人工智能的基礎(chǔ)概念與常見誤解

1. 什么是人工智能？

是對(duì)讓計(jì)算機(jī)展現(xiàn)出智慧的方法的研究。計(jì)算機(jī)在獲得正確方向后可以高效工作，在這里，正確的方向意味著最有可能實(shí)現(xiàn)目標(biāo)的方向，用術(shù)語來說就是最大化效果預(yù)期。人工智能需要處理的任務(wù)包括學(xué)習(xí)、推理、規(guī)劃、感知、語言識(shí)別和機(jī)器人控制等。

常見誤解

「它是一個(gè)特定技術(shù)」。例如在二十世紀(jì)八十年代到九十年代，人們經(jīng)常會(huì)看到新聞報(bào)道中人工智能與基于規(guī)則的專家系統(tǒng)被混為一談?，F(xiàn)在，人工智能經(jīng)常會(huì)與多層卷積神經(jīng)網(wǎng)絡(luò)混淆。這有點(diǎn)像把物理和蒸汽機(jī)的概念搞混了。人工智能探究如何在機(jī)器中創(chuàng)造智能意識(shí)，它不是在研究中產(chǎn)生的任何一個(gè)特定的技術(shù)。

「這是一個(gè)特定類別的技術(shù)方法」。例如，經(jīng)常有人用符號(hào)化或邏輯化的方法將人工智能與「其他方法」相互比較，如神經(jīng)網(wǎng)絡(luò)和遺傳編程。人工智能不是一種方法，它是一個(gè)課題。所有這些方法都是在對(duì)人工智能進(jìn)行研究的產(chǎn)物。

「這是一小群研究者的方向」。這個(gè)誤解與前幾個(gè)錯(cuò)誤有關(guān)。一些作者使用「計(jì)算智能」指代幾個(gè)特定的研究者群體，如研究神經(jīng)網(wǎng)絡(luò)，模糊邏輯和遺傳算法的研究者。這是非常片面的，因?yàn)檫@種分類讓人工智能的研究陷入孤立的境地，讓研究成果不能得到廣泛的討論。

「人工智能只是算法」。嚴(yán)格說來不算是誤解，人工智能的確包含算法（也可粗略定義為程序），它也包含計(jì)算機(jī)中其他的應(yīng)用。當(dāng)然，人工智能系統(tǒng)需要處理的任務(wù)相比傳統(tǒng)算法任務(wù)（比如排序、算平方根）復(fù)雜得多。

2. 人工智能將如何造福人類？

文明的一切都是人類智慧的產(chǎn)物。在未來，人工智能會(huì)將會(huì)擴(kuò)展人類的智力，這就像起重機(jī)讓我們能夠舉起幾百噸的重物，飛機(jī)讓我們很快飛到地球的另一端，電話讓我們?cè)谌魏谓锹鋵?shí)時(shí)交流一樣。如果人工智能被適當(dāng)?shù)卦O(shè)計(jì)，它可以創(chuàng)造更多價(jià)值。

常見誤解

「人工智能沒有人性」。在很多反烏托邦幻想中，人工智能會(huì)被用來控制大部分人類，無論是通過監(jiān)視，機(jī)器人執(zhí)法，法律判決甚至控制經(jīng)濟(jì)。這都是未來可能出現(xiàn)的情況，但首先它不會(huì)被大多數(shù)人接受。人們往往忽視人工智能可以讓人類接觸更多的知識(shí)，消除人與人之間的語言隔閡，解決無意義和重復(fù)的繁重任務(wù)。

「人工智能將造成不平等」。毫無疑問，自動(dòng)化程度的提升將使財(cái)富集中到越來越少的人手里。但是現(xiàn)在，如何使用人工智能的選擇權(quán)在我們手里。例如，人工智能可以促進(jìn)協(xié)作，讓生產(chǎn)者與客戶有更多交流，它可以讓個(gè)人和小組織在全球化的經(jīng)濟(jì)環(huán)境下獨(dú)立運(yùn)作，擺脫對(duì)于特定大公司訂單的依賴。

3. 什么是機(jī)器學(xué)習(xí)？

它是人工智能的一個(gè)分支，探索如何讓計(jì)算機(jī)通過經(jīng)驗(yàn)學(xué)習(xí)提高性能。

常見誤解

「機(jī)器學(xué)習(xí)是一個(gè)新的領(lǐng)域，它已經(jīng)代替了人工智能的地位」。這種誤解是最近機(jī)器學(xué)習(xí)熱潮產(chǎn)生的副作用，大量學(xué)生在之前沒有接觸過人工智能的情況下學(xué)習(xí)了機(jī)器學(xué)習(xí)課程。機(jī)器學(xué)習(xí)一直是人工智能的核心話題：阿蘭·圖靈在二十世紀(jì)五十年代的論文中已經(jīng)認(rèn)為學(xué)習(xí)是通向人工智能最可行的途徑。這一觀點(diǎn)似乎是正確的，人工智能最突出的早期成果，Arthur Samuel 的跳棋程序就是使用機(jī)器學(xué)習(xí)構(gòu)建的。

