人工智能很可能導致人類(lèi)的永生或者滅絕，而這一切很可能在我們的有生之年發(fā)生。 我們正站在變革的邊緣，而這次變革將和人類(lèi)的出現一般意義重大—— Vernor Vinge 如果你站在這里，你會(huì )是什么感覺(jué)？ 看上去非常刺激吧？但是你要記住，當你真的站在時(shí)間的圖表中的時(shí)候，你是看不到曲線(xiàn)的右邊的，因為你是看不到未來(lái)的。所以你真實(shí)的感覺(jué)大概是這樣的： 稀松平常。 遙 遠的未來(lái)——就在眼前 想象一下坐時(shí)間機器回到1750年的地球，那個(gè)時(shí)代沒(méi)有電，暢通通訊基本靠吼，交通主要靠動(dòng)物拉著(zhù)跑。你在那個(gè)時(shí)代邀請了一個(gè)叫老王的人到2015年來(lái)玩，順便看看他對“未來(lái)”有什么感受。我們可能沒(méi)有辦法了解1750年的老王內心的感受——金屬鐵殼在寬敞的公路上飛馳，和太平洋另一頭的人聊天，看幾千公里外正在發(fā)生進(jìn)行的體育比賽，觀(guān)看一場(chǎng)發(fā)生于半個(gè)世紀前的演唱會(huì )，從口袋里掏出一個(gè)黑色長(cháng)方形工具把眼前發(fā)生的事情記錄下來(lái)，生成一個(gè)地圖然后地圖上有個(gè)藍點(diǎn)告訴你現在的位置，一邊看著(zhù)地球另一邊的人的臉一邊聊天，以及其它各種各樣的黑科技。別忘了，你還沒(méi)跟他解釋互聯(lián)網(wǎng)、國際空間站、大型強子對撞機、核武器以及相對論。 這時(shí)候的老王會(huì )是什么體驗？驚訝、震驚、腦洞大開(kāi)這些詞都太溫順了，我覺(jué)得老王很可能直接被嚇尿了。 但是，如果老王回到了1750年，然后覺(jué)得被嚇尿是個(gè)很?chē)宓捏w驗，于是他也想把別人嚇尿來(lái)滿(mǎn)足一下自己，那會(huì )發(fā)生什么？于是老王也回到了250年前的1500年，邀請生活在1500年的小李去1750年玩一下。小李可能會(huì )被250年后的很多東西震驚，但是至少他不會(huì )被嚇尿。同樣是250來(lái)年的時(shí)間，1750和2015年的差別，比1500年和1750年的差別，要大得多了。1500年的小李可能能學(xué)到很多神奇的物理知識，可能會(huì )驚訝于歐洲的帝國主義旅程，甚至對于世界地圖的認知也會(huì )大大的改變，但是1500年的小李，看到1750年的交通、通訊等等，并不會(huì )被嚇尿。 所以說(shuō)，對于1750年的老王來(lái)說(shuō)，要把人嚇尿，他需要回到更古老的過(guò)去——比如回到公元前12000年，第一次農業(yè)革命之前。那個(gè)時(shí)候還沒(méi)有城市，也還沒(méi)有文明。一個(gè)來(lái)自狩獵采集時(shí)代的人類(lèi)，只是當時(shí)眾多物種中的一個(gè)罷了，來(lái)自那個(gè)時(shí)代的小趙看到1750年龐大的人類(lèi)帝國，可以航行于海洋上的巨艦，居住在“室內”，無(wú)數的收藏品，神奇的知識和發(fā)現——他很有可能被嚇尿。 小趙被嚇尿后如果也想做同樣的事情呢？如果他會(huì )到公元前24000年，找到那個(gè)時(shí)代的小錢(qián)，然后給他展示公元前12000年的生活會(huì )怎樣呢。小錢(qián)大概會(huì )覺(jué)得小趙是吃飽了沒(méi)事干——“這不跟我的生活差不多么，呵呵”。小趙如果要把人嚇尿，可能要回到十萬(wàn)年前或者更久，然后用人類(lèi)對火和語(yǔ)言的掌控來(lái)把對方嚇尿。 所以，一個(gè)人去到未來(lái)，并且被嚇尿，他們需要滿(mǎn)足一個(gè)“嚇尿單位”。滿(mǎn)足嚇尿單位所需的年代間隔是不一樣的。在狩獵采集時(shí)代滿(mǎn)足一個(gè)嚇尿單位需要超過(guò)十萬(wàn)年，而工業(yè)革命后一個(gè)嚇尿單位只要兩百多年就能滿(mǎn)足。 未來(lái)學(xué)家Ray Kurzweil把這種人類(lèi)的加速發(fā)展稱(chēng)作加速回報定律（Law of Accelerating Returns）。之所以會(huì )發(fā)生這種規律，是因為一個(gè)更加發(fā)達的社會(huì )，能夠繼續發(fā)展的能力也更強，發(fā)展的速度也更快——這本就是更加發(fā)達的一個(gè)標準。19世紀的人們比15世紀的人們懂得多得多，所以19世紀的人發(fā)展起來(lái)的速度自然比15世紀的人更快。 即使放到更小的時(shí)間規模上，這個(gè)定律依然有效。著(zhù)名電影《回到未來(lái)》中，生活在1985年的主角回到了1955年。當主角回到1955年的時(shí)候，他被電視剛出現時(shí)的新穎、便宜的物價(jià)、沒(méi)人喜歡電吉他、俚語(yǔ)的不同而震驚。 但是如果這部電影發(fā)生在2015年，回到30年前的主角的震驚要比這大得多。一個(gè)2000年左右出生的人，回到一個(gè)沒(méi)有個(gè)人電腦、互聯(lián)網(wǎng)、手機的1985年，會(huì )比從1985年回到1955年的主角看到更大的區別。 