剛結(jié)束的人機大戰(zhàn)上，AlphaGo的表現(xiàn)使得人工智能（AI）成為熱門話題。人工智能最終會發(fā)展成為新的物種，而人類變成地球的邊緣物種嗎？還有多久，人工智能將會擁有超越人類的智慧？《Rolling Stone》雜志作者JEFF GOODELL對此問題作了深入探討，以下是雷鋒網(wǎng)對原文的翻譯：

 「歡迎來到機器人幼兒園」。

Pieter Abbeel 打開機器人研究室的門，進入了這個位于加州大學(xué)伯克利分校北部的新建筑。這個實驗室顯得很凌亂：自行車隨意地倚靠在墻角，「學(xué)生」們在一個個小隔間內(nèi)以各種姿勢坐著，講臺上的白板寫著各種令人費解的公式。Abbeel 是一個精干的 38 歲中年人，典型的美國工科男打扮：牛仔褲，稍大的 T 恤。在 2000 年，他從比利時來美國斯坦福大學(xué)讀博士，現(xiàn)在是世界著名的機器人學(xué)習(xí)專家。但首先，他必須教會機器人學(xué)生們最基本的「思考」能力。

「這就是我把這里成為幼兒園的原因」，他風(fēng)趣的說。

然后他向我介紹了 Brett 。這是已破產(chǎn)的硅谷機器人公司 Willow Garage 生產(chǎn)的一個身長六尺（1.8 米）的人形機器人。七年前，實驗室購買了 Brett 并長期對其進行試驗。Brett 僅僅是實驗室機器人中的一員。在另一個小隔間內(nèi)，一個沒有名字的半米長機器人通過繩索掛在椅子上。在地下室內(nèi)，還有還有一臺工業(yè)機器人在盒子內(nèi)日復(fù)一日地做著同樣的事情，目的是研究機器人的自學(xué)能力。穿過一條大街，還坐落著另一個伯克利大學(xué)的另一個實驗大樓，一個外科手術(shù)人形機器人正在試圖用「手」把一塊肉夾起來。旁邊則是一名博士生在試圖教會無人機如何圍繞一個物件飛行，他對我說：「我們并不希望這些無人機在天上發(fā)生交通事故，所以我們正努力賦予他們視覺識別能力」。

在工業(yè)領(lǐng)域，執(zhí)行特定任務(wù)的機器人已經(jīng)不足為奇：把機械手向左移動 6 英尺，抓起模塊，向右轉(zhuǎn)動，把模塊放到另一平臺上。這個動作每小時可以重復(fù) 300 次。但這樣的機器人并不智能，和割草機其實沒有本質(zhì)區(qū)別。但最近幾年，機器學(xué)習(xí)領(lǐng)域有了顯著的突破，不斷研究出來的新算法已經(jīng)可以粗略地模仿人類大腦，并有簡單的自我學(xué)習(xí)能力，這使得機器人學(xué)習(xí)怎么說話和識別圖案成為可能。Abbeel 的目標(biāo)是讓機器人成為真正意義上的智慧，不限于特定領(lǐng)域，且可以通過自我學(xué)習(xí)不斷提高。

顯然，對于這個目標(biāo)，他還有很長的路要走。「現(xiàn)在的機器人甚至連兩歲小孩的智力都達不到」，他說。例如，Brett 曾經(jīng)試圖學(xué)習(xí)過一些簡單的任務(wù)，像疊衣服或打結(jié)，對于人類來說，這再簡單不過，比如認出在桌子上皺巴巴的一條棉布其實是毛巾，對于機器人來說則困難無比，沒有人類靈敏的感官，也沒有對于物質(zhì)的感性認識，最重要的是，它們對于什么是「毛巾」沒有概念——它們看到的只是桌子上一團彩色的布而已。

為了解決這個問題，Abbeel 從小孩子學(xué)習(xí)中得到了靈感，創(chuàng)立了一個自我學(xué)習(xí)理論，使機器人在學(xué)習(xí)時，通過不斷地試錯，從而逼近最終的正確答案?，F(xiàn)在，當(dāng) Brett 試圖疊毛巾時，他的做法和小朋友是類似的：用鉗子手把毛巾夾起來，用視覺識別觀察毛巾的形狀，思考折疊毛巾的步驟。這聽起來很蠢，但換個角度，人形機器人已經(jīng)學(xué)會如何自學(xué)疊毛巾了。

聽起來令人毛骨悚然——一個有自我意識的人造人。而他們的進化速度正越來越快。什么時候他們將超越我們？如果一個機器人可以自己折疊毛巾，終有一天，他可以幫你煮飯，做手術(shù)，甚至發(fā)動戰(zhàn)爭？人工智能也許將為人類解決很復(fù)雜的問題，如治療癌癥及解決全球氣候變暖問題，但同樣，他們也有可能擔(dān)任破壞者的角色，電話推銷，監(jiān)控人類，竊取人類隱私等等?；诖耍霈F(xiàn)了一個更大的問題：機器人會有一天能夠獨立思考，表達感情嗎？這恐怕沒有人能給出確切答案。人工智能在眾多科技領(lǐng)域之所以如此特殊，就在于此，機器人對于人類來說，很可能不僅僅是一個「工具」，我們站在新生活的臨界點，迎接我們的將會是革命性的科技突破，還是人類生存的巨大威脅，我們不得而知。

