很不幸，我們身邊的機(jī)器人可能不是大白，而是《黑客帝國(guó)》的章魚(yú)

本文作者：李智勇

2015-12-13 09:00

導(dǎo)語(yǔ)：很不幸以當(dāng)前的趨勢(shì)來(lái)看，來(lái)到我們身邊的機(jī)器人更可能是《黑客帝國(guó)》里的章魚(yú)，而不是《超能陸戰(zhàn)隊(duì)》里的大白。

很不幸以當(dāng)前的趨勢(shì)來(lái)看，來(lái)到我們身邊的機(jī)器人更可能是《黑客帝國(guó)》里的章魚(yú)，而不是《超能陸戰(zhàn)隊(duì)》里的大白。但由于人工智能根本沒(méi)完成自己技術(shù)上從0到1的過(guò)程，所以確實(shí)這問(wèn)題的結(jié)果仍然是開(kāi)放式的。為理解這有點(diǎn)矛盾的狀況我們先梳理下人工智能的發(fā)展?fàn)顟B(tài)。

過(guò)去和未來(lái)那些可能的里程碑

《超級(jí)智能：路線圖、危險(xiǎn)性與應(yīng)對(duì)策略》這書(shū)里提到一件有意思的事情：

20世紀(jì)50年代后期的一些專家認(rèn)為：如果能造出成功的下棋機(jī)器，那么就一定能夠找到人類智能的本質(zhì)所在。但結(jié)果通常是：這種機(jī)器一旦被造出來(lái)之后，人們就不稱其為人工智能了。隨后作者列出了人工智能發(fā)展史上一些里程碑性的事情（有刪節(jié)）。

很不幸，我們身邊的機(jī)器人可能不是大白，而是《黑客帝國(guó)》的章魚(yú)

這意味著從游戲的視角看，除了圍棋人工智能基本已經(jīng)超越或者達(dá)到了人類的水平。這里更有意思的事情是，如果把這張表延伸到未來(lái)，領(lǐng)域也不局限在游戲，那究竟哪些事情值得記錄在上面？

按照我的推斷這種里程牌會(huì)是下面這個(gè)樣子：

1．自動(dòng)駕駛——徹底的自動(dòng)駕駛很可能在10年左右的時(shí)間里實(shí)現(xiàn)。

根據(jù)報(bào)道到2015年為止，Google的自動(dòng)駕駛汽車已經(jīng)安全行駛了百萬(wàn)英里。各方預(yù)測(cè)在這樣的基礎(chǔ)上，再有5~10年自動(dòng)駕駛應(yīng)該可以獲得普遍應(yīng)用，我們采用保守的數(shù)值。自動(dòng)駕駛之所以必須被放到里程碑里是因?yàn)閺闹悄艿慕嵌瓤慈祟惾粘５墓ぷ魃钪斜锐{駛更復(fù)雜的事情其實(shí)不多，如果可以搞定駕駛，那理論上第一產(chǎn)業(yè)、第二產(chǎn)業(yè)甚至第三產(chǎn)業(yè)中的簡(jiǎn)單工作都是可以通過(guò)人工智能搞定的。第三產(chǎn)業(yè)中的簡(jiǎn)單工作是說(shuō)類似餐飲、運(yùn)輸行業(yè)中的各種工作。在那個(gè)時(shí)間點(diǎn)上，我們就可以更清楚的看到第一產(chǎn)業(yè)、第二產(chǎn)業(yè)中幾乎沒(méi)人的景象，雖然即使是今天這在局部也已經(jīng)逐漸成為現(xiàn)實(shí)。

2．沃森類系統(tǒng)在醫(yī)療行業(yè)全面展開(kāi) —— IBM已經(jīng)在做這件事情，所以這里的關(guān)鍵點(diǎn)不在于采用不采用，而在于什么時(shí)間點(diǎn)沃森這樣的系統(tǒng)可以成為醫(yī)療中必須的一個(gè)環(huán)節(jié)。

（IBM 沃森參加了CBS的益智節(jié)目，人機(jī)大戰(zhàn)）

這個(gè)點(diǎn)之所以有意義在于，沃森的全面展開(kāi)意味著醫(yī)院里所有和數(shù)據(jù)相關(guān)的工作被人工智能接管。這個(gè)時(shí)間點(diǎn)之所以有意義在于它意味著人工智能成為真正的專家系統(tǒng)，隨后（或者同時(shí)）它就可以擴(kuò)展到法律、管理、財(cái)務(wù)等領(lǐng)域。從沃森獲得危險(xiǎn)邊緣冠軍這事來(lái)看，這件事的瓶頸很可能不在于技術(shù)，而在于接受程度。如果拿數(shù)據(jù)庫(kù)被接受的速度做類比，那這產(chǎn)品也可能在5~10年內(nèi)走到各家醫(yī)院里去。