「機(jī)器不能學(xué)習(xí)，它們只能做程序員告訴它的事情」。這顯然是錯(cuò)的，程序員能夠告訴機(jī)器如何學(xué)習(xí)。Samuel 是一個(gè)優(yōu)秀的跳棋玩家，但他的程序很快就通過學(xué)習(xí)超過了他。近年來，機(jī)器學(xué)習(xí)的很多應(yīng)用都需要大量數(shù)據(jù)來進(jìn)行訓(xùn)練。

4. 什么是神經(jīng)網(wǎng)絡(luò)？

神經(jīng)網(wǎng)絡(luò)是受生物神經(jīng)元啟發(fā)構(gòu)建的計(jì)算系統(tǒng)。神經(jīng)網(wǎng)絡(luò)由許多獨(dú)立的單元組成，每個(gè)單元接收來自上一層單元的輸入，并將輸出發(fā)送到下個(gè)單元（「單元」不一定是單獨(dú)的物理存在；它們可以被認(rèn)為是計(jì)算機(jī)程序的不同組成部分）。單元的輸出通常通過取輸入的加權(quán)和并通過某種簡單的非線性轉(zhuǎn)型，神經(jīng)網(wǎng)絡(luò)的關(guān)鍵特性是基于經(jīng)驗(yàn)修改與單元之間的鏈接比較相關(guān)權(quán)重。

常見誤解

「神經(jīng)網(wǎng)絡(luò)是一種新型計(jì)算機(jī)」。在實(shí)踐中，幾乎所有的神經(jīng)網(wǎng)絡(luò)都運(yùn)行在普通的計(jì)算機(jī)架構(gòu)上。一些公司正在設(shè)計(jì)專用機(jī)器，它們有時(shí)會(huì)被稱作是「神經(jīng)計(jì)算機(jī)」，可以有效地運(yùn)行神經(jīng)網(wǎng)絡(luò)，但目前為止，這類機(jī)器無法提供足夠的優(yōu)勢(shì)，值得花費(fèi)大量時(shí)間去開發(fā)。

「神經(jīng)網(wǎng)絡(luò)像大腦一樣工作」。事實(shí)上，生物神經(jīng)元的工作方式比神經(jīng)網(wǎng)絡(luò)復(fù)雜得多，自然界存在很多種不同的神經(jīng)元，神經(jīng)元的連接可以隨時(shí)間進(jìn)行改變，大腦中也存在其他的機(jī)制，可以影響動(dòng)物的行為。

5. 什么是深度學(xué)習(xí)？

深度學(xué)習(xí)是一種特定形式的機(jī)器學(xué)習(xí)，訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)近年來非常流行，引領(lǐng)了圖像識(shí)別和語音識(shí)別等領(lǐng)域的突破性進(jìn)展。

常見誤解

「深度學(xué)習(xí)是一個(gè)新領(lǐng)域，已經(jīng)代替了機(jī)器學(xué)習(xí)的地位」。事實(shí)上，深度學(xué)習(xí)在神經(jīng)網(wǎng)絡(luò)研究者中間已經(jīng)被討論了超過二十年。最近深度學(xué)習(xí)的發(fā)展是由相對(duì)較小的算法改進(jìn)以及大數(shù)據(jù)集模型和計(jì)算機(jī)硬件發(fā)展驅(qū)動(dòng)的。

6. 什么是強(qiáng)人工智能和弱人工智能？

「強(qiáng)人工智能」和「弱人工智能」概念是由 John Searle 最先提出的，是他對(duì)人工智能研究方向的兩個(gè)假設(shè)。弱人工智能假設(shè)機(jī)器可以通過編程展現(xiàn)出人類智能的水平。強(qiáng)人工智能則假設(shè)機(jī)器出現(xiàn)意識(shí)，或者說機(jī)器思考和認(rèn)知的方式可以用以前形容人類的方式來形容。

常見誤解

「強(qiáng)人工智能是人類智力級(jí)別通用人工智能研究的方向」。這個(gè)解釋具有代表性，但這不是強(qiáng)/弱人工智能概念被提出時(shí)的本來意義。同樣，「弱人工智能」被認(rèn)為是針對(duì)特定領(lǐng)域，執(zhí)行特定任務(wù)的人工智能研究，如語音識(shí)別和推薦系統(tǒng)（也稱工具 AI）。雖然沒有人具有最終解釋權(quán)，但這種語義的轉(zhuǎn)換可能會(huì)造成不必要的混亂。

