人与机器必将走向合作融合

    阿尔法狗的升级版——阿尔法元拥有自我学习的能力，只学习了三天就打败了阿尔法狗；沙特阿拉伯王国最近刚授予 " 女性 " 机器人索菲娅沙特公民身份，使之成为有史以来首个获得公民身份的机器人……人工智能的发展会威胁到人类社会吗 ? 机器人控制人类的那一天已经逼近了吗 ?

    大多数时候，恐慌来源于大众对于技术的无知。在人工智能科学家的眼中，目前的人工智能与人类大脑相比，就如同几个简单的符号与一部小说之间的差距。

                                阿尔法元的成功只是一种投缘

    阿尔法狗在业内的影响力并不像在大众中那么大。因为在人工智能领域，每个方法都有局限性，没有一种方法是万能的。等到对新出现人工智能的每个部分都有比较清晰的了解时，它的神秘感也就和现在的这些疑惑和担忧一起，烟消云散了。

    阿尔法狗的厉害之处在于结合了工程和科研两方面的工作，通过大量计算资源和工程优化将人工智能在某一个方向推向了极致。它同时借鉴了十年来大家在围棋上以及在计算机视觉上的点滴进展，比如围棋和强化学习方向上蒙特卡罗树搜索、自对弈 ( 俗称 " 左右互搏 " ) 计算机视觉方向上像卷积神经网络 ( CNN )等等。 

   

 

    这个成功有几个先决条件：

    其一是模型和问题相互匹配。对阿尔法狗来说，模型和问题的匹配度非常重要。卷积神经网络和围棋非常匹配，所以仅用 490 万样本就可以学到超过人类的能力。

    其二是要身处一个完全信息透明的理想世界，并且在做出决策之后，对这个世界的规则、变化和发展有绝对正确的认知。

    第三个条件就是要有大量的计算资源。发表于《自然》杂志的两篇阿尔法元的文章，无一例外都强调了对战时所用的资源数，而有意无意地隐去了训练时所用的资源数。后者从文章 ( 及实验 ) 可以推算，大约在上万台甚至更多。这还仅仅只是复现结果需要的资源数目。而作为开拓者，能成功的路线百中无一，那综合各种探索试错的耗费，最后使用的资源更加是个天文数字了。

    阿尔法狗能如此惊人地处理围棋问题，是因为满足这三个条件，然而人工智能在处理其它问题上，就没有那么容易了。智能对话系统就是个很典型的例子。人类的语言既有基本语法规则，又有大量打破这个规则的例外；既有此时此境下的约定惯例，又有与时俱进的林林总总的变化。 

    所以说，阿尔法狗在业内的影响力并不像在大众中那么大。 

                            人工智能还无法与大脑中的神经系统相比拟

    脑科学和人工智能本质上都是寻找一个算法，有效构建世界模型。大脑经过长久的进化，固有自己的运行方式，而人工智能则可以在数学原理和大数据的基础上独立发展，就像飞鸟和飞机一样，找到各自的规律。

    现实的神经元是由微分方程描述的连续信号处理器，有精细的时序结构，有电生理、离子通道和神经递质受体，有能量供应和免疫系统。碍于测量的局限和生物系统的复杂性，我们现在对于大脑的单个神经元还没有完全了解清楚，更不用说大量神经元组合在一起的系统了。

    而现有的人工智能算法基本上是和脑科学相互独立的。在各类问题上卓有成效的统计学习方法，比如说线性及非线性拟合方法、最近邻、决策树、随机森林、支持向量机等，在大脑结构中鲜有对应。即便在深度学习中所谓的神经元，也不过是线性叠加及非线性操作的组合，是现实大脑中神经元的极大简化，简化到脑科学家都不承认其为神经元的程度。

   不过，这两门学科之间的确是可以相互启发的。比如 CNN 的思路，就和大脑中感视野受限的神经元相似。最近，神经网络之父、加拿大多伦多大学计算机科学系教授杰弗里 · 辛顿试着用大脑中的柱状体思路，去改进现有神经网络的性能；也有学者用统计学习及神经网络的方法，对大脑中某些神经元的行为进行建模。

 

                           

    人并不需要恐惧害怕机器，因为机器也需要人。现实世界无比复杂，其中暗含着无法准确预测的未来。在现实世界这个庞然大物面前，机器和人一样渺小，也必然会携手同行。

    站在业内人士的角度，人工智能还有很多问题没有解决。比如，我们可以模糊地说 CNN 和围棋很匹配，或者 CNN 和计算机视觉非常匹配，所以放在一起得到了出乎意料的效果。但究竟怎样才算匹配？什么是 " 匹配 " 这个词定量及精确的定义？对于其它问题，什么是最好的模型，需要用什么样的数据？神经网络究竟建模了什么，和我们的认知有什么区别？这些本质问题都还没有答案，而且目前看来，不论是从工具上还是从观念上看，离摸到答案的边缘还远得很。

    二十世纪初，除了上空有两朵乌云之外，物理学的大厦基本建成；与之相比，人工智能可以说是还处在铅云密布、大雪弥漫的漫漫极夜，人们才隐约看到头顶黑云缝中有那么一点点的月光。我们只是摸黑摸久了，不习惯看到光罢了——其实，太阳还远未升起。

    不过，首先基本肯定的一点是，未来世界必然是人与机器合作，并且逐步融合的世界。在短短十年中，我们都已经离不开电脑和手机，以后如果能有更强记忆、更快推理、更准预测的人工智能产品出现，可以帮助人类看得更远、听得更清，大家一定会争相使用，并在这基础之上制造出更好的物品。试想，如果有装入大脑就可以提高一倍反应速度的芯片，那谁会拒绝？这样的大潮，无人能够反抗。

    所以说，与其害怕，不如融入。人工智能你不做，我不做，总有人做，而做出来之后，就会有极大的竞争优势。现在基于机器学习的广告系统已经是这样了——写好了程序，躺着可以赚钱，而人要做的是如何改进它。这和传统行业需要不停维护才能有稳定利润率相比，已是高了一个境界。以后人工智能做得更好的话，可以自动改进算法，那又是高了一个境界。而且这并非几百年后才会出现的事情，而是在当下就会发生的现实。历史的列车正在加速前进，以前或许还可以小跑跟随，以后只能搭车借力。

    最后，我不觉得人需要去恐惧害怕机器，因为机器也需要人。现实世界暗含着无法准确预测的未来、牵一发而动全身的复杂联系，庞大到不可想象的行动空间，以及千亿亿亿种自洽自足的目标和意义。围棋棋枰上的状态数已远远超过了宇宙中的原子总数，然而它不过是后院的一张茶几，和煦春日下的几粒石子，还有随风飘散的一口香茗。