人工智能：數字時代的生成器

陳凱

我第一次聽到艾美所編寫的肖邦的鋼琴曲時，幾乎被驚呆了，因為那真的是“肖邦”的鋼琴——優雅的旋律處處體現出肖邦特有精致浪漫的編曲風格，即便是肖邦還活著，聽到這些音樂或許也會困惑——自己究竟什么時候寫過這樣一首作品。然而艾美并不是人，而是一個人工智能程序，大衛·科普（David cope）編寫了這個用來自動作曲的程序艾美（EMI），這個作曲軟件能夠逼真地以巴赫、維瓦爾第、莫扎特等知名作曲家的風格來“創作”音樂作品。大衛·科普曾經在一些古典音樂會上，在真正的歷史作品中摻雜了這些數碼“贗品”，聽眾們（有時甚至是音樂學院學生）非但沒有分辨出來，反而表示他們被那些作品深深地打動了。不妨想象一下聽眾們被告知真相后哭笑不得的表情。用相對專業一點的術語來說的話，單就音樂編寫而言，艾美通過了圖靈測試。用語言文字實在難以描述艾美的成就，有興趣的朋友可以到網絡搜索“David cope EMI”關鍵字，就能找到艾美編寫的音樂。

正如大衛·科普所說，只要輕輕按下按鈕，很快就能得到幾千首音樂作品。據說當年大衛·科普在寫歌劇旋律時卡殼，所以就創作出了艾美的最早的版本。當年——20世紀80年代，或許這個時間點讓大家感覺有點意外——艾美的誕生并沒有引發藝術從業者太多的擔憂，大家認為艾美所做的只是逼真地模仿，不能算是創作。具體理由有以下幾點，其一，艾美在大衛·科普的“幫助”下從作曲家的大量作品中歸納出了最具特征的片斷，然后再重組了這些片斷，由于艾美難以自主識別最具辨識性的特征，所以這個工作需要大衛·科普和艾美兩者耗費大量時間來磨合；再者，雖然說這輕輕點擊按鈕之后的幾千首音樂大多不難聽，然而要從中找出最優秀的作品，還是需要靠人一首一首去挑選；艾美的另一個問題是，它只能編寫時間有限的音樂小品，因為一部比較長的音樂作品，比如交響詩或者是音樂劇，要么它能充分展現出情感的變化，要么它具有完整的敘事結構，才能夠吸引聽眾在椅子上安靜地坐上幾十分鐘乃至一個多小時。若將以上三點用最通俗最簡單的語言復述的話，那就是，艾美并不真正知道人究竟是怎么想的。

在相當長的時間里，許多人，包括我，都是這樣認為的，因為一個人工智能的程序并不能真的像人類那樣認知，甚至于人類自己也并不能精確地描述自己認知的具體過程，因此人工智能很難在短期內取得重大的突破。然而，現在看來，如此考慮問題還是太過簡單了。

基于圖靈測試的思維實驗

從圖靈提出“圖靈測試”以來，人工智能能否擁有人的智能，是一個引來太多爭論的問題。圖靈構造了一個受到限制的對話環境，僅用來討論人與機器智能上的等價問題。稍微延伸一下想象，不難發現更難讓人下定論的問題：如果一臺機器的外在表現完全類似于人類，那么是否要承認機器也具有人格？大部分人會認為，就算機器的外在行為與人類相似，但內部機制卻完全不同，因此他們不會賦予機器“人”這一稱號。然而所謂“內在”和“外在”本身又牽扯出太多哲學上的討論，考慮以下特意構造的思維實驗：某鋼琴家的作品均由他的女友—— 一位天才的作曲家所創作，單就這點來說，一點也不科幻；這位鋼琴家因為交通事故遭到重創，喪失了某段時期的記憶，這也是在現實中真正會遇到的情況；事故之后，鋼琴家和他的女友仍然照常那樣密切交往著，這看上去再普通不過了；某一天，鋼琴家的腦海中忽然浮現出一段記憶，她的女友其實和他一同遭遇了交通事故，并死在了事故中，當前的所謂女友其實是一臺機器——雖然說他自己也無法把握，這段記憶是否只是自己損壞的大腦所臆造的。那么，他的機器女友是否等同于他的女友？如果說這個問題來自鋼琴家出了問題的大腦，那么我們就沒有必要去解答此問題，因為這個問題本不存在。既然鋼琴家的女友的所有表現都和人類相同，那么反而要問，鋼琴家的奇怪問題從何而來？又如何才能得到解答？因為問題的提出需要根據，而問題的解答需要驗證。由于鋼琴家的女友所有表現與人類一致，于是就不存在問題提出的根據，又因為問題的驗證具有破壞性，或者對于鋼琴家而言不具有可否證性，比方說，鋼琴家堅持認為，制造機器人的憑據被銷毀了，或者檢測機構有作弊嫌疑，甚至于他女友的內部器官也制造得和人類非常近似等。為了找出真相，鋼琴家甚至可以直接研究他女友的大腦，并宣稱他女友的大腦工作模式和人類不同——雖然鋼琴家若真要這樣做，其他人恐怕更會懷疑他的無端偏執。作為一個思維實驗，每個讀者可以設身處地，想象一下若自己是那個鋼琴家，會采取什么樣的行動——大部分人恐怕會對自己頭腦冒出來的瘋狂想法一笑了之吧。如果上面的思維實驗真要拓展成科幻小說的話，也許讀者迎來的結局是，最后有人告訴鋼琴家，其實他自己才是一臺出了問題的機器，鋼琴家在情緒崩潰前完全否認了這一點，但因為他自己無法剖析自己內在的信息處理過程，所以他也沒有證據來否認這一點，有意思的是，至少在今天，任意一個普通人都無法對自己頭腦內在的信息處理的內在過程進行剖析。