7. 什么是 AGI，ASI 和超級(jí)智能？

AGI 代表的是通用人工智能，這個(gè)術(shù)語意在強(qiáng)調(diào)建立通用目的智能系統(tǒng)的雄心目標(biāo)，其應(yīng)用的寬度至少能覆蓋人類能解決任務(wù)。ASI 指的是人工超級(jí)智能：遠(yuǎn)遠(yuǎn)超越人類智能的人工智能。更具體地說，一個(gè)超級(jí)智能系統(tǒng)高質(zhì)量決策能力要比人類強(qiáng)，它能考慮更多的信息和進(jìn)一步深入未來。

常見誤解

「主流的人工智能研究者并不關(guān)心通用人工智能?！瓜裾Z音識(shí)別這種細(xì)分領(lǐng)域的某些研究者主要關(guān)心的是其所在領(lǐng)域的具體目標(biāo)，其他一些研究者比較關(guān)心找到現(xiàn)有技術(shù)的商業(yè)應(yīng)用。在我的影像里，如學(xué)習(xí)、推理、和計(jì)劃等細(xì)分領(lǐng)域的大多數(shù)人工智能研究者認(rèn)為他們目前的研究工作有助于解決通用人工智能的子問題。

「人類的智能是一種通用智能」。這種觀點(diǎn)常被認(rèn)為是顯而易見，不值得討論，但它卻幾乎回避了關(guān)于 AGI 的所有討論。持有這種觀點(diǎn)的人通常會(huì)認(rèn)為通用智能就是人類能做到所有任務(wù)的能力。然而當(dāng)然不存在人工不能做的人類工作，所以人類能做已經(jīng)存在的人類工作也沒什么好驚訝的。難的是怎么定義那種完全獨(dú)立于以人類為中心的價(jià)值觀和偏見的寬度。所以我們只能說人類智能是某種程度上的通用智能，人類能做人類能做的所有事情。另一種更有意義的說法是人類能做很多事情，但目前為止這個(gè)問題 還沒有確切的答案。

8. 什么是摩爾定律？

「摩爾定律」指的是多個(gè)相關(guān)的觀察和預(yù)測(cè)能影響電路性能和密度?，F(xiàn)代理解的「摩爾定律」是每一秒的操作次數(shù)以及每一美元所能買到的電腦性能，將每隔 N 個(gè)月翻一倍以上，N 大約是 18，這一表述有些背離「摩爾定律」最初的定義。

常見誤解

「摩爾定律是物理定律」。事實(shí)上，摩爾定律只是一種關(guān)于技術(shù)進(jìn)步的經(jīng)驗(yàn)觀察。沒有什么規(guī)定摩爾定律會(huì)持續(xù)下去，當(dāng)然它也不可能無限持續(xù)下去。時(shí)鐘速度的增加已經(jīng)達(dá)到了頂峰，目前價(jià)格/性能上的提升也來自于單個(gè)芯片上內(nèi)核（處理單元）數(shù)量的上升。

9. 摩爾定律能讓我們預(yù)測(cè)出超級(jí)人工智能的到來嗎？

不能。人工智能系統(tǒng)不能做的事情很多，比如理解復(fù)雜的自然語言文本；加速意味著在很多情況下得到的錯(cuò)誤答案的速度也越快。超級(jí)智能需要在主要的概念突破。這些很難預(yù)測(cè)，即便我們有了速度更快的機(jī)器也沒啥用。

常見誤解

「讓機(jī)器更強(qiáng)大的意思是提升它們的智能」。這是人工智能的未來的討論中的一個(gè)常見主題，這個(gè)主題似乎建立在一個(gè)混亂的概念上，我們使用「強(qiáng)大」來描述人類智力，但是在描述計(jì)算機(jī)時(shí)用的「強(qiáng)大」的含義更加簡單，就是每秒操作的次數(shù)。

10. 什么是機(jī)器 IQ？

沒有機(jī)器 IQ 這種說法。某種程度上一個(gè)人在多個(gè)任務(wù)上的多種智慧能力是高度相關(guān)的，人類可以說有 IQ，但是研究者們對(duì)任意單一維度上的 IQ 定義有爭議。另一方面，任意給定的機(jī)器的各種能力之間都是不相關(guān)的：一臺(tái)機(jī)器能打敗世界象棋冠軍，并不意味著它能玩的好別的棋類游戲。能贏得猜謎比賽的機(jī)器也無法回答「你叫什么名字？」這樣簡單的問題。

常見誤解

「根據(jù)摩爾定律，機(jī)器 IQ 會(huì)不斷上升」。既然根本不存在什么機(jī)器 IQ，它也就不可能增長；摩爾定律描述的僅僅是原始的計(jì)算吞吐量，與是有存在執(zhí)行任意特定任務(wù)的算法沒有關(guān)系。

