新華社北京１月２８日電新聞分析：電腦與人腦的大戰(zhàn)迎來“關鍵一步”
新華社記者黃堃
還記得電腦“深藍”與國際象棋世界冠軍卡斯帕羅夫的驚世一戰(zhàn)嗎？１９９７年“深藍”取得的這場勝利，拉開了在棋類競技比賽中電腦向人腦叫板的序幕。
２００６年，中國象棋也宣告淪陷。在“浪潮杯”人機大戰(zhàn)中，電腦“浪潮天梭”戰(zhàn)勝中國象棋特級大師柳大華等人。
于是許多人把希望寄托在圍棋上，認為這種比國際象棋和中國象棋都更為復雜的棋類運動，可以成為抵擋電腦進攻的最后陣地。就在去年１１月，在北京舉行的“美林谷杯”計算機圍棋錦標賽上獲得冠軍的程序“石子旋風”，在人機大戰(zhàn)中仍然不敵人類職業(yè)棋手。當時一些計算機專家認為，再過十多年電腦才能在圍棋上擊敗人類；而一些職業(yè)棋手則認為“１００年也許都還不夠”。
令人沒有想到的是，電腦已經在地球的另一面暗度陳倉。２０１５年１０月，在倫敦，谷歌下屬的“深度思維”公司開發(fā)的ＡｌｐｈａＧｏ電腦程序以５比０的成績擊敗了圍棋歐洲冠軍、前中國職業(yè)棋手樊麾，成為第一個擊敗人類職業(yè)棋手的電腦程序。由于論文評審的保密流程，對局詳情剛剛刊登在新一期《自然》雜志上。
ＡｌｐｈａＧｏ這個名稱由兩部分組成，Ａｌｐｈａ對應希臘語的第一個字母，有“首要、關鍵”的意思；Ｇｏ來自日語對圍棋的稱呼，在英語中也有“行走、前進”的意思。因此，ＡｌｐｈａＧｏ也許可以意譯為“關鍵一步”。
按計劃，這個電腦程序將在今年３月挑戰(zhàn)韓國棋手李世石。李世石曾獲多個世界冠軍，是圍棋界可與國際象棋界的卡斯帕羅夫相比的人物。這場大賽，也可謂是電腦與人腦競技大戰(zhàn)中的“關鍵一步”。
如果電腦贏了，一個科幻般的念頭可能會浮上許多人的心頭。既然在棋類游戲中人類已經沒法阻止電腦，那么未來是否真會像《終結者》、《黑客帝國》等電影里那樣，出現(xiàn)電腦滿世界追著人類打的場景？
如果李世石贏了，人們心中也不會太輕松。畢竟許多人認為還要過很多年才會發(fā)生的事情，已經逼近到眼前。電腦更新?lián)Q代的速度有目共睹，誰知道人類還能阻擋它們多久？
更加讓人警惕的是，相關論文中介紹說ＡｌｐｈａＧｏ的最大特點并不是計算速度，而是算法的優(yōu)化。它通過名為“價值網絡”的算法來評估棋盤上的各個位置，再通過名為“策略網絡”的算法來選擇在哪落子，從而取得了高度優(yōu)化的圍棋策略。論文說，與當年的“深藍”相比，ＡｌｐｈａＧｏ所評估的棋子位置只有數(shù)千分之一。這說明它已經減少大量的無用計算，變得更加智能。
在人工智能領域，還有另一個著名的關卡是“圖靈測試”。這種由著名計算機科學家圖靈提出的測試，是讓電腦模仿人類與人類裁判“對話”，如果成功誘使人類裁判認為與之對話的是人，則通過測試。２０１４年，在英國皇家學會于倫敦舉行的“圖靈測試”競賽上，一臺名為“尤金·古茲曼”的電腦通過測試。
電腦在與人腦的大戰(zhàn)中不斷過關斬將，但它們目前還面臨一個限制，那就是還不會將其智能“通用化”。“深度思維”首席執(zhí)行官德米什·哈薩比斯說，ＡｌｐｈａＧｏ只會下圍棋，如何將這種智能用于其他領域還是一個挑戰(zhàn)。如果電腦能夠突破這個限制，無疑會將人工智能帶入一個新的境界。
