人工智能接管世界，攏共分幾步？
幸運(yùn)而又不幸，筆者從事人工智能研究時(shí)，正是此領(lǐng)域最低潮的那幾年，當(dāng)時(shí)大家看我們的眼神，像是看一群AV男演員——費(fèi)力不討好。今天的人工智能不僅鳥(niǎo)槍換炮，還在嚴(yán)肅地討論統(tǒng)治全人類(lèi)的問(wèn)題。學(xué)術(shù)界和工業(yè)界諸仁波切們認(rèn)為人工智能要接管世界，攏共分三步：第一步，是感知智能；第二步，是認(rèn)知智能；而第三步，也是決定性的一步，是通用智能。就是關(guān)于這第三步，我有話(huà)要說(shuō)。
先討論一下，機(jī)器與智能的未來(lái)方向到底是為了替代人類(lèi)，還是幫助人類(lèi)。我個(gè)人的觀點(diǎn)，一半是海水，一半是火焰，這兩個(gè)方向是并存的。
宏觀上來(lái)看，機(jī)器替代人類(lèi)不但不是科幻，而且早就進(jìn)展多年了。替代人類(lèi)，不是說(shuō)機(jī)器拿起彈弓，把人類(lèi)一個(gè)個(gè)都崩了，而是說(shuō)工業(yè)革命以來(lái)機(jī)器生產(chǎn)效率的提升，已經(jīng)使得人類(lèi)的出生率自適應(yīng)地下降了很多——沒(méi)辦法，沒(méi)那么多事兒可干了啊。這個(gè)趨勢(shì)還將繼續(xù)發(fā)展，人類(lèi)作為一個(gè)群體在數(shù)量上的萎縮是不可逆轉(zhuǎn)的。
微觀上來(lái)看，機(jī)器則實(shí)實(shí)在在地幫助著人類(lèi)，你開(kāi)的車(chē)、用的手機(jī)，都在幫助人類(lèi)朝著好吃懶做的共產(chǎn)主義終極理想前進(jìn)。在“更快、更高、更強(qiáng)”這類(lèi)物理能力上，機(jī)器早已甩開(kāi)人類(lèi)幾個(gè)數(shù)量級(jí)了。所以每次奧運(yùn)會(huì)的時(shí)候我都納悶：為啥大家還在為飽餐各種興奮劑的偽人類(lèi)的新紀(jì)錄而激動(dòng)呢？這還不如去工地上看吊車(chē)舉重更加有趣。
先聲明一下，我不是人奸（康熙字典解釋?zhuān)簷C(jī)器人帶路黨，人類(lèi)的叛徒），所以也希望機(jī)器幫助而不是干掉人。人工智能的發(fā)展，就是希望機(jī)器在“更聰明”這個(gè)點(diǎn)上也能超過(guò)人類(lèi)、幫助人類(lèi)。從這個(gè)點(diǎn)出發(fā)點(diǎn)來(lái)看，人工智能要跨過(guò)幾個(gè)大的關(guān)隘。
從五十年前人工智能學(xué)科誕生起，研究者們就希望機(jī)器能夠替代人的五官，像人一樣去聽(tīng)去看，這就是感知智能。機(jī)器像人耳一樣把音波變成音素，就是語(yǔ)音識(shí)別任務(wù)；機(jī)器像眼睛一樣辨識(shí)圖像中的物體，就是計(jì)算機(jī)視覺(jué)任務(wù)。當(dāng)然，感知智能不一定是簡(jiǎn)單地模仿人，在某些人類(lèi)束手無(wú)策的問(wèn)題上，比方說(shuō)指紋識(shí)別和虹膜識(shí)別，機(jī)器輕松就能彎道超車(chē)。
深度學(xué)習(xí)技術(shù)成熟之前，感知智能里只有人臉檢測(cè)、虹膜識(shí)別等一些局部的小問(wèn)題，解決得比較徹底。更多的泛場(chǎng)景問(wèn)題，特別是語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)等，始終停留在實(shí)驗(yàn)室的研究階段。直到本世紀(jì)，深度學(xué)習(xí)技術(shù)的突破，使得機(jī)器能夠用復(fù)雜的模型從海量的數(shù)據(jù)里充分攫取信息。這與小孩子看一次狗就能認(rèn)識(shí)狗，從原理上大不相同。