管他呢，革命的車輪已經(jīng)啟動。去年夏天，伯克利分校團隊在一個類人形機器人上安裝了一個短期記憶系統(tǒng)。計算機科學(xué)專家 Sergey Levine 是這個項目的負責(zé)人，自稱這是個奇怪的項目。為了測試機器人的記憶，他們給機器人下了一個命令：讓機器人把釘子放到左右兩個洞中的一個。然后，他們把機器人的記憶數(shù)據(jù)清空，讓機器人重復(fù)放釘子的動作。令他們驚訝的是，機器人竟然準(zhǔn)確的放進了之前的洞里。沒有了記憶數(shù)據(jù)，機器人是如何做到的呢？最終，我們明白了，在第二次執(zhí)行命令時，機器人已經(jīng)想出了如何用自己的方式執(zhí)行命令?！高@太讓人驚訝了」，Levine 說。

Abbeel 把我?guī)У搅怂霓k公室，這是一件沒有窗戶的小隔間。他在里面告訴我，有一家名叫 DeepMind 的人工智能創(chuàng)業(yè)公司在 2014 年被谷歌以 4 億美元收購（譯者注：應(yīng)為2013年）。幾年過去了，DeepMind 研發(fā)的人工智能在玩主機游戲方面已經(jīng)超過了人類。但更令人驚訝的是，他們并沒有為特定的游戲編寫程序。這和擊敗象棋冠軍的深藍不同，深藍僅僅針對國際象棋做了優(yōu)化。而 DeepMind 的人工智能所知道的，僅僅是要得到盡可能多的得分而已。這里運用到的主要是深度學(xué)習(xí)的技術(shù)，簡單來說，當(dāng)電腦做對了什么，就給他一個「好」 的反饋，電腦通過不斷在游戲中試錯，最終掌握游戲規(guī)則及高分技巧。

這引起了我的好奇心，研究人員在 Abbeel 的實驗室里決定嘗試一個增量學(xué)習(xí)算法的試驗，希望能夠成功的教會機器人跳躍，跑步及游泳。讓他玩主機游戲如何？出乎他們的意料，這個名為「信賴域策略優(yōu)化」的算法玩游戲竟然能媲美 DeepMind 公司的算法。換句話說，信賴域策略優(yōu)化擁有廣泛學(xué)習(xí)的能力?！肝覀儼l(fā)現(xiàn)信賴域策略優(yōu)化算法能夠在游戲中擊敗人類」，Abbeel 說，「不僅僅是教機器人走路」。

Abbeel 放了一段視頻。畫面的中心是一個機器人模擬裝置，在一個開放的框架內(nèi)。你可以看到一個機器人臥倒在黑白格子地板上?！脯F(xiàn)在記住，這里采用的是與剛剛視頻游戲相同的算法」，他說，機器人被賦予了三個目標(biāo)：盡可能快地跑動，不要用腳大力地踏地，保持你的軀干在一定高度上?！杆恢朗裁唇凶摺?，Abbeel 說，「它對于腳和手也沒有一個具體的概念，它只有這些目標(biāo)，并盡可能利用四肢達成這些目標(biāo)，我們看看它是怎么做的」。

Abbeel 按下了按鈕，模仿裝置就啟動了。機器人在地板上笨拙的掙扎著，讓人摸不清頭腦。原則上說，它可以決定自己是走路，是跳躍，還是邊走邊跳。Abbeel 說，但算法的即時學(xué)習(xí)機制，是機器人會以最合適的方式前進。機器人會分析先前的動作，判斷下一步應(yīng)該做哪個動作，才能使自己擁有更好的前進速度，而這一切會被記錄下來，以供以后遇到類似的情況參考。不久后，機器人步履蹣跚，想一個醉漢一樣向前進。前進，摔倒，爬起，在走幾步，如此循環(huán)反復(fù)。但漸漸地，它似乎找到了走路的正確方法，甚至開始「跑」這一動作——盡管過程還是跌跌撞撞。當(dāng)然，機器人并不會理解「跑」是一個怎樣的動作。程序里并沒有對「跑」下一個準(zhǔn)確定義，盡管如此，機器人還是走得越來越快，其速度正如正常人理解的「跑動」一樣。機器人終于克服了復(fù)雜的平衡難題，靈活地運用四肢進行運動。這使我非常震驚，就像看到一條魚在 40 秒的時間內(nèi)進化成人。

「喔，這機器人走路惟妙惟肖的，幾乎和真人一模一樣」。我驚嘆道。

Abbeel 笑了，「幾乎」。

除了科幻小說及電影，真正的人工智能可不是流淌著藍色血液的人造人。他們是算法——即解決具體問題的數(shù)學(xué)方程（相當(dāng)于為機器人炒菜準(zhǔn)備的食譜）。算法在 21 世紀(jì)的重要性相當(dāng)于 19 世紀(jì)的煤：都是各自時代的經(jīng)濟助推器及現(xiàn)代生活的燃料。如果沒有算法，你的手機連打電話都不行。Google，F(xiàn)acebook，Amazon等科技巨頭沒有了算法，就像大廈沒有了根基。