11. 什么是智能爆炸？

「智能爆炸」這個(gè)術(shù)語是 I.J.Good 于 1965 年在其文章「Speculations Concerning the First Ultraintelligent Machine」中創(chuàng)造的。它指的是足夠智能的機(jī)器能重復(fù)設(shè)計(jì)它自己的硬件和軟件來創(chuàng)造出一個(gè)更加智能的機(jī)器的可能性，這個(gè)過程會(huì)一直重復(fù)下去，直到「人的智能被遠(yuǎn)遠(yuǎn)的甩在后面」。

常見誤解

「一旦機(jī)器達(dá)到人類水平的智能，智能爆炸就在所難免」。反過來：雖然邏輯上是可行的，但是讓 N 代的機(jī)器設(shè)計(jì)出 N+1 代的機(jī)器太難了。同樣的道理，我們?cè)斓臋C(jī)器可能在一些重要的方面成為超過人類，但是在其他方面可能會(huì)落后于人類。在解決貧困、治療癌癥等重要問題上，機(jī)器的能力肯定會(huì)比人類強(qiáng)，而且不需要在人工智能研究上有大突破就能實(shí)現(xiàn)。

12. 人工智能系統(tǒng)何時(shí)才能超過人類智力？

這是一個(gè)難以回答的問題。因?yàn)槭紫人俣ㄟ@件事必然發(fā)生，事實(shí)上它具有選擇性：假如人類選擇不去發(fā)展這樣的人工智能，這件事就不太可能發(fā)生。第二，「超過」假定智力是線性的，而這不是真實(shí)情況，機(jī)器在某些任務(wù)的處理上比人類更快，而在更多放面則很糟糕。第三，如果我們認(rèn)為「通用的」智能是有用的，我們就可以開發(fā)這樣的機(jī)器，但目前我們不知道它是不是有用的。寬泛地說，實(shí)現(xiàn)這樣的人工智能還需要很多技術(shù)突破，而這些都是難以預(yù)測(cè)的，大多數(shù)科學(xué)家認(rèn)為這件事會(huì)在本世紀(jì)內(nèi)發(fā)生。

常見誤解

「它永遠(yuǎn)不會(huì)發(fā)生」。對(duì)技術(shù)突破進(jìn)行預(yù)測(cè)是很難的。1933 年 9 月 11 日，Rutherford，也許是那個(gè)時(shí)代最著名的核物理學(xué)家，在英國科學(xué)促進(jìn)年會(huì)上向人們宣布：「任何想從原子變形過程中獲取能源的努力都是徒勞的?！梗ㄋ诟鞣N場合發(fā)表過許多類似言論，大意都是表達(dá)使用原子能是不可能的）結(jié)果第二天早上，Leo Szilard 發(fā)現(xiàn)了中子誘導(dǎo)鏈?zhǔn)椒磻?yīng)，并很快對(duì)核反應(yīng)堆申請(qǐng)了專利。

13. 人工智能系統(tǒng)現(xiàn)在能做什么？

人工智能的應(yīng)用范圍已經(jīng)比幾年前大很多了。從圍棋、紙牌、簡單的問答、從新聞中抓取信息、組合復(fù)雜的對(duì)象、翻譯文字、識(shí)別語音、識(shí)別圖像中的概念、到在「普通」交通條件下駕駛汽車，不一而足。在很多情況下，人工智能在你不知道的情況下發(fā)揮著作用，如檢測(cè)信用卡欺詐，評(píng)估信用，甚至在復(fù)雜的電子商務(wù)拍賣中投標(biāo)。搜索引擎中的部分功能也是人工智能的簡單形式。

常見誤解

「像『下棋』這樣的任務(wù)對(duì)機(jī)器來說和對(duì)人類來說是一樣的」。這是一個(gè)錯(cuò)誤的假設(shè)：機(jī)器「掌握」一項(xiàng)技能的程度超過了人類。人類通過閱讀和理解學(xué)會(huì)游戲規(guī)則，通過觀看棋局和下棋來提高水平。但典型的下棋程序沒有這樣的能力——將下棋規(guī)則編程，讓機(jī)器算法直接給出所有可能的下一步。機(jī)器無法「知道」人類所謂的規(guī)則（目前新興的強(qiáng)化學(xué)習(xí)方式改變了這一點(diǎn)）。DeepMind 的人工智能系統(tǒng)可以學(xué)會(huì)很多種游戲，它不知道自己在學(xué)習(xí)什么，看起來也不太可能學(xué)會(huì)這些游戲的規(guī)則。