這同樣是因為加速回報定律。1985年-2015年的平均發(fā)展速度，要比1955年-1985年的平均發(fā)展速度要快，因為1985年的世界比1955年的更發(fā)達，起點(diǎn)更高，所以過(guò)去30年的變化要大過(guò)之前30年的變化。 進(jìn)步越來(lái)越大，發(fā)生的越來(lái)越快，也就是說(shuō)我們的未來(lái)會(huì )很有趣對吧？ 未來(lái)學(xué)家Kurzweil認為整個(gè)20世紀100年的進(jìn)步，按照2000年的速度只要20年就能達成——2000年的發(fā)展速度是20世紀平均發(fā)展速度的5倍。他認為2000年開(kāi)始只要花14年就能達成整個(gè)20世紀一百年的進(jìn)步，而之后2014年開(kāi)始只要花7年（2021年），就能達到又一個(gè)20世紀一百年的進(jìn)步。幾十年之后，我們每年都能達成好幾次相當于整個(gè)20世紀的發(fā)展，再往后，說(shuō)不定每個(gè)月都能達成一次。按照加速回報定，Kurzweil認為人類(lèi)在21世紀的進(jìn)步將是20世紀的1000倍。 如果Kurzweil等人的想法是正確的，那2030年的世界可能就能把我們嚇尿了——下一個(gè)嚇尿單位可能只需要十幾年，而2050年的世界會(huì )變得面目全非。 你可能覺(jué)得2050年的世界會(huì )變得面目全非這句話(huà)很可笑，但是這不是科幻，而是比你我聰明很多的科學(xué)家們相信的，而且從歷史來(lái)看，也是邏輯上可以預測的。 那么為什么你會(huì )覺(jué)得“2050年的世界會(huì )變得面目全非” 這句話(huà)很可笑呢？有三個(gè)原因讓你質(zhì)疑對于未來(lái)的預測： 1. 我們對于歷史的思考是線(xiàn)性的。當我們考慮未來(lái)35年的變化時(shí)，我們參照的是過(guò)去35年發(fā)生的事情。當我們考慮21世紀能產(chǎn)生的變化的時(shí)候，我們參考的是20世紀發(fā)生的變化。這就好像1750年的老王覺(jué)得1500年的小李在1750年能被嚇尿一樣。線(xiàn)性思考是本能的，但是但是考慮未來(lái)的時(shí)候我們應該指數地思考。一個(gè)聰明人不會(huì )把過(guò)去35年的發(fā)展作為未來(lái)35年的參考，而是會(huì )看到當下的發(fā)展速度，這樣預測的會(huì )更準確一點(diǎn)。當然這樣還是不夠準確，想要更準確，你要想象發(fā)展的速度會(huì )越來(lái)越快。 2. 近期的歷史很可能對人產(chǎn)生誤導。首先，即使是坡度很高的指數曲線(xiàn)，只要你截取的部分夠短，看起來(lái)也是很線(xiàn)性的，就好像你截取圓周的很小一塊，看上去就是和直線(xiàn)差不多。其次，指數增長(cháng)不是平滑統一的，發(fā)展常常遵循S曲線(xiàn)。 S曲線(xiàn)發(fā)生在新范式傳遍世界的時(shí)候，S曲線(xiàn)分三部分 - 慢速增長(cháng)（指數增長(cháng)初期） - 快速增長(cháng)（指數增長(cháng)的快速增長(cháng)期） - 隨著(zhù)新范式的成熟而出現的平緩期 如果你只看近期的歷史，你很可能看到的是S曲線(xiàn)的某一部分，而這部分可能不能說(shuō)明發(fā)展究竟有多快速。1995-2007年是互聯(lián)網(wǎng)爆炸發(fā)展的時(shí)候，微軟、谷歌、臉書(shū)進(jìn)入了公眾視野，伴隨著(zhù)的是社交網(wǎng)絡(luò )、手機的出現和普及、智能手機的出現和普及，這一段時(shí)間就是S曲線(xiàn)的快速增長(cháng)期。2008-2015年發(fā)展沒(méi)那么迅速，至少在技術(shù)領(lǐng)域是這樣的。如果按照過(guò)去幾年的發(fā)展速度來(lái)估計當下的發(fā)展速度，可能會(huì )錯得離譜，因為很有可能下一個(gè)快速增長(cháng)期正在萌芽。 3. 個(gè)人經(jīng)驗使得我們對于未來(lái)預期過(guò)于死板。我們通過(guò)自身的經(jīng)驗來(lái)產(chǎn)生世界觀(guān)，而經(jīng)驗把發(fā)展的速度烙印在了我們腦中——“發(fā)展就是這么個(gè)速度的。”我們還會(huì )受限于自己的想象力，因為想象力通過(guò)過(guò)去的經(jīng)驗來(lái)組成對未來(lái)的預測——但是我們知道的東西是不足以幫助我們預測未來(lái)的。當我們聽(tīng)到一個(gè)和我們經(jīng)驗相違背的對于未來(lái)的預測時(shí)，我們就會(huì )覺(jué)得這個(gè)預測偏了。如果我現在跟你說(shuō)你可以活到150歲，250歲，甚至會(huì )永生，你是不是覺(jué)得我在扯淡——“自古以來(lái)，所有人都是會(huì )死的。”是的，過(guò)去從來(lái)沒(méi)有人永生過(guò)，但是飛機發(fā)明之前也沒(méi)有人坐過(guò)飛機呀。 