[[379264]]

人工智能（AI）的發(fā)展，讓機器替代人工的新聞越來越多：

 從2020年雙十一開始，淘寶將逐步啟用機器人送快遞，因為基于人工智能的自動駕駛技術已經成熟。

 在家用轎車之后，特斯拉發(fā)布了純電動無人駕駛卡車，未來AI將全面取代司機。

 亞馬遜和阿里都搞了無人商店，超市門口掃碼收錢的阿姨沒了，拿貨直接走人，錢從支付寶上自動扣。

 就連醫(yī)生、律師、記者這些專業(yè)能力要求高的工作，都可以用AI高效完成。

 人們越來越擔憂，我們今天的工作會被AI取代嗎？人類的未來將何去何從？這些問題，在《機器新腦》這本書中都有解答。

01

人工智能是如何被發(fā)明的？

 很長時間以來，我們對人腦的認識都停留在想象階段，直到19世紀70年代神經元染色技術的出現(xiàn)才開啟了現(xiàn)代神經科學。

 人腦中有1000億個神經元，這個數(shù)量超過整個銀河系所有恒星的總數(shù)。如果以集成電路作類比，2019年華為海思發(fā)布的ARM架構手機芯片“麒麟990”，晶體管數(shù)量103億。

 單比復雜度，手機芯片剛勉強達到人腦十分之一的水平。

 再對比性能，每個神經元平均有5000個突觸連接著其他神經元，每秒可產生約1000個脈沖信號。

 如果把每次神經信號傳輸?shù)葍r為一次“計算”的話，人腦的最大計算能力是50億億次，換算成衡量CPU性能的每秒浮點運算次數(shù)（FLOPS），相當于5億GFLOPS。

 就算世界排名第一的超級計算機——“天河二號”5000萬GFLOPS的恐怖算力，也只有人腦的十分之一。

 大腦中不同的數(shù)據(jù)分布在千億個神經元組成的龐大網(wǎng)絡中，彼此之間相互連接，這就是大腦的底層原理——神經網(wǎng)絡。

[[379265]]

神經元的結構很簡單，中間一只球形的細胞體，一頭長出許多細小而茂盛的神經纖維分支（稱為樹突），用來接收其他神經元傳來的信號，另一頭伸出一根長長的突起纖維（稱為軸突），用來把自己的信號傳給別人。

 神經元運作的原理可以抽象為一個水桶，當樹突灌進足夠多的水（信號），使得水位上升到足夠高（閾值）時，軸突這根水管才會噴發(fā)出水來（激發(fā)），而噴出來的水流進了下一只水桶（傳輸）。射完后，水位突然下降，要休息一段時間才能再次噴射（不應期）。

 用計算機也可以模擬神經網(wǎng)絡模型，哪怕一個神經元也可以當作一個決策系統(tǒng)。

 比如出去吃還是叫外賣，這個決策模型通常取決于3個因素：下雨嗎？遠不遠？和誰去？每個因素可以根據(jù)程度不同，用一個小數(shù)表示。

 比如第一項因素：X1=1.0代表晴空萬里，X1=0.5是多云轉小雨，X1=0代表瓢潑大雨，其他因素依次類推，最后設置閾值T=5，只要輸入總和大于T值，就決定出去吃；否則就叫外賣。

 只要有足夠的神經元，只要這些神經元組成足夠多的層級，再加上恰到好處的模型參數(shù)，神經網(wǎng)絡可以把任何輸入變成任何輸出。神經網(wǎng)絡的潛力遠遠超出基于邏輯門電路的傳統(tǒng)計算機。

 用硅晶和電力運行的機器版神經網(wǎng)絡，可以模仿依靠生物細胞構成的大腦版神經網(wǎng)絡，只是現(xiàn)在大部分情況下還沒能超過大腦的實力，但這孕育了無限的潛力。

02

玩世界上最難的游戲，機器比人強嗎？

 圍棋被認為是世界上最難的游戲，因為下圍棋共有種可能性，無異于探索思維的宇宙。

 2016年“阿爾法狗”與李世石的人機大戰(zhàn)，以4：1比分結束。這一刻標志著，從五子棋、魔方到象棋、圍棋等一切智力游戲，人類已經沒有一項是機器的對手。

 僅半年后，最新版本的AlphaGo——Master戰(zhàn)勝了十多位中韓世界冠軍，取得了60連勝。

 這一切源于2014年，谷歌收購位于倫敦的人工智能公司DeepMind，一年后AlphaGo誕生。

[[379266]]

AI是怎么下棋的呢？

 從最簡單的井字棋為例，第一步共有三種走法，對于這三種走法中的每一種，對手又會有各種應對結果，從而產生更多數(shù)量的棋局。

 電腦只需要一步步計算下去，把每種局面都推演一遍。井字棋總共只有26830種棋局，電腦很容易將每一種情況都推演到底，并記錄下輸贏結果（窮舉），下棋時盡量選擇自己能獲勝的分支就可以了。

 而國際象棋有64棋格，電腦每往下推演一個回合就要計算一千種可能的情況，每多推演一個回合計算量就會增加一千倍。無論什么樣的超級計算機，都扛不住這樣指數(shù)級增長的龐大計算量。

