我們正處于一場關于人工智能的公開辯論中。

隨著一部描寫阿蘭·圖靈 (Alan Turing)的很受歡迎的電影的上映,以及關于自動駕駛汽車消息的發布,這場討論從去年秋天就開始了。和許多公開辯論一樣,這場討論源于恐懼。大多數的言論反映出一種擔憂:機器不久將取代人類,進而淘汰人類。去年12月,物理學家斯蒂芬·霍金(Stephen Hawking)₁ 在一檔 BBC節目中談到“人工智能的全面發展有可能預示著人類的終結”。貝寶 (Paypal) 創始人伊隆·馬斯克 (Elon Musk)₂ 的說法更具有煽動性, 他聲稱我們目前對人工智能的探索是在“召喚惡魔”。辯論忽略了一個事實——人工智能領域包含很多不同的觀點,許多研究者認為他們自己的工作是為了提高人類的生產力,而不是為了取代人類。

一般來講,我們可以把人工智能研究劃分為四大流派。每個流派的目標稍有不同,研究方法常常大相徑庭。第一個流派我們稱之為“傳統人工智能”。 這個流派確實試圖構建能復制人類行為的計算機系統,指責其想用機器取代人類還不算冤枉。傳統人工智能的歷史與計算科學一樣悠久,通常認為,它的創建者是像約翰·麥卡錫 (John McCarthy)₃ 和馬文·明斯基 (Marvin Minsky)₄ 等在20世紀50年代中期就職于麻省理工學院的那些人。

起初,傳統人工智能的研究者們關注自然語言 翻譯、符號推理(symbolicreasoning)和博弈論(game playing)等問題。這一流派發明了一些有趣且實用的技術,但常常沒有達到其自我設定的預期目標。這類早期系統的一個例子要算二十世紀七八十年代研究出來的專家系統 (expert systems)。專家系統本意是期望運用一套規則來記錄人類專家的經驗。這種系統的一個早期案例是試圖建立醫生診斷經驗的模型。它運行于一個受限的框架內,展現出類似于醫生的行為,但得出的診斷結果常常與醫療常規相悖。因此,很少看到這些專家系統取代醫生或者其他專家,不過它們為我們提供了有用的技術,在生產管理中得到了一些應用。

從一開始,傳統人工智能研究就因為設定的目標過高而陷入窘境。研究者們常常錯誤估計了為實現自己設定的目標所需要付出的努力。20世紀60年代,一些研究者從復制人類智能轉向研究能增強人類智能的計算機系統。通常認為這一領域的創建者是約瑟夫·利克萊德 (J. C. Licklider)₅,他曾在位于麻省劍橋的一個研究單位——博爾特·貝拉尼克-紐曼公司 (Bolt, Beranek and Newman Inc.)₆ 工作。他在一篇稱為“人機共生”(Man-Computer Symbiosis) 的論文中寫道,“希望用不了幾年,人的大腦和計算機器能夠緊密配合,由此形成的合作將是人類大腦從未想到過的,處理數據的方式將是我們當前所知的信息處理機器無法達到的。”

這個第二個領域逐漸發展成廣為人知的“人機 交互”(human computer interaction),它是當今計算機科學的幾個較大分支學科之一。相比于傳統人工智能,它提出的目標比較低調,在實現自己設立的預期目標方面做得較好。它在我們普遍使用的圖形用戶界面方面做出了貢獻,并在算法和流程上做了很多研究,正是這些研究才使得手機和移動平臺對我們有如此大的吸引力。

[[151455]]

第三個領域出現于20世紀80年代中期,被稱之為“機器學習”(machine learning)。這一領域的引領者們認識到,雖然傳統人工智能沒有實現它的目標,但是計算機系統所能達到的本應遠遠超過目前人機交互領域所完成的。機器學習創建者們的靈感可以追溯到卡內基梅隆大學司馬賀 (Herb Simon)₇ 的工作(不管怎么看,司馬賀確實是一個對計算領域有深遠影響力的貢獻者,他提出的思想影響了計算機科學許多方面的發展)。這一流派并不試圖復制人類智能,而是力圖開發“在執行某些類任務時能提高性能”的程序。他們收集信息,用這些信息改善自身的操作。

機器學習大量借鑒數理統計工具來開發各種不同的識別和分類算法。人工智能研究的先驅者之一, 愛德華·費根鮑姆 (Edward Feigenbaum)₈ 認為這些算法已被證明“相當成功”。它們被應用于實際系統中來識別目標、發現數據中的模式和開發用于機器人的策略。

