機(jī)器人需要像人一樣思考嗎？

鄺海炎

人們?cè)谏鐣?huì)市場(chǎng)上互相需求，大多時(shí)候只是需要對(duì)方“非人格化”的產(chǎn)品或服務(wù)。我們可以接受不發(fā)生感情交流的市場(chǎng)服務(wù)，自然也可以接受機(jī)器人更好的單項(xiàng)服務(wù)

資深媒體人，

著有《快刀文章可下酒》

今年高考有一條趣聞：6月7日晚在北京和成都兩地，AI第一次走進(jìn)高考考場(chǎng)，與人類一爭(zhēng)高下。學(xué)霸君推出的Aidam在數(shù)學(xué)考試中拿下了134分；成都準(zhǔn)星云學(xué)科技有限公司推出的AI-MATHS則得了105分。

“AI-MATHS”的“家長(zhǎng)”林輝說(shuō)，研發(fā)高考機(jī)器人最大的難點(diǎn)在于，要讓系統(tǒng)準(zhǔn)確理解人類語(yǔ)言。“直接用數(shù)學(xué)語(yǔ)言表述的應(yīng)用題它可以輕松解答，但它最大的弱項(xiàng)是不能理解考題里場(chǎng)景式的描述語(yǔ)言，它會(huì)讀不懂題目。”

這事情有兩種解讀：一是，只要可以轉(zhuǎn)換為計(jì)算機(jī)語(yǔ)言的考試或比賽，人都比不過(guò)電腦；二是，人工智能再牛也不能像人一樣思考。

研究人工智能多年的復(fù)旦大學(xué)徐英瑾教授就屬于第二類解讀者。他拿家政服務(wù)舉例，“如果機(jī)器人給一個(gè)大知識(shí)分子收拾書房，打掃得太干凈，他反而不滿意：‘亂有亂的味道！書房怎么可以弄得這么干凈呢？但是你不給他打掃，他又不開心了，‘書總歸要碼得整齊一點(diǎn)，蜘蛛網(wǎng)總歸要掃掉吧。所以，行為的分寸如何把握，是需要人工智能來(lái)學(xué)習(xí)和判斷的。這是需要人類去調(diào)教的。”

徐教授這話，讓我哈哈大笑。他對(duì)智能的理解還固守著“人本主義”思維，就是假設(shè)計(jì)算機(jī)如果想趕上或超越人類的智能，就必須發(fā)展出意識(shí)。但真正的科學(xué)卻有另一種看法。用赫拉利《未來(lái)簡(jiǎn)史》里的話說(shuō)：“想達(dá)到超級(jí)智能可能有多種方式，并不是每一種都需要通過(guò)意識(shí)。數(shù)百萬(wàn)年來(lái)，生物進(jìn)化一直順著意識(shí)這條道路緩緩前行，但非生物的計(jì)算機(jī)卻可能完全不會(huì)走這條窄路，而是走向另一條通往超級(jí)智能的捷徑。”

什么捷徑呢？就是避開“模擬人類意識(shí)”這一難題，只進(jìn)行功能分解。赫拉利舉了自動(dòng)駕駛汽車的例子，社會(huì)系統(tǒng)需要的是把人從a點(diǎn)運(yùn)到b點(diǎn)，而且要最快、最安全、成本最低。就這一點(diǎn)而言，自動(dòng)駕駛汽車很快就能比人類司機(jī)更好，就算它不能享受音樂，也不會(huì)因存在的奧秘深感敬畏，又有什么關(guān)系呢？

徐教授擔(dān)憂，機(jī)器人保姆不了解知識(shí)分子的“臭毛病”。試問：就算請(qǐng)真人保姆，如果不交代自己“亂有亂的味道”的嗜好，真人保姆就一定能心領(lǐng)神會(huì)嗎？

說(shuō)白了，現(xiàn)代社會(huì)是一個(gè)抽象社會(huì)，近代以來(lái)的經(jīng)濟(jì)發(fā)展首先就得益于市場(chǎng)分工，誰(shuí)在專業(yè)上做得最好，誰(shuí)就受到市場(chǎng)青睞，至于“他是誰(shuí)”以及“其他技能如何”無(wú)所謂。人們?cè)谏鐣?huì)市場(chǎng)上互相需求，除了親人朋友等熟人外，大多數(shù)情況下只需要對(duì)方“非人格化”的產(chǎn)品或服務(wù)，并沒有感情互動(dòng)的要求。

越是市場(chǎng)化發(fā)達(dá)地方的人，越會(huì)感覺，提供市場(chǎng)服務(wù)的人不是熟人、不發(fā)生情感交流更好，這樣不累，也不會(huì)擔(dān)心隱私泄露。比如，你在網(wǎng)上買個(gè)充氣娃娃，難道希望送貨的快遞員是熟人，或者給你一點(diǎn)使用建議？

我們可以接受不發(fā)生感情交流的市場(chǎng)服務(wù)，自然也可以接受機(jī)器人提供的更好單項(xiàng)服務(wù)。

回看人工智能這些年的發(fā)展，走的也是這條捷徑。傳統(tǒng)人工智能研究采取的是“物理主義+還原論”立場(chǎng)，在圖片識(shí)別方面，他們總是想找到內(nèi)存里面與插圖完全一樣的信息來(lái)識(shí)別，這當(dāng)然很難。

人工智能2.0就不一樣了，我們只需要“喂養(yǎng)”很多圖片，機(jī)器人通過(guò)大數(shù)據(jù)+深度學(xué)習(xí)+神經(jīng)網(wǎng)絡(luò)可以慢慢地理解一些圖形的含義。深度學(xué)習(xí)的核心理念是增加神經(jīng)網(wǎng)絡(luò)的層數(shù)來(lái)提升效率，將復(fù)雜的問題分段分層解決。以人臉識(shí)別為例，第一層可以識(shí)別局部中的模塊，如一個(gè)三角形或者眼睛；第二層再把識(shí)別出的眼睛、嘴、鼻子組合起來(lái)，看它們的距離和比例關(guān)系；依次類推精細(xì)處理下去。目前人臉識(shí)別已基本攻克。

《三體》作者劉慈欣曾多次表示對(duì)主流文學(xué)以“人”作為基本尺度的不滿，“文學(xué)給我的印象就是一場(chǎng)人類的超級(jí)自戀”，而他寫作的科幻文學(xué)則試圖“超越自戀”，致力于“體驗(yàn)更多的東西”。