Google Deep Mind團隊Demis Hassabis

數(shù)學(xué)算法已經(jīng)存在了數(shù)千年之久，現(xiàn)代的計算機模型也是根據(jù)算法創(chuàng)立的。數(shù)據(jù)輸入，電腦黑盒處理，然后算法輸出運算結(jié)果。當(dāng)然，現(xiàn)在的科學(xué)家們把算法玩出了新花樣，試圖讓計算機自己寫代碼。假設(shè)你想控制直升機的升降，你必須寫一個算法給予計算機關(guān)于直升機控制的信息（又稱輸入數(shù)據(jù)），然后你告訴計算機你打算讓直升機如何飛行，以何種角度飛行。接下來，好戲開始，計算機將輸出自己的算法，告訴直升機具體的飛行步驟。這就是所謂的機器學(xué)習(xí)，人工智能背后的重要步驟：如果一個機器可以教會自己控制直升機起降，那么它也能教些別的什么。比如在 Tinder（美國陌陌）上找到真愛，或者在你對 iPhone 說話時識別出你的語音，更甚之，可以創(chuàng)造出終結(jié)者里面的天網(wǎng)系統(tǒng)。正如DeepMind 聯(lián)合創(chuàng)始人 Demis Hassabis所說： 「人工智能就是一門讓機器變聰明的科學(xué)」。

毫無疑問，我們現(xiàn)在的生活被各種智能設(shè)備環(huán)繞。當(dāng)你使用谷歌地圖時，算法會根據(jù)你的位置及目的地自動繪制行走路線，當(dāng)你使用谷歌語音，識別你聲音的是一種叫做神經(jīng)網(wǎng)絡(luò)的算法，這種算法專門用于把聲音轉(zhuǎn)換成文字，把環(huán)境中的其他聲音過濾掉，并理解你的問題 。Facebook 通過不斷掃描上傳的圖片并識別敏感內(nèi)容，把不允許出現(xiàn)的內(nèi)容派出在外。

是什么促進了萬千智能設(shè)備的發(fā)展？生命的出現(xiàn)花費了地球 30 億年的時間，泥漿最終演化成了更高級別的智能。與此相反，計算機在 60 年的時間內(nèi)瘋狂進化，一塊硅晶體最終成為一輛能夠自動在城市中通勤的汽車，或是可以在一堆人中認出某張臉的機器。在過去的每一個星期中，計算機領(lǐng)域都在產(chǎn)生新的突破：一月，DeepMind 公司的算法機器人擊敗了歐洲的圍棋冠軍，圍棋是起源于中國的棋類競技項目，復(fù)雜性遠高于國際象棋。當(dāng)然，人類的不懈努力一手推動了世界的不斷發(fā)展，但我們是否已經(jīng)到了一個機器人爆發(fā)的拐點？我們將創(chuàng)造出一種新的物種（機器人）嗎？還要多久，機器人的智慧才會超越人類？

谷歌的未來主義大師 Ray Kurzweil 提出過一個廣為人知的「奇點」理論， 認為在未來的某一時刻，硅基生物（計算機）的智力將超越碳基生物（人），生物進化的平衡將被打破。「不遠的未來，我們的思考將會交給云計算完成」，幾年前的科技會議上，他這么說。他甚至預(yù)言了「奇點」到來的準(zhǔn)確時間：2045 年。最近一次并不正式的會議中，Tesla 和 SpaceX 創(chuàng)始人埃隆馬斯克認為發(fā)展人工智能將「召來惡魔」。盡管會議結(jié)束時，他告訴我他的言論可能有夸張的成分，他說，「人工智能的快速發(fā)展將招致一系列的問題，我們應(yīng)該重新思考人的位置，并始終將發(fā)展人類文明作為第一要務(wù)」。正如他所指出的，機器已經(jīng)滲透到人類生活的方方面面，「我們的生活已經(jīng)完全電子化，把你的手機關(guān)機一天，你就明白我在說什么了」。

通常認為，只有邪惡的強人工智能才能對人類產(chǎn)生威脅，霍金則給予了不同的看法?！?strong>真正威脅人類的并非人工智能的邪念，而是他們的能力。一個強人工智能可能足以完美的完成他們的目標(biāo)，但如果他們的目標(biāo)與我們的利益并不一致，我們就麻煩了。你也許對于螞蟻并沒有惡意，但如果你管理著一個水利發(fā)電站，而一個螞蟻窩可能破壞發(fā)電站的設(shè)施，你不得不把螞蟻窩干掉。將來，我們很可能就扮演者螞蟻的角色」。