關(guān)于“人類(lèi)看一次狗就能認(rèn)出狗”這一觀點(diǎn)，有人是不服的，他們對(duì)我說(shuō)：“小孩子與狗的那一回眸，已經(jīng)從各個(gè)角度采了無(wú)數(shù)采樣，積累了很多的樣本。”這并不符合事實(shí)：我特意觀察過(guò)我的兩個(gè)孩子，他們?cè)趫D畫(huà)書(shū)上以平面方式見(jiàn)過(guò)一次的動(dòng)物，到了動(dòng)物園還是輕松就認(rèn)出來(lái)了。所以啊，不要以為機(jī)器智能的進(jìn)化是把人類(lèi)走出非洲的大片兒回放一遍，他們走的根本就是不同的路，而且是我們無(wú)法預(yù)測(cè)的路。
感知智能解決了，機(jī)器就具備了節(jié)肢動(dòng)物門(mén)的一般能力。想起某公司聲稱(chēng)自己的人工智能已經(jīng)達(dá)到了幾歲兒童的水平，再看看相關(guān)的研究?jī)?nèi)容，我認(rèn)為還是說(shuō)達(dá)到更年期蟑螂的水準(zhǔn)更加公允。你見(jiàn)過(guò)哪個(gè)智力測(cè)驗(yàn)是以海量找狗為任務(wù)的??？
感知智能只是實(shí)現(xiàn)了一些動(dòng)物本能，為了象一名真正的靈長(zhǎng)目戰(zhàn)士那樣去戰(zhàn)斗，機(jī)器就要完成一些簡(jiǎn)單的智力勞動(dòng)，比如自然語(yǔ)言理解、翻譯、對(duì)話(huà)等。這類(lèi)問(wèn)題，就是認(rèn)知智能問(wèn)題。
認(rèn)知智能要解決的是讓機(jī)器掌握初級(jí)理解和思考的能力。其中的挑戰(zhàn)比感知智能要大得多了，主要原因就是語(yǔ)言、知識(shí)等理解過(guò)程中需要建模的對(duì)象，復(fù)雜程度或狀態(tài)空間的規(guī)模非常龐大，你算算，中文的音素就46個(gè)，而常用詞恐怕也有幾千個(gè)，建模復(fù)雜度不在一個(gè)數(shù)量級(jí)上。
具備了感知和認(rèn)知智能的機(jī)器，基本上就達(dá)到了高級(jí)靈長(zhǎng)目動(dòng)物的水準(zhǔn)，當(dāng)然在記憶和計(jì)算能力上則早已秒殺人類(lèi)。回到文章開(kāi)頭的問(wèn)題，下一個(gè)階段就可以追求“通用智能”，接管全人類(lèi)智力活動(dòng)了么？所謂通用智能，就是說(shuō)同一個(gè)人工智能體不僅能下棋或翻譯，而是個(gè)無(wú)不知百行通的多面手。以目前人工智能的階段直接追求通用智能，好比剛小學(xué)畢業(yè)就填寫(xiě)院士評(píng)選的報(bào)名表，志向雖然可嘉，步子則跨的有點(diǎn)兒大了，總要找出更加具體的路徑才是。
我的觀點(diǎn)是，在通用智能之前，先要解決“決策智能”這類(lèi)問(wèn)題。什么是決策智能呢？大家可以想象每部評(píng)書(shū)里都離不開(kāi)的角色——軍師。與大量?jī)H僅具備感知智能的赳赳武夫和少量具備了認(rèn)知智能的文書(shū)、中軍是不同，軍師的Job Description，往往是這樣的：
- 熟練掌握琴棋書(shū)畫(huà)等一項(xiàng)以上奇技淫巧。
- 善聽(tīng)人言，能聞獸語(yǔ)。
- 進(jìn)士以上學(xué)歷，有三年以上算命或其他相關(guān)行騙經(jīng)驗(yàn)。
- 有極腹黑的心理素質(zhì)，和泰山壓頂腰不直的抗辱罵能力。
- 能設(shè)計(jì)和推進(jìn)公司內(nèi)犬牙交錯(cuò)、互相制衡的人事制度。
- 全面掌握對(duì)外與天斗、與地斗、與人斗的工作，精通瞞天過(guò)海、借刀殺人、走為上等多項(xiàng)計(jì)謀的制定和實(shí)施。
