人工智能很可能導(dǎo)致人類的永生或者滅絕,而這一切很可能在我們的有生之年發(fā)生。 我們正站在變革的邊緣,而這次變革將和人類的出現(xiàn)一般意義重大—— Vernor Vinge 如果你站在這里,你會(huì)是什么感覺? 看上去非常刺激吧?但是你要記住,當(dāng)你真的站在時(shí)間的圖表中的時(shí)候,你是看不到曲線的右邊的,因?yàn)槟闶强床坏轿磥淼?。所以你真?shí)的感覺大概是這樣的: 稀松平常。 遙 遠(yuǎn)的未來——就在眼前 想象一下坐時(shí)間機(jī)器回到1750年的地球,那個(gè)時(shí)代沒有電,暢通通訊基本靠吼,交通主要靠動(dòng)物拉著跑。你在那個(gè)時(shí)代邀請(qǐng)了一個(gè)叫老王的人到2015年來玩,順便看看他對(duì)“未來”有什么感受。我們可能沒有辦法了解1750年的老王內(nèi)心的感受——金屬鐵殼在寬敞的公路上飛馳,和太平洋另一頭的人聊天,看幾千公里外正在發(fā)生進(jìn)行的體育比賽,觀看一場發(fā)生于半個(gè)世紀(jì)前的演唱會(huì),從口袋里掏出一個(gè)黑色長方形工具把眼前發(fā)生的事情記錄下來,生成一個(gè)地圖然后地圖上有個(gè)藍(lán)點(diǎn)告訴你現(xiàn)在的位置,一邊看著地球另一邊的人的臉一邊聊天,以及其它各種各樣的黑科技。別忘了,你還沒跟他解釋互聯(lián)網(wǎng)、國際空間站、大型強(qiáng)子對(duì)撞機(jī)、核武器以及相對(duì)論。 這時(shí)候的老王會(huì)是什么體驗(yàn)?驚訝、震驚、腦洞大開這些詞都太溫順了,我覺得老王很可能直接被嚇尿了。 但是,如果老王回到了1750年,然后覺得被嚇尿是個(gè)很囧的體驗(yàn),于是他也想把別人嚇尿來滿足一下自己,那會(huì)發(fā)生什么?于是老王也回到了250年前的1500年,邀請(qǐng)生活在1500年的小李去1750年玩一下。小李可能會(huì)被250年后的很多東西震驚,但是至少他不會(huì)被嚇尿。同樣是250來年的時(shí)間,1750和2015年的差別,比1500年和1750年的差別,要大得多了。1500年的小李可能能學(xué)到很多神奇的物理知識(shí),可能會(huì)驚訝于歐洲的帝國主義旅程,甚至對(duì)于世界地圖的認(rèn)知也會(huì)大大的改變,但是1500年的小李,看到1750年的交通、通訊等等,并不會(huì)被嚇尿。 所以說,對(duì)于1750年的老王來說,要把人嚇尿,他需要回到更古老的過去——比如回到公元前12000年,第一次農(nóng)業(yè)革命之前。那個(gè)時(shí)候還沒有城市,也還沒有文明。一個(gè)來自狩獵采集時(shí)代的人類,只是當(dāng)時(shí)眾多物種中的一個(gè)罷了,來自那個(gè)時(shí)代的小趙看到1750年龐大的人類帝國,可以航行于海洋上的巨艦,居住在“室內(nèi)”,無數(shù)的收藏品,神奇的知識(shí)和發(fā)現(xiàn)——他很有可能被嚇尿。 小趙被嚇尿后如果也想做同樣的事情呢?如果他會(huì)到公元前24000年,找到那個(gè)時(shí)代的小錢,然后給他展示公元前12000年的生活會(huì)怎樣呢。小錢大概會(huì)覺得小趙是吃飽了沒事干——“這不跟我的生活差不多么,呵呵”。小趙如果要把人嚇尿,可能要回到十萬年前或者更久,然后用人類對(duì)火和語言的掌控來把對(duì)方嚇尿。 所以,一個(gè)人去到未來,并且被嚇尿,他們需要滿足一個(gè)“嚇尿單位”。滿足嚇尿單位所需的年代間隔是不一樣的。在狩獵采集時(shí)代滿足一個(gè)嚇尿單位需要超過十萬年,而工業(yè)革命后一個(gè)嚇尿單位只要兩百多年就能滿足。 未來學(xué)家Ray Kurzweil把這種人類的加速發(fā)展稱作加速回報(bào)定律(Law of Accelerating Returns)。之所以會(huì)發(fā)生這種規(guī)律,是因?yàn)橐粋€(gè)更加發(fā)達(dá)的社會(huì),能夠繼續(xù)發(fā)展的能力也更強(qiáng),發(fā)展的速度也更快——這本就是更加發(fā)達(dá)的一個(gè)標(biāo)準(zhǔn)。19世紀(jì)的人們比15世紀(jì)的人們懂得多得多,所以19世紀(jì)的人發(fā)展起來的速度自然比15世紀(jì)的人更快。 即使放到更小的時(shí)間規(guī)模上,這個(gè)定律依然有效。著名電影《回到未來》中,生活在1985年的主角回到了1955年。當(dāng)主角回到1955年的時(shí)候,他被電視剛出現(xiàn)時(shí)的新穎、便宜的物價(jià)、沒人喜歡電吉他、俚語的不同而震驚。 但是如果這部電影發(fā)生在2015年,回到30年前的主角的震驚要比這大得多。一個(gè)2000年左右出生的人,回到一個(gè)沒有個(gè)人電腦、互聯(lián)網(wǎng)、手機(jī)的1985年,會(huì)比從1985年回到1955年的主角看到更大的區(qū)別。 這同樣是因?yàn)榧铀倩貓?bào)定律。