除了我們能夠想象的人工智能的用處，未來的強人工智能究竟扮演者什么樣的角色，我們還只能從科幻小說中尋找答案?！脯F(xiàn)在」，F(xiàn)acebook 人工智能研究小組主管 Yann LeCun 說，「人工智能的智商相當(dāng)于小老鼠」，這話沒錯，IBM 花了數(shù)年時間及數(shù)百萬美元的經(jīng)費制造了 Watson ，在 2011 年的一檔美國智力競猜游戲《危險邊緣》中，Watson 利用「認知計算」擊敗了最聰明的人類選手。Watson 可以以每秒 8 億頁的速度閱讀資料，并且能夠?qū)⒄麄€維基百科的數(shù)據(jù)保存到本地隨時參考，甚至能夠查閱到數(shù)十年前的醫(yī)療及法律學(xué)術(shù)期刊。但他并不能夠教會你騎單車，因為他的用處十分狹隘——它對于世界的真正運行規(guī)律一無所知。

目前，最為成熟的人工智能程序位于西雅圖，但它甚至不能理解「人類呼吸空氣」這樣的句子。要理解這句話，你需要對世界有一個比較完善的認識，這是目前的人工智能所缺乏的。甚至給這些單詞做一個詳細的定義，人工智能也不知道呼吸對于人類生存有至關(guān)重要的作用，人類呼吸的頻率是每分鐘一次還是一生呼吸一次。即使是廣受好評的 Skype Translator （可以讓兩個人實時的使用不同的語言進行視頻聊天，并顯示翻譯），距離真正完善還有很長的路要走。

這并不是說，智能機器上位的風(fēng)險并不存在，《終結(jié)者》里出現(xiàn)的天網(wǎng)系統(tǒng)在未來也有可能威脅人類的隱私安全。以攻擊型無人機為代表的自動化武器，在未來無疑有可能通過面部識別等技術(shù)殺人于無形。但對于人類族群來說，這還算不上什么威脅。就像現(xiàn)在，突然出現(xiàn)一名北朝鮮的黑客開發(fā)出無敵算法，賦予金正恩統(tǒng)治世界的能力，這顯然屬于無稽之談。在這種語境下，人工智能不像 iPhone ，只需要開發(fā)應(yīng)用程序就可以直接運行。更多的，它接近于創(chuàng)造互聯(lián)網(wǎng)本身——有些只能靠時間來完成，而帶來的益處會隨時間遞增。斯坦福大學(xué)教授，目前就職于百度的吳恩達最近告訴我：「擔(dān)心人工智能毀滅人類就像擔(dān)心火星人口過多一樣——目前來講還為時尚早」。

事實上，對機器人威脅的過分夸大，最大的問題在于錯誤的估計了機器人對于未來的真正影響——底層工人被機器人所代替，面臨失業(yè)危機，戰(zhàn)爭中對于自動武器的過分依賴，造成黑客權(quán)力過大，這些才是我們需要擔(dān)心的。人與人之間的關(guān)系愈發(fā)疏遠，人每天與機器溝通的時間甚至超過了人，藝術(shù)家被精妙的算法取代，這些都是我們更應(yīng)該關(guān)注的現(xiàn)實問題。而人工智能時代，人類還面臨更為嚴峻的隱私挑戰(zhàn)，不僅僅是無人機可能進入你的私宅，大公司權(quán)力的空前強大更是我們需要擔(dān)心的問題。正如科研機構(gòu) Institute for Ethics and Emerging Technologies 主管 Marcelo Rinesi 所言，「未來不是機器人統(tǒng)治人類的時代，未來是機器人無所不在，并知道你一切隱私，不斷想你推送廣告的時代」。

當(dāng)然，這句話有些偏激，我們應(yīng)該承認，萬物互聯(lián)的人工智能將給人類帶來無窮的福祉。包括 DeepMind 團隊的 Demis Hassabis 在內(nèi)的大多數(shù)研究人員相信，如果我們賦予機器以智能，它將會幫助我們解決一些大問題，包括絕癥治療，健康檢測等方面，而不僅僅是個保姆，就像科學(xué)家們利用計算機解決物理及數(shù)學(xué)問題一樣。微軟的 Eric Horvitz 看到了人工智能更重要的意義：「人類的最大困惑，在于人腦自身究竟是如何運作的？做一個類人形機器人對于了解人類自身有重大的意義。只有理解了人類的運行規(guī)律，人形機器人才成為可能」。

每一次的技術(shù)革命都會引起部分人的恐懼，但恐懼的背后原因各不相同。在工業(yè)革命時期，英國的紡織工人暗中破壞織布機，因為他們害怕這臺機器將搶了他們的飯碗。（事實卻如他們所料）這樣荒誕的故事在電氣革命時再次重演，很多人相信在家里埋電線會導(dǎo)致精神失常（事實并非如此），因此拒絕接通電線。到了 20 世紀(jì) 50 年代，電氣廠商甚至擔(dān)心自家產(chǎn)品被核能產(chǎn)品所取代。