「機(jī)器執(zhí)行任務(wù)的方式和人類一樣」。我們不知道人類思考問題的機(jī)制，但這種機(jī)制與人工智能系統(tǒng)處理任務(wù)的方式看起來大不相同。例如，下棋程序通過考慮當(dāng)前棋局狀態(tài)和下一步可能的序列比較結(jié)果考慮下一步，而人類經(jīng)常是先發(fā)現(xiàn)可能獲得的優(yōu)勢(shì)，然后繼續(xù)考慮如何找到一系列方式來實(shí)現(xiàn)它。

「如果機(jī)器可以做到任務(wù) X，那么它就可以做類似的所有任務(wù)了」。參見有關(guān)機(jī)器 IQ 的問題，機(jī)器目前還不能形成通用化的智能，它們的功能通常局限于某一領(lǐng)域。

14. 人工智能會(huì)對(duì)社會(huì)造成什么樣的影響？

在可預(yù)見的未來中，人工智能的各種應(yīng)用將會(huì)改變社會(huì)形式。自動(dòng)駕駛汽車現(xiàn)在已經(jīng)在路上進(jìn)行測(cè)試，至少有一家公司承諾將在 2016 年內(nèi)交貨（考慮到目前遇到的困難，其他公司的態(tài)度則更為謹(jǐn)慎）隨著計(jì)算機(jī)視覺和機(jī)械腿設(shè)計(jì)的進(jìn)化，機(jī)器人非結(jié)構(gòu)化環(huán)境正在變得更為實(shí)用——可能的應(yīng)用范圍包括農(nóng)業(yè)和服務(wù)領(lǐng)域（特別是對(duì)于老人和殘疾人而言）。

最后，隨著機(jī)器能夠理解人類語言，搜索引擎和手機(jī)上的「個(gè)人助理」將會(huì)改變現(xiàn)有的人機(jī)交互方式，它們可以回答問題，整合信息，提供建議，并促進(jìn)交流。人工智能還可能會(huì)對(duì)科學(xué)領(lǐng)域（如系統(tǒng)生物學(xué)）產(chǎn)生重大影響，這些學(xué)科中信息的復(fù)雜性和數(shù)量一直令人望而卻步。

常見誤解

「機(jī)器人正在接管一切」。參見《人工智能的智力何時(shí)才能超過人類》，人工智能中的絕大多數(shù)進(jìn)步是基于任務(wù)處理的改進(jìn)。當(dāng)然，從長遠(yuǎn)來看，維持人類的控制很重要。

15. 人工智能與機(jī)器人的發(fā)展會(huì)取代大量人類的工作嗎？

一些研究（比如 Frey 和 Osborne 在 2013 年的調(diào)查）表明在未來美國將近一半的工作在自動(dòng)化面前會(huì)變得很脆弱。其他作者，比如 Bryjolfsson 和麥肯錫在 2011 年的工作表明這一變化已經(jīng)開始了：2008 年經(jīng)濟(jì)蕭條之后就業(yè)率的緩慢恢復(fù)，生產(chǎn)率與停滯不前的工資之間的差異化增加了自動(dòng)化的進(jìn)程。隨著人工智能與機(jī)器人的持續(xù)發(fā)展，更多的工作將受到影響看起來不可避免。大量的失業(yè)并不是必然的，但這可能會(huì)造成經(jīng)濟(jì)結(jié)構(gòu)的巨大轉(zhuǎn)變，需要想出組織工作與酬勞的新思路。

常見誤解

「機(jī)器人的工作越多意味著人類工作越少」。工作不是零和（zero-sum）的：由一對(duì)機(jī)器人協(xié)助的工人可能更具工作效率，也因此需要更多這樣的工人。沒有機(jī)器人的幫助，一些領(lǐng)域的工作由人類完成可能不具備經(jīng)濟(jì)效益，或者一些工作單獨(dú)的人或機(jī)器無法完成。同樣，就像涂刷匠的刷子與滾筒：如果使用針尖大小的刷子一點(diǎn)一點(diǎn)的涂刷，我們就雇不起涂刷匠來涂刷一整間屋子了。

16. 什么是無人機(jī)，自動(dòng)武器，殺人機(jī)器人？

無人機(jī)是由人遠(yuǎn)程控制的飛行器；有些無人機(jī)可以攜帶武器（通常是導(dǎo)彈），這些武器的釋放也是由人遠(yuǎn)程控制的。自動(dòng)武器是可以自主選擇和吸引攻擊對(duì)象的裝置。目前這類裝置包括韓國非軍事化區(qū)里的自動(dòng)瞄準(zhǔn)機(jī)槍和一些不同類型的船載反導(dǎo)彈系統(tǒng)。目前在技術(shù)上可以實(shí)現(xiàn)將無人飛機(jī)的控制員替換成完全自動(dòng)的計(jì)算機(jī)系統(tǒng)，以達(dá)到致命自主武器系統(tǒng)的要求。致命自主武器系統(tǒng)是日內(nèi)瓦會(huì)議裁減軍備議題的討論主題。殺人機(jī)器人是對(duì)具有輪動(dòng)能力和行走能力的武器的統(tǒng)稱，包括：船，飛行器以及人工智能的昆蟲飛行器。