接下來(lái)的內容，你可能一邊讀一邊心里“呵呵”，而且這些內容可能真的是錯的。但是如果我們是真的從歷史規律來(lái)進(jìn)行邏輯思考的，我們的結論就應該是未來(lái)的幾十年將發(fā)生比我們預期的多得多得多得多的變化。同樣的邏輯也表明，如果人類(lèi)這個(gè)地球上最發(fā)達的物種能夠越走越快，總有一天，他們會(huì )邁出徹底改變“人類(lèi)是什么”這一觀(guān)點(diǎn)的一大步，就好像自然進(jìn)化不不斷朝著(zhù)智能邁步，并且最終邁出一大步產(chǎn)生了人類(lèi)，從而完全改變了其它所有生物的命運。如果你留心一下近來(lái)的科技進(jìn)步的話(huà)，你會(huì )發(fā)現，到處都暗示著(zhù)我們對于生命的認知將要被接下來(lái)的發(fā)展而徹底改變。 通 往超級智能之路 如果你一直以來(lái)把人工智能（AI）當做科幻小說(shuō)，但是近來(lái)卻不但聽(tīng)到很多正經(jīng)人嚴肅的討論這個(gè)問(wèn)題，你可能也會(huì )困惑。這種困惑是有原因的： 1.我們總是把人工智能和電影想到一起。星球大戰、終結者、2001：太空漫游等等。電影是虛構的，那些電影角色也是虛構的，所以我們總是覺(jué)得人工智能缺乏真實(shí)感。 2.人工智能是個(gè)很寬泛的話(huà)題。從手機上的計算器到無(wú)人駕駛汽車(chē)，到未來(lái)可能改變世界的重大變革，人工智能可以用來(lái)描述很多東西，所以人們會(huì )有疑惑。 3.我們日常生活中已經(jīng)每天都在使用人工智能了，只是我們沒(méi)意識到而已。John McCarthy，在1956年最早使用了人工智能（Artificial Intelligence）這個(gè)詞。他總是抱怨“一旦一樣東西用人工智能實(shí)現了，人們就不再叫它人工智能了。” 因為這種效應，所以人工智能聽(tīng)起來(lái)總讓人覺(jué)得是未來(lái)的神秘存在，而不是身邊已經(jīng)存在的現實(shí)。同時(shí)，這種效應也讓人們覺(jué)得人工智能是一個(gè)從未被實(shí)現過(guò)的流行理念。Kurzweil提到經(jīng)常有人說(shuō)人工智能在80年代就被遺棄了，這種說(shuō)法就好像“互聯(lián)網(wǎng)已經(jīng)在21世紀初互聯(lián)網(wǎng)泡沫爆炸時(shí)死去了”一般滑稽。 所以，讓我們從頭開(kāi)始。 首先，不要一提到人工智能就想著(zhù)機器人。機器人只是人工智能的容器，機器人有時(shí)候是人形，有時(shí)候不是，但是人工智能自身只是機器人體內的電腦。人工智能是大腦的話(huà)，機器人就是身體——而且這個(gè)身體不一定是必需的。比如說(shuō)Siri背后的軟件和數據是人工智能，Siri說(shuō)話(huà)的聲音是這個(gè)人工智能的人格化體現，但是Siri本身并沒(méi)有機器人這個(gè)組成部分。 其次，你可能聽(tīng)過(guò)“奇點(diǎn)”或者“技術(shù)奇點(diǎn)”這種說(shuō)法。這種說(shuō)法在數學(xué)上用來(lái)描述類(lèi)似漸進(jìn)的情況，這種情況下通常的規律就不適用了。這種說(shuō)法同樣被用在物理上來(lái)描述無(wú)限小的高密度黑洞，同樣是通常的規律不適用的情況。Kurzweil則把奇點(diǎn)定義為加速回報定律達到了極限，技術(shù)進(jìn)步以近乎無(wú)限的速度發(fā)展，而奇點(diǎn)之后我們將在一個(gè)完全不同的世界生活的。但是當下的很多思考人工智能的人已經(jīng)不再用奇點(diǎn)這個(gè)說(shuō)法了，而且這種說(shuō)法很容易把人弄混，所以本文也盡量少用。 最后，人工智能的概念很寬，所以人工智能也分很多種，我們按照人工智能的實(shí)力將其分成三大類(lèi)。 弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅長(cháng)于單個(gè)方面的人工智能。比如有能戰勝象棋世界冠軍的人工智能，但是它只會(huì )下象棋，你要問(wèn)它怎樣更好地在硬盤(pán)上儲存數據，它就不知道怎么回答你了。 強人工智能Artificial General Intelligence (AGI): 人類(lèi)級別的人工智能。強人工智能是指在各方面都能和人類(lèi)比肩的人工智能，人類(lèi)能干的腦力活它都能干。創(chuàng )造強人工智能比創(chuàng )造弱人工智能難得多，我們現在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進(jìn)行思考、計劃、解決問(wèn)題、抽象思維、理解復雜理念、快速學(xué)習和從經(jīng)驗中學(xué)習等操作。”強人工智能在進(jìn)行這些操作時(shí)應該和人類(lèi)一樣得心應手。 超人工智能Artificial Superintelligence (ASI): 牛津哲學(xué)家，知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領(lǐng)域都比最聰明的人類(lèi)大腦都聰明很多，包括科學(xué)創(chuàng )新、通識和社交技能。”