1985年-2015年的平均發(fā)展速度,要比1955年-1985年的平均發(fā)展速度要快,因?yàn)?985年的世界比1955年的更發(fā)達(dá),起點(diǎn)更高,所以過去30年的變化要大過之前30年的變化。 進(jìn)步越來越大,發(fā)生的越來越快,也就是說我們的未來會(huì)很有趣對(duì)吧? 未來學(xué)家Kurzweil認(rèn)為整個(gè)20世紀(jì)100年的進(jìn)步,按照2000年的速度只要20年就能達(dá)成——2000年的發(fā)展速度是20世紀(jì)平均發(fā)展速度的5倍。他認(rèn)為2000年開始只要花14年就能達(dá)成整個(gè)20世紀(jì)一百年的進(jìn)步,而之后2014年開始只要花7年(2021年),就能達(dá)到又一個(gè)20世紀(jì)一百年的進(jìn)步。幾十年之后,我們每年都能達(dá)成好幾次相當(dāng)于整個(gè)20世紀(jì)的發(fā)展,再往后,說不定每個(gè)月都能達(dá)成一次。按照加速回報(bào)定,Kurzweil認(rèn)為人類在21世紀(jì)的進(jìn)步將是20世紀(jì)的1000倍。 如果Kurzweil等人的想法是正確的,那2030年的世界可能就能把我們嚇尿了——下一個(gè)嚇尿單位可能只需要十幾年,而2050年的世界會(huì)變得面目全非。 你可能覺得2050年的世界會(huì)變得面目全非這句話很可笑,但是這不是科幻,而是比你我聰明很多的科學(xué)家們相信的,而且從歷史來看,也是邏輯上可以預(yù)測的。 那么為什么你會(huì)覺得“2050年的世界會(huì)變得面目全非” 這句話很可笑呢?有三個(gè)原因讓你質(zhì)疑對(duì)于未來的預(yù)測: 1. 我們對(duì)于歷史的思考是線性的。當(dāng)我們考慮未來35年的變化時(shí),我們參照的是過去35年發(fā)生的事情。當(dāng)我們考慮21世紀(jì)能產(chǎn)生的變化的時(shí)候,我們參考的是20世紀(jì)發(fā)生的變化。這就好像1750年的老王覺得1500年的小李在1750年能被嚇尿一樣。線性思考是本能的,但是但是考慮未來的時(shí)候我們應(yīng)該指數(shù)地思考。一個(gè)聰明人不會(huì)把過去35年的發(fā)展作為未來35年的參考,而是會(huì)看到當(dāng)下的發(fā)展速度,這樣預(yù)測的會(huì)更準(zhǔn)確一點(diǎn)。當(dāng)然這樣還是不夠準(zhǔn)確,想要更準(zhǔn)確,你要想象發(fā)展的速度會(huì)越來越快。 2. 近期的歷史很可能對(duì)人產(chǎn)生誤導(dǎo)。首先,即使是坡度很高的指數(shù)曲線,只要你截取的部分夠短,看起來也是很線性的,就好像你截取圓周的很小一塊,看上去就是和直線差不多。其次,指數(shù)增長不是平滑統(tǒng)一的,發(fā)展常常遵循S曲線。 S曲線發(fā)生在新范式傳遍世界的時(shí)候,S曲線分三部分 - 慢速增長(指數(shù)增長初期) - 快速增長(指數(shù)增長的快速增長期) - 隨著新范式的成熟而出現(xiàn)的平緩期 如果你只看近期的歷史,你很可能看到的是S曲線的某一部分,而這部分可能不能說明發(fā)展究竟有多快速。1995-2007年是互聯(lián)網(wǎng)爆炸發(fā)展的時(shí)候,微軟、谷歌、臉書進(jìn)入了公眾視野,伴隨著的是社交網(wǎng)絡(luò)、手機(jī)的出現(xiàn)和普及、智能手機(jī)的出現(xiàn)和普及,這一段時(shí)間就是S曲線的快速增長期。2008-2015年發(fā)展沒那么迅速,至少在技術(shù)領(lǐng)域是這樣的。如果按照過去幾年的發(fā)展速度來估計(jì)當(dāng)下的發(fā)展速度,可能會(huì)錯(cuò)得離譜,因?yàn)楹苡锌赡芟乱粋€(gè)快速增長期正在萌芽。 3. 個(gè)人經(jīng)驗(yàn)使得我們對(duì)于未來預(yù)期過于死板。我們通過自身的經(jīng)驗(yàn)來產(chǎn)生世界觀,而經(jīng)驗(yàn)把發(fā)展的速度烙印在了我們腦中——“發(fā)展就是這么個(gè)速度的。”我們還會(huì)受限于自己的想象力,因?yàn)橄胂罅νㄟ^過去的經(jīng)驗(yàn)來組成對(duì)未來的預(yù)測——但是我們知道的東西是不足以幫助我們預(yù)測未來的。當(dāng)我們聽到一個(gè)和我們經(jīng)驗(yàn)相違背的對(duì)于未來的預(yù)測時(shí),我們就會(huì)覺得這個(gè)預(yù)測偏了。如果我現(xiàn)在跟你說你可以活到150歲,250歲,甚至?xí)郎?,你是不是覺得我在扯淡——“自古以來,所有人都是會(huì)死的。”是的,過去從來沒有人永生過,但是飛機(jī)發(fā)明之前也沒有人坐過飛機(jī)呀。 接下來的內(nèi)容,你可能一邊讀一邊心里“呵呵”,而且這些內(nèi)容可能真的是錯(cuò)的。但是如果我們是真的從歷史規(guī)律來進(jìn)行邏輯思考的,我們的結(jié)論就應(yīng)該是未來的幾十年將發(fā)生比我們預(yù)期的多得多得多得多的變化。