 而這就用到了評分算法，對每一種棋局進行優(yōu)勢評估，并得出量化的分值。AI不需要知道究竟走哪步棋能贏下比賽，只需要知道現(xiàn)在走哪步可以使得下一步的局面評分最高（優(yōu)勢最大）即可。

 而AlphaGo并不是用國際象棋一樣的評分算法下棋的，它是在用人類的方法下棋——學習。

 第一步是模仿人類。

 把3000萬步海量人類棋局做樣本，訓練出一個可以模擬人類下棋方式的深度神經網(wǎng)絡，學會人類的思維模式，根據(jù)棋局的變化主動變通。

 第二步是自我進化。

 用隨機的方式AlphaGo一天和自己下100萬盤棋。隨機的次數(shù)越多，偶然的成分越少。

 AlphaGo不斷探索棋盤上每一點、每一步的勝率，而在下一次模擬中，更加頻繁使用那些已知勝率較高的走法。每一次模擬后，AlphaGo都會比上一次聰明一點，這就是進化。

而在Master橫掃人類后，DeepMind開發(fā)最新版AlphaGo Zero，嘗試在沒有模仿人類的前提下，用自我迭代的方式，從零開始進化，純靠自我博弈。40天后，它超越了過去所有版本AlphaGo，成為當之無愧的圍棋之神。

很多人已經感受到，未來被AI支配的恐懼。

DeepMind官網(wǎng)披露的下一個項目DeepMind Health，它能夠檢查腎病病人的驗血結果，并量身定制治療方案。可以通過普通X光片，自動檢測患者是否患有早期乳腺癌。

一切職業(yè)做的事無非是學習和決策，沒有什么在理論上不可能被機器取代的職業(yè)。谷歌和DeepMind團隊的目標就是，研發(fā)解決一切問題的“強人工智能”。

03

人工智能時代，人類命運將何去何從？

20世紀80年代，美國加州的高科技密集地區(qū)，被一個神秘的連環(huán)殺手頻繁襲擊。

炸彈狂魔一共寄出16枚炸彈，炸死3人，炸傷23人，但破案一直沒有任何線索。直到1995年，連環(huán)殺手要求在《紐約時報》和《華盛頓郵報》上發(fā)表一篇文章，題目是《工業(yè)社會及其未來》。

他描繪了工業(yè)社會發(fā)展帶來的悲觀結局，他認為強人工智能會統(tǒng)治世界自主決策。

“隨著社會及其面臨的問題變得越來越復雜，而機器變得越來越聰明，人們會讓機器替他們做更多的決策，僅僅因為機器作出的決策會比人做的決策帶來更好的結果。
最后，維持體系運行所必需的決策已變得如此之復雜，以致人類已無能力明智地進行決策，機器實質上已處于控制地位。人們已無法把機器關上，因為我們已如此地依賴機器，關上它們就等于自殺。”

炸彈狂魔叫卡辛斯基，他后來被逮捕判終身監(jiān)禁。但二十多年后，他的預言已經逐漸變成現(xiàn)實。我們能在網(wǎng)上搜索信息，但能搜到什么，不能搜到什么，是由搜索引擎的算法決定的。

我們在購物網(wǎng)站上看到的商品，是機器根據(jù)我們的瀏覽偏好數(shù)據(jù)生成的。毫不夸張地說，今天看到的信息世界，就是機器造出來給你看的世界。

[[379267]]

很多人覺得，目前我們是能夠關掉機器的，但我們已經越來越不愿關掉機器了，我們已經嚴重地依賴互聯(lián)網(wǎng)。

也許有一天，我們會變得真的不能關掉機器，淘寶這樣級別的大型互聯(lián)網(wǎng)服務的背后，是上萬臺乃至百萬臺服務器集群構成的云計算平臺，一臺服務器宕機不會對網(wǎng)站整體造成任何影響。 

如果把云計算平臺和能源系統(tǒng)對接到一起，讓機房學會自己發(fā)電、充電、維護、升級，那么即使想關掉機器，機器也不會讓我們關。

如果真到了“人類的命運全憑機器發(fā)落”的時候，我們完全無法預知，這種智力無限超越人類，而基因上沒有任何親緣關系的物種，究竟會如何對待我們。 

而眼下機器正在取代人類的工作，司機、售貨員、股票交易員、推銷員、搬運工、醫(yī)生、記者、律師這些職業(yè)，已經成為瀕臨滅絕的高危職業(yè)。

從長期看，只有在某學科天賦異稟、深耕前沿領域的“專才”，和學習能力超強、十八般武藝融會貫通的“通才”，才能夠在弱人工智能時代立于不敗之地。

如果繼續(xù)發(fā)展人工智能，我們會被機器取代，而如果停止發(fā)展，我們就會被那些發(fā)展人工智能的人取代。

為了爭奪巨大的競爭優(yōu)勢和豐厚的利潤，世界各地正在爆發(fā)軍備競賽般的技術熱潮。 

無論前方是刀山還是火海，會有越來越多的人前赴后繼地奔赴新世界。因為對于我們，落后無異于死亡。 

那個屬于人類的真正命運，是由我們自己親手寫就的，而它尚未注定。