超人工智能可以是各方面都比人類(lèi)強一點(diǎn)，也可以是各方面都比人類(lèi)強萬(wàn)億倍的。超人工智能也正是為什么人工智能這個(gè)話(huà)題這么火熱的緣故，同樣也是為什么永生和滅絕這兩個(gè)詞會(huì )在本文中多次出現。 現在，人類(lèi)已經(jīng)掌握了弱人工智能。其實(shí)弱人工智能無(wú)處不在，人工智能革命是從弱人工智能，通過(guò)強人工智能，最終到達超人工智能的旅途。這段旅途中人類(lèi)可能會(huì )生還下來(lái)，可能不會(huì )，但是無(wú)論如何，世界將變得完全不一樣。 讓我們來(lái)看看這個(gè)領(lǐng)域的思想家對于這個(gè)旅途是怎么看的，以及為什么人工智能革命可能比你想的要近得多。 我們現在的位置——充滿(mǎn)了弱人工智能的世界 弱人工智能是在特定領(lǐng)域等同或者超過(guò)人類(lèi)智能/效率的機器智能，一些常見(jiàn)的例子： 汽車(chē)上有很多的弱人工智能系統，從控制防抱死系統的電腦，到控制汽油注入參數的電腦。谷歌正在測試的無(wú)人駕駛車(chē)，就包括了很多弱人工智能，這些弱人工智能能夠感知周?chē)h(huán)境并作出反應。 你的手機也充滿(mǎn)了弱人工智能系統。當你用地圖軟件導航，接受音樂(lè )電臺推薦，查詢(xún)明天的天氣，和Siri聊天，以及其它很多很多應用，其實(shí)都是弱人工智能。 垃圾郵件過(guò)濾器是一種經(jīng)典的弱人工智能——它一開(kāi)始就加載了很多識別垃圾郵件的智能，并且它會(huì )學(xué)習并且根據你的使用而獲得經(jīng)驗。智能室溫調節也是一樣，它能根據你的日常習慣來(lái)智能調節。 你在上網(wǎng)時(shí)候出現的各種其它電商網(wǎng)站的產(chǎn)品推薦，還有社交網(wǎng)站的好友推薦，這些都是弱人工智能的組成的，弱人工智能聯(lián)網(wǎng)互相溝通，利用你的信息來(lái)進(jìn)行推薦。網(wǎng)購時(shí)出現的“買(mǎi)這個(gè)商品的人還購買(mǎi)了”推薦，其實(shí)就是收集數百萬(wàn)用戶(hù)行為然后產(chǎn)生信息來(lái)賣(mài)東西給你的弱人工智能。 谷歌翻譯也是一種經(jīng)典的人工智能——非常擅長(cháng)單個(gè)領(lǐng)域。聲音識別也是一種。很多軟件利用這兩種智能的合作，使得你能對著(zhù)手機說(shuō)中文，手機直接給你翻譯成英文。 當飛機著(zhù)陸時(shí)候，不是一個(gè)人類(lèi)決定飛機該去那個(gè)登機口接駁。就好像你在網(wǎng)上買(mǎi)票時(shí)票據不是一個(gè)人類(lèi)決定的。 世界最強的跳棋、象棋、拼字棋、雙陸棋和黑白棋選手都是弱人工智能。 谷歌搜索是一個(gè)巨大的弱人工智能，背后是非常復雜的排序方法和內容檢索。社交網(wǎng)絡(luò )的新鮮事同樣是這樣。 這些還只是消費級產(chǎn)品的例子。軍事、制造、金融（高頻算法交易占到了美國股票交易的一半）等領(lǐng)域廣泛運用各種復雜的弱人工智能。專(zhuān)業(yè)系統也有，比如幫助醫生診斷疾病的系統，還有著(zhù)名的IBM的華生，儲存了大量事實(shí)數據，還能理解主持人的提問(wèn)，在競猜節目中能夠戰勝最厲害的參賽者。 現在的弱人工智能系統并不嚇人。最糟糕的情況，無(wú)非是代碼沒(méi)寫(xiě)好，程序出故障，造成了單獨的災難，比如造成停電、核電站故障、金融市場(chǎng)崩盤(pán)等等。 雖然現在的弱人工智能沒(méi)有威脅我們生存的能力，我們還是要懷著(zhù)警惕的觀(guān)點(diǎn)看待正在變得更加龐大和復雜的弱人工智能的生態(tài)。每一個(gè)弱人工智能的創(chuàng )新，都在給通往強人工智能和超人工智能的旅途添磚加瓦。用Aaron Saenz的觀(guān)點(diǎn)，現在的弱人工智能，就是地球早期軟泥中的氨基酸——沒(méi)有動(dòng)靜的物質(zhì)，突然之間就組成了生命。 弱人工智能到強人工智能之路 為什么這條路很難走。 只有明白創(chuàng )造一個(gè)人類(lèi)智能水平的電腦是多么不容易，才能讓你真的理解人類(lèi)的智能是多么不可思議。造摩天大樓、把人送入太空、明白宇宙大爆炸的細節——這些都比理解人類(lèi)的大腦，并且創(chuàng )造個(gè)類(lèi)似的東西要簡(jiǎn)單太多了。至今為止，人類(lèi)的大腦是我們所知宇宙中最復雜的東西。 而且創(chuàng )造強人工智能的難處，并不是你本能認為的那些。 