長期以來，人們對于人工智能的夸張想象總是極大地超前于現(xiàn)實科技。 1958 年，世界上第一套神經(jīng)網(wǎng)絡(luò)模型「感知器」問世，有關(guān)這個模型將模仿及獲得人類知覺的新聞見諸報端。隨后的 60 年代，人工智能之父 John McCarthy 為五角大樓獻上了一份報告，他認為，一套真正可用的人工智能系統(tǒng)需要十年的時間搭建。現(xiàn)在是二十一世紀(jì)，我們知道這件事并沒有發(fā)生，更出人意料的是，關(guān)于人工智能的研究在 20 世紀(jì) 70 到 80 年代出現(xiàn)了停滯，科學(xué)家稱之為「人工智能的冬天」。

又一個十年過去了，冬去春來。計算機運算能力的突飛猛進，價格的迅速下降給了人工智能強大的硬件基礎(chǔ)。同時，一種名為圖形處理芯片（GPU）新型的芯片問世，這種芯片一開始被應(yīng)用在游戲領(lǐng)域，令人意外的在神經(jīng)網(wǎng)絡(luò)領(lǐng)域產(chǎn)生了巨大作用，GPU 可以為神經(jīng)網(wǎng)絡(luò)節(jié)點的連接提供數(shù)百萬次每秒的運行速度。

另一項革命性的突破在于大數(shù)據(jù)。機器的智慧，就像人類的大腦一樣，需要一個學(xué)習(xí)與提升的過程。人類的大腦，除了基因內(nèi)預(yù)設(shè)的物件分類以外，后天對于各種物體的感性認識也是很重要的經(jīng)驗。在與貓和狗長期相處并觀察后，人類才分清了兩者的區(qū)別。對于機器學(xué)習(xí)來說，后天學(xué)習(xí)的重要性更甚，DeepMind 公司在圍棋及游戲領(lǐng)域的突破全靠數(shù)千次的練習(xí)而得。每次練習(xí)，機器對于世界的認識會進一步加深，這就是機器的學(xué)校。大量的數(shù)據(jù)基礎(chǔ)，TB 級的數(shù)據(jù)量，數(shù)十年的搜索乃至整個數(shù)字世界的數(shù)據(jù)都在為人工智能的智慧添磚加瓦。

在過去，「創(chuàng)造一個能思考的機器」這件事情，大多是哲學(xué)家及計算機科學(xué)專家們的學(xué)術(shù)研究?！概c以往最大的不同在于，今日的人工智能真正投入了商業(yè)世界運行」，F(xiàn)acebook 人工智能團隊 LeCun 這么說。包括Facebook ，IBM，微軟公司在內(nèi)的科技巨頭都或多或少在自家產(chǎn)品上運用了這一特性。大公司給了研究人員充足的資金，讓人工智能的研究有了足夠的商業(yè)動機?，F(xiàn)在的科技巨頭們，都擁有一批精于算法的技術(shù)天才及海量的用戶數(shù)據(jù)。谷歌為什么能夠建立起一個如此成功的廣告平臺？精妙的廣告投遞算法對此功不可沒，它給你推送的都是你最有可能點擊的廣告。對于廣告的點擊率，每提升 0.5 個百分點，谷歌每年就會多出 5 百億美金的收入，這也解釋了谷歌為何不斷致力于提升廣告投遞算法。而這都以來與機器學(xué)習(xí)，在這一領(lǐng)域，蘋果，微軟，谷歌甚至像 Dropbox 這樣的云服務(wù)提供商都花費了大量的人力及金錢。

另一個競爭激烈的戰(zhàn)場是語音識別。語音識別在商業(yè)領(lǐng)域的最終目標(biāo)是，讓機器與人的溝通像正常人一樣自然，這與強人工智能相比 ，難度大幅降低，而同樣擁有重要意義?！刚Z音溝通將成為與觸摸屏幕同等重要的交互手段」，吳恩達曾斷言。谷歌與蘋果公司為了提升個人助手的實用性，一直在大肆收購硅谷的人工智能創(chuàng)業(yè)團隊，同時，人工智能對于無人駕駛技術(shù)也有重要意義，無人駕駛技術(shù)在未來的普及無疑會極大地改變城市的形態(tài)。不妨試想，一個不需要私車停車場的城市將節(jié)省下多少公共空間?！溉斯ぶ悄茉诮鼛啄瓿蔀榱俗顣r髦的科技詞匯」，舊金山企業(yè)家 Jason Calacanis 這么對我說，「最近幾個月更甚，幾乎所有的硅谷創(chuàng)業(yè)者們在對風(fēng)投講故事的時候都會把自己的產(chǎn)品與人工智能扯上關(guān)系」。

這種對于人工智能被濫用的反感并非全無道理。以人工智能目前的水平，能做的無非是識別圖片中的小貓，識別你語音中的關(guān)鍵詞而已。但人類的直覺很難用算法表現(xiàn)，視覺識別同理。人工智能在圍棋領(lǐng)域的突破并沒有太多的實際意義。在人工智能擁有獨立思考能力之前，任何對于人工智能統(tǒng)治世界的擔(dān)憂都是杞人憂天。把人工智能訓(xùn)練的像人類一樣擁有直覺及自主學(xué)習(xí)能力，科學(xué)家們還有無數(shù)的彎路要走。