同樣的邏輯也表明,如果人類這個(gè)地球上最發(fā)達(dá)的物種能夠越走越快,總有一天,他們會(huì)邁出徹底改變“人類是什么”這一觀點(diǎn)的一大步,就好像自然進(jìn)化不不斷朝著智能邁步,并且最終邁出一大步產(chǎn)生了人類,從而完全改變了其它所有生物的命運(yùn)。如果你留心一下近來的科技進(jìn)步的話,你會(huì)發(fā)現(xiàn),到處都暗示著我們對(duì)于生命的認(rèn)知將要被接下來的發(fā)展而徹底改變。 通 往超級(jí)智能之路 如果你一直以來把人工智能(AI)當(dāng)做科幻小說,但是近來卻不但聽到很多正經(jīng)人嚴(yán)肅的討論這個(gè)問題,你可能也會(huì)困惑。這種困惑是有原因的: 1.我們總是把人工智能和電影想到一起。星球大戰(zhàn)、終結(jié)者、2001:太空漫游等等。電影是虛構(gòu)的,那些電影角色也是虛構(gòu)的,所以我們總是覺得人工智能缺乏真實(shí)感。 2.人工智能是個(gè)很寬泛的話題。從手機(jī)上的計(jì)算器到無人駕駛汽車,到未來可能改變世界的重大變革,人工智能可以用來描述很多東西,所以人們會(huì)有疑惑。 3.我們?nèi)粘I钪幸呀?jīng)每天都在使用人工智能了,只是我們沒意識(shí)到而已。John McCarthy,在1956年最早使用了人工智能(Artificial Intelligence)這個(gè)詞。他總是抱怨“一旦一樣?xùn)|西用人工智能實(shí)現(xiàn)了,人們就不再叫它人工智能了。” 因?yàn)檫@種效應(yīng),所以人工智能聽起來總讓人覺得是未來的神秘存在,而不是身邊已經(jīng)存在的現(xiàn)實(shí)。同時(shí),這種效應(yīng)也讓人們覺得人工智能是一個(gè)從未被實(shí)現(xiàn)過的流行理念。Kurzweil提到經(jīng)常有人說人工智能在80年代就被遺棄了,這種說法就好像“互聯(lián)網(wǎng)已經(jīng)在21世紀(jì)初互聯(lián)網(wǎng)泡沫爆炸時(shí)死去了”一般滑稽。 所以,讓我們從頭開始。 首先,不要一提到人工智能就想著機(jī)器人。機(jī)器人只是人工智能的容器,機(jī)器人有時(shí)候是人形,有時(shí)候不是,但是人工智能自身只是機(jī)器人體內(nèi)的電腦。人工智能是大腦的話,機(jī)器人就是身體——而且這個(gè)身體不一定是必需的。比如說Siri背后的軟件和數(shù)據(jù)是人工智能,Siri說話的聲音是這個(gè)人工智能的人格化體現(xiàn),但是Siri本身并沒有機(jī)器人這個(gè)組成部分。 其次,你可能聽過“奇點(diǎn)”或者“技術(shù)奇點(diǎn)”這種說法。這種說法在數(shù)學(xué)上用來描述類似漸進(jìn)的情況,這種情況下通常的規(guī)律就不適用了。這種說法同樣被用在物理上來描述無限小的高密度黑洞,同樣是通常的規(guī)律不適用的情況。Kurzweil則把奇點(diǎn)定義為加速回報(bào)定律達(dá)到了極限,技術(shù)進(jìn)步以近乎無限的速度發(fā)展,而奇點(diǎn)之后我們將在一個(gè)完全不同的世界生活的。但是當(dāng)下的很多思考人工智能的人已經(jīng)不再用奇點(diǎn)這個(gè)說法了,而且這種說法很容易把人弄混,所以本文也盡量少用。 最后,人工智能的概念很寬,所以人工智能也分很多種,我們按照人工智能的實(shí)力將其分成三大類。 弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅長于單個(gè)方面的人工智能。比如有能戰(zhàn)勝象棋世界冠軍的人工智能,但是它只會(huì)下象棋,你要問它怎樣更好地在硬盤上儲(chǔ)存數(shù)據(jù),它就不知道怎么回答你了。 強(qiáng)人工智能Artificial General Intelligence (AGI): 人類級(jí)別的人工智能。強(qiáng)人工智能是指在各方面都能和人類比肩的人工智能,人類能干的腦力活它都能干。創(chuàng)造強(qiáng)人工智能比創(chuàng)造弱人工智能難得多,我們現(xiàn)在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力,能夠進(jìn)行思考、計(jì)劃、解決問題、抽象思維、理解復(fù)雜理念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)等操作。”強(qiáng)人工智能在進(jìn)行這些操作時(shí)應(yīng)該和人類一樣得心應(yīng)手。 超人工智能Artificial Superintelligence (ASI): 牛津哲學(xué)家,知名人工智能思想家Nick Bostrom把超級(jí)智能定義為“在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多,包括科學(xué)創(chuàng)新、通識(shí)和社交技能。”超人工智能可以是各方面都比人類強(qiáng)一點(diǎn),也可以是各方面都比人類強(qiáng)萬億倍的。