人人都应该知道的人工智能
上QQ阅读APP看书,第一时间看更新

是真正的科学,还是科幻故事

过去几十年里,人工智能领域从萌芽期(玩游戏,例如井字棋和象棋)开始,步入了青春期(挑战未知的问题、学习新技能、探索真实世界、寻求和发现自身的局限)。但是,它将来能否继续成长为一个成熟稳重、羽翼丰满的学科呢?

我个人认为,许多领域都是等到出现了数学形式系统以提供坚实的理论基础之后,才得以大展拳脚,并取得了实质性的进展。例如,伯纳德·黎曼(Bernhard Riemann)的非欧几何为爱因斯坦的时空弯曲理论搭建了舞台。更近一点,克劳德·香农(Claude Shannon)1937年在麻省理工学院时写的硕士论文中第一次提出了电子电路可以用布尔代数来建模(通常称为二进制算法),从而奠定了现代计算机的基础Claude Elwood Shannon, “A symbolic analysis of relay and switching circuits,” master's thesis, Dept. of Electrical Engineering, Massachusetts Institute of Technology, 1940.(正是因为他,我们今天才把计算机的处理过程称为“0和1”)。在那之前,电子工程师主要是将奇奇怪怪的电子元件拼凑成电路,然后观测它们的行为——我的小玩意儿把交流电(AC)整流成直流电(DC)的本事比你的厉害,但可别问我为什么。

今天的人工智能会议偶尔也会让人产生类似的感觉,尤其是当某一个团队的算法在一连串年度大赛中都优于另一个团队时。但是,智能是否也容易用理论来分析呢?它是不是在等待某位具备数学思维的工程师的顿悟呢?这是解决另一个问题的关键,那就是:人工智能究竟是一个单独的学科,还是只是计算机科学中的“Lady Gaga”——给数字穿上花哨的拟人戏服,攫住公众的想象和大量投资,就像大篷车马戏团的伎俩一样,总是倾向于夸张和傲慢,让我们不禁怀疑这一切究竟是真实的,抑或只是个小把戏。

这引出了我对人工智能内涵的个人看法。人工智能的本质(实际上也是智能的本质)就是基于有限的数据,及时做出适当概括的能力。应用的范围越广,从最少的信息中得出结论的速度就越快,行为也就会越智能。如果用玩井字棋的程序能够学习玩其他任何棋盘游戏,那就更好了。如果它还能学习识别人脸、诊断病症和用巴赫风格来谱曲,我相信我们都会同意它是人工智能。其实现如今,已有一些程序可以完成上述单个任务。不管它的过程是否与人类相同,也不管它是否看起来像人类一样拥有自我意识,都似乎无关紧要。

要做出一个好的概括,就需要考虑最广的可用情境。某一条路经常堵车,根据今天是节假日,天气很不错,推测今天去海边的人应该很多,而这条路是去海边最近的路,所以你决定绕开它,那么你就在进行这种概括。如果你的邮件程序根据一封邀请你在“最近的星期二”参加电话会议的电子邮件而建议你为此设置一个日历事项,并根据发件人位于另一个时区的事实而将会议时间设置为8天以后而不是明天,并为了你的方便而将该日历事项与该发件人在你通讯录里的联系人条目关联起来,那么,你的邮件程序也是在从多个知识来源进行类似的概括这个例子可能会让中文读者感到有点困惑。原书中的会议时间是“next Tuesday”。中文语境下,“下星期二”指的是下星期的星期二,而不管今天是星期几。而在英语语境中,“next Tuesday”并不是指“下星期二”,而是指的“今天过后的第一个星期二”。如果今天是星期一,那“next Tuesday”指的就是明天;如果今天是星期二,那就指的是下星期的星期二。在本例中,收到邮件的日子是星期一,但发件人处于另一个时区,当地已经是星期二了。如果邮件程序不具备理解时区的能力,它将把会议时间设定为本周的星期二,也就是“明天”。但由于它具备概括时区的能力,所以它理解了发件人的意图,很“智能”地将会议设置在8天之后,也就是下星期的星期二。为了避免混淆,我在此未将“next Tuesday”翻译成“下星期二”,而是翻译成“最近的星期二”,以示区别。——译者注。假如你的邮件程序根据你总是拒绝该会议邀请的事实而不再建议你建立日历事项,它也是在基于情境进行概括。实际上,学习可以被看作依时序的连续概括过程,采取的方式是归纳过去的经验以用于未来的分析,就像类比推理是将某个领域的知识进行概括并推广到全新的情境中一样。有时候,当你面临新挑战时,你必须长途跋涉,去远方寻求指引。但倘若能审慎行事,结果就会看起来非常智能。已有令人信服的线索表明,对情境进行扩展可能正是人类意识的基础,我将简单地讨论一下这一点。或许,智慧正孕育自广博之中。

许多科学家都试图通过研究人脑的详细结构来探寻人类心智的深度(或至少蜻蜓点水般地触及其表面),一部分目的是为了揭示人类非凡的认知智能是如何实现的。他们所面临的谜题是:相对简单和同质化的生物单元(神经元)是如何通过相互连接来实现如此变化无穷的非凡壮举的,例如存储记忆、处理视觉信息、控制身体、生成情绪、指引行为和产生关于“自我”存在的感觉。尽管看起来令人百思不得其解,但这似乎就是事实。那么,谁又能断言,一个相对简单但能自由地获取足够多的计算资源和输入数据的计算机程序不能做到同样的壮举呢?

人工智能会不会像科幻作品中经常描述的那样,突然“活过来”呢?不用害怕。在我花了大半辈子徜徉于愈发精巧的人工智能内部世界之后,我还没有见过一丝一毫的证据表明我们在可预见的未来可能会迈向那个方向。相较之下更有可能发生的事情是,那些被认为需要人类创造力的任务会比我们想象的更容易被自动化所取代。“智能是一个清楚的概念,可以用形式化的方式来分析、测量和复制”这个观点或许只是一个错觉。

人工智能可能还算不上硬科学,不像物理学或化学那样需要用客观事实来确认和验证其理论和假说,但它最终可能也会变成那样更准确地说,一个理论必须能够用证伪(falsification)而非证实(verification)的方式来检验,才能被看作硬科学。例如,参见:http://www.amazon.com/Logic-Scienti c-Discovery-Routledge-Classics/dp/0415278449/。。如果聪明的程序或设计算不上人工智能,那到底什么算人工智能?这个问题尚处在争论中,但我们不应该被争论分心,而应该意识到一个重要的事实:这项技术会影响我们珍视的许多事物,包括我们的职业和自我意识。目前,我们可能还没法为人工智能下一个定义,但我相信大多数人的感受就像美国最高法院的波特·斯图尔特(Potter Stewart)法官在谈及色情时所说的那句名言一样:“当我看到它的时候,我就知道是它了。”Peter Lattman, “The Origins of Justice Stewart's' I Know It When I See It,'” September 27, 2007, LawBlog,Wall Street Journal Online. Or see 378 U.S. 184, 1964.