3．人+人工智能成為所有金融公司的標(biāo)準(zhǔn)工具—— 這點(diǎn)可以更形象點(diǎn)的表述成類似Palantir的服務(wù)滲透到所有金融公司。

這意味著非行業(yè)的可數(shù)據(jù)化的各種工作已經(jīng)可以在人與人工智能的配合下完成。只要能搞定金融，那就可以搞定幾乎所有其它企業(yè)。這事情已經(jīng)有很多公司再做，并且已經(jīng)有很大的規(guī)模，所以也可能在5~10年內(nèi)達(dá)成。

4．類人機(jī)器人出現(xiàn) ——很像電影《我，機(jī)器人》里面描述的那種正常的機(jī)器人，這種機(jī)器人沒(méi)有自我意識(shí)，但有足夠的智能和行動(dòng)力可以完成所有所有人類需要完成的工作，甚至可以包括戰(zhàn)爭(zhēng)。

如果說(shuō)1~3主要消滅的是低端的以及和數(shù)據(jù)深度相關(guān)的工作，那這類機(jī)器人幾乎可以消滅所有的工作。人類到此理論上可以得到解脫。這個(gè)項(xiàng)目上差得比較遠(yuǎn)，如果認(rèn)為前幾項(xiàng)可以在10年內(nèi)實(shí)現(xiàn)，那這項(xiàng)應(yīng)該會(huì)在它們后面。至于后面多久確實(shí)難以推斷，但這種機(jī)器人是一定可以實(shí)現(xiàn)的，雖然我們不太確定是20年后，還是30年后，但它的技術(shù)脈絡(luò)與前三者一脈相承，所以說(shuō)是一定可以實(shí)現(xiàn)的。

人工智能上的從0到1

很多人可能難以相信，但上面那些看著已經(jīng)波瀾壯闊的里程碑其實(shí)只是人工智能從0到1過(guò)程中的產(chǎn)物。

很多技術(shù)的發(fā)展都要經(jīng)歷從0到1，再?gòu)?到100的過(guò)程。

比如說(shuō)福特造出第一輛T型車可以認(rèn)為是汽車從0到1的過(guò)程，此后100年直到現(xiàn)在可以認(rèn)為是汽車從1到100的過(guò)程。此后的汽車雖然也有發(fā)動(dòng)機(jī)、傳動(dòng)系統(tǒng)和四個(gè)輪子，但其精密程度要遠(yuǎn)高于當(dāng)年的版本。

計(jì)算機(jī)一樣有這過(guò)程，如前所述，其理論奠基于圖靈，圖靈之后馮?諾依曼真的設(shè)計(jì)了一套體系結(jié)構(gòu)把這東西做出來(lái)了，到馮?諾依曼為止可以認(rèn)為計(jì)算機(jī)走完了自己從0到1的過(guò)程。此后才有從電子管計(jì)算機(jī)到晶體管計(jì)算機(jī)，再到大規(guī)模集成電路使用后的計(jì)算機(jī)，其形態(tài)也就由比房子還打到現(xiàn)在手機(jī)那么大，但幾乎無(wú)所不能。

很不幸，我們身邊的機(jī)器人可能不是大白，而是《黑客帝國(guó)》的章魚(yú)

（馮?諾依曼）

如果拿人工智能與上述兩者相類比，我們可以發(fā)現(xiàn)人工智能根本還沒(méi)走完從0到1的過(guò)程。人工智能既沒(méi)有清楚的理論基礎(chǔ)，大家也不知道智能究竟是什么，所以才有先達(dá)到某個(gè)目標(biāo)。比如在下棋上戰(zhàn)勝人類，接下來(lái)就認(rèn)為這也不算什么智能的情形出現(xiàn)。