造一個(gè)能在瞬間算出十位數乘法的計算機——非常簡(jiǎn)單 造一個(gè)能分辨出一個(gè)動(dòng)物是貓還是狗的計算機——極端困難 造一個(gè)能戰勝世界象棋冠軍的電腦——早就成功了 造一個(gè)能夠讀懂六歲小朋友的圖片書(shū)中的文字，并且了解那些詞匯意思的電腦——谷歌花了幾十億美元在做，還沒(méi)做出來(lái) 一些我們覺(jué)得困難的事情——微積分、金融市場(chǎng)策略、翻譯等，對于電腦來(lái)說(shuō)都太簡(jiǎn)單了 我們覺(jué)得容易的事情——視覺(jué)、動(dòng)態(tài)、移動(dòng)、直覺(jué)——對電腦來(lái)說(shuō)太TM的難了 用計算機科學(xué)家Donald Knuth的說(shuō)法，“人工智能已經(jīng)在幾乎所有需要思考的領(lǐng)域超過(guò)了人類(lèi)，但是在那些人類(lèi)和其它動(dòng)物不需要思考就能完成的事情上，還差得很遠。” 讀者應該能很快意識到，那些對我們來(lái)說(shuō)很簡(jiǎn)單的事情，其實(shí)是很復雜的，它們看上去很簡(jiǎn)單，因為它們已經(jīng)在動(dòng)物進(jìn)化的過(guò)程中經(jīng)歷了幾億年的優(yōu)化了。當你舉手拿一件東西的時(shí)候，你肩膀、手肘、手腕里的肌肉、肌腱和骨頭，瞬間就進(jìn)行了一組復雜的物理運作，這一切還配合著(zhù)你的眼睛的運作，使得你的手能都在三維空間中進(jìn)行直線(xiàn)運作。對你來(lái)說(shuō)這一切輕而易舉，因為在你腦中負責處理這些的“軟件”已經(jīng)很完美了。同樣的，軟件很難識別網(wǎng)站的驗證碼，不是因為軟件太蠢，恰恰相反，是因為能夠讀懂驗證碼是件碉堡了的事情。 同樣的，大數相乘、下棋等等，對于生物來(lái)說(shuō)是很新的技能，我們還沒(méi)有幾億年的世界來(lái)進(jìn)化這些能力，所以電腦很輕易的就擊敗了我們。試想一下，如果讓你寫(xiě)一個(gè)程序，是一個(gè)能做大數相乘的程序容易寫(xiě)，還是能夠識別千千萬(wàn)萬(wàn)種字體和筆跡下書(shū)寫(xiě)的英文字母的程序難寫(xiě)？ 比如看著(zhù)下面這個(gè)圖的時(shí)候，你和電腦都能識別出這是一個(gè)由兩種顏色的小長(cháng)方形組成的一個(gè)大長(cháng)方形。 你和電腦打了個(gè)平手。接著(zhù)我們把途中的黑色部分去除： 你可以輕易的描述圖形中透明或不透明的圓柱和3D圖形，但是電腦就看不出來(lái)了。電腦會(huì )描述出2D的陰影細節，但是人腦卻能夠把這些陰影所展現的深度、陰影混合、房屋燈光解讀出來(lái)。 再看下面這張圖，電腦看到的是黑白灰，我們看到的卻是一塊全黑的石頭。 而且，我們到現在談的還是靜態(tài)不變的信息。要想達到人類(lèi)級別的智能，電腦必須要理解更高深的東西，比如微小的臉部表情變化，開(kāi)心、放松、滿(mǎn)足、滿(mǎn)意、高興這些類(lèi)似情緒間的區別，以及為什么《布達佩斯大飯店》是好電影，而《富春山居圖》是爛電影。 想想就很難吧？我們要怎樣才能達到這樣的水平呢？ 通往強人工智能的第一步：增加電腦處理速度 要達到強人工智能，肯定要滿(mǎn)足的就是電腦硬件的運算能力。如果一個(gè)人工智能要像人腦一般聰明，它至少要能達到人腦的運算能力。 用來(lái)描述運算能力的單位叫作cps（calculations per second，每秒計算次數），要計算人腦的cps只要了解人腦中所有結構的最高cps，然后加起來(lái)就行了。 Kurzweil把對于一個(gè)結構的最大cps的專(zhuān)業(yè)估算，然后考慮這個(gè)結構占整個(gè)大腦的重量，做乘法，來(lái)得出人腦的cps。聽(tīng)起來(lái)不太靠譜，但是Kurzweil用了對于不同大腦區域的專(zhuān)業(yè)估算值，得出的最終結果都非常類(lèi)似，是10^16 cps，也就是1億億次計算每秒。 現在最快的超級計算機，中國的天河二號，其實(shí)已經(jīng)超過(guò)這個(gè)運算力了，天河每秒能進(jìn)行3.4億億。當然，天河二號占地720平方米，耗電2400萬(wàn)瓦，耗費了3.9億美元建造。廣泛應用就不提了，即使是大部分商業(yè)或者工業(yè)運用也是很貴的。 Kurzweil認為考慮電腦的發(fā)展程度的標桿是看1000美元能買(mǎi)到多少cps，當1000美元能買(mǎi)到人腦級別的1億億運算能力的時(shí)候，強人工智能可能就是生活的一部分了。 摩爾定律認為全世界的電腦運算能力每?jì)赡昃头槐?，這一定律有歷史數據所支持，這同樣表明電腦硬件的發(fā)展和人類(lèi)發(fā)展一樣是指數級別的。我們用這個(gè)定律來(lái)衡量1000美元什么時(shí)候能買(mǎi)到1億億cps?，F在1000美元能買(mǎi)到10萬(wàn)億cps，和摩爾定律的歷史預測相符合。 也就是說(shuō)現在1000美元能買(mǎi)到的電腦已經(jīng)強過(guò)了老鼠，并且達到了人腦千分之一的水平。聽(tīng)起來(lái)還是弱爆了，但是，讓我們考慮一下，1985年的時(shí)候，同樣的錢(qián)只能買(mǎi)到人腦萬(wàn)億分之一的cps，1995年變成了十億分之一，2005年是百萬(wàn)分之一，而2015年已經(jīng)是千分之一了。按照這個(gè)速度，我們到2025年就能花1000美元買(mǎi)到可以和人腦運算速度抗衡的電腦了。 