機(jī)器如果達(dá)到了這些要求，就可以順利入職成為軍師，主持“草船借箭”、“智取生辰綱”這樣的Project了。逐一審視這些要求，我們發(fā)現(xiàn)具備了感知智能和認(rèn)知智能，1、2、3都不是問(wèn)題；4更是機(jī)器的天然優(yōu)勢(shì)；而5、6兩條，就不那么簡(jiǎn)單了。愚見(jiàn)認(rèn)為，這才是人工智能未來(lái)最需要向人類(lèi)伸出援手之處，姑且稱(chēng)其為決策智能——畢竟用機(jī)器做速記或翻譯，不過(guò)是效率的提高，更加會(huì)加速人類(lèi)的滅亡。區(qū)別于機(jī)器蟑螂和智能猿猴，決策智能有哪些不一樣挑戰(zhàn)呢？
一、博弈性的場(chǎng)景。當(dāng)你的環(huán)境本身受到你的決策影響時(shí)，這就是一個(gè)博弈性的問(wèn)題。往小了說(shuō)是打牌、下棋，往大了說(shuō)是戰(zhàn)爭(zhēng)、談判等，僅僅靠靜態(tài)的建模方法是無(wú)法處理這些博弈性問(wèn)題的。博弈問(wèn)題里，又以像德州撲克這類(lèi)不完全信息博弈，更為復(fù)雜。
二、非明確的反饋。這里面有兩種場(chǎng)景：一種是很多次決策才能對(duì)應(yīng)一次明確的結(jié)果，比方說(shuō)炸金花，十幾輪的出牌以后才有一個(gè)確定的輸贏；另一種是結(jié)果本身就是概率性的，比方說(shuō)廣告的決策，即使是確定了同一個(gè)用戶(hù)，同一個(gè)素材，同一個(gè)場(chǎng)景，用戶(hù)點(diǎn)擊還是不點(diǎn)擊仍然是隨機(jī)的，只能從概率意義上判斷準(zhǔn)確性。
熟悉機(jī)器學(xué)習(xí)的朋友可以打坐思考一番，在上面兩個(gè)條件下，解決建模的問(wèn)題實(shí)在不是簡(jiǎn)單的事。決策智能有個(gè)典型的問(wèn)題，就是圍棋（圍棋龐大的決策空間使得其解決方案與肉搏式蠻力搜索的國(guó)際象棋是完全不同的，而后者其實(shí)不太需要智能，基本只需要計(jì)算）。雖然AlphaGo戰(zhàn)勝李世石的只是達(dá)到了一個(gè)小小的目標(biāo)，其過(guò)程卻相當(dāng)令人興奮（汗，似乎暴露了我人奸的本質(zhì)）：這次比賽中采用的Deep Reinforcement Learning這一框架，確實(shí)似乎讓我們看到了探索決策智能問(wèn)題的曙光。
下棋雖然本身沒(méi)什么卵用，實(shí)用的決策智能問(wèn)題其實(shí)比比皆是。例如，互聯(lián)網(wǎng)商業(yè)化中常見(jiàn)的廣告決策問(wèn)題，就同時(shí)具有上面的兩個(gè)特點(diǎn)，而實(shí)際上機(jī)器在此應(yīng)用中已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)了人，而且還有巨大的發(fā)展?jié)摿?。再比如，反羊毛黨、非人類(lèi)流量過(guò)濾這類(lèi)讓人撓頭的反作弊問(wèn)題，也都有巨大的商業(yè)價(jià)值，但決不是簡(jiǎn)單的感知智能和認(rèn)知智能問(wèn)題。
有人的地方就有江湖。只要人與人之間發(fā)生交互，就有決策智能的用武之地?；ヂ?lián)網(wǎng)的大發(fā)展，為我們帶來(lái)了大量鮮活的這類(lèi)問(wèn)題。目前的深度學(xué)習(xí)框架，在解決這類(lèi)問(wèn)題上效果并沒(méi)有十分突出，這里面有些深層次的原因，篇幅所限就不展開(kāi)了，以后有機(jī)會(huì)專(zhuān)門(mén)寫(xiě)文章說(shuō)說(shuō)我的觀點(diǎn)
當(dāng)然，我是站著說(shuō)話(huà)時(shí)不腰疼的，趁著腰還不疼，我要懇請(qǐng)人工智能界諸仁波切們?cè)诮庸苋祟?lèi)之前賞下眼神來(lái)，認(rèn)真思考下在博弈場(chǎng)景和非明確反饋情形下的決策智能問(wèn)題該用什么新框架解決，因?yàn)檫@太有意義了，也太有意思了。