人工智能的內(nèi)在發(fā)展思路也多次發(fā)生變遷，比如最開(kāi)始人們認(rèn)為這種智能依賴于一種物理符號(hào)系統(tǒng)，這種系統(tǒng)要通過(guò)處理符號(hào)組成的數(shù)據(jù)結(jié)構(gòu)來(lái)起作用。人類似乎是這樣，但這顯然只是一種現(xiàn)象，在這層面上并不能產(chǎn)生真的智能。接下來(lái)也考慮過(guò)遺傳算法，這是按照生物進(jìn)化的過(guò)程來(lái)做程序，讓程序有某種隨機(jī)變化，并用一個(gè)選擇過(guò)程（生物的優(yōu)勝劣汰）來(lái)保持似乎有用的變化，但限于各種“如果怎樣，否則怎樣”的這種組合太多，在當(dāng)時(shí)這也沒(méi)產(chǎn)生什么有價(jià)值結(jié)果。

再后來(lái)至少一部分人開(kāi)始轉(zhuǎn)向神經(jīng)網(wǎng)絡(luò)，這方向出現(xiàn)的很早在20世紀(jì)60年代就出現(xiàn)了，但那時(shí)是非主流，直到20世紀(jì)80年代才收到重視，Jeff Hawkings認(rèn)為這和人工智能節(jié)節(jié)敗退有關(guān)。神經(jīng)網(wǎng)絡(luò)研究者嘗試在連接中查找智能，因?yàn)榇竽X由神經(jīng)元組成，這是顯然的事實(shí)。

很不幸，我們身邊的機(jī)器人可能不是大白，而是《黑客帝國(guó)》的章魚(yú)

近來(lái)極其火熱的深度學(xué)習(xí)就在這方向上，但這方向也還沒(méi)完成從0到1的過(guò)程。只是在特定的領(lǐng)域取得了極為令人矚目的成績(jī)比如語(yǔ)音識(shí)別、圖像識(shí)別。這領(lǐng)域的大牛Yann LeCun在發(fā)表演講的時(shí)候曾經(jīng)專門(mén)提到了深度學(xué)習(xí)的幾個(gè)關(guān)鍵限制，具體來(lái)講這包括：

缺乏理論基礎(chǔ)。沒(méi)這個(gè)深度學(xué)習(xí)方法只能常常被視為黑盒，大多數(shù)的結(jié)論確認(rèn)都由經(jīng)驗(yàn)而非理論來(lái)確定。

缺乏推理能力。深度學(xué)習(xí)技術(shù)缺乏表達(dá)因果關(guān)系的手段，缺乏進(jìn)行邏輯推理的方法。

缺乏短時(shí)記憶能力。與深度學(xué)習(xí)相比人類的大腦有著驚人的記憶功能。

缺乏執(zhí)行無(wú)監(jiān)督學(xué)習(xí)的能力。無(wú)監(jiān)督學(xué)習(xí)在人類和動(dòng)物的學(xué)習(xí)中占據(jù)主導(dǎo)地位，我們通過(guò)觀察能夠發(fā)現(xiàn)世界的內(nèi)在結(jié)構(gòu)，而不是被告知每一個(gè)客觀事物的名稱。

這是2015年6月演講中提到的內(nèi)容，InfoQ對(duì)此進(jìn)行了比較完整的報(bào)道。從這種現(xiàn)實(shí)來(lái)看，我們確實(shí)很難講人工智能完成了從0到1的過(guò)程，而只能說(shuō)還處在一種盲人摸象的狀態(tài)，雖然摸到的面積越來(lái)越大。

但與汽車或計(jì)算機(jī)不同的是，一般大家認(rèn)為人工智能從1到100的過(guò)程會(huì)發(fā)生得非?？?，而不像汽車陸陸續(xù)續(xù)發(fā)展了100年，計(jì)算機(jī)發(fā)展了半個(gè)多世紀(jì)。如果我們真能搞定某些基礎(chǔ)問(wèn)題，那人工智能的從1到100的過(guò)程確實(shí)可能在幾年，甚至幾天內(nèi)實(shí)現(xiàn)?；ヂ?lián)網(wǎng)為此準(zhǔn)備了充分的素材和基礎(chǔ)設(shè)施。

如果人通用型的強(qiáng)人工智能得以實(shí)現(xiàn)，那就會(huì)面臨下一個(gè)從0到1的過(guò)程，由無(wú)意識(shí)到有意識(shí)的過(guò)程。