至少在硬件上，我們已經(jīng)能夠強人工智能了（中國的天河二號），而且十年以?xún)?，我們就能以低廉的價(jià)格買(mǎi)到能夠支持強人工智能的電腦硬件。 但是運算能力并不能讓電腦變得智能，下一個(gè)問(wèn)題是，我們怎樣利用這份運算能力來(lái)達成人類(lèi)水平的智能。 通往強人工智能的第二步：讓電腦變得智能 這一步比較難搞。事實(shí)上，沒(méi)人知道該怎么搞——我們還停留在爭論怎么讓電腦分辨《富春山居圖》是部爛片的階段。但是，現在有一些策略，有可能會(huì )有效。下面是最常見(jiàn)的三種策略： 1) 抄襲人腦 就好像你班上有一個(gè)學(xué)霸。你不知道為什么學(xué)霸那么聰明，為什么考試每次都滿(mǎn)分。雖然你也很努力的學(xué)習，但是你就是考的沒(méi)有學(xué)霸好。最后你決定“老子不干了，我直接抄他的考試答案好了。”這種“抄襲”是有道理的，我們想要建造一個(gè)超級復雜的電腦，但是我們有人腦這個(gè)范本可以參考呀。 科學(xué)界正在努力逆向工程人腦，來(lái)理解生物進(jìn)化是怎么造出這么個(gè)神奇的東西的，樂(lè )觀(guān)的估計是我們在2030年之前能夠完成這個(gè)任務(wù)。一旦這個(gè)成就達成，我們就能知道為什么人腦能夠如此高效、快速的運行，并且能從中獲得靈感來(lái)進(jìn)行創(chuàng )新。一個(gè)電腦架構模擬人腦的例子就是人工神經(jīng)網(wǎng)絡(luò )。它是一個(gè)由晶體管作為“神經(jīng)”組成的網(wǎng)絡(luò )，晶體管和其它晶體管互相連接，有自己的輸入、輸出系統，而且什么都不知道——就像一個(gè)嬰兒的大腦。接著(zhù)它會(huì )通過(guò)做任務(wù)來(lái)自我學(xué)習，比如識別筆跡。最開(kāi)始它的神經(jīng)處理和猜測會(huì )是隨機的，但是當它得到正確的回饋后，相關(guān)晶體管之間的連接就會(huì )被加強；如果它得到錯誤的回饋，連接就會(huì )變弱。經(jīng)過(guò)一段時(shí)間的測試和回饋后，這個(gè)網(wǎng)絡(luò )自身就會(huì )組成一個(gè)智能的神經(jīng)路徑，而處理這項任務(wù)的能力也得到了優(yōu)化。人腦的學(xué)習是類(lèi)似的過(guò)程，不過(guò)比這復雜一點(diǎn)，隨著(zhù)我們對大腦研究的深入，我們將會(huì )發(fā)現更好的組建神經(jīng)連接的方法。 更加極端的“抄襲”方式是“整腦模擬”。具體來(lái)說(shuō)就是把人腦切成很薄的片，用軟件來(lái)準確的組建一個(gè)3D模型，然后把這個(gè)模型裝在強力的電腦上。如果能做成，這臺電腦就能做所有人腦能做的事情——只要讓它學(xué)習和吸收信息就好了。如果做這事情的工程師夠厲害的話(huà)，他們模擬出來(lái)的人腦甚至會(huì )有原本人腦的人格和記憶，電腦模擬出的人腦就會(huì )像原本的人腦一樣——這就是非常符合人類(lèi)標準的強人工智能，然后我們就能把它改造成一個(gè)更加厲害的超人工智能了。 我們離整腦模擬還有多遠呢？至今為止，我們剛剛能夠模擬1毫米長(cháng)的扁蟲(chóng)的大腦，這個(gè)大腦含有302個(gè)神經(jīng)元。人類(lèi)的大腦有1000億個(gè)神經(jīng)元，聽(tīng)起來(lái)還差很遠。但是要記住指數增長(cháng)的威力——我們已經(jīng)能模擬小蟲(chóng)子的大腦了，螞蟻的大腦也不遠了，接著(zhù)就是老鼠的大腦，到那時(shí)模擬人類(lèi)大腦就不是那么不現實(shí)的事情了。 2）模仿生物演化 抄學(xué)霸的答案當然是一種方法，但是如果學(xué)霸的答案太難抄了呢？那我們能不能學(xué)一下學(xué)霸備考的方法？ 首先我們很確定的知道，建造一個(gè)和人腦一樣強大的電腦是可能的——我們的大腦就是證據。如果大腦太難完全模擬，那么我們可以模擬演化出大腦的過(guò)程。事實(shí)上，就算我們真的能完全模擬大腦，結果也就好像照抄鳥(niǎo)類(lèi)翅膀的拍動(dòng)來(lái)造飛機一樣——很多時(shí)候最好的設計機器的方式并不是照抄生物設計。 所以我們可不可以用模擬演化的方式來(lái)造強人工智能呢？這種方法叫作“基因算法”，它大概是這樣的：建立一個(gè)反復運作的表現/評價(jià)過(guò)程，就好像生物通過(guò)生存這種方式來(lái)表現，并且以能否生養后代為評價(jià)一樣。一組電腦將執行各種任務(wù)，最成功的將會(huì )“繁殖”，把各自的程序融合，產(chǎn)生新的電腦，而不成功的將會(huì )被剔除。經(jīng)過(guò)多次的反復后。這個(gè)自然選擇的過(guò)程將產(chǎn)生越來(lái)越強大的電腦。而這個(gè)方法的難點(diǎn)是建立一個(gè)自動(dòng)化的評價(jià)和繁殖過(guò)程，使得整個(gè)流程能夠自己運行。 