论文部分内容阅读
今年夏天，腾讯财经开发了一款自动新闻写作软件Dreamwriter，它一露面就“镇住”了很多媒体人。据说，它能根据算法进行及时分析和研判，在一分钟内将重要资讯和对信息的解读送达用户。
机器人毫无疑问地成为近期最热的话题之一，许多人被谆谆告诫，“如果你从事的是程式化的工作，你很可能就要被取代了。”这样的警告已经不是第一次了。早在2011年，国内机器人密度已达到每万人21台。它们能干什么呢？在汽车业、3C行业、金属制造等劳动密集型企业，六轴通用机器人早已成为主角，打磨、搬运、装配，它们可干得一手漂亮活。
听到机器人的上述“手艺”，或许你觉得可以松一口气了：离机器人取代我的工作还远着呢！而实际上绝非如此，因为我们要谈的概念是——人工智能。
六轴机器人听起来既不酷，也不够智能;但银幕上的智能机器人不仅是功能性的，而且还能识别情绪并与人沟通。当把机器人置换成人工智能的时候，我们会发现，很多难以想象的事情都已经被实现了。智能手机已经让人机交互很容易完成，而下一个切入口，可能就在于语音行业。
能够识别人类情绪的人工智能，听起来可是够酷炫的，问题是，它离我们还有多远？当我们这样提问时，其实人工智能思想家已经想到了人类灭绝和永生的问题，它的前提，是一种超人工智能（Artificial Superintelligence）。牛津大学哲学家、知名人工智能思想家尼克·博斯特罗姆（Nick Bostrom）把超人工智能定义为：它们“在几乎所有领域都比最聪明的人类大脑还聪明很多，包括科学创新、通识和社交技能”。
我们很难理解这些超人类的想法。在此之前，比较好理解的概念是，弱人工智能和强人工智能。前者意味着擅长单方面任务的人工智能，比如可以在象棋上击败对手;后者就是我们理解的人类级别的人工智能了。按照美国特拉华州立大学教育和人类发展教授琳达·高特弗雷德森（Linda Gottfredson）教授的定义，它是“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作”。
2013年，博斯特罗姆做了一个问卷调查，该调查涵盖了数百位人工智能专家，问卷的内容是：“你预测人类级别的强人工智能什么时候会实现？”
调查结果如下：乐观估计中位年（强人工智能有10%的可能在这一年达成）：2022年;正常估计中位年（强人工智能有50%的可能在这一年达成）：2040年;悲观估计中位年（强人工智能有90%的可能在这一年达成）：2075年。
由此可见，即便是按照最悲观的估计，我们当中的很多人都有可能在余生看见它的出现。这对于普通人来讲，简直是不可思议的;然而对于专家来说，这样的结果甚至唾手可及。为何会产生这样的偏差？
我们想象一个机器人，多是基于场景来判断。比如我有一个机器人女朋友，它能准确地识别我的情绪，我说“我要走了”，它知道是反话;我生气不说话的时候，它又知道怎么哄我。它还会有情绪的表露，让我觉得自己深陷热恋之中。这简直太不可思议了吧？
这里有一个很重要的前提，就是语言。为什么说语音行业是下一个切入口呢？因为人机交互首先由语言来进行，这再理所当然不过了。你让一个机器人瞬间算出十位数乘法，这很简单;但是，你要让它听懂人话？人类中有很多个体还做不到呢！情商低的人通常不善解人意，人际之间便经常有误会。
除了语言之外，“强人工智能”机器人还要懂视觉、动态、移动、直觉。还是以语音为例，Siri、灵犀语音，人们常觉得够新鲜，但指令一复杂它们就会露馅;智能聊天工具小冰、小娜虽然有了脾性，说话有趣，但那也只是程序的设定而已，有时候回答得牛头不对马嘴。
按照智能语音行业的发展路径，語音数据积累就已经是一项繁琐的过程。把所有的话都堆起来，无非是一个“语料库”。关键在于，机器人要知道做出什么反应，做到这个的前提是要听懂人话，可是，语言里的情绪多么复杂啊，机器怎能识别得出？
基于场景的判断是实际的，当我们从仅仅从现实来考虑问题，就会觉得很不可思议。然而，“技术奇点”之下，社会飞跃是指数级的;如同90年代的人们想不到iPhone一样，我们看不到未来，其实这也很正常。
图/GETTY
然而，总有一些人是敢想的。按照计算机科学家唐纳德·克努斯（Donald Knuth）的说法，“人工智能已经在几乎所有需要思考的领域都超过了人类，但是在那些人类和其他动物不需要思考就能完成的事情上，它还差得很远。”
这句话可以体现为智能的速度与质量，机器人可以算得很快，然而重要的是认知能力如何，也就是智能的质量。对于人类很简单的事情，比如判断一只动物是猫还是狗，机器人就很难搞。因此，从弱人工智能到强人工智能的转变，关键点就在于“大脑”。