超人工智能也正是為什么人工智能這個(gè)話題這么火熱的緣故,同樣也是為什么永生和滅絕這兩個(gè)詞會(huì)在本文中多次出現(xiàn)。 現(xiàn)在,人類已經(jīng)掌握了弱人工智能。其實(shí)弱人工智能無處不在,人工智能革命是從弱人工智能,通過強(qiáng)人工智能,最終到達(dá)超人工智能的旅途。這段旅途中人類可能會(huì)生還下來,可能不會(huì),但是無論如何,世界將變得完全不一樣。 讓我們來看看這個(gè)領(lǐng)域的思想家對(duì)于這個(gè)旅途是怎么看的,以及為什么人工智能革命可能比你想的要近得多。 我們現(xiàn)在的位置——充滿了弱人工智能的世界 弱人工智能是在特定領(lǐng)域等同或者超過人類智能/效率的機(jī)器智能,一些常見的例子: 汽車上有很多的弱人工智能系統(tǒng),從控制防抱死系統(tǒng)的電腦,到控制汽油注入?yún)?shù)的電腦。谷歌正在測試的無人駕駛車,就包括了很多弱人工智能,這些弱人工智能能夠感知周圍環(huán)境并作出反應(yīng)。 你的手機(jī)也充滿了弱人工智能系統(tǒng)。當(dāng)你用地圖軟件導(dǎo)航,接受音樂電臺(tái)推薦,查詢明天的天氣,和Siri聊天,以及其它很多很多應(yīng)用,其實(shí)都是弱人工智能。 垃圾郵件過濾器是一種經(jīng)典的弱人工智能——它一開始就加載了很多識(shí)別垃圾郵件的智能,并且它會(huì)學(xué)習(xí)并且根據(jù)你的使用而獲得經(jīng)驗(yàn)。智能室溫調(diào)節(jié)也是一樣,它能根據(jù)你的日常習(xí)慣來智能調(diào)節(jié)。 你在上網(wǎng)時(shí)候出現(xiàn)的各種其它電商網(wǎng)站的產(chǎn)品推薦,還有社交網(wǎng)站的好友推薦,這些都是弱人工智能的組成的,弱人工智能聯(lián)網(wǎng)互相溝通,利用你的信息來進(jìn)行推薦。網(wǎng)購時(shí)出現(xiàn)的“買這個(gè)商品的人還購買了”推薦,其實(shí)就是收集數(shù)百萬用戶行為然后產(chǎn)生信息來賣東西給你的弱人工智能。 谷歌翻譯也是一種經(jīng)典的人工智能——非常擅長單個(gè)領(lǐng)域。聲音識(shí)別也是一種。很多軟件利用這兩種智能的合作,使得你能對(duì)著手機(jī)說中文,手機(jī)直接給你翻譯成英文。 當(dāng)飛機(jī)著陸時(shí)候,不是一個(gè)人類決定飛機(jī)該去那個(gè)登機(jī)口接駁。就好像你在網(wǎng)上買票時(shí)票據(jù)不是一個(gè)人類決定的。 世界最強(qiáng)的跳棋、象棋、拼字棋、雙陸棋和黑白棋選手都是弱人工智能。 谷歌搜索是一個(gè)巨大的弱人工智能,背后是非常復(fù)雜的排序方法和內(nèi)容檢索。社交網(wǎng)絡(luò)的新鮮事同樣是這樣。 這些還只是消費(fèi)級(jí)產(chǎn)品的例子。軍事、制造、金融(高頻算法交易占到了美國股票交易的一半)等領(lǐng)域廣泛運(yùn)用各種復(fù)雜的弱人工智能。專業(yè)系統(tǒng)也有,比如幫助醫(yī)生診斷疾病的系統(tǒng),還有著名的IBM的華生,儲(chǔ)存了大量事實(shí)數(shù)據(jù),還能理解主持人的提問,在競猜節(jié)目中能夠戰(zhàn)勝最厲害的參賽者。 現(xiàn)在的弱人工智能系統(tǒng)并不嚇人。最糟糕的情況,無非是代碼沒寫好,程序出故障,造成了單獨(dú)的災(zāi)難,比如造成停電、核電站故障、金融市場崩盤等等。 雖然現(xiàn)在的弱人工智能沒有威脅我們生存的能力,我們還是要懷著警惕的觀點(diǎn)看待正在變得更加龐大和復(fù)雜的弱人工智能的生態(tài)。每一個(gè)弱人工智能的創(chuàng)新,都在給通往強(qiáng)人工智能和超人工智能的旅途添磚加瓦。用Aaron Saenz的觀點(diǎn),現(xiàn)在的弱人工智能,就是地球早期軟泥中的氨基酸——沒有動(dòng)靜的物質(zhì),突然之間就組成了生命。 弱人工智能到強(qiáng)人工智能之路 為什么這條路很難走。 只有明白創(chuàng)造一個(gè)人類智能水平的電腦是多么不容易,才能讓你真的理解人類的智能是多么不可思議。造摩天大樓、把人送入太空、明白宇宙大爆炸的細(xì)節(jié)——這些都比理解人類的大腦,并且創(chuàng)造個(gè)類似的東西要簡單太多了。至今為止,人類的大腦是我們所知宇宙中最復(fù)雜的東西。 而且創(chuàng)造強(qiáng)人工智能的難處,并不是你本能認(rèn)為的那些。 造一個(gè)能在瞬間算出十位數(shù)乘法的計(jì)算機(jī)——非常簡單 造一個(gè)能分辨出一個(gè)動(dòng)物是貓還是狗的計(jì)算機(jī)——極端困難 造一個(gè)能戰(zhàn)勝世界象棋冠軍的電腦——早就成功了 造一個(gè)能夠讀懂六歲小朋友的圖片書中的文字,并且了解那些詞匯意思的電腦——谷歌花了幾十億美元在做,還沒做出來 一些我們覺得困難的事情——微積分、金融市場策略、翻譯等,對(duì)于電腦來說都太簡單了 我們覺得容易的事情——視覺、動(dòng)態(tài)、移動(dòng)、直覺——對(duì)電腦來說太TM的難了 用計(jì)算機(jī)科學(xué)家Donald Knuth的說法,“人工智能已經(jīng)在幾乎所有需要思考的領(lǐng)域超過了人類,但是在那些人類和其它動(dòng)物不需要思考就能完成的事情上,還差得很遠(yuǎn)。” 