這個(gè)方法的缺點(diǎn)也是很明顯的，演化需要經(jīng)過(guò)幾十億年的時(shí)間，而我們卻只想花幾十年時(shí)間。 但是比起自然演化來(lái)說(shuō)，我們有很多優(yōu)勢。首先，自然演化是沒(méi)有預知能力的，它是隨機的——它產(chǎn)生的沒(méi)用的變異比有用的變異多很多，但是人工模擬的演化可以控制過(guò)程，使其著(zhù)重于有益的變化。其次，自然演化是沒(méi)有目標的，自然演化出的智能也不是它目標，特定環(huán)境甚至對于更高的智能是不利的（因為高等智能消耗很多能源）。但是我們可以指揮演化的過(guò)程超更高智能的方向發(fā)展。再次，要產(chǎn)生智能，自然演化要先產(chǎn)生其它的附件，比如改良細胞產(chǎn)生能量的方法，但是我們完全可以用電力來(lái)代替這額外的負擔。所以，人類(lèi)主導的演化會(huì )比自然快很多很多，但是我們依然不清楚這些優(yōu)勢是否能使模擬演化成為可行的策略。 3）讓電腦來(lái)解決這些問(wèn)題 如果抄學(xué)霸的答案和模擬學(xué)霸備考的方法都走不通，那就干脆讓考題自己解答自己吧。這種想法很無(wú)厘頭，確實(shí)最有希望的一種。 總的思路是我們建造一個(gè)能進(jìn)行兩項任務(wù)的電腦——研究人工智能和修改自己的代碼。這樣它就不只能改進(jìn)自己的架構了，我們直接把電腦變成了電腦科學(xué)家，提高電腦的智能就變成了電腦自己的任務(wù)。 以上這些都會(huì )很快發(fā)生 硬件的快速發(fā)展和軟件的創(chuàng )新是同時(shí)發(fā)生的，強人工智能可能比我們預期的更早降臨，因為： 1）指數級增長(cháng)的開(kāi)端可能像蝸牛漫步，但是后期會(huì )跑的非?？?/p> 2）軟件的發(fā)展可能看起來(lái)很緩慢，但是一次頓悟，就能永遠改變進(jìn)步的速度。就好像在人類(lèi)還信奉地心說(shuō)的時(shí)候，科學(xué)家們沒(méi)法計算宇宙的運作方式，但是日心說(shuō)的發(fā)現讓一切變得容易很多。創(chuàng )造一個(gè)能自我改進(jìn)的電腦來(lái)說(shuō)，對我們來(lái)說(shuō)還很遠，但是可能一個(gè)無(wú)意的變動(dòng)，就能讓現在的系統變得強大千倍，從而開(kāi)啟朝人類(lèi)級別智能的沖刺。 強人工智能到超人工智能之路 總有一天，我們會(huì )造出和人類(lèi)智能相當的強人工智能電腦，然后人類(lèi)和電腦就會(huì )平等快樂(lè )的生活在一起。 呵呵，逗你呢。 即使是一個(gè)和人類(lèi)智能完全一樣，運算速度完全一樣的強人工智能，也比人類(lèi)有很多優(yōu)勢： 硬件上： -速度。腦神經(jīng)元的運算速度最多是200赫茲，今天的微處理器就能以2G赫茲，也就是神經(jīng)元1000萬(wàn)倍的速度運行，而這比我們達成強人工智能需要的硬件還差遠了。大腦的內部信息傳播速度是每秒120米，電腦的信息傳播速度是光速，差了好幾個(gè)數量級。 - 容量和儲存空間。人腦就那么大，后天沒(méi)法把它變得更大，就算真的把它變得很大，每秒120米的信息傳播速度也會(huì )成為巨大的瓶頸。電腦的物理大小可以非常隨意，使得電腦能運用更多的硬件，更大的內存，長(cháng)期有效的存儲介質(zhì)，不但容量大而且比人腦更準確。 - 可靠性和持久性。電腦的存儲不但更加準確，而且晶體管比神經(jīng)元更加精確，也更不容易萎縮（真的壞了也很好修）。人腦還很容易疲勞，但是電腦可以24小時(shí)不停的以峰值速度運作。 軟件上： - 可編輯性，升級性，以及更多的可能性。和人腦不同，電腦軟件可以進(jìn)行更多的升級和修正，并且很容易做測試。電腦的升級可以加強人腦比較弱勢的領(lǐng)域——人腦的視覺(jué)元件很發(fā)達，但是工程元件就挺弱的。而電腦不但能在視覺(jué)元件上匹敵人類(lèi)，在工程元件上也一樣可以加強和優(yōu)化。 - 集體能力。人類(lèi)在集體智能上可以碾壓所有的物種。從早期的語(yǔ)言和大型社區的形成，到文字和印刷的發(fā)明，再到互聯(lián)網(wǎng)的普及。人類(lèi)的集體智能是我們統治其它物種的重要原因之一。而電腦在這方面比我們要強的很多，一個(gè)運行特定程序的人工智能網(wǎng)絡(luò )能夠經(jīng)常在全球范圍內自我同步，這樣一臺電腦學(xué)到的東西會(huì )立刻被其它所有電腦學(xué)得。而且電腦集群可以共同執行同一個(gè)任務(wù)，因為異見(jiàn)、動(dòng)力、自利這些人類(lèi)特有的東西未必會(huì )出現在電腦身上。 通過(guò)自我改進(jìn)來(lái)達成強人工智能的人工智能，會(huì )把“人類(lèi)水平的智能”當作一個(gè)重要的里程碑，但是也就僅此而已了。它不會(huì )停留在這個(gè)里程碑上的?？紤]到強人工智能之于人腦的種種優(yōu)勢，人工智能只會(huì )在“人類(lèi)水平”這個(gè)節點(diǎn)做短暫的停留，然后就會(huì )開(kāi)始大踏步向超人類(lèi)級別的智能走去。 