愛學習，總歸不是壞事

即便是專業人士，也很難解釋清楚“專家系統”是什么。這是人工智能從理論到實踐的跳板，也是AI可以成為人類助手的基石。簡單來說，這個系統會讓它們通過訓練和調整，成為某個領域的專業人士。而這實際上也是讓人工智能模擬人腦思維的最直觀形式。AI需要獲取知識信息，掌握基礎推理，并學會使用它們——整個過程很容易讓人聯想到學生時代的自己。進修完畢后，它們才可以在更高層次的領域得到應用。

對于人類來說，這是一個很簡單的邏輯。學習知識，掌握用法，再運用到生活中。可人工智能懂得“學以致用”，卻不明白“舉一反三”。AI在實踐中必然會獲取其他信息，可它們是否會將之收錄入知識庫？收錄前能否篩選一番？這個疑問，日趨火熱的語音軟件也許能給出答案。當你向微軟的Cortana提問并給它答案后，它就會把這一答案記住。而蘋果的Siri最早聊天都聊不到一起，現在已經學會說情話了，它的成長我們能看得見。

最早的自學習功能，出現在NEST家居控溫器上。它可以記錄用戶的使用習慣，反復幾次后，就能摸清你最喜歡的溫濕度了。這個功能設定一度成為智能產品的標配，但仔細剖析一下，你會發現它的上限其實很低。僅僅是觀察使用者的某種習慣，并加以模仿，其含金量能有多少？真正的自學習能力，應該脫離場景和環境的限制。譬如一個整理醫學資料的機器人助手，在查閱大量病歷時發現了某種癥狀和某種疾病的相關性，就可以將這一信息收錄或上報給醫師。

這個預想也許有些太超前，但并非沒有可能。近日，日本一個高中迎來了一位特殊的學生——Pepper人形機器人。這是人工智能首次和人類一同學習，考驗的不僅僅是AI的學習能力，還有人機交互的潛能。

扎克伯格提議讓AI進行“監督式學習”，也就是通過觀察、嘗試來獲取知識，讓其親自去獲取常識，這才是AI能實現深度學習的基礎。“診斷疾病、駕駛汽車、探索宇宙，這些方面AI的潛力遠大于人類，那人類有什么資格做它們的老師？”扎克伯格認為AI在掌握了常識信息后，可以獲得改變世界的能力，至于如何讓人類置于危險之外，他并沒有提及。

人類目前最為先進的智慧問答系統是IBM的沃森，它在自然語言處理方面表現驚人，其核心在于IBMDeepQA技術。它會閱讀數以百萬計的文字資料，從荷馬的詩集到當代字典一應俱全，知識體系豐富程度可想而知。而在此基礎上，它還擁有語言學和邏輯學的專家打造的邏輯思維和分析系統，確保其在進行應答時，運算處理方式高度接近人類的大腦。