我們正處于一場關(guān)于人工智能的公開辯論中。

隨著一部描寫阿蘭·圖靈 (Alan Turing)的很受歡迎的電影的上映,以及關(guān)于自動駕駛汽車消息的發(fā)布,這場討論從去年秋天就開始了。和許多公開辯論一樣,這場討論源于恐懼。大多數(shù)的言論反映出一種擔(dān)憂:機(jī)器不久將取代人類,進(jìn)而淘汰人類。去年12月,物理學(xué)家斯蒂芬·霍金(Stephen Hawking)₁ 在一檔 BBC節(jié)目中談到“人工智能的全面發(fā)展有可能預(yù)示著人類的終結(jié)”。貝寶 (Paypal) 創(chuàng)始人伊隆·馬斯克 (Elon Musk)₂ 的說法更具有煽動性, 他聲稱我們目前對人工智能的探索是在“召喚惡魔”。辯論忽略了一個事實(shí)——人工智能領(lǐng)域包含很多不同的觀點(diǎn),許多研究者認(rèn)為他們自己的工作是為了提高人類的生產(chǎn)力,而不是為了取代人類。

一般來講,我們可以把人工智能研究劃分為四大流派。每個流派的目標(biāo)稍有不同,研究方法常常大相徑庭。第一個流派我們稱之為“傳統(tǒng)人工智能”。 這個流派確實(shí)試圖構(gòu)建能復(fù)制人類行為的計算機(jī)系統(tǒng),指責(zé)其想用機(jī)器取代人類還不算冤枉。傳統(tǒng)人工智能的歷史與計算科學(xué)一樣悠久,通常認(rèn)為,它的創(chuàng)建者是像約翰·麥卡錫 (John McCarthy)₃ 和馬文·明斯基 (Marvin Minsky)₄ 等在20世紀(jì)50年代中期就職于麻省理工學(xué)院的那些人。

起初,傳統(tǒng)人工智能的研究者們關(guān)注自然語言 翻譯、符號推理(symbolicreasoning)和博弈論(game playing)等問題。這一流派發(fā)明了一些有趣且實(shí)用的技術(shù),但常常沒有達(dá)到其自我設(shè)定的預(yù)期目標(biāo)。這類早期系統(tǒng)的一個例子要算二十世紀(jì)七八十年代研究出來的專家系統(tǒng) (expert systems)。專家系統(tǒng)本意是期望運(yùn)用一套規(guī)則來記錄人類專家的經(jīng)驗(yàn)。這種系統(tǒng)的一個早期案例是試圖建立醫(yī)生診斷經(jīng)驗(yàn)的模型。它運(yùn)行于一個受限的框架內(nèi),展現(xiàn)出類似于醫(yī)生的行為,但得出的診斷結(jié)果常常與醫(yī)療常規(guī)相悖。因此,很少看到這些專家系統(tǒng)取代醫(yī)生或者其他專家,不過它們?yōu)槲覀兲峁┝擞杏玫募夹g(shù),在生產(chǎn)管理中得到了一些應(yīng)用。

從一開始,傳統(tǒng)人工智能研究就因?yàn)樵O(shè)定的目標(biāo)過高而陷入窘境。研究者們常常錯誤估計了為實(shí)現(xiàn)自己設(shè)定的目標(biāo)所需要付出的努力。20世紀(jì)60年代,一些研究者從復(fù)制人類智能轉(zhuǎn)向研究能增強(qiáng)人類智能的計算機(jī)系統(tǒng)。通常認(rèn)為這一領(lǐng)域的創(chuàng)建者是約瑟夫·利克萊德 (J. C. Licklider)₅,他曾在位于麻省劍橋的一個研究單位——博爾特·貝拉尼克-紐曼公司 (Bolt, Beranek and Newman Inc.)₆ 工作。他在一篇稱為“人機(jī)共生”(Man-Computer Symbiosis) 的論文中寫道,“希望用不了幾年,人的大腦和計算機(jī)器能夠緊密配合,由此形成的合作將是人類大腦從未想到過的,處理數(shù)據(jù)的方式將是我們當(dāng)前所知的信息處理機(jī)器無法達(dá)到的。”

這個第二個領(lǐng)域逐漸發(fā)展成廣為人知的“人機(jī) 交互”(human computer interaction),它是當(dāng)今計算機(jī)科學(xué)的幾個較大分支學(xué)科之一。相比于傳統(tǒng)人工智能,它提出的目標(biāo)比較低調(diào),在實(shí)現(xiàn)自己設(shè)立的預(yù)期目標(biāo)方面做得較好。它在我們普遍使用的圖形用戶界面方面做出了貢獻(xiàn),并在算法和流程上做了很多研究,正是這些研究才使得手機(jī)和移動平臺對我們有如此大的吸引力。

[[151445]]