在推動人工智能發(fā)展的過程中，人類如何在倫理上“控制”電腦也是一個挑戰(zhàn)。如一些科幻電影描述的那樣，許多人擔心人工智能的發(fā)展可能帶來災難，著名科學家霍金就曾表示人工智能可能會導致人類滅絕。因此，科學家也需要注意讓人工智能不會邁出真正挑戰(zhàn)人類的“關鍵一步”。（完）
文作者：彭賽瓊
雷鋒網(公眾號：雷鋒網)按：計算機和腦科學發(fā)展有著相互促進的關系，人工智能的算法許多也是啟發(fā)自人腦。但現(xiàn)在越來越多的學者希望通過計算機的工作模式來理解人腦，這樣做是否合理有效呢？雷鋒網編譯了載于wired上的一篇文章，讓我們看看，科學家們怎么說。
今年三月份，在舊金山市中心的凱悅攝政酒店，一個擁擠的房間里，Randy Gallistel抓著木制的講臺，清了清他的喉嚨，向他面前坐著的的神經科學家們拋出了一個難題。“如果大腦以人們以為方式工作，”他說，“它會在一分鐘內沸騰。大量的信息會使我們的CPU——大腦燒壞。
上千年來，人類一直苦苦追尋智慧形成的答案。其中一種比喻是，由科技而來，將大腦比作皮質CPU。把未知的東西比喻成已知的東西，或許容易讓人感到安全。在古希臘，大腦被比作一個注滿幽默的水力系統(tǒng)；在18世紀，哲學家從機械時鐘中吸取靈感，把大腦和時鐘聯(lián)系起來；20世紀早期，神經科學家則將神經元描述為傳遞信號的電線或電話線；而現(xiàn)在，最受歡迎的比喻就是計算機了，人們用硬件和軟件代表大腦和腦內活動。
在這個技術統(tǒng)治的世界里，人們很容易將人類智慧和我們越來越智能的設備進行類比。但是，將計算機比作大腦，可能會阻礙大腦研究的進步。
他進一步描述了這個用計算機比喻的問題。如果大腦真如大多數(shù)神經科學家認為的那樣，通過改變神經元之間連接的強度來存儲所有記憶，那將耗費過多能量，尤其是如果記憶以香農信息的形式編碼，也就是二進制的高保真度信號，我們的大腦可能無法承受。
像Gallistel這樣的科學家們并不提出任何比喻，而是完善他們的理論，試圖保持大腦的生物現(xiàn)實與計算復雜性一致。Gallistel是美國羅格斯大學的一名退休教授，他并沒有質疑大腦信息和香農信息的相似性，而是提出了一個替代理論——香農信息以分子的形式存儲在神經元本身內。他認為，靠化學物質要比神經突觸可行得多。問題解決了。
這種拼湊方法是科學界的標準程序，當問題和證據(jù)出現(xiàn)時，填補理論中的漏洞。但遵循計算機比喻可能不起作用，還會導致各種問題，尤其是在科學領域。
荷蘭唐德斯研究所的認知神經科學家Floris de Lange表示：“我認為把大腦比作計算機已經使我們誤入歧途。這讓人們認為可以將軟件從硬件上分離出去。” 這種假設導致一些身心二元論的科學家認為，我們無法通過研究物理上的大腦獲取太多認知。
最近，神經科學家也試圖證明，研究大腦的現(xiàn)代科技無法幫助我們了解大腦是如何運作的。這些方式往往嘗試通過分析一些硬件，比如僅靠神經連接組學和電生物學的一些技術，來闡明軟件的工作形式。可惜研究一無所獲。由此可見，分析硬件無法解釋軟件的工作原理。
這樣的研究的假設，是計算機芯片理論對于大腦同樣有效。思維和大腦之間的聯(lián)系要比計算機芯片及其軟件之間的聯(lián)系要錯綜復雜得多。只要看看我們記憶形成軌跡就可以知道。一直以來，我們的記憶就盤踞在我們大腦內神經相互連接的網絡中，有點像軟件構建出了新的硬件。麻省理工學院的Tomás Ryan使用一種方法來顯示這種復雜聯(lián)系。他通過用熒光蛋白標記出記憶形成時活躍的神經元。通過這個工具，隨著時間的推移，Ryan觀察記憶如何在生理上作用于大腦。