基于对未来的想象，科学家们已经跳出人类中心主义的视角，在他们看来，编译基因的4个碱基A、T、G、C，与计算机编译代码的1和0，作为记录信息的符号并没有什么本质区别。因此，他们提出了几种可能的演进思路：
第一种是完整地抄袭人脑。比如人工神经网络，通过晶体管组成神经系统，可以完整地进行自主学习;还有一种思路是“整脑模拟”，比较好理解的是，把人脑切成片，然后用软件来组织3D模型。迄今为止，人类已经能够模拟1毫米长的扁虫的大脑，这个大脑含有302个神经元。
其次还有“模仿生物演化”的思路。让电脑经过一个反复运作的表现/评价过程，繁衍或者淘汰;或者把电脑变成电脑科学家，让它们自己研究人工智能、修改代码。通过这些我们听不懂的天方夜谭，科学家们称，强人工智能可能比我们预期的要更早降临。
这些预测并不是没有根据的，有一门学科叫做“认知科学”，就旨在破解人类心智的奥秘，最终目标是要制造出一种人工神经网络系统。最乐观的估计称，我们最早在2030年前就会有所突破。
1950，阿兰·麦席森·图灵设计出一个测试，其内容是，如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则电脑通过测试。如今，我们每天都在经历电脑端的“图灵测试”，比如，网页上的验证码设计就是为了区分你是机器还是人类。
作为有名的“图灵测试”，2014年6月7日，聊天程序“尤金·古斯特曼”（Eugene Goostman）首次成功“通过”了它。这让人们得以认真重视这个问题：如果你在将来交到了一位朋友，你分不清它与你的对话是机器还是人类所为，你是否为此做好了准备？
普通人还会觉得是天方夜谭，但通过技术演进，这绝非没有可能。到这一天，人类伦理可能就会遭受重大挑战。迄今为止，因为看起来太遥远，人们并没有真正就此类话题展开讨论。但从克隆技术的前例来看，即使技术端有可能性，人类内部也必然会争议四起。
可以这样说，我们完全没有做好准备。我们需要强人工智能来做什么？它们如何服务于我们的生活？我们将如何识别和控制它们？它能和人类通婚联姻吗？相比于思考这些问题，普通人更习惯于关心日常生活，比如下一顿要吃什么，或者，如何才能练出马甲线。而人们全然顾不上的是：人工智能思想家为这些问题操碎了心。
（本文由本刊和微思客WeThinker合作出品）
机器人毫无疑问地成为近期最热的话题之一，许多人被谆谆告诫，“如果你从事的是程式化的工作，你很可能就要被取代了。”这样的警告已经不是第一次了。早在2011年，国内机器人密度已达到每万人21台。它们能干什么呢？在汽车业、3C行业、金属制造等劳动密集型企业，六轴通用机器人早已成为主角，打磨、搬运、装配，它们可干得一手漂亮活。
听到机器人的上述“手艺”，或许你觉得可以松一口气了：离机器人取代我的工作还远着呢！而实际上绝非如此，因为我们要谈的概念是——人工智能。
六轴机器人听起来既不酷，也不够智能;但银幕上的智能机器人不仅是功能性的，而且还能识别情绪并与人沟通。当把机器人置换成人工智能的时候，我们会发现，很多难以想象的事情都已经被实现了。智能手机已经让人机交互很容易完成，而下一个切入口，可能就在于语音行业。
强人工智能来了
能够识别人类情绪的人工智能，听起来可是够酷炫的，问题是，它离我们还有多远？当我们这样提问时，其实人工智能思想家已经想到了人类灭绝和永生的问题，它的前提，是一种超人工智能（Artificial Superintelligence）。牛津大学哲学家、知名人工智能思想家尼克·博斯特罗姆（Nick Bostrom）把超人工智能定义为：它们“在几乎所有领域都比最聪明的人类大脑还聪明很多，包括科学创新、通识和社交技能”。
我们很难理解这些超人类的想法。在此之前，比较好理解的概念是，弱人工智能和强人工智能。前者意味着擅长单方面任务的人工智能，比如可以在象棋上击败对手;后者就是我们理解的人类级别的人工智能了。按照美国特拉华州立大学教育和人类发展教授琳达·高特弗雷德森（Linda Gottfredson）教授的定义，它是“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作”。
2013年，博斯特罗姆做了一个问卷调查，该调查涵盖了数百位人工智能专家，问卷的内容是：“你预测人类级别的强人工智能什么时候会实现？”
调查结果如下：乐观估计中位年（强人工智能有10%的可能在这一年达成）：2022年;正常估计中位年（强人工智能有50%的可能在这一年达成）：2040年;悲观估计中位年（强人工智能有90%的可能在这一年达成）：2075年。