「我們突破了一堵墻，我們已經(jīng)摸清楚了視覺識別的門路」，LeCun 說。「好消息是，我們知道下一步該如何走，而我們相信這確實有用，但當(dāng)我們以 50 邁的速度在霧中飛奔時，一堵結(jié)實的墻可能隨時會出現(xiàn)在正前方。當(dāng)然，目前我們還開心地行駛著」。

48 歲的麻省理工物理學(xué)教授 Max Tegmark 留著一頭凌亂的蘑菇頭，為的是讓自己看起來年輕些。在他位于波士頓的兩層樓高郊區(qū)別墅中，起居室空空如也，只在墻上掛著鴨子和土撥鼠的圖片。作為最負盛名的物理學(xué)及宇宙學(xué)家，Tegmark 性格乖張，不走尋常路線。他的平行宇宙理論廣為人知，大意是，存在著無數(shù)個永不相交的宇宙，但并非每個宇宙都遵循我們已知的物理學(xué)定理。這是對于宇宙模型諸多解釋中被廣泛接受的一個。但 Tegmark 對于人工智能的狂熱程度更高，幾年來，他頻頻發(fā)聲，提醒人們應(yīng)該警惕失控的人工智能的可怕。

在剛剛過去的夏季中，我們在他家的餐廳內(nèi)共進了晚餐，聊了人工智能的未來及他在 Future of Life Institute （生命研究所）的工作。他是這家公司的聯(lián)合創(chuàng)始人，他形容這家公司是「志愿者經(jīng)營的研究和宣傳組織，致力于減少人工智能的潛在風(fēng)險」。盡管這家機構(gòu)擁有霍金這樣的名人擔(dān)任顧問，這家機構(gòu)主要還是以 Tegmark 的朋友及同事為主，他們每幾個月在 Tegmark 的起居室內(nèi)見一次面。這家機構(gòu)由 Open Philanthropy Project（開放慈善項目）贊助，馬斯克也捐助了 1000 萬美金，主要研究如何更好地利用人工智能，以及教育大眾科技的好處。我們共進晚餐的幾天后，這家機構(gòu)在紐約時報及華盛頓郵報上發(fā)表了一封公開信，警告民眾應(yīng)提防自動化武器的危害。「如果有哪個大國將人工智能用于軍事用途，那么，全球的軍備競賽幾乎是不可避免的」，信中強調(diào)?！缸詣踊淦鲗⒊蔀槊魈斓?AK 47 」。這封信得到了 2 萬人的聯(lián)名，包括霍金，埃隆馬斯克，蘋果聯(lián)合創(chuàng)始人斯蒂夫·沃茲尼亞克，諾貝爾獎得主 Frank Wilczek 。

2015 年一月，Tegmark 針對人工智能的潛在威脅召開了第一次重要會議（這與 Tegmark 的物理學(xué)，計算機科學(xué)博士身份沒有太大關(guān)系，相反，參加會議的都是哲學(xué)家，企業(yè)家，科幻小說作家及其他人工智能專業(yè)以外，并對于人工智能有擔(dān)憂的人士）。這個會議在波多黎各舉行，為期三天，包括埃隆馬斯克在內(nèi)的各行業(yè)精英云集，形式上模仿 1975 年關(guān)于重組 DNA 風(fēng)險的阿希洛馬會議，后者對于人工合成及轉(zhuǎn)基因的發(fā)展有著重要影響。出席者們主要討論了人工智能何時會達到或超越人類的智力。以吳恩達等眾多人工智能先驅(qū)為首的一方認為，這還需要數(shù)百年的時間，而馬斯克及伯克利大學(xué)計算機博士 Stuart Russell 則認為，實際時間遠快于人們所預(yù)計的。最終，各方預(yù)計時間的中位數(shù)是 40 年。Tegmark 說。

和霍金的態(tài)度相似，Tegmark 并不認為超級人工智能將是邪惡的甚至危險的。「我們必須保證人工智能的利益與我們相一致。如果你擁有一輛無人駕駛汽車，你跟它說，送我去機場吧，越快越好，于是汽車人開始飆車了，你如愿及時趕到了機場，但瘋狂的車速及過彎使你吐了一地，你抱怨道，有必要那么快嗎？這不是我要的。汽車回復(fù)，不是說好的越快越好嘛。

Tegmark 認為現(xiàn)在是思考這個問題的良好時機，畢竟人工智能何時到來，我們并不清楚。有可能要一百年以后，才會有強人工智能的廣泛應(yīng)用，也有可能僅僅花了十年。他舉核能為例，想想初次核爆炸時發(fā)生了什么，他說，科學(xué)家初次接觸核能時，也對其潛在的負面影響感到擔(dān)憂，但如今，世界不是因核能的廣泛應(yīng)用變得更美好了？

無論你去到那，總會有一部攝像機正對著你。他們藏在街角，無人機云臺，還有世界上四十億智能手機上。在 2012 年，F(xiàn)BI 花費了十億美金，啟用了次時代的辨認系統(tǒng)，這是一套識別算法，能夠?qū)D像上的人臉，指紋，虹膜等人類體征進行辨認，用于監(jiān)控數(shù)百萬的美國人，在律師事務(wù)所里強制推行。

