引用我建議大家考慮這個問題：機器能思考嗎？
1950 年，在那篇名垂青史的論文《計算機械與智力》上，阿蘭·圖靈迫不及待表達了對人工智能未來的信心。接而，為了有效定義機器的智能程度，圖靈提出了有名的“圖靈測試”：
引用測試者與被測試者隔離的情況下，通過裝置（如鍵盤）向被測試者隨意提問。多次測試後，如果超過 30% 的測試者不能確定被測試者是人還是機器，那麼這台機器就通過了測試，並被認為具有人類智能。
欺騙 30% 的人，圖靈預計在 2000 年人工智能可以發展到這個程度。
這五十年裏，無數有關人工智能具備思考能力最終奴隸人類的科幻作品層出不窮。然而，直到 2011 年蘋果公司才對外發布了語音助手 Siri。哪怕是今天，消費者能看到的人工智能助手其智慧程度都差強人意。
圖靈對於人工智能的判斷似乎過於樂觀了。
智能是什麼
人工智能不是車間流水線上那種釋放簡單勞動力的技術。人工智能致力於開發用於模擬，延伸和拓展人的智能，目前研究領域包括機器人、語言識別、圖像識別、自然語義處理和專家系統等。
自然語義處理，指無需代碼，讓機器理解人類語言，實現日常用語便能人機交流。Google 的 Google Assistant ，亞馬遜的 Alexa ，微軟小冰還是蘋果的 Siri ，目前都在努力提升自然語義處理能力，讓信息處理的第一步更加自然。
圖像識別技術，將人類一部分的視力要求工作交給機器。 Facebook 研發了人臉匹配的 DeepFace ，Google 藉助DistBelief，對街景圖庫的上千萬門牌號進行識別，其識別率超過 90%。
從汽車的防抱死電腦系統到 Google 測試的無人駕駛機，還有金融上的高頻算法交易都屬於人工智能，目前已被廣泛應用。
人工智能的種種，都為了讓計算機更加相似於人類，具備人類的能力，或者在具體領域更加優秀於人類。從這個角度看，人工智能就是重新造就人類，或者造就上帝。
這正是所有科幻作品熱衷於提及到的：如果全面優先的人工智能一旦誕生，人類將面對何種命運。
弱人工智能的艱難進程
儘管 1997 年 IBM “深藍”計算機已經戰勝了國際象棋世界冠軍卡斯帕羅夫，但當時媒體宣稱的“劃時代意義”如今看來不過是相當原始的起步。語音識別、專家系統、深度學習等技術被大面積應用到商用場合，看似已經步入智能時代，但目前僅僅是停留在對人類智能的模擬。
上世界 80 年代，美國哲學家賽爾提出“中文屋”的假設以此質疑“圖靈測試”：
引用一位只會英文的人身處封閉房間中，隨身帶着稿紙、鉛筆以及中英翻譯詞典。而寫着中文的紙片通過唯一窗口送入房間。哪怕房間內的人完全不會中文，通過翻譯過程，房間外的人也會以為他會流利的中文。
“中文屋”是對弱人工智能的否定，即哪怕機器能夠騙過人類通過圖靈測試，都是因為程序（中英翻譯詞典）提前預計過此類可能所有結果，由機器（房子裏的人）判斷符合條件與否來執行。
這正是目前大熱的人工智能正在做的事情。
語音助手哪怕多麼接近人類交流，都只是“程序員努力讓程序假裝聽得懂人類語言”而已，用户可能在屏幕外驚歎其智慧，但屏幕內的程序毫無感覺，按流程悄無聲息走了一遍又一遍。
這些不完美的效果，如同人類製造了一個玩偶，一起玩耍。玩偶一舉一動人類瞭然於胸，儘管製作過程耗費數十年科技的心血勞累，但人類畢竟是不會看得起一件玩具的。
人類希望看到能製造驚喜的生命，能夠製造驚喜才算真正的智能設備。重新造就人類，就要發展強人工智能。
強人工智能之門
人類對高級智慧生命向來感興趣。無論是對外尋找外星文明，還是在實驗室研究人工生命。
在信息世界裏，生命指代會自我思考，對外反饋和內部調整的一套系統。一個人按規則開車行駛，出現事故緊急剎車；一個城市的交通系統有條不絮運行，路況堵塞就會調整路線車流。從信息角度看來，城市的交通系統就是一個生命。
如果交通系統能夠自我管理呢？強人工智能便是要打造具備自我思維的人工生命。
強人工智能能夠脱離程序指令自發決策並且行動，理解抽象思維，能夠自我學習，複製技能並且快速提高。