由此可见，即便是按照最悲观的估计，我们当中的很多人都有可能在余生看见它的出现。这对于普通人来讲，简直是不可思议的;然而对于专家来说，这样的结果甚至唾手可及。为何会产生这样的偏差？
我们想象一个机器人，多是基于场景来判断。比如我有一个机器人女朋友，它能准确地识别我的情绪，我说“我要走了”，它知道是反话;我生气不说话的时候，它又知道怎么哄我。它还会有情绪的表露，让我觉得自己深陷热恋之中。这简直太不可思议了吧？
这里有一个很重要的前提，就是语言。为什么说语音行业是下一个切入口呢？因为人机交互首先由语言来进行，这再理所当然不过了。你让一个机器人瞬间算出十位数乘法，这很简单;但是，你要让它听懂人话？人类中有很多个体还做不到呢！情商低的人通常不善解人意，人际之间便经常有误会。
除了语言之外，“强人工智能”机器人还要懂视觉、动态、移动、直觉。还是以语音为例，Siri、灵犀语音，人们常觉得够新鲜，但指令一复杂它们就会露馅;智能聊天工具小冰、小娜虽然有了脾性，说话有趣，但那也只是程序的设定而已，有时候回答得牛头不对马嘴。
按照智能语音行业的发展路径，語音数据积累就已经是一项繁琐的过程。把所有的话都堆起来，无非是一个“语料库”。关键在于，机器人要知道做出什么反应，做到这个的前提是要听懂人话，可是，语言里的情绪多么复杂啊，机器怎能识别得出？
基于场景的判断是实际的，当我们从仅仅从现实来考虑问题，就会觉得很不可思议。然而，“技术奇点”之下，社会飞跃是指数级的;如同90年代的人们想不到iPhone一样，我们看不到未来，其实这也很正常。
猝不及防的演进
然而，总有一些人是敢想的。按照计算机科学家唐纳德·克努斯（Donald Knuth）的说法，“人工智能已经在几乎所有需要思考的领域都超过了人类，但是在那些人类和其他动物不需要思考就能完成的事情上，它还差得很远。”
这句话可以体现为智能的速度与质量，机器人可以算得很快，然而重要的是认知能力如何，也就是智能的质量。对于人类很简单的事情，比如判断一只动物是猫还是狗，机器人就很难搞。因此，从弱人工智能到强人工智能的转变，关键点就在于“大脑”。
基于对未来的想象，科学家们已经跳出人类中心主义的视角，在他们看来，编译基因的4个碱基A、T、G、C，与计算机编译代码的1和0，作为记录信息的符号并没有什么本质区别。因此，他们提出了几种可能的演进思路：
第一种是完整地抄袭人脑。比如人工神经网络，通过晶体管组成神经系统，可以完整地进行自主学习;还有一种思路是“整脑模拟”，比较好理解的是，把人脑切成片，然后用软件来组织3D模型。迄今为止，人类已经能够模拟1毫米长的扁虫的大脑，这个大脑含有302个神经元。
其次还有“模仿生物演化”的思路。让电脑经过一个反复运作的表现/评价过程，繁衍或者淘汰;或者把电脑变成电脑科学家，让它们自己研究人工智能、修改代码。通过这些我们听不懂的天方夜谭，科学家们称，强人工智能可能比我们预期的要更早降临。
这些预测并不是没有根据的，有一门学科叫做“认知科学”，就旨在破解人类心智的奥秘，最终目标是要制造出一种人工神经网络系统。最乐观的估计称，我们最早在2030年前就会有所突破。
1950，阿兰·麦席森·图灵设计出一个测试，其内容是，如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则电脑通过测试。如今，我们每天都在经历电脑端的“图灵测试”，比如，网页上的验证码设计就是为了区分你是机器还是人类。
作为有名的“图灵测试”，2014年6月7日，聊天程序“尤金·古斯特曼”（Eugene Goostman）首次成功“通过”了它。这让人们得以认真重视这个问题：如果你在将来交到了一位朋友，你分不清它与你的对话是机器还是人类所为，你是否为此做好了准备？
普通人还会觉得是天方夜谭，但通过技术演进，这绝非没有可能。到这一天，人类伦理可能就会遭受重大挑战。迄今为止，因为看起来太遥远，人们并没有真正就此类话题展开讨论。但从克隆技术的前例来看，即使技术端有可能性，人类内部也必然会争议四起。
可以这样说，我们完全没有做好准备。我们需要强人工智能来做什么？它们如何服务于我们的生活？我们将如何识别和控制它们？它能和人类通婚联姻吗？相比于思考这些问题，普通人更习惯于关心日常生活，比如下一顿要吃什么，或者，如何才能练出马甲线。而人们全然顾不上的是：人工智能思想家为这些问题操碎了心。
（本文由本刊和微思客WeThinker合作出品）