第三個領(lǐng)域出現(xiàn)于20世紀(jì)80年代中期,被稱之為“機(jī)器學(xué)習(xí)”(machine learning)。這一領(lǐng)域的引領(lǐng)者們認(rèn)識到,雖然傳統(tǒng)人工智能沒有實(shí)現(xiàn)它的目標(biāo),但是計算機(jī)系統(tǒng)所能達(dá)到的本應(yīng)遠(yuǎn)遠(yuǎn)超過目前人機(jī)交互領(lǐng)域所完成的。機(jī)器學(xué)習(xí)創(chuàng)建者們的靈感可以追溯到卡內(nèi)基梅隆大學(xué)司馬賀 (Herb Simon)₇ 的工作(不管怎么看,司馬賀確實(shí)是一個對計算領(lǐng)域有深遠(yuǎn)影響力的貢獻(xiàn)者,他提出的思想影響了計算機(jī)科學(xué)許多方面的發(fā)展)。這一流派并不試圖復(fù)制人類智能,而是力圖開發(fā)“在執(zhí)行某些類任務(wù)時能提高性能”的程序。他們收集信息,用這些信息改善自身的操作。

機(jī)器學(xué)習(xí)大量借鑒數(shù)理統(tǒng)計工具來開發(fā)各種不同的識別和分類算法。人工智能研究的先驅(qū)者之一, 愛德華·費(fèi)根鮑姆 (Edward Feigenbaum)₈ 認(rèn)為這些算法已被證明“相當(dāng)成功”。它們被應(yīng)用于實(shí)際系統(tǒng)中來識別目標(biāo)、發(fā)現(xiàn)數(shù)據(jù)中的模式和開發(fā)用于機(jī)器人的策略。

人工智能的最后一個分支領(lǐng)域是一個最新的領(lǐng)域。它翻轉(zhuǎn)了計算機(jī)和人類的關(guān)系。在傳統(tǒng)人工智能中,計算機(jī)系統(tǒng)試圖復(fù)制人類的行為。而在這一領(lǐng)域, 人類試圖處理一些計算機(jī)尚無法處理的任務(wù)。醫(yī)療文件的記錄 (transcription) 或許就是一個最好的例子。許多醫(yī)療記錄系統(tǒng)依靠人工來記錄醫(yī)生所說的話,然后再用傳統(tǒng)的計算方法來處理這些信息。這個分支領(lǐng)域的創(chuàng)建者之一,卡內(nèi)基梅隆大學(xué)教授路易斯·馮·安 (Luis von Ahn)₉,把這一領(lǐng)域稱為“人造的人工智能”(artificial artificial intelligence)。這一領(lǐng)域,更眾所周知的是“集體智慧”(collective intelligence)₁₀。

[[151446]]

集體智慧設(shè)計計算系統(tǒng)時,充分發(fā)揮了人類行為的兩個不同方面的優(yōu)勢。首先,人類能以難以計算的方式識別出復(fù)雜模式。人類從這些模式中聯(lián)想, 進(jìn)而推理得出復(fù)雜的結(jié)論。例如,一個簡單的旋律就能引發(fā)人腦一連串的想法。

其次,集體的知識廣度一般遠(yuǎn)高于個人。集體擁有大量的觀點(diǎn)、假設(shè)和推導(dǎo)方法。經(jīng)驗(yàn)表明,這些不同的想法匯聚起來會帶來對問題更全面的理 解。根據(jù)該領(lǐng)域的創(chuàng)建者之一,麻省理工學(xué)院的教授湯姆·馬龍(Tom Malone,是麻省理工學(xué)院斯隆 管理學(xué)院教授,組織結(jié)構(gòu)與團(tuán)隊智能專家,MIT集體智慧研究中心主任)所說,“集體智慧就是由許多個人組成的群體以智能方式集體行動。”或許集體智慧最著名的產(chǎn)品之一就是在線百科全書——維基百科。維基百科由成千上萬的個人貢獻(xiàn)而成。由于它經(jīng)常為人工智能系統(tǒng)提供常識性信息,所以與人工智能關(guān)系密切。IBM的那個會玩“危險邊緣”(Jeopardy!) 問答游戲的計算機(jī)系統(tǒng)沃森 (Watson),就是用維基百科作為它的主要信息來源。

所有這四個部分形成了人工智能領(lǐng)域。因此, 當(dāng)我們討論人工智能將會怎樣改變?nèi)祟愐约叭祟惿鐣r,實(shí)際上涉及到和人工智能有關(guān)的四種不同方法,每種方法有不同的前景。第一種方法想用計算機(jī)系統(tǒng)模擬人類智能,第二種想增強(qiáng)人類的智能, 第三種想從自然世界學(xué)習(xí)如何高效地執(zhí)行任務(wù),而最后一個則想聚合許多人一生的經(jīng)驗(yàn)。雖然看起來這四個領(lǐng)域都將徹底改變?nèi)祟惖捏w驗(yàn),但似乎也很難看出它們會完全取代人類。從本質(zhì)上來說,人類的經(jīng)驗(yàn)依舊是這些方法創(chuàng)建的基礎(chǔ)。

就像斯蒂芬·霍金推測的,盡管人工智能不太可能取代人類,但它很可能會改變?nèi)祟愒谏鐣邪缪莸慕巧?/strong>。這一現(xiàn)象被稱為“勞動力空心化” (hollowing of the work force)。計算機(jī)技術(shù)趨向于創(chuàng)造少數(shù)需要復(fù)雜技能的新工作和大量需要低技能的工作,但減少了需要中等技能的工作。當(dāng)我們展望人工智能對人類的影響時,我們需要思考怎樣把人類勞動者與計算機(jī)創(chuàng)造的新的工作角色匹配到最佳,同時也要設(shè)計最適合人類社會的計算機(jī)。