那麼，如何賦予計算機心智能力，讓其自我發展？
人工智能在 60 至 80 年代的發展一度萎靡，主要因為其演進完全依賴於科學家將知識灌輸給機器學習，其學習廣度是很有限的。
從 80 年代開始，一個重要的子領域開始探索：機器學習。
機器學習省去了科學家自身認知這一步驟，直接把數據放進計算機學習程序內，讓程序直接接觸數據。在今天，大量的數據能夠滿足機器快速成長的需要。知名的 AI 程序 AlphaGo 每天能夠嘗試百萬量級棋譜的走法。拋棄明顯的差棋，將計算量控制在可完成的範圍內。
另一關鍵在於，同樣在 80 年代，神經網絡算法開始興起。
為什麼“圖靈測試”一開始以人為測試標準？人類建築大樓、創造藝術，甚至試圖了解自身腦部的思考迴路。人類大腦是目前為止所知宇宙中最發雜的東西，對光年外星體的了解都要遠遠多於對人類大腦皮層細胞的了解程度。
正因大腦的豐富性，科學家嘗試通過逆向工程，從大腦的思考方式推動機器智能的發展。電腦大腦神經網絡的結構，一層層輸入數據，從簡單到複雜，再輸出結果。經過這些年算法的不斷優化，以 AlphaGo 為代表的神經網絡算法開始在公眾視野中得到大面積的成功。
人工智能的“奇點”
按照可預見的發展速度，實現強人工智能的突破需要多長時間？
沒有人能夠給出答案。
19 世紀的最後一天，歐洲科學家歡聚一堂。著名物理學家湯姆生提出了籠罩在 20 世紀物理學頭頂的“兩朵烏雲”：邁克爾遜·莫雷實驗和黑體輻射實驗。
誰也沒想到，不到 10 年時間，兩朵烏雲相繼被普朗克與愛因斯坦解決，科技深入原子水平，而物理學進入全新的量子時代。
要知道，農耕文明進入工業文明歷經了千年，蒸汽時代、電氣時代各走了一百年，而從電腦過渡到手機不過短短 20 載。 VR 的熱潮剛從矽谷湧現，風向已經刮到別處了。在信息時代，每一輪社會革新所需時間被極大縮減了。
我們突然很難預料十年後科技的模樣。
更何況，人工智能存在科學家普遍認同的技術“奇點”：存在某一個時間點，技術發展將在極短時間內發生巨大得接近於無限的進步。一旦越過奇點，科技將超越科幻，我們無法預測技術的下一步，甚至預警其發生。
而強人工智能的自我學習，則極大推進了這一天的到來。
10 年，20 年，對於生命而言或許漫長，但放眼整個發展史，時間微不足道。就在當下，就在目前，沒人知道人工智能下一個突破會發生在世界的哪個角落。
正因如此，越來越多的行業巨人開始公開在媒體發聲：
引用霍金：人工智能會導致人類滅亡
比爾・蓋茨：人類需要敬畏人工智能的崛起
馬斯克：人工智能是人類生存最大威脅
而科幻作品中，作家早就思考過這個兩難問題。一方面，科技必須發展，人工智能勢必有一天能進化為智慧生命；另一方面，當某天人類不再能控制其發展時，無人知曉人工智能對待其造物者將是善意還是惡意。
我們已經見過太多關於機器人翻身、奴隸人類的未來故事，而事態一旦失控，或許正如霍金所言，“人類最終會滅亡”。
科幻大師阿西莫夫甚至在 1950 年就提出了著名的“機器人學三定律”，以解決小説中人工智能潛在的危險。
引用一、機器人不得傷害人，也不得見人受到傷害而袖手旁觀。
二、機器人應服從人的一切命令，但不得違反第一定律。
三、機器人應保護自身的安全，但不得違反第一、第二定律。
但現實不是科幻，非小説寥寥幾筆就能建立一個顛簸不破的社會規則。現實中的人工智能有太多的科技與倫理因素需要考慮了。機器人是否要納税？人類大規模失業問題如何解決？機器人安全性誰來保證……在一個智慧到令人生畏的科技生命面前，人類再多的歡呼與焦慮都不為過。
西方聖經裏講述，上帝創造萬物，在第六天按照自己的模樣捏造了亞當與夏娃。這是人類的起源。但故事裏沒有記載，千年過後，代表造物者的十字架被眾人虔拜過，也被眾人推倒過。在下一個造物的故事裏，人類將與智能生命同行。
而這段輝煌與彷徨，將與宇宙長青，或隨史詩終章而亡，無人知道。
未來知道，但未來不語。
題圖來自：3dm
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