讀者應(yīng)該能很快意識(shí)到,那些對(duì)我們來說很簡單的事情,其實(shí)是很復(fù)雜的,它們看上去很簡單,因?yàn)樗鼈円呀?jīng)在動(dòng)物進(jìn)化的過程中經(jīng)歷了幾億年的優(yōu)化了。當(dāng)你舉手拿一件東西的時(shí)候,你肩膀、手肘、手腕里的肌肉、肌腱和骨頭,瞬間就進(jìn)行了一組復(fù)雜的物理運(yùn)作,這一切還配合著你的眼睛的運(yùn)作,使得你的手能都在三維空間中進(jìn)行直線運(yùn)作。對(duì)你來說這一切輕而易舉,因?yàn)樵谀隳X中負(fù)責(zé)處理這些的“軟件”已經(jīng)很完美了。同樣的,軟件很難識(shí)別網(wǎng)站的驗(yàn)證碼,不是因?yàn)檐浖溃∏∠喾?,是因?yàn)槟軌蜃x懂驗(yàn)證碼是件碉堡了的事情。 同樣的,大數(shù)相乘、下棋等等,對(duì)于生物來說是很新的技能,我們還沒有幾億年的世界來進(jìn)化這些能力,所以電腦很輕易的就擊敗了我們。試想一下,如果讓你寫一個(gè)程序,是一個(gè)能做大數(shù)相乘的程序容易寫,還是能夠識(shí)別千千萬萬種字體和筆跡下書寫的英文字母的程序難寫? 比如看著下面這個(gè)圖的時(shí)候,你和電腦都能識(shí)別出這是一個(gè)由兩種顏色的小長方形組成的一個(gè)大長方形。 你和電腦打了個(gè)平手。接著我們把途中的黑色部分去除: 你可以輕易的描述圖形中透明或不透明的圓柱和3D圖形,但是電腦就看不出來了。電腦會(huì)描述出2D的陰影細(xì)節(jié),但是人腦卻能夠把這些陰影所展現(xiàn)的深度、陰影混合、房屋燈光解讀出來。 再看下面這張圖,電腦看到的是黑白灰,我們看到的卻是一塊全黑的石頭。 而且,我們到現(xiàn)在談的還是靜態(tài)不變的信息。要想達(dá)到人類級(jí)別的智能,電腦必須要理解更高深的東西,比如微小的臉部表情變化,開心、放松、滿足、滿意、高興這些類似情緒間的區(qū)別,以及為什么《布達(dá)佩斯大飯店》是好電影,而《富春山居圖》是爛電影。 想想就很難吧?我們要怎樣才能達(dá)到這樣的水平呢? 通往強(qiáng)人工智能的第一步:增加電腦處理速度 要達(dá)到強(qiáng)人工智能,肯定要滿足的就是電腦硬件的運(yùn)算能力。如果一個(gè)人工智能要像人腦一般聰明,它至少要能達(dá)到人腦的運(yùn)算能力。 用來描述運(yùn)算能力的單位叫作cps(calculations per second,每秒計(jì)算次數(shù)),要計(jì)算人腦的cps只要了解人腦中所有結(jié)構(gòu)的最高cps,然后加起來就行了。 Kurzweil把對(duì)于一個(gè)結(jié)構(gòu)的最大cps的專業(yè)估算,然后考慮這個(gè)結(jié)構(gòu)占整個(gè)大腦的重量,做乘法,來得出人腦的cps。聽起來不太靠譜,但是Kurzweil用了對(duì)于不同大腦區(qū)域的專業(yè)估算值,得出的最終結(jié)果都非常類似,是10^16 cps,也就是1億億次計(jì)算每秒。 現(xiàn)在最快的超級(jí)計(jì)算機(jī),中國的天河二號(hào),其實(shí)已經(jīng)超過這個(gè)運(yùn)算力了,天河每秒能進(jìn)行3.4億億。當(dāng)然,天河二號(hào)占地720平方米,耗電2400萬瓦,耗費(fèi)了3.9億美元建造。廣泛應(yīng)用就不提了,即使是大部分商業(yè)或者工業(yè)運(yùn)用也是很貴的。 Kurzweil認(rèn)為考慮電腦的發(fā)展程度的標(biāo)桿是看1000美元能買到多少cps,當(dāng)1000美元能買到人腦級(jí)別的1億億運(yùn)算能力的時(shí)候,強(qiáng)人工智能可能就是生活的一部分了。 摩爾定律認(rèn)為全世界的電腦運(yùn)算能力每兩年就翻一倍,這一定律有歷史數(shù)據(jù)所支持,這同樣表明電腦硬件的發(fā)展和人類發(fā)展一樣是指數(shù)級(jí)別的。我們用這個(gè)定律來衡量1000美元什么時(shí)候能買到1億億cps。現(xiàn)在1000美元能買到10萬億cps,和摩爾定律的歷史預(yù)測相符合。 也就是說現(xiàn)在1000美元能買到的電腦已經(jīng)強(qiáng)過了老鼠,并且達(dá)到了人腦千分之一的水平。聽起來還是弱爆了,但是,讓我們考慮一下,1985年的時(shí)候,同樣的錢只能買到人腦萬億分之一的cps,1995年變成了十億分之一,2005年是百萬分之一,而2015年已經(jīng)是千分之一了。按照這個(gè)速度,我們到2025年就能花1000美元買到可以和人腦運(yùn)算速度抗衡的電腦了。 至少在硬件上,我們已經(jīng)能夠強(qiáng)人工智能了(中國的天河二號(hào)),而且十年以內(nèi),我們就能以低廉的價(jià)格買到能夠支持強(qiáng)人工智能的電腦硬件。 