人工智能或許比懷疑論者想象的更強(qiáng)大

與許多和我交談過(guò)的博學(xué)廣識(shí)的人一樣，我認(rèn)為人工智能(AI)往往被夸大了。不少專(zhuān)家認(rèn)為，亞瑟?C?克拉克(Arthur C Clarke)所說(shuō)的“人工愚蠢”使得計(jì)算機(jī)成為我們的仆人，而非我們的主人。

人類(lèi)大腦產(chǎn)生創(chuàng)造性思維、直覺(jué)、創(chuàng)意甚至預(yù)感的能力肯定不可能被復(fù)制到電子設(shè)備上嗎？

但是如果人工智能懷疑論者高估了人類(lèi)大腦呢？不久前，IBM展示了一個(gè)程序，在圍繞政府支持太空探索和遠(yuǎn)程醫(yī)療是否有益的辯論中，它差不多與一位經(jīng)驗(yàn)豐富的人類(lèi)辯手平分秋色。它并不能完全讓人心悅誠(chéng)服，卻不由得讓我對(duì)人工智能進(jìn)行了一番反思。

IBM這套叫做Debater的系統(tǒng)在舊金山一個(gè)活動(dòng)上提出的觀點(diǎn)，悉數(shù)來(lái)自該公司建立的一個(gè)包含“數(shù)億篇”文章的數(shù)據(jù)庫(kù)。評(píng)論人士稱(chēng)，該程序被填鴨式地輸進(jìn)了大量材料。一位著名專(zhuān)家、德蒙特福德大學(xué)(De Montfort University)研究機(jī)器人與人工智能倫理和文化的凱瑟琳?理查森教授(Kathleen Richardson)指出，這使得該計(jì)算機(jī)不必過(guò)濾垃圾信息——而人類(lèi)卻必須自己過(guò)濾。

但是顯然每個(gè)人都是從有選擇性的“數(shù)據(jù)庫(kù)”中汲取觀點(diǎn)。我們的大多數(shù)思想，都是從父母、老師、書(shū)籍、朋友、受人尊敬的專(zhuān)家和媒體得來(lái)的想法和信息再整合而成。即便是我自認(rèn)為原創(chuàng)的思想，在某種程度上也是受人啟發(fā)的。

那么創(chuàng)造力只是一種技巧，情緒是一種可以習(xí)得的行為，而愛(ài)情不過(guò)是一個(gè)人的個(gè)性與另一個(gè)人的個(gè)性相配？這些都能解構(gòu)為代碼嗎？

20世紀(jì)90年代末，理論物理學(xué)家加來(lái)道雄(Michio Kaku)告訴我，機(jī)器人不會(huì)取代人類(lèi)的一個(gè)根本原因在于常識(shí)，也就是“明白水是濕的，母親比女兒大，動(dòng)物不喜歡疼痛”之類(lèi)的道理。

他說(shuō)：“在計(jì)算方面，一個(gè)五歲兒童的大腦中約有1億條常識(shí)性信息?！?/p>

如今，讓一臺(tái)機(jī)器飛快搜索1億條編程信息然后作出常識(shí)般的決定已經(jīng)不再是科幻小說(shuō)中的場(chǎng)景，而是成了現(xiàn)實(shí)。Windows 10有5000萬(wàn)行可執(zhí)行代碼，把它安裝在一臺(tái)只花200英鎊的計(jì)算機(jī)上也可以很好地運(yùn)行。而IBM稱(chēng)其Debater數(shù)據(jù)庫(kù)中有數(shù)億篇文章。

一些工程師表示，計(jì)算機(jī)運(yùn)算速度和運(yùn)算能力的增長(zhǎng)之快甚至超過(guò)了戈登?摩爾(Gordon Moore)的預(yù)期，如果按照他在50多年前提出的“摩爾定律”，計(jì)算機(jī)算力每?jī)赡陼?huì)翻一番。能顯著提高計(jì)算機(jī)處理能力的量子計(jì)算，幾乎已經(jīng)成為現(xiàn)實(shí)。

機(jī)器甚至可能發(fā)展出幽默感，這是人類(lèi)具有的一種微妙的能力。30年前，加拿大教育心理學(xué)家杰拉爾丁?施瓦茨(Geraldine Schwarz)跟我說(shuō)，喜劇是“最高級(jí)別的智慧——高到不可定義和不可言喻”。

然而2013年我在倫敦觀看了一場(chǎng)由機(jī)器人表演的實(shí)驗(yàn)性脫口秀節(jié)目，雖然談不上精彩絕倫，但那臺(tái)機(jī)器自主生成的笑話還是有點(diǎn)搞笑的。

或許人類(lèi)大腦終究沒(méi)什么特別的。

就在今年1月，英特爾(Intel)負(fù)責(zé)人工智能業(yè)務(wù)的納維恩?拉奧(Naveen Rao)告訴我：“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(dòng)，了解周邊環(huán)境，并且對(duì)自己有感知?！?/p>

我問(wèn)他，我們是否有可能高估了我們的大腦。拉奧博士猶豫了幾秒鐘，仿佛對(duì)自己的答案感到有些囧。“是的，”他說(shuō)。

他停頓了一會(huì)兒又說(shuō)：“1996年我上過(guò)一節(jié)人工智能的課。我們觀看了圍棋比賽，我們那時(shí)認(rèn)為在我們有生之年計(jì)算機(jī)是無(wú)法搞定圍棋的。在圍棋對(duì)弈中，你每下一子，后面可能走出的棋步——我們稱(chēng)為分支因子——太多了。我們覺(jué)得我們的大腦在做神奇的事，我們無(wú)法理解、不可捉摸?！?/p>

“再來(lái)看過(guò)去五年里我們所做的事，現(xiàn)在我們意識(shí)到，我們的大腦做的事并不神奇。它們只是非常好的模式匹配程序。”

我問(wèn)道，那么愛(ài)和同情是可以被學(xué)習(xí)和復(fù)制的嗎？“當(dāng)然可以。這些能力是因?yàn)檫M(jìn)化的原因而存在的。我看不出為什么不能。”

當(dāng)然了，一位人工智能專(zhuān)家做出這樣的預(yù)測(cè)并不奇怪——雖然態(tài)度沒(méi)那么肯定。于是我又去找了麻省理工學(xué)院(MIT)的神經(jīng)學(xué)家詹姆斯?迪卡洛(James DiCarlo)。研究大腦的專(zhuān)家會(huì)怎么想？

IBM為迪卡洛教授在麻省理工的實(shí)驗(yàn)室提供了部分經(jīng)費(fèi)。他對(duì)人腦科學(xué)及工程學(xué)興致勃勃。

“認(rèn)為人腦將總是比人工智能復(fù)雜是錯(cuò)誤的，特別是對(duì)于大腦和認(rèn)知方面的科學(xué)家來(lái)說(shuō)，”他表示，“這意味著我們將永遠(yuǎn)無(wú)法完成我們的這項(xiàng)工作，就是從工程學(xué)角度來(lái)理解大腦和思想——理解這些意味著我們可以構(gòu)建出同樣復(fù)雜的系統(tǒng)?！?/p>

“我相信，工程學(xué)將會(huì)逐漸地掌握大腦的某些特定功能?！?/p>

我開(kāi)始在想，人工智能可能比我們這些懷疑論者想的更強(qiáng)大。