這一切發(fā)生的時(shí)候我們很可能被嚇尿，因為從我們的角度來(lái)看：a)雖然動(dòng)物的智能有區別，但是動(dòng)物智能的共同特點(diǎn)是比人類(lèi)低很多；b)我們眼中最聰明的人類(lèi)要比最愚笨的人類(lèi)要聰明很很很很多。 所以，當人工智能開(kāi)始朝人類(lèi)級別智能靠近時(shí)，我們看到的是它逐漸變得更加智能，就好像一個(gè)動(dòng)物一般。然后，它突然達到了最愚笨的人類(lèi)的程度，我們到時(shí)也許會(huì )感慨：“看這個(gè)人工智能就跟個(gè)腦殘人類(lèi)一樣聰明，真可愛(ài)。” 但問(wèn)題是，從智能的大局來(lái)看，人和人的智能的差別，比如從最愚笨的人類(lèi)到愛(ài)因斯坦的差距，其實(shí)是不大的。所以當人工智能達到了腦殘級別的智能后，它會(huì )很快變得比愛(ài)因斯坦更加聰明： 之后呢？ 智能爆炸 從這邊開(kāi)始，這個(gè)話(huà)題要變得有點(diǎn)嚇人了。我在這里要提醒大家，以下所說(shuō)的都是大實(shí)話(huà)——是一大群受人尊敬的思想家和科學(xué)家關(guān)于未來(lái)的誠實(shí)的預測。你在下面讀到什么離譜的東西的時(shí)候，要記得這些東西是比你我都聰明很多的人想出來(lái)的。 像上面所說(shuō)的，我們當下用來(lái)達成強人工智能的模型大多數都依靠人工智能的自我改進(jìn)。但是一旦它達到了強人工智能，即使算上那一小部分不是通過(guò)自我改進(jìn)來(lái)達成強人工智能的系統，也會(huì )聰明到能夠開(kāi)始自我改進(jìn)。 這里我們要引出一個(gè)沉重的概念——遞歸的自我改進(jìn)。這個(gè)概念是這樣的：一個(gè)運行在特定智能水平的人工智能，比如說(shuō)腦殘人類(lèi)水平，有自我改進(jìn)的機制。當它完成一次自我改進(jìn)后，它比原來(lái)更加聰明了，我們假設它到了愛(ài)因斯坦水平。而這個(gè)時(shí)候它繼續進(jìn)行自我改進(jìn)，然而現在它有了愛(ài)因斯坦水平的智能，所以這次改進(jìn)會(huì )比上面一次更加容易，效果也更好。第二次的改進(jìn)使得他比愛(ài)因斯坦還要聰明很多，讓它接下來(lái)的改進(jìn)進(jìn)步更加明顯。如此反復，這個(gè)強人工智能的智能水平越長(cháng)越快，直到它達到了超人工智能的水平——這就是智能爆炸，也是加速回報定律的終極表現。 現在關(guān)于人工智能什么時(shí)候能達到人類(lèi)普遍智能水平還有爭議。對于數百位科學(xué)家的問(wèn)卷調查顯示他們認為強人工智能出現的中位年份是2040年——距今只有25年。這聽(tīng)起來(lái)可能沒(méi)什么，但是要記住，很多這個(gè)領(lǐng)域的思想家認為從強人工智能到超人工智能的轉化會(huì )快得多。以下的情景很可能會(huì )發(fā)生：一個(gè)人工智能系統花了幾十年時(shí)間到達了人類(lèi)腦殘智能的水平，而當這個(gè)節點(diǎn)發(fā)生的時(shí)候，電腦對于世界的感知大概和一個(gè)四歲小孩一般；而在這節點(diǎn)后一個(gè)小時(shí)，電腦立馬推導出了統一廣義相對論和量子力學(xué)的物理學(xué)理論；而在這之后一個(gè)半小時(shí)，這個(gè)強人工智能變成了超人工智能，智能達到了普通人類(lèi)的17萬(wàn)倍。 這個(gè)級別的超級智能不是我們能夠理解的，就好像蜜蜂不會(huì )理解凱恩斯經(jīng)濟學(xué)一樣。在我們的語(yǔ)言中，我們把130的智商叫作聰明，把85的智商叫作笨，但是我們不知道怎么形容12952的智商，人類(lèi)語(yǔ)言中根本沒(méi)這個(gè)概念。 但是我們知道的是，人類(lèi)對于地球的統治教給我們一個(gè)道理——智能就是力量。也就是說(shuō)，一個(gè)超人工智能，一旦被創(chuàng )造出來(lái)，將是地球有史以來(lái)最強大的東西，而所有生物，包括人類(lèi)，都只能屈居其下——而這一切，有可能在未來(lái)幾十年就發(fā)生。 想一下，如果我們的大腦能夠發(fā)明Wifi，那么一個(gè)比我們聰明100倍、1000倍、甚至10億倍的大腦說(shuō)不定能夠隨時(shí)隨地操縱這個(gè)世界所有原子的位置。那些在我們看來(lái)超自然的，只屬于全能的上帝的能力，對于一個(gè)超人工智能來(lái)說(shuō)可能就像按一下電燈開(kāi)關(guān)那么簡(jiǎn)單。防止人類(lèi)衰老，治療各種不治之癥，解決世界饑荒，甚至讓人類(lèi)永生，或者操縱氣候來(lái)保護地球未來(lái)的什么，這一切都將變得可能。同樣可能的是地球上所有生命的終結。 當一個(gè)超人工智能出生的時(shí)候，對我們來(lái)說(shuō)就像一個(gè)全能的上帝降臨地球一般。 這時(shí)候我們所關(guān)心的就是 上一篇：人生的五大投資，千萬(wàn)不要投錯！ ????下一篇：戰略轉型：創(chuàng )新驅動(dòng)激發(fā)活力無(wú)限