仔細思考上述思維實驗，我們就可以發現，當機器的行為與人類相同時，問題關鍵其實不在于機器是否等同于人類，而是“誰”能“提”這個問題？“誰”能“驗證”問題的答案？不僅僅是因為無論誰提出這個問題，他都無法將提問的依據和驗證的過程用于他自身，更重要的，人類是借助建立輸入因和輸出果的邏輯鏈來進行決策和行動的，從生存和發展的效率考慮，尊重因果遠勝于無端猜疑。英國生物學家弗朗西斯·克里克認為，人的大腦決策就是一個計算過程，大部分時候大腦本身并不能認識到這個計算過程是怎樣的，于是就有所謂的直覺和頓悟，甚至人們認為自己擁有自由意志。無論是否同意此觀點，僅從邏輯上說，人們也必須承認他自己是無法全面追蹤自己大腦的計算過程的，否則會造成自指悖論。然而，只要是計算過程，就必然存在有輸入和輸出的因果鏈條。

大數據環境下的認知

考慮有這樣一個系統，它有固定的輸入和輸出端，在輸入和輸出之間存在著不對外公開的隱藏部分，人們所觀察到的只是輸入和輸出，卻無法追蹤隱藏部分是如何將輸入轉化為輸出的，這樣的系統能否被設計出來？答案當然是肯定的，當隱藏層的層數和節點足夠多，并且每個節點之間傳輸的數據會自動調整——類似于自然選擇中所發生的，輸出結果接近預期時保留該調整趨勢，違背預期時則淘汰該調整趨勢。實際上，這大致就是人工神經網絡的基本工作原理，在經歷足夠多的訓練之后，這個系統就能以比較高的概率得到預期的結果，然后因為運算量無比巨大，雖然每一次數據傳遞都是確定的，但人還是無法跟蹤由輸入條件然后得出結果的整個過程。

有意思的是，由于人工神經網絡系統給出的結果只是根據大量訓練從而逼近預期，所以，人們的預期決定了系統給出答案的傾向性。想象一下，若詢問一臺機器：你是否能解釋一下你自己是如何得到先前問題的答案的？那么這臺機器究竟是該像普通人類那樣回答，比如：啊，因為當時發生了某事，后來我就這樣想，然后再那樣想，然后……于是就這樣決定了；或者像一個情商欠缺的技術工程師那樣回答：當我回溯思考此過程時，由于思考本身擾動了信息處理的初始條件，從而無法精確還原信息處理的過程。雖然說后者的回答更嚴謹，但顯然，前者才像是人的回答。那么問題是，機器怎么知道人的預期是怎樣的。

解答問題的方式有點出人意料，機器并不需要知道人會怎么想，它只要知道，在怎樣的初始條件下，人會產生怎樣的行為。對人來說，機器內部的信息處理過程是個黑箱，對于機器來說，人內部的信息處理過程也是個黑箱，機器并不用打開人這個黑箱，只需要調整自己黑箱內的數據流的權重，使得輸入和輸出的因果行為逼近人的預期即可。在互聯網和大數據高度發達的當前，機器獲得數據的方式比以前容易多了。人們逐漸發現，機器開始寫詩——編詩姬寫的古體詩比絕大部分普通人寫得要更工整優雅；機器開始寫小說——《機器人寫小說的那一天》入圍了日本微型小說文學獎的評獎；機器開始寫大部頭的音樂劇——Beyond the Fence的劇本、歌詞以及音樂都由計算機生成，與David Cope的EMI不同的是，音樂創作中的特征及概念并不是由開發者給定的，而是計算機通過數據挖掘，自主“揣摩”得出的，甚至于人類無法確知這些特征和概念在整個神經網絡系統中的呈現形態，因為它們并未被存儲在某個確定的節點上。