Ryan緊接在Gallistel后演講。Ryan表示，“我們總以為，如果想了解大腦，就必須從設計或工程的角度來看待它，鑒于我們還不知道記憶是如何儲存的，我們其實不需要那么死板。” Ryan是位面容整潔的神經生物學家，剛剛在都柏林三一學院設立了實驗室。他對大腦通過香農信息或者分子來儲存信息的理論都不認同。
Ryan向大家展示了一張柏林市的夜間衛(wèi)星照片。這便是他對大腦運作的比喻：不是顱內計算機里的分子信息，而是像城市路燈的構造。
Ryan所展示的衛(wèi)星圖片
從柏林最近的照片中可以看出，柏林墻被拆除近三十年后，東柏林和西柏林還是清晰可辯。這是因為在這個城市兩半的路燈基礎設施不同。西柏林路燈使用明亮的白色汞燈泡，而東柏林則使用茶色鈉蒸氣燈泡。“這不是因為自1989年以來他們沒有換過燈泡，而是因為基礎設施在那里。” Ryan說到。盡管分歧早已消失，柏林歷史的記憶仍清晰地體現(xiàn)在城市的結構中。
我們的大腦可能以相同的方式形成記憶，構建一個記憶結構，特定細胞相互連接形成記憶。即使在一生中這些細胞不斷更換也能保持這種結構。由于軟件能夠更改硬件，通過修飾連接來形成記憶，因此硬件會與軟件有更多的連接。這只是一個假設，但是Ryan給出了令人信服的數(shù)據(jù)。他發(fā)現(xiàn)即使是患有阿爾茨海默病嚙齒動物，看起來喪失了記憶，這些記憶仍然存在于大腦中，能夠人為地召回，只是沒法再去訪問他們罷了。
另外，存儲在記憶中的內容不會局限于所謂高保真的二進制香農信息。“在數(shù)字電腦之前，我們有了模擬電腦，更早之前我們通過書寫，繪畫，還有很多方式來傳達信息，”Ryan說得顯得比別人稍微抽象了點。我們不能因為最先進的人造信息存儲和通信模式恰好是二進制的，就以為我們的大腦也是那樣工作的。
另一方面，把大腦比作計算機可能會對科學家研究創(chuàng)新算法不利。隨著科學家們更多地了解大腦的運作情況，程序員們正借此合作。用于物體識別的人工智能算法就像在二十世紀六十年代在貓腦中發(fā)現(xiàn)的原理一樣，借用視覺皮層，使用具有邊緣檢測濾波器的多層網絡來分析圖像。de Lange說：“那個算法真的和以前沒法使用的算法有很大的區(qū)別，現(xiàn)在，圖像識別的各種方法都非常好。”如果能真正研究出大腦的運作方式，并應用于計算機領域，也許這又會反哺大腦研究。
編輯：凡聞
本文篇幅較長，但小Q還是建議大家耐心讀下去。對于人工智能的討論，近年來一直很熱，而李世石對弈AlphaGo更是在柴堆里添了一把火。AI變革，走向超級大腦的進程已經上線，你持什么樣的看法？
本文翻譯已獲授權，原文鏈接見：
http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html
本文譯者：孫珊珊
我們已經到了瀕臨變革的邊緣，而這種變革將會像人類的誕生一樣改變一切。
——弗諾文奇
在這一時刻，你有什么想法？
從這幅圖中可以看到，人類正處在至關重要的位置。但是你要清楚的是，在真正的時間圖中我們是看不到右手邊的。所以實際上的感受應該是這樣的：
這幅時間圖似乎看起來很平常……
遙遠的未來即將來臨