常見誤解

「完全自主武器的出現(xiàn)還需要 20-30 年的研發(fā)」。得出這個(gè)預(yù)估時(shí)間的依據(jù)無從知曉，但是 20-30 年的時(shí)間跨度有點(diǎn)夸大所需的研發(fā)時(shí)間長度。目前自主武器的研發(fā)已經(jīng)在全世界內(nèi)大范圍的開展，英國國防部已經(jīng)宣稱，對(duì)于一些簡單對(duì)抗如海上戰(zhàn)役，完全自動(dòng)武器現(xiàn)在已經(jīng)可以實(shí)施。

17. 我們需要擔(dān)心殺人機(jī)器人胡作非為或接管世界嗎？

如果部署了自動(dòng)化武器，它們也會(huì)有士兵那樣的難題：有時(shí)難以分別朋友與敵人、平民與敵軍。而且可能會(huì)有軍事事故造成平民傷亡，或者機(jī)器人受到干擾與網(wǎng)絡(luò)攻擊。也因?yàn)楹笳?，一些軍事專家預(yù)測(cè)自動(dòng)化武器可能需要封閉操作系統(tǒng)，沒有電子通訊。如果系統(tǒng)行為不準(zhǔn)確的話，這樣做能防止有人凌駕于自動(dòng)化控制器之上。但在可預(yù)見的未來，自動(dòng)化武器可能會(huì)變得很常見，在有限的任務(wù)中被使用。但在全局規(guī)模上，它們很難自己編程出計(jì)劃。

常見誤解

我們可以按下「關(guān)閉」按鈕。「關(guān)閉」按鈕會(huì)使得自動(dòng)化武器在網(wǎng)絡(luò)攻擊面前變得很脆弱。這樣的通信頻道在戰(zhàn)爭中也是如此。此外，通用智能系統(tǒng)會(huì)被賦予一項(xiàng)任務(wù)，防止自己的「關(guān)閉」按鈕被按下。

18. 人工智能的「存在風(fēng)險(xiǎn)」是什么？它是真的嗎？

關(guān)于人工智能風(fēng)險(xiǎn)的早期警告曾是非常模糊的。I.J.Good 對(duì)于人工智能的可行性提出了自己的觀點(diǎn)：「只要機(jī)器能夠聰明到告訴我們?nèi)绾伪３謱?duì)它的控制?！谷藗兤毡橐庾R(shí)到，在我們的星球上如果存在一個(gè)超級(jí)智能實(shí)體，可能會(huì)出現(xiàn)恐慌；但另一方面，我們也都清楚更加聰明的機(jī)器會(huì)更加有用，而且更加聰明不一定意味著邪惡。事實(shí)上，論據(jù)很簡單。

假設(shè)超智能系統(tǒng)被設(shè)計(jì)成實(shí)現(xiàn)由人類設(shè)計(jì)者指定的某一目標(biāo)，并假設(shè)這一目標(biāo)不完全符合人類的價(jià)值觀，人工智能形成的價(jià)值觀（如果有）是非常難以確定的。

任何充分有能力的智能系統(tǒng)將傾向于確保其自身的持續(xù)存在并且獲取物理和計(jì)算資源——不是為了他們自己的目的，而是為了更好地執(zhí)行人類為它設(shè)定的任務(wù)。

現(xiàn)在我們問題的本質(zhì)是你所要求的不是你所得到的。Norbert Wiener 是自動(dòng)化和控制理論的先驅(qū)者，他在 1960 年寫道：「如果我們使用——為達(dá)到某些目的——一些機(jī)器來代替我們做某些工作，我們最好能夠清楚它們的確在按我們的想法工作?！筂arvin Minsky 舉了讓機(jī)器計(jì)算 pi 這個(gè)例子，Nick Bostrom 則舉了回形針的例子。對(duì)于人類而言，這些目標(biāo)是根據(jù)人類視角提出的，這意味著計(jì)算機(jī)服務(wù)器或回形針覆蓋整個(gè)銀河系不是好的解決方案。一個(gè)具有能力的決策者——特別是能夠通過互聯(lián)網(wǎng)連接全球每塊屏幕的智能——可能會(huì)對(duì)人類產(chǎn)生不可逆轉(zhuǎn)的影響。幸運(yùn)的是，這個(gè)問題相對(duì)比較明確，所以現(xiàn)在就可以開始解決。