一個讓人有點擔心又無法在這里展開討論的問題是，計算機如果將數據挖掘的對象由人類活動轉向它自己的活動，將會產生怎樣難以預料的結果？當一個認知過程上升到元認知的時候，計算機是否會逐步萌生出所謂“自我”的概念？

人工智能發展中的人類學習者

在人工智能取得快速發展的今天，作為教育工作者或終身學習者都不得不思考，教育和學習的模式應該有怎樣的變化，未來的教學內容又會有怎樣的變化。用最概括的文字描述人的認知過程：人在與真實世界的互動中積累了大量的實際經歷，在觀察、模仿、試錯的同時，從實踐經驗中抽象出概念，或者經由訓練形成特定技能，這些概念和技能逐步形成相互連接支撐的網絡，最后，對概念的理解和技能被反饋到真實生活中，在實踐檢驗中不斷重新調整優化。

由于種種原因，當前的學校教育仍然偏重純粹的語言符號系統中概念的組織和符號演算方面的技能訓練，無論是真實世界中經歷的積累以及此后與真實世界的反饋互動都是相當欠缺的。此狀況的形成固然有其歷史原因及大環境整體因素的限制，但必須認真地考慮，一個人工智能系統，最有優勢的地方在于封閉環境中純粹的語言符號系統中特征的歸納及符號演算。至少在當前，人工智能系統還無法真的像人類那樣與真實世界互動，它的互動對象還只能是符號化的數據。作為人，似乎并無必要在人工智能的強項上與其競爭。

當面對一個真實世界時，人工智能的表現還遠不如孩子，正如一個實驗所揭示的，從未見到過貓的圖片的幼兒，在看了幾次貓的圖片后，就能識別出照片中不同種類不同姿勢的貓，而人工智能卻要預先看過幾千乃至上萬張貓的照片，才能達到和幼兒相當的水平。人到底是怎樣做到這一點的，到目前還是個謎。盡管做預言家充滿風險，但我仍然樂于相信，在相當長的時間里，人的思考和行為具有不可替代性，人將成為真實世界和人工智能系統之間的連接者，雖然有時候是被動的連接者，比如因為大量個人語言交流、出行、購物等信息被人工智能掌握，從而成為不自知的被他人控制的目標；但更應該成為主動的連接者，為達成某個獨特目的，利用人工智能對那些與真實世界中信息所對應的符號化的數據進行分析，并由此作為行動依據。

人工智能的另一個重大弱點是，它暫時不具有行動的意向性，未來的人工智能系統能否擁有和人類一樣的意向性，也還是個謎。在當前，一個人工智能系統還無法自己制定目標將它的各項超人能力統籌起來應用。就以音樂劇Beyond the Fence為例，就算它編了故事、寫了腳本、創作了音樂，它自己卻完全沒有“意愿”要規劃一部音樂劇的創作，因此就更突顯人在真實世界中規劃、組織和實施項目的重要性。

因此，人要學習成為一個連接者，其“連接”的含義有以下一些。

首先，人要學著充當真實世界和人工智能系統的連接者，一方面要能靈活地制作或調整真實世界中的器械設備；另一方面又要能使用抽象符號將不同的虛擬的人工智能系統、人工智能系統與真實設備連接起來，這看上去似乎和目前創客教育的目標是一致的。

其次，人還要學著充當現有世界和未知世界的連接者，宏觀來說，未來的人類世界取決于人類集體的意向，未來是被創造出來，而不是被生成出來的。注意在整篇文章中，這里才第一次出現創造一詞，我將“創造”視作這樣一個過程：基于對現有模式的體驗和研究，某種新模式因創造者的意向出現，首先是創造者本人認可這種模式，然后這種模式被創造者周邊認同從而存活下來（或者恰好相反）。創造者仍然可以保有自己天馬行空的創造自由，而人工智能系統會幫助創造者從繁復的相對底層勞動中解放出來，還能幫助創造者繞開看似美好但卻無法以當前技術力量實現創造者構想的陷阱。

最后，我們將話題轉回到音樂，用一個幻想性的故事來結束文章：《小蘋果》因其歡樂的旋律和明快的節奏受到眾人的喜愛。于是我編寫了一個叫“溫迪”的人工智能系統，在分析了一大堆和《小蘋果》類似的音樂后，她“創作”出一首首好聽的《小番茄》乃至《小櫻桃》之類的作品，直到某一天，她寫出一首在我聽來極其難聽的歌曲，我還沒來得及提出質問，她卻打印出一連串表示興奮的符號：“嗯，我好喜歡這首歌！我的朋友也都喜歡這首歌。”

（作者單位：上海位育中學）