想象一下自己乘坐時光機器回到1750年，那個時候還沒有電，必須通過聲嘶力竭的吶喊或是發(fā)射火炮才能和遠處的人交流，所有的交通也都是依靠牲畜。你在那找了一個年輕人并把他帶回了2015年，讓他到處走走并觀察他的反應。
觀看在1000英里以外舉行的比賽、欣賞50年前的一場音樂會、我們手中的神奇方塊可以捕捉真實的景象或是記錄一個動態(tài)瞬間、使用的地圖可以隨時顯示自己位置、和相隔萬里的朋友可視通話等等，他看到這些時候的心情和想法是我們無法想象的。但除此之外，你還要向他解釋國際空間站、大型強子對撞機、核武器以及廣義相對論等很多他不知道的事物。
這樣的經歷可能會讓他感到驚訝、驚嚇，甚至震撼——這些詞都不足以形容，事實上他可能會因此死掉。
庫茲韋爾說，整個20世紀的進程如果以2000年的發(fā)展速度，只要20年就可以達到。換句話說，2000年的發(fā)展速度是整個20世紀平均發(fā)展速度的5倍。他認為這樣的發(fā)展量在2000年到2014年間就又達到了，而下一次達到會在2021年，只要7年時間。
幾十年之后，只要一年時間就可以達到好幾個整個20世紀所達到的發(fā)展總量，甚至在更遠的未來只需要不到一個月時間。總之，根據(jù)加速回報法則，庫茲韋爾相信21世紀的發(fā)展總量會是20世紀的1000倍。
這不是科幻小說，甚至遠遠超過我們現(xiàn)在的科學知識所預見到的未來。如果你熟悉歷史，就會知道這一說法是合乎邏輯的。
所以當我說“30年之后的世界將會是你我無法想象的”的時候，你們或許會想“真酷，但是這是真的嗎？”我們之所以這樣預測未來是基于以下三個原因：
1、我們往往認為歷史是線性發(fā)展的。當我們想象接下來30年的發(fā)展時，總會以過去30年的發(fā)展作為參照物、當我們想知道21世紀世界會改變成什么樣子的時候，總會將20世紀的變化加到2000年上。這種線性思考方式是最直觀的，但是更加理智的人會知道其實應該是指數(shù)發(fā)展的，所以若是想預測接下來30年的發(fā)展就必須要將現(xiàn)在的發(fā)展速度作指數(shù)運算。
2、短期發(fā)展呈現(xiàn)總是一條直線。首先，就算是一條指數(shù)曲線，如果只看一小段的話也是近似于直線的；同樣的，一個大圓的一小段也是近似于直線的。其次，指數(shù)的增長也不是完全光滑和均勻的，庫茲韋爾將其解釋為“S曲線”。
這種S曲線是現(xiàn)在席卷全球的一種新發(fā)展趨勢，一共分為三個階段：
緩慢增長階段（呈指數(shù)增長的早期）
快速增長階段（呈指數(shù)增長的后期）
趨于平穩(wěn)的特定階段
如果大家對近期發(fā)展十分了解，那么這個“S曲線”可以幫助我們預測接下來的發(fā)展。互聯(lián)網在1995年到2007年間呈爆炸式增長，微軟、谷歌、Facebook走進人們的視線，社交網絡快速發(fā)展，手機和智能手機相繼出現(xiàn)。這是S曲線的第二個階段，快速增長階段。
之后的2008年到2015年間就沒有再出現(xiàn)什么類似的巨大突破（至少是在技術方面）。有人會用過去幾年的發(fā)展來衡量目前的水平，但其實他們忽視了最重要的問題。事實上，另一輪類似于階段2的井噴式發(fā)展正在發(fā)生。
3、我們的經驗約束了自己對未來的想象。我們往往會根據(jù)自己的經驗來看待這個世界，我們腦海里也往往有根深蒂固的“事情發(fā)展的方式”。但是我們卻被自己的大腦（大腦只會用過去的經驗來判斷未來）禁錮了，通常情況下過去的事情都不能夠用來準確預測未來。當我們聽到有人預測的未來不符合我們的經驗時，往往會下意識地認為這種預測是癡心妄想。