但這件事情基本不可能，至少很難高效地執(zhí)行下去，除非 Yann LeCun 出手幫忙。在人工智能領(lǐng)域， LeCun 就像一個搖滾明星一樣受歡迎，在人工智能研究的早期，他與其他二人組成的小組奠定了算法識別圖像的基礎(chǔ)。LeCun 并不熱衷于為 FBI 服務(wù)，相反，他是公民隱私權(quán)的捍衛(wèi)者，但這一切無關(guān)緊要，技術(shù)是中立的，一旦被發(fā)明出來，用在哪里就不受科學(xué)家們控制了。

最近些天，Lecun 一直呆在 Facebook 位于曼哈頓中心的辦公室中。這是個開放型辦公室，大約有一個籃球場那么大，有一堵墻上擺著大大小小的監(jiān)視器。Lecun 的人工智能實驗室在辦公室的角落里，20 多名研究人員混跡在 Facebook 員工之中。（他的實驗室還雇了另外的 25 名研究人員，但分布在硅谷及巴黎）LeCun 在一個長桌子上辦公，與團隊成員們并肩而坐。如果他把視野望向窗外，他甚至能看到 IBM 開發(fā) Watson 的大樓。

初次見面，Leun 穿著 Polo 衫及牛仔褲，一幅典型的美國教授打扮。他在巴黎長大，但僅僅只有法國口音留下了這段記憶?！肝覔碛凶诮谭肿铀梢暤囊磺刑刭|(zhì)：一個科學(xué)家，一個無神論者，典型左派（至少按照美國的標(biāo)準(zhǔn)如此），一個大學(xué)教授及一個法國人」。在他的個人網(wǎng)站上，他這么寫道。他有三個小孩，每到周末他就會陪著小孩們玩模型飛機。

LeCun 是深度學(xué)習(xí)的先驅(qū)人物，而所謂的深度學(xué)習(xí)，通常被視為機器學(xué)習(xí)的更高層次，也是人工智能的重要一步。在 1980 年，他還在讀本科時，他便開始研究 1958 年的「感知器」及神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)算法允許機器理解事物，就像人類通過圖片及文字了解事物一樣。神經(jīng)網(wǎng)絡(luò)得名于對人類腦神經(jīng)結(jié)構(gòu)的模仿，算法通過一個有一個的神經(jīng)節(jié)點，統(tǒng)計分析輸入對象（可以是任何東西，包括圖像，數(shù)字，音頻）。

雖然神經(jīng)網(wǎng)絡(luò)得名于人類的腦神經(jīng)，但 Lecun 并不認為神經(jīng)網(wǎng)絡(luò)在企圖模仿人類的生理構(gòu)造?！钢辽龠@與最新的神經(jīng)學(xué)研究成果無關(guān)」，他說，「這僅僅得名與神經(jīng)的最初概念，如果你想造飛機，你會試圖從鳥兒身上獲取靈感，即使你不知道小鳥的生理結(jié)構(gòu)，你只需它們是通過扇動翅膀飛行。但造飛機與鳥兒的生理結(jié)構(gòu)就沒有太大關(guān)系。飛機的創(chuàng)造來源于鳥兒，但對于小鳥細致入微的生理構(gòu)造解剖與造飛機并無太大幫助」。

在 LeCun 看來，想通過研究人腦內(nèi)部結(jié)構(gòu)推進人工智能發(fā)展的想法簡直錯的離譜，包括歐洲花費 10 年時間，13 億美金進行的人類大腦計劃，這個計劃希望能了解并在超級計算機上模仿人類 860 億個神經(jīng)元，100 萬億個神經(jīng)突觸，實現(xiàn)人工智能的飛躍性發(fā)展?！杆麄冋J為，只要搞清楚了 860 億個神經(jīng)元的各自功能，并在一個足夠龐大的網(wǎng)絡(luò)上模擬出來，人工智能就成型了。我想」，他說，「這未免太瘋狂了」。

從新澤西州的貝爾實驗室辭職后，LeCun 在紐約大學(xué)教了十年書。到了 2013 年，馬克扎克伯格將其招至麾下，但允許他在紐約大學(xué)繼續(xù)兼職做研究?！?Mark 對我說，F(xiàn)acebook 已經(jīng)十年了，我們把眼光發(fā)到了接下來的二十年當(dāng)中：未來人們在數(shù)字世界的交流會變成什么樣呢？LeCun 回答，他一直堅信，未來人工智能將在社交網(wǎng)絡(luò)中扮演舉足輕重的角色，是人與人之間交流的粘合劑。然后有人告訴你，創(chuàng)造一個研究機構(gòu)來做這件事吧，這確實很難拒絕。