大白到底會(huì)不會(huì)來(lái)？

所謂的人工智能從正常人的視角來(lái)看其實(shí)有兩個(gè)明顯不同的分支，這會(huì)導(dǎo)致兩種完全不同的大白：

一個(gè)分支更像黑客帝國(guó)路線，有一個(gè)萬(wàn)能的矩陣，所有章魚(yú)都是是這個(gè)矩陣的載體。我們經(jīng)常提到的人工智能由于是數(shù)據(jù)驅(qū)動(dòng)的所以基本都是這個(gè)方向，比如IBM的Watson。

一個(gè)分支則是大白的路線，每個(gè)機(jī)器人有自己的個(gè)性，雖然它可以從龐大的云端數(shù)據(jù)庫(kù)里獲得信息，但它是獨(dú)立的個(gè)體，有自己的個(gè)性和溫度。

后者更貼近人類的狀態(tài)，從本能上我們不太會(huì)喜歡前者，因?yàn)檫@樣一個(gè)東西如果有足夠的智能那會(huì)是一種完全超出我們理解的東西（經(jīng)常說(shuō)的超級(jí)智能就是指這個(gè)），雖然科學(xué)家可能喜歡。

理論上講，這兩者都是有可能的，畢竟人從懵懂無(wú)知到學(xué)富五車其實(shí)并不需要太多的數(shù)據(jù)，但很不幸的是如果按照當(dāng)前的研究方向發(fā)展下去，那種有個(gè)性的大白是不太會(huì)來(lái)到現(xiàn)實(shí)里來(lái)的?，F(xiàn)在各種機(jī)遇機(jī)器學(xué)習(xí)的人工智能都需要龐大的數(shù)據(jù)量做支撐，這樣一來(lái)即使做一個(gè)本地的版本放到機(jī)器人里去，那也更像是黑客帝國(guó)里的章魚(yú)而不是有個(gè)性有溫度的大白。

當(dāng)然人工智能本身也還在不停的變動(dòng)中，所以也許有一天，當(dāng)前這條路碰到瓶頸，科學(xué)家們會(huì)轉(zhuǎn)而追求另一種形式，那樣的話，大白才有可能真的來(lái)到我們身邊。

要想認(rèn)清這點(diǎn)有必要考察一下實(shí)現(xiàn)人工智能的實(shí)現(xiàn)方式以及人腦的基本運(yùn)作方式。

現(xiàn)在實(shí)現(xiàn)各種人工智能的方法簡(jiǎn)單的可以概括成建立可以進(jìn)行學(xué)習(xí)的多層網(wǎng)絡(luò)，接下來(lái)用數(shù)據(jù)來(lái)訓(xùn)練這網(wǎng)絡(luò)，數(shù)據(jù)越多這網(wǎng)絡(luò)處理圖像識(shí)別等的效果就越好。效果和數(shù)據(jù)量成正比。

但人腦卻并不是這樣，一般認(rèn)為大腦皮層是人類智慧的來(lái)源，每一層有大概2毫米厚，一共有六層，和疊加的六層撲克牌厚度相類似。有一種觀點(diǎn)認(rèn)為大腦各個(gè)區(qū)域?qū)嶋H上能起的作用是一致的，之所以會(huì)不同的區(qū)域能復(fù)雜不同的事情是因?yàn)椴煌瑓^(qū)域使用的計(jì)算方法不同。

這和電腦類似，雖然看著電腦能做的事情五花八門(mén)，但底層都是0和1的運(yùn)算，但接下來(lái)就不一樣了。大腦里面的軸突建立各種輸入模式，于是我們看到了五光十色的世界。認(rèn)知過(guò)程中和計(jì)算機(jī)很不同的是大腦似乎是記憶身邊這世界的本質(zhì)特征，接下來(lái)看到新東西的時(shí)候先從記憶中提取這種本質(zhì)特征，再加上些處理來(lái)應(yīng)付各種各樣的情形。

很不幸，我們身邊的機(jī)器人可能不是大白，而是《黑客帝國(guó)》的章魚(yú)

（《黑客帝國(guó)》章魚(yú)機(jī)器人）

這樣一比較我們就知道實(shí)現(xiàn)這大白和章魚(yú)背后所牽涉的東西不同。

要實(shí)現(xiàn)大白，那其實(shí)需要有感知并且及時(shí)的對(duì)這種感知進(jìn)行理解、記憶、學(xué)習(xí)，個(gè)體的獨(dú)立和發(fā)展非常重要。這和當(dāng)前的主流發(fā)展路線很不一樣，所以按照數(shù)據(jù)驅(qū)動(dòng)的思路，更可能的產(chǎn)品只會(huì)是黑客帝國(guó)里的章魚(yú)。