎn)是錯誤的，對于大腦和認(rèn)知方面的科學(xué)家來說尤其如此。我相信，工程學(xué)將會逐漸地掌握大腦的某些特定功能?！?/p>

實(shí)際上，Project Dabater的真正價值不在于辯論本身，而是人工智能系統(tǒng)可以為人類決策團(tuán)隊做出的重要貢獻(xiàn)。比如在警務(wù)室，情報分析掩體或教室內(nèi)，都可以引入人工智能工具來增進(jìn)對話，使得基于證據(jù)而做出的決策更加合理，或者為人類決策提供的新的信息或可供參考的反對意見。

未來，可能產(chǎn)生能夠真正理解我們，并能對我們做出回應(yīng)的人工智能。換句話說，不管是對AI大力鼓吹還是對其持懷疑態(tài)度的人來說，AI可能都要比他們想象中更為強(qiáng)大。