LuCun 并沒有透露 Facebook 在人工智能領(lǐng)域究竟投入了多少資金，但通常認為，F(xiàn)acebook 人工智能團隊的野心和規(guī)模屬硅谷之最。我們大多數(shù)的人工智能研究集中在理解人們分享的內(nèi)容上，扎克伯格在自己的主頁問答板塊這么寫道，例如，如果你上傳了一張照片，照片中有你的朋友，我們必須確保你的朋友也能看到這張照片。如果你發(fā)的是一張狗狗的照片，或是政治言論，我們也應(yīng)該想辦法把對這條消息感興趣的人聯(lián)系起來。為了更好地完成這項任務(wù)，我們的目標(biāo)是建立一套人工智能系統(tǒng)，用超越人類直覺的精準(zhǔn)度分辨這些消息：圖片識別，音頻識別等等。一月，扎克伯格宣布，他們在 2016 年的挑戰(zhàn)是，建立一個簡單的人工智能，用在自己家里，以期更好地幫助他們完成工作。你可以把這套系統(tǒng)看成是鋼鐵俠的賈維斯，他寫道。

LeCun 說，人工智能在 Facebook 廣泛應(yīng)用的絕佳案例是 Moments ，這是 Facebook 旗下的臉部識別應(yīng)用，可以幫你找到手機里面朋友的照片并允許你發(fā)給他們。但不僅如此，弱人工智能在這家公司有著廣泛的應(yīng)用。

除了這些花哨的小玩意兒以外，LeCun 明白，距離真正的強人工智能，現(xiàn)在僅僅走出了微小的一步而已。即使是被認為已有大幅進步的圖像識別，仍然面臨著諸多問題：人工智能程序?qū)τ谖矬w形狀，反射，像素級差異過分敏感。但最主要的障礙來自于「無監(jiān)督學(xué)習(xí)」。現(xiàn)在，機器學(xué)習(xí)仍舊依賴于人的大量參與。具體來說，機器需要識別數(shù)千張照片，然后人類把這些照片上的物體標(biāo)記為貓，機器再次見到含有貓的圖片時才有可能認出來。還有一種不太常見的方法是「強化式學(xué)習(xí)」，這種學(xué)習(xí)方法是給計算機提供一個大致的小貓?zhí)卣?，并通過不斷的一張一張照片，告訴電腦哪張是貓片，那張不是。而「無監(jiān)督學(xué)習(xí)」與這兩者都不同，它不需要一遍又一遍的反饋和輸入，而是通過類似于人的直覺，「這是人類學(xué)習(xí)的方式」，Lecun 說。我們看到物體特征，舉一反三，然后將知識放進我們的經(jīng)驗庫里，「這是我們必須撬開的一扇鐵門」。他說。

如果我給你看一部電影，在播放時突然暫停，然后問你下一秒會發(fā)生什么，你大概很容易猜的出來。 LeCun 說。一架飛機即將在空中墜落，你基本不用知道太多理論知識，就能判斷接下來的畫面，但如果是一個復(fù)雜的謀殺案，然后我問你電影里誰才是真正的殺人兇手，影片最后的結(jié)局是什么，你大概就得動動腦子了。他說，預(yù)測是智慧的本質(zhì)，我們應(yīng)該如何做，才能做出一個能夠預(yù)測電影接下來劇情的計算機呢？不要說預(yù)測兇手了，就是理解這個世界是立體的，擁有諸多物理限制，能夠預(yù)測飛機的墜落，在目前仍舊是一件困難的事情。

所幸，LeCun 找到了一種可能的解決方法， 把所有 facebook 上的內(nèi)容全部標(biāo)記為矢量，這意味著計算機僅需保存一個數(shù)據(jù)點的空間，「我們使用的典型向量相當(dāng)于一張圖片里涵蓋 4000 個維度」。他說，「所以，基本上，4000 個數(shù)字就可以描述一張圖片」。向量可以描述圖片，文本甚至用戶愛好。每減少一個數(shù)字，計算機搜索及存儲的壓力都會下降一分。如果一個人的興趣愛好用向量表示，在把向量與圖片向量進行比對，找出最匹配的圖片，那么這個人很可能會喜歡這張圖片?！缸钪饕?，它減少了幾何運算量」，他說。

對于那些恐懼人工智能的人，LeCun 認為他們看得太遠了。他相信智慧機器將擁有人類的感情及野心是謬論，「人類擁有生存的本能，繁殖的渴望及減輕痛苦的想法，這也是人類大多數(shù)邪惡念頭的根源。我們沒有理由相信機器人會有類似的想法，除非我們刻意這么設(shè)計。但他們也許會有同理心，會剛同深受人類的痛苦，因為我們會朝這個方向努力。那么問題來了，我們應(yīng)該如何設(shè)計機器人的底層驅(qū)動及行為，讓他們可以為我們所用，而不是試圖取代我們呢」？

當(dāng)我走出 Facebook 大樓時，我對于這座擠滿各類精英的辦公室肅然起敬——這是一個由人與機器共同筑造的帝國。很難想想未來會有什么不同，盡管機器人變得復(fù)雜多變是必然的。著名計算機教授兼非虛構(gòu)作家 Jaron Lanier 說過：「算法是由人類設(shè)計及研發(fā)出來的，它也反映了創(chuàng)造者們的偏見」。無論好壞，無論對錯，我們的未來都會由我們自己創(chuàng)造。套用一句古老的諺語總結(jié)：人類，長路迢迢。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。