但是運(yùn)算能力并不能讓電腦變得智能,下一個(gè)問題是,我們怎樣利用這份運(yùn)算能力來達(dá)成人類水平的智能。 通往強(qiáng)人工智能的第二步:讓電腦變得智能 這一步比較難搞。事實(shí)上,沒人知道該怎么搞——我們還停留在爭論怎么讓電腦分辨《富春山居圖》是部爛片的階段。但是,現(xiàn)在有一些策略,有可能會(huì)有效。下面是最常見的三種策略: 1) 抄襲人腦 就好像你班上有一個(gè)學(xué)霸。你不知道為什么學(xué)霸那么聰明,為什么考試每次都滿分。雖然你也很努力的學(xué)習(xí),但是你就是考的沒有學(xué)霸好。最后你決定“老子不干了,我直接抄他的考試答案好了。”這種“抄襲”是有道理的,我們想要建造一個(gè)超級(jí)復(fù)雜的電腦,但是我們有人腦這個(gè)范本可以參考呀。 科學(xué)界正在努力逆向工程人腦,來理解生物進(jìn)化是怎么造出這么個(gè)神奇的東西的,樂觀的估計(jì)是我們在2030年之前能夠完成這個(gè)任務(wù)。一旦這個(gè)成就達(dá)成,我們就能知道為什么人腦能夠如此高效、快速的運(yùn)行,并且能從中獲得靈感來進(jìn)行創(chuàng)新。一個(gè)電腦架構(gòu)模擬人腦的例子就是人工神經(jīng)網(wǎng)絡(luò)。它是一個(gè)由晶體管作為“神經(jīng)”組成的網(wǎng)絡(luò),晶體管和其它晶體管互相連接,有自己的輸入、輸出系統(tǒng),而且什么都不知道——就像一個(gè)嬰兒的大腦。接著它會(huì)通過做任務(wù)來自我學(xué)習(xí),比如識(shí)別筆跡。最開始它的神經(jīng)處理和猜測會(huì)是隨機(jī)的,但是當(dāng)它得到正確的回饋后,相關(guān)晶體管之間的連接就會(huì)被加強(qiáng);如果它得到錯(cuò)誤的回饋,連接就會(huì)變?nèi)?。?jīng)過一段時(shí)間的測試和回饋后,這個(gè)網(wǎng)絡(luò)自身就會(huì)組成一個(gè)智能的神經(jīng)路徑,而處理這項(xiàng)任務(wù)的能力也得到了優(yōu)化。人腦的學(xué)習(xí)是類似的過程,不過比這復(fù)雜一點(diǎn),隨著我們對(duì)大腦研究的深入,我們將會(huì)發(fā)現(xiàn)更好的組建神經(jīng)連接的方法。 更加極端的“抄襲”方式是“整腦模擬”。具體來說就是把人腦切成很薄的片,用軟件來準(zhǔn)確的組建一個(gè)3D模型,然后把這個(gè)模型裝在強(qiáng)力的電腦上。如果能做成,這臺(tái)電腦就能做所有人腦能做的事情——只要讓它學(xué)習(xí)和吸收信息就好了。如果做這事情的工程師夠厲害的話,他們模擬出來的人腦甚至?xí)性救四X的人格和記憶,電腦模擬出的人腦就會(huì)像原本的人腦一樣——這就是非常符合人類標(biāo)準(zhǔn)的強(qiáng)人工智能,然后我們就能把它改造成一個(gè)更加厲害的超人工智能了。 我們離整腦模擬還有多遠(yuǎn)呢?至今為止,我們剛剛能夠模擬1毫米長的扁蟲的大腦,這個(gè)大腦含有302個(gè)神經(jīng)元。人類的大腦有1000億個(gè)神經(jīng)元,聽起來還差很遠(yuǎn)。但是要記住指數(shù)增長的威力——我們已經(jīng)能模擬小蟲子的大腦了,螞蟻的大腦也不遠(yuǎn)了,接著就是老鼠的大腦,到那時(shí)模擬人類大腦就不是那么不現(xiàn)實(shí)的事情了。 2)模仿生物演化 抄學(xué)霸的答案當(dāng)然是一種方法,但是如果學(xué)霸的答案太難抄了呢?那我們能不能學(xué)一下學(xué)霸備考的方法? 首先我們很確定的知道,建造一個(gè)和人腦一樣強(qiáng)大的電腦是可能的——我們的大腦就是證據(jù)。如果大腦太難完全模擬,那么我們可以模擬演化出大腦的過程。事實(shí)上,就算我們真的能完全模擬大腦,結(jié)果也就好像照抄鳥類翅膀的拍動(dòng)來造飛機(jī)一樣——很多時(shí)候最好的設(shè)計(jì)機(jī)器的方式并不是照抄生物設(shè)計(jì)。 所以我們可不可以用模擬演化的方式來造強(qiáng)人工智能呢?這種方法叫作“基因算法”,它大概是這樣的:建立一個(gè)反復(fù)運(yùn)作的表現(xiàn)/評(píng)價(jià)過程,就好像生物通過生存這種方式來表現(xiàn),并且以能否生養(yǎng)后代為評(píng)價(jià)一樣。一組電腦將執(zhí)行各種任務(wù),最成功的將會(huì)“繁殖”,把各自的程序融合,產(chǎn)生新的電腦,而不成功的將會(huì)被剔除。經(jīng)過多次的反復(fù)后。這個(gè)自然選擇的過程將產(chǎn)生越來越強(qiáng)大的電腦。而這個(gè)方法的難點(diǎn)是建立一個(gè)自動(dòng)化的評(píng)價(jià)和繁殖過程,使得整個(gè)流程能夠自己運(yùn)行。 這個(gè)方法的缺點(diǎn)也是很明顯的,演化需要經(jīng)過幾十億年的時(shí)間,而我們卻只想花幾十年時(shí)間。 但是比起自然演化來說,我們有很多優(yōu)勢。