常見誤解

超智能機(jī)器將變得自發(fā)地產(chǎn)生意識(shí)、本能地變得邪惡或傷害人類?？苹眯≌f作者通常假定上面這些一個(gè)或多個(gè)問題來設(shè)定機(jī)器與人類的對(duì)立面，這樣的假設(shè)完全是不必要的。

我們?nèi)祟惏l(fā)展人工智能系統(tǒng)，那么為什么我們要制造出來毀滅自己呢？有一些人類工智能「捍衛(wèi)者」常常爭辯道因?yàn)槿祟惤⒘巳斯ぶ悄芟到y(tǒng)，那么完全沒有理由來支持這樣的假設(shè)，即我們是在制造一個(gè)旨在毀滅人類的機(jī)器。這個(gè)沒有抓住辯論要點(diǎn)，即哪個(gè)是邪惡意圖，在設(shè)計(jì)者這一邊還是代中間者這一邊，這是存在存亡威脅的先決條件，這個(gè)問題也就是錯(cuò)誤設(shè)定了對(duì)象。這將永遠(yuǎn)不會(huì)發(fā)生。

19. 為什么人們會(huì)突然對(duì)人工智能如此擔(dān)心？

從 2014 年開始，媒體就定期地報(bào)道如 Stephen Hawking、 Elon Musk、 Steve Wozniak and Bill Gates 那樣名人的對(duì)人工智能的擔(dān)憂。這些報(bào)道通常引用那些最絕望話語并省略實(shí)質(zhì)擔(dān)心的深層原因，通常就像「什么是人工智能現(xiàn)存風(fēng)險(xiǎn)」那樣的問題。在許多情況下，擔(dān)憂就是在閱讀 Nick Bostrom 的書籍超智能（*Superintelligence*）之后產(chǎn)生的。另外一些當(dāng)下關(guān)心這個(gè)問題的潮流也是因?yàn)槿斯ぶ悄艿陌l(fā)展正在加速。這種加速可能是很多因素的集合，包括逐步完善的理論基礎(chǔ)，它連接了很多的人工智能領(lǐng)域成為一個(gè)統(tǒng)一的整體。還有學(xué)術(shù)實(shí)驗(yàn)室能產(chǎn)出達(dá)到能夠應(yīng)用并解決現(xiàn)實(shí)世界的實(shí)際問題在人工智能方向商業(yè)投資的急劇增加也作為。

常見誤解

如果人們是擔(dān)心超人工智能就在某個(gè)角落，那么基本上人工智能研究者很少認(rèn)為超智能機(jī)器就在我們周圍某個(gè)角落。這并不暗示著我們應(yīng)該等著，直到這個(gè)問題變得很嚴(yán)重！如果我們發(fā)現(xiàn)直徑 10 英里的小行星將于 50 年后撞向地球，我們難道能夠不消滅它并聲稱「我們會(huì)在五年的時(shí)候去關(guān)注它」？

20. 人工智能在接下來的幾十年里會(huì)取得怎樣的進(jìn)步？

這個(gè)領(lǐng)域好像并不要求人類級(jí)的通用人工智能能夠達(dá)到成熟，而制造一些可信賴的高質(zhì)量的產(chǎn)品也許在下個(gè)十年內(nèi)有能實(shí)現(xiàn)。這就包括了語音識(shí)別、從簡單的實(shí)際材料中提煉信息、對(duì)物體和行為的視覺識(shí)別、日常事物的機(jī)器人操作和自動(dòng)駕駛。努力提升質(zhì)量和擴(kuò)展文本與視頻的理解系統(tǒng)能制造更強(qiáng)勁的家用機(jī)器人，產(chǎn)生更為廣泛有用的機(jī)器人，它能展示常識(shí)知識(shí)系統(tǒng)，一起學(xué)習(xí)并在遍歷所有形式后表現(xiàn)得更好。還存在獲取和組織科學(xué)知識(shí)的專業(yè)系統(tǒng)，它能管理復(fù)雜假說并可能對(duì)分子生物學(xué)、系統(tǒng)生物學(xué)和制藥方面產(chǎn)生重大的影響。我們也許也會(huì)看到它在社會(huì)科學(xué)和政策制定有相同的影響，特別是在給它關(guān)于人類活動(dòng)巨量的機(jī)器可讀性數(shù)據(jù)之后，并如果機(jī)器是很可靠有用的，那么人們同樣也需要機(jī)器去理解人類價(jià)值。公共和私人知識(shí)源，也就是知道和推理真實(shí)世界的系統(tǒng)，它不僅僅是數(shù)據(jù)的倉庫，它會(huì)成為社會(huì)的組成部分。