人工智能的最后一個分支領域是一個最新的領域。它翻轉了計算機和人類的關系。在傳統人工智能中,計算機系統試圖復制人類的行為。而在這一領域, 人類試圖處理一些計算機尚無法處理的任務。醫療文件的記錄 (transcription) 或許就是一個最好的例子。許多醫療記錄系統依靠人工來記錄醫生所說的話,然后再用傳統的計算方法來處理這些信息。這個分支領域的創建者之一,卡內基梅隆大學教授路易斯·馮·安 (Luis von Ahn)₉,把這一領域稱為“人造的人工智能”(artificial artificial intelligence)。這一領域,更眾所周知的是“集體智慧”(collective intelligence)₁₀。

[[151456]]

集體智慧設計計算系統時,充分發揮了人類行為的兩個不同方面的優勢。首先,人類能以難以計算的方式識別出復雜模式。人類從這些模式中聯想, 進而推理得出復雜的結論。例如,一個簡單的旋律就能引發人腦一連串的想法。

其次,集體的知識廣度一般遠高于個人。集體擁有大量的觀點、假設和推導方法。經驗表明,這些不同的想法匯聚起來會帶來對問題更全面的理 解。根據該領域的創建者之一,麻省理工學院的教授湯姆·馬龍(Tom Malone,是麻省理工學院斯隆 管理學院教授,組織結構與團隊智能專家,MIT集體智慧研究中心主任)所說,“集體智慧就是由許多個人組成的群體以智能方式集體行動。”或許集體智慧最著名的產品之一就是在線百科全書——維基百科。維基百科由成千上萬的個人貢獻而成。由于它經常為人工智能系統提供常識性信息,所以與人工智能關系密切。IBM的那個會玩“危險邊緣”(Jeopardy!) 問答游戲的計算機系統沃森 (Watson),就是用維基百科作為它的主要信息來源。

所有這四個部分形成了人工智能領域。因此, 當我們討論人工智能將會怎樣改變人類以及人類社會時,實際上涉及到和人工智能有關的四種不同方法,每種方法有不同的前景。第一種方法想用計算機系統模擬人類智能,第二種想增強人類的智能, 第三種想從自然世界學習如何高效地執行任務,而最后一個則想聚合許多人一生的經驗。雖然看起來這四個領域都將徹底改變人類的體驗,但似乎也很難看出它們會完全取代人類。從本質上來說,人類的經驗依舊是這些方法創建的基礎。

就像斯蒂芬·霍金推測的,盡管人工智能不太可能取代人類,但它很可能會改變人類在社會中扮演的角色。這一現象被稱為“勞動力空心化” (hollowing of the work force)。計算機技術趨向于創造少數需要復雜技能的新工作和大量需要低技能的工作,但減少了需要中等技能的工作。當我們展望人工智能對人類的影響時,我們需要思考怎樣把人類勞動者與計算機創造的新的工作角色匹配到最佳,同時也要設計最適合人類社會的計算機。

腳注：

1. 斯蒂芬·霍金是英國劍橋大學著名物理學家,被譽為繼愛因斯坦之后最杰出的理論物理學家之一。
2. 伊隆·馬斯克是世界最大網上支付公司貝寶、可重復利用火箭與未來交通工具領域太空探索技術公司SpaceX、電動汽車公司特斯拉以及居家太陽能板公司SolarCity等的創始人。
3. 約翰·麥卡錫是世界上第一個人工智能實驗室創始人之一,1971年圖靈獎獲得者。
4. 馬文·明斯基是世界上第一個人工智能實驗室創始人之一,1969年圖靈獎獲得者。
5. 約瑟夫·利克萊德是Internet的設計者之一,麻省理工學院心理學和人工智能專家。
6. 該公司位于美國馬薩諸塞州(簡稱麻省)劍橋,曾參與ARPAnet網(Internet的前身)建設和維護。
7. 司馬賀是卡內基梅隆大學計算機科學與心理學教授,對政治、經濟、管理、心理和計算機等學科都有重大貢獻,因對經濟組織內決策過程的開創性研究榮獲1978年度諾貝爾經濟學獎,因對人工智能和人類心理識別等的基礎性研究榮獲1975年圖靈獎。
8. 愛德華·費根鮑姆,人工智能專家,最早倡導“知識工程”,證明了實現智能行為的主要手段在于知識,在多數實際情況下是特定領域的知識,榮獲1994年圖靈獎。
9. 路易斯·馮·安是美國青年計算機科學家,驗證碼的發明人之一。
10. 亦有譯作“群智”。