首先,自然演化是沒有預(yù)知能力的,它是隨機(jī)的——它產(chǎn)生的沒用的變異比有用的變異多很多,但是人工模擬的演化可以控制過程,使其著重于有益的變化。其次,自然演化是沒有目標(biāo)的,自然演化出的智能也不是它目標(biāo),特定環(huán)境甚至對(duì)于更高的智能是不利的(因?yàn)楦叩戎悄芟暮芏嗄茉矗?。但是我們可以指揮演化的過程超更高智能的方向發(fā)展。再次,要產(chǎn)生智能,自然演化要先產(chǎn)生其它的附件,比如改良細(xì)胞產(chǎn)生能量的方法,但是我們完全可以用電力來代替這額外的負(fù)擔(dān)。所以,人類主導(dǎo)的演化會(huì)比自然快很多很多,但是我們依然不清楚這些優(yōu)勢是否能使模擬演化成為可行的策略。 3)讓電腦來解決這些問題 如果抄學(xué)霸的答案和模擬學(xué)霸備考的方法都走不通,那就干脆讓考題自己解答自己吧。這種想法很無厘頭,確實(shí)最有希望的一種。 總的思路是我們建造一個(gè)能進(jìn)行兩項(xiàng)任務(wù)的電腦——研究人工智能和修改自己的代碼。這樣它就不只能改進(jìn)自己的架構(gòu)了,我們直接把電腦變成了電腦科學(xué)家,提高電腦的智能就變成了電腦自己的任務(wù)。 以上這些都會(huì)很快發(fā)生 硬件的快速發(fā)展和軟件的創(chuàng)新是同時(shí)發(fā)生的,強(qiáng)人工智能可能比我們預(yù)期的更早降臨,因?yàn)椋?/p> 1)指數(shù)級(jí)增長的開端可能像蝸牛漫步,但是后期會(huì)跑的非???/p> 2)軟件的發(fā)展可能看起來很緩慢,但是一次頓悟,就能永遠(yuǎn)改變進(jìn)步的速度。就好像在人類還信奉地心說的時(shí)候,科學(xué)家們沒法計(jì)算宇宙的運(yùn)作方式,但是日心說的發(fā)現(xiàn)讓一切變得容易很多。創(chuàng)造一個(gè)能自我改進(jìn)的電腦來說,對(duì)我們來說還很遠(yuǎn),但是可能一個(gè)無意的變動(dòng),就能讓現(xiàn)在的系統(tǒng)變得強(qiáng)大千倍,從而開啟朝人類級(jí)別智能的沖刺。 強(qiáng)人工智能到超人工智能之路 總有一天,我們會(huì)造出和人類智能相當(dāng)?shù)膹?qiáng)人工智能電腦,然后人類和電腦就會(huì)平等快樂的生活在一起。 呵呵,逗你呢。 即使是一個(gè)和人類智能完全一樣,運(yùn)算速度完全一樣的強(qiáng)人工智能,也比人類有很多優(yōu)勢: 硬件上: -速度。腦神經(jīng)元的運(yùn)算速度最多是200赫茲,今天的微處理器就能以2G赫茲,也就是神經(jīng)元1000萬倍的速度運(yùn)行,而這比我們達(dá)成強(qiáng)人工智能需要的硬件還差遠(yuǎn)了。大腦的內(nèi)部信息傳播速度是每秒120米,電腦的信息傳播速度是光速,差了好幾個(gè)數(shù)量級(jí)。 - 容量和儲(chǔ)存空間。人腦就那么大,后天沒法把它變得更大,就算真的把它變得很大,每秒120米的信息傳播速度也會(huì)成為巨大的瓶頸。電腦的物理大小可以非常隨意,使得電腦能運(yùn)用更多的硬件,更大的內(nèi)存,長期有效的存儲(chǔ)介質(zhì),不但容量大而且比人腦更準(zhǔn)確。 - 可靠性和持久性。電腦的存儲(chǔ)不但更加準(zhǔn)確,而且晶體管比神經(jīng)元更加精確,也更不容易萎縮(真的壞了也很好修)。人腦還很容易疲勞,但是電腦可以24小時(shí)不停的以峰值速度運(yùn)作。 軟件上: - 可編輯性,升級(jí)性,以及更多的可能性。和人腦不同,電腦軟件可以進(jìn)行更多的升級(jí)和修正,并且很容易做測試。電腦的升級(jí)可以加強(qiáng)人腦比較弱勢的領(lǐng)域——人腦的視覺元件很發(fā)達(dá),但是工程元件就挺弱的。而電腦不但能在視覺元件上匹敵人類,在工程元件上也一樣可以加強(qiáng)和優(yōu)化。 - 集體能力。人類在集體智能上可以碾壓所有的物種。從早期的語言和大型社區(qū)的形成,到文字和印刷的發(fā)明,再到互聯(lián)網(wǎng)的普及。人類的集體智能是我們統(tǒng)治其它物種的重要原因之一。而電腦在這方面比我們要強(qiáng)的很多,一個(gè)運(yùn)行特定程序的人工智能網(wǎng)絡(luò)能夠經(jīng)常在全球范圍內(nèi)自我同步,這樣一臺(tái)電腦學(xué)到的東西會(huì)立刻被其它所有電腦學(xué)得。而且電腦集群可以共同執(zhí)行同一個(gè)任務(wù),因?yàn)楫愐?、?dòng)力、自利這些人類特有的東西未必會(huì)出現(xiàn)在電腦身上。 通過自我改進(jìn)來達(dá)成強(qiáng)人工智能的人工智能,會(huì)把“人類水平的智能”當(dāng)作一個(gè)重要的里程碑,但是也就僅此而已了。它不會(huì)停留在這個(gè)里程碑上的。考慮到強(qiáng)人工智能之于人腦的種種優(yōu)勢,人工智能只會(huì)在“人類水平”這個(gè)節(jié)點(diǎn)做短暫的停留,然后就會(huì)開始大踏步向超人類級(jí)別的智能走去。 