21. 什么是「價(jià)值定位（value alignment）」？它有什么要緊的？

價(jià)值定位（Value alignment）就是校準(zhǔn)人機(jī)關(guān)系具體目標(biāo)價(jià)值的任務(wù)，所以機(jī)器最優(yōu)選擇大概來說就是無論做什么都是最大化人類的幸福感。如果沒有價(jià)值定位，那么超脫人類掌控的超智能機(jī)器的出現(xiàn)就是不可忽視的風(fēng)險(xiǎn)。

常見誤解

「我們所有需要的就是阿西莫夫定律（Asimov's laws）」。阿西莫夫定律本質(zhì)上就是一些條款：它們給人類創(chuàng)造出各種故事情節(jié)提供靈感，但是基本對(duì)約束機(jī)器人沒有什么有用的信息，因?yàn)樗鼪]有更多具體的細(xì)節(jié)。它們的基本結(jié)構(gòu)為一組規(guī)則而不是效用函數(shù)，這是很有問題的：它們的詞典式結(jié)構(gòu)（例如任何對(duì)人類的傷害是比所有機(jī)器人的損害還要嚴(yán)格重要地多）意味著沒有給不確定性或權(quán)衡留下空間。也許機(jī)器人只為了拍死一只在以后可能叮咬人類的蚊子會(huì)跳出懸崖毀滅了自己。另外，它也許會(huì)鎖上人類汽車的門，因?yàn)樽嚂?huì)提高人類受傷的可能性。最后，基于最大化人類效用的方法，對(duì)于第三條法則是沒有必要的（機(jī)器人自我保護(hù)），因?yàn)闄C(jī)器人不保證自身的存在是不能為人類效用做出貢獻(xiàn)的，還會(huì)令其擁有者十分失望。

22. 對(duì)于存在主義風(fēng)險(xiǎn)（existential risk），人工智能社區(qū)做了什么？

許多關(guān)于人工智能的存在主義風(fēng)險(xiǎn)的討論都是處于人工智能社區(qū)主流之外的，它們是從人工智能研究最初到最主要的反動(dòng)力。在 2008 年的時(shí)候，AAAI（美國人工智能學(xué)會(huì)）就舉行了個(gè)座談會(huì)來討論這個(gè)問題。座談會(huì)中期報(bào)告就指出了存在的一些長期問題，并降低了一些人工智能對(duì)人類社會(huì)風(fēng)險(xiǎn)的想法。最近，在 2015 年 1 月 Puerto Rico 由 Future of Life Institute 主辦的會(huì)議上，參會(huì)者和隨后參加者共六千多人共同簽署了一份公開信，強(qiáng)烈呼吁應(yīng)該有關(guān)注這些風(fēng)險(xiǎn)問題的研究和提出一個(gè)更加詳細(xì)的研究議程。隨后，Elon Musk 為支持這方面的研究而拿出了 1000 萬美元。另外，Eric Horvitz 已經(jīng)建立個(gè)期望追蹤風(fēng)險(xiǎn)問題并在需要時(shí)給出政策建議的長期研究。最后還有 AAAI 也已經(jīng)建立了一個(gè)關(guān)注人工智能影響和倫理問題（Impact of AI and Ethical Issues）的常務(wù)委員會(huì)。

常見誤解

「規(guī)約或控制研究是不可能的」。有些人辯稱沒辦法避免消極后果，因?yàn)檠芯窟M(jìn)展是無法停止和規(guī)約的。實(shí)際上這種聲稱本身就是錯(cuò)誤的：在 1975 年關(guān)于基因重組的阿西洛馬會(huì)議（Asilomar Conference）就成功地發(fā)起自愿活動(dòng)中止了設(shè)計(jì)制造人類遺傳性基因修飾，并一直持續(xù)成為了國際準(zhǔn)則。另外，如果實(shí)現(xiàn)人類級(jí)的人工智能研究未加抑制（這個(gè)是很可能出現(xiàn)的），那么在方法上開始謹(jǐn)慎地研究確保人工智能系統(tǒng)在我們掌控下是十分重要的。

23. 我能做點(diǎn)什么？

如果你是一個(gè)人工智能研究者（或?qū)@方面感興趣的經(jīng)濟(jì)學(xué)家、倫理學(xué)家、政治學(xué)者、未來主義者和律師），從 2015 年波多黎各會(huì)議（Puerto Rico conference）在研究議程中就已經(jīng)興起了一個(gè)主題，即在主要的人工智能會(huì)議上會(huì)舉行相應(yīng)的研討會(huì)，比如說 AAAI Fall 和 Spring Symposium series 等等。FHI、CSER、 FLI 和 MIRI 網(wǎng)站都有更多的信息。

常見誤解

「完成這些是沒什么困難的」。我們不管做什么都無法改變未來，這些事都終將發(fā)生。也沒有什么能離真相更近一點(diǎn)的，我們不能預(yù)測(cè)未來，因?yàn)槲覀冋趧?chuàng)造未來，這是我們集體的選擇。