人與機器必將走向合作融合

    阿爾法狗的升級版——阿爾法元擁有自我學習的能力，只學習了三天就打敗了阿爾法狗；沙特阿拉伯王國最近剛授予 " 女性 " 機器人索菲婭沙特公民身份，使之成為有史以來首個獲得公民身份的機器人……人工智能的發(fā)展會威脅到人類社會嗎 ? 機器人控制人類的那一天已經逼近了嗎 ?

    大多數時候，恐慌來源于大眾對于技術的無知。在人工智能科學家的眼中，目前的人工智能與人類大腦相比，就如同幾個簡單的符號與一部小說之間的差距。

                                阿爾法元的成功只是一種投緣

    阿爾法狗在業(yè)內的影響力并不像在大眾中那么大。因為在人工智能領域，每個方法都有局限性，沒有一種方法是萬能的。等到對新出現人工智能的每個部分都有比較清晰的了解時，它的神秘感也就和現在的這些疑惑和擔憂一起，煙消云散了。

    阿爾法狗的厲害之處在于結合了工程和科研兩方面的工作，通過大量計算資源和工程優(yōu)化將人工智能在某一個方向推向了極致。它同時借鑒了十年來大家在圍棋上以及在計算機視覺上的點滴進展，比如圍棋和強化學習方向上蒙特卡羅樹搜索、自對弈 ( 俗稱 " 左右互搏 " ) 計算機視覺方向上像卷積神經網絡 ( CNN )等等。 

   

 

    這個成功有幾個先決條件：

    其一是模型和問題相互匹配。對阿爾法狗來說，模型和問題的匹配度非常重要。卷積神經網絡和圍棋非常匹配，所以僅用 490 萬樣本就可以學到超過人類的能力。

    其二是要身處一個完全信息透明的理想世界，并且在做出決策之后，對這個世界的規(guī)則、變化和發(fā)展有絕對正確的認知。

    第三個條件就是要有大量的計算資源。發(fā)表于《自然》雜志的兩篇阿爾法元的文章，無一例外都強調了對戰(zhàn)時所用的資源數，而有意無意地隱去了訓練時所用的資源數。后者從文章 ( 及實驗 ) 可以推算，大約在上萬臺甚至更多。這還僅僅只是復現結果需要的資源數目。而作為開拓者，能成功的路線百中無一，那綜合各種探索試錯的耗費，最后使用的資源更加是個天文數字了。

    阿爾法狗能如此驚人地處理圍棋問題，是因為滿足這三個條件，然而人工智能在處理其它問題上，就沒有那么容易了。智能對話系統(tǒng)就是個很典型的例子。人類的語言既有基本語法規(guī)則，又有大量打破這個規(guī)則的例外；既有此時此境下的約定慣例，又有與時俱進的林林總總的變化。 

    所以說，阿爾法狗在業(yè)內的影響力并不像在大眾中那么大。 

                            人工智能還無法與大腦中的神經系統(tǒng)相比擬

    腦科學和人工智能本質上都是尋找一個算法，有效構建世界模型。大腦經過長久的進化，固有自己的運行方式，而人工智能則可以在數學原理和大數據的基礎上獨立發(fā)展，就像飛鳥和飛機一樣，找到各自的規(guī)律。

    現實的神經元是由微分方程描述的連續(xù)信號處理器，有精細的時序結構，有電生理、離子通道和神經遞質受體，有能量供應和免疫系統(tǒng)。礙于測量的局限和生物系統(tǒng)的復雜性，我們現在對于大腦的單個神經元還沒有完全了解清楚，更不用說大量神經元組合在一起的系統(tǒng)了。

    而現有的人工智能算法基本上是和腦科學相互獨立的。在各類問題上卓有成效的統(tǒng)計學習方法，比如說線性及非線性擬合方法、最近鄰、決策樹、隨機森林、支持向量機等，在大腦結構中鮮有對應。即便在深度學習中所謂的神經元，也不過是線性疊加及非線性操作的組合，是現實大腦中神經元的極大簡化，簡化到腦科學家都不承認其為神經元的程度。

   不過，這兩門學科之間的確是可以相互啟發(fā)的。比如 CNN 的思路，就和大腦中感視野受限的神經元相似。最近，神經網絡之父、加拿大多倫多大學計算機科學系教授杰弗里 · 辛頓試著用大腦中的柱狀體思路，去改進現有神經網絡的性能；也有學者用統(tǒng)計學習及神經網絡的方法，對大腦中某些神經元的行為進行建模。

 

                           

    人并不需要恐懼害怕機器，因為機器也需要人�，F實世界無比復雜，其中暗含著無法準確預測的未來。在現實世界這個龐然大物面前，機器和人一樣渺小，也必然會攜手同行。

    站在業(yè)內人士的角度，人工智能還有很多問題沒有解決。比如，我們可以模糊地說 CNN 和圍棋很匹配，或者 CNN 和計算機視覺非常匹配，所以放在一起得到了出乎意料的效果。但究竟怎樣才算匹配？什么是 " 匹配 " 這個詞定量及精確的定義？對于其它問題，什么是最好的模型，需要用什么樣的數據？神經網絡究竟建模了什么，和我們的認知有什么區(qū)別？這些本質問題都還沒有答案，而且目前看來，不論是從工具上還是從觀念上看，離摸到答案的邊緣還遠得很。

    二十世紀初，除了上空有兩朵烏云之外，物理學的大廈基本建成；與之相比，人工智能可以說是還處在鉛云密布、大雪彌漫的漫漫極夜，人們才隱約看到頭頂黑云縫中有那么一點點的月光。我們只是摸黑摸久了，不習慣看到光罷了——其實，太陽還遠未升起。

    不過，首先基本肯定的一點是，未來世界必然是人與機器合作，并且逐步融合的世界。在短短十年中，我們都已經離不開電腦和手機，以后如果能有更強記憶、更快推理、更準預測的人工智能產品出現，可以幫助人類看得更遠、聽得更清，大家一定會爭相使用，并在這基礎之上制造出更好的物品。試想，如果有裝入大腦就可以提高一倍反應速度的芯片，那誰會拒絕？這樣的大潮，無人能夠反抗。

    所以說，與其害怕，不如融入。人工智能你不做，我不做，總有人做，而做出來之后，就會有極大的競爭優(yōu)勢�，F在基于機器學習的廣告系統(tǒng)已經是這樣了——寫好了程序，躺著可以賺錢，而人要做的是如何改進它。這和傳統(tǒng)行業(yè)需要不停維護才能有穩(wěn)定利潤率相比，已是高了一個境界。以后人工智能做得更好的話，可以自動改進算法，那又是高了一個境界。而且這并非幾百年后才會出現的事情，而是在當下就會發(fā)生的現實。歷史的列車正在加速前進，以前或許還可以小跑跟隨，以后只能搭車借力。

    最后，我不覺得人需要去恐懼害怕機器，因為機器也需要人�，F實世界暗含著無法準確預測的未來、牽一發(fā)而動全身的復雜聯(lián)系，龐大到不可想象的行動空間，以及千億億億種自洽自足的目標和意義。圍棋棋枰上的狀態(tài)數已遠遠超過了宇宙中的原子總數，然而它不過是后院的一張茶幾，和煦春日下的幾粒石子，還有隨風飄散的一口香茗。