這一切發(fā)生的時(shí)候我們很可能被嚇尿,因?yàn)閺奈覀兊慕嵌葋砜矗篴)雖然動(dòng)物的智能有區(qū)別,但是動(dòng)物智能的共同特點(diǎn)是比人類低很多;b)我們眼中最聰明的人類要比最愚笨的人類要聰明很很很很多。 所以,當(dāng)人工智能開始朝人類級(jí)別智能靠近時(shí),我們看到的是它逐漸變得更加智能,就好像一個(gè)動(dòng)物一般。然后,它突然達(dá)到了最愚笨的人類的程度,我們到時(shí)也許會(huì)感慨:“看這個(gè)人工智能就跟個(gè)腦殘人類一樣聰明,真可愛。” 但問題是,從智能的大局來看,人和人的智能的差別,比如從最愚笨的人類到愛因斯坦的差距,其實(shí)是不大的。所以當(dāng)人工智能達(dá)到了腦殘級(jí)別的智能后,它會(huì)很快變得比愛因斯坦更加聰明: 之后呢? 智能爆炸 從這邊開始,這個(gè)話題要變得有點(diǎn)嚇人了。我在這里要提醒大家,以下所說的都是大實(shí)話——是一大群受人尊敬的思想家和科學(xué)家關(guān)于未來的誠實(shí)的預(yù)測。你在下面讀到什么離譜的東西的時(shí)候,要記得這些東西是比你我都聰明很多的人想出來的。 像上面所說的,我們當(dāng)下用來達(dá)成強(qiáng)人工智能的模型大多數(shù)都依靠人工智能的自我改進(jìn)。但是一旦它達(dá)到了強(qiáng)人工智能,即使算上那一小部分不是通過自我改進(jìn)來達(dá)成強(qiáng)人工智能的系統(tǒng),也會(huì)聰明到能夠開始自我改進(jìn)。 這里我們要引出一個(gè)沉重的概念——遞歸的自我改進(jìn)。這個(gè)概念是這樣的:一個(gè)運(yùn)行在特定智能水平的人工智能,比如說腦殘人類水平,有自我改進(jìn)的機(jī)制。當(dāng)它完成一次自我改進(jìn)后,它比原來更加聰明了,我們假設(shè)它到了愛因斯坦水平。而這個(gè)時(shí)候它繼續(xù)進(jìn)行自我改進(jìn),然而現(xiàn)在它有了愛因斯坦水平的智能,所以這次改進(jìn)會(huì)比上面一次更加容易,效果也更好。第二次的改進(jìn)使得他比愛因斯坦還要聰明很多,讓它接下來的改進(jìn)進(jìn)步更加明顯。如此反復(fù),這個(gè)強(qiáng)人工智能的智能水平越長越快,直到它達(dá)到了超人工智能的水平——這就是智能爆炸,也是加速回報(bào)定律的終極表現(xiàn)。 現(xiàn)在關(guān)于人工智能什么時(shí)候能達(dá)到人類普遍智能水平還有爭議。對(duì)于數(shù)百位科學(xué)家的問卷調(diào)查顯示他們認(rèn)為強(qiáng)人工智能出現(xiàn)的中位年份是2040年——距今只有25年。這聽起來可能沒什么,但是要記住,很多這個(gè)領(lǐng)域的思想家認(rèn)為從強(qiáng)人工智能到超人工智能的轉(zhuǎn)化會(huì)快得多。以下的情景很可能會(huì)發(fā)生:一個(gè)人工智能系統(tǒng)花了幾十年時(shí)間到達(dá)了人類腦殘智能的水平,而當(dāng)這個(gè)節(jié)點(diǎn)發(fā)生的時(shí)候,電腦對(duì)于世界的感知大概和一個(gè)四歲小孩一般;而在這節(jié)點(diǎn)后一個(gè)小時(shí),電腦立馬推導(dǎo)出了統(tǒng)一廣義相對(duì)論和量子力學(xué)的物理學(xué)理論;而在這之后一個(gè)半小時(shí),這個(gè)強(qiáng)人工智能變成了超人工智能,智能達(dá)到了普通人類的17萬倍。 這個(gè)級(jí)別的超級(jí)智能不是我們能夠理解的,就好像蜜蜂不會(huì)理解凱恩斯經(jīng)濟(jì)學(xué)一樣。在我們的語言中,我們把130的智商叫作聰明,把85的智商叫作笨,但是我們不知道怎么形容12952的智商,人類語言中根本沒這個(gè)概念。 但是我們知道的是,人類對(duì)于地球的統(tǒng)治教給我們一個(gè)道理——智能就是力量。也就是說,一個(gè)超人工智能,一旦被創(chuàng)造出來,將是地球有史以來最強(qiáng)大的東西,而所有生物,包括人類,都只能屈居其下——而這一切,有可能在未來幾十年就發(fā)生。 想一下,如果我們的大腦能夠發(fā)明Wifi,那么一個(gè)比我們聰明100倍、1000倍、甚至10億倍的大腦說不定能夠隨時(shí)隨地操縱這個(gè)世界所有原子的位置。那些在我們看來超自然的,只屬于全能的上帝的能力,對(duì)于一個(gè)超人工智能來說可能就像按一下電燈開關(guān)那么簡單。防止人類衰老,治療各種不治之癥,解決世界饑荒,甚至讓人類永生,或者操縱氣候來保護(hù)地球未來的什么,這一切都將變得可能。同樣可能的是地球上所有生命的終結(jié)。 當(dāng)一個(gè)超人工智能出生的時(shí)候,對(duì)我們來說就像一個(gè)全能的上帝降臨地球一般。 這時(shí)候我們所關(guān)心的就是 上一篇:人生的五大投資,千萬不要投錯(cuò)! ????下一篇:戰(zhàn)略轉(zhuǎn)型:創(chuàng)新驅(qū)動(dòng)激發(fā)活力無限