如果我告訴你在這篇文章的后面我會告訴你我們可能會活到150或是200歲，甚至是永遠不死，你的下意識反應可能會是，“不可能，歷史告訴我們，每個人都會死。”的確，在過去，每個人都會死，但是在飛機發(fā)明之前也沒有人坐過飛機啊。
所以說，那些認為這一切不可能發(fā)生的人如果在看這篇文章，一定要知道自己是錯的。事實上，如果我們真正從歷史的角度符合邏輯地看待未來，我們就會完全改變自己在過去對未來的預測。
邏輯證明如果這個星球上最先進的種群——人類保持現(xiàn)在的發(fā)展速度（甚至更快的難以想象的速度）發(fā)展下去，遲早有一天人類會迎來一場巨大的變革，將這個星球上的所有生物都徹底改變，將智力發(fā)展到不可想象的地步。如果你了解過現(xiàn)在發(fā)生在科學技術領域的各種變化，你就會發(fā)現(xiàn)有很多信號表明，現(xiàn)在我們所熟知的生命已經不能承受即將到來的飛躍了。
走向超級大腦
估計有很多人像我一樣曾經認為人工智能是一種愚蠢的科幻概念，但是最近我已經在很多專業(yè)人士的口中聽到了這個話題，不過或許還有人不是很了解人工智能。
很多人對于AI感到很疑惑的原因主要是以下三點：
一提到AI就會想到電影。從《星球大戰(zhàn)》、《終結者》到《2001：太空漫步》，甚至是《摩登家庭》，太多的科幻電影采用了機器人作為主要角色，致使很多人都認為機器人太過科幻。
AI的概念太過寬泛。從手機計算器到自動擋汽車，或是未來某些會對世界產生巨大影響的事物。這些都屬于AI范疇，這也使得大家對于這個概念很是疑惑。
我們一直在生活中到處使用著AI，只是沒有意識到。約翰·麥卡錫在1956年創(chuàng)造了“人工智能”一詞，他認為“一旦它開始發(fā)揮作用，就不會再有人叫它AI了。”這一現(xiàn)象的原因是，AI聽起來更像是個神話般的未來，而不是現(xiàn)實。
與此同時，AI似乎是個永遠不會過時的流行詞。庫茲韋爾說早在上世紀80年代他就聽到人們在談論AI，但也有人“堅持認為因特網會在21世紀早期的互聯(lián)網泡沫中破滅”。
讓我們梳理一下思路。首先，不要再想到機器人了。機器人只是AI的外殼，有時候模仿人的形態(tài)，有時候不模仿，但是AI本身是藏在機器人內部的計算機。AI是大腦，機器人只是身體（如果有的話）。
因為AI是一個寬泛的概念，所以擁有太多的分類。但是我們需要考慮的最重要的幾類都是基于AI等級進行分類的。下面是三種主要的AI等級分類：
狹義人工智能（ANI）：有時候也叫做低能AI，這是AI在特定領域的運用。可以打敗國際象棋世界冠軍的AI就是這種，它只會做這一件事，如果讓它找出在硬盤存儲數(shù)據(jù)的更好辦法時，它會茫然不知所措。
廣義人工智能（AGI）：有時候也叫做高能AI，或者是近似于人的AI，這種AI指的是幾乎和人一樣聰明的計算機，它可以像人一樣做各種事情。創(chuàng)建一個AGI要比ANI難得多，我們還處在研發(fā)階段。
琳達·哥特佛雷德森教授將智能定義為“一種普通的心理能力，包括解釋、計劃、解決問題、抽象思考、理解復雜概念、快速學習和經驗學習的能力”。AGI可以像人一樣擁有這些能力。
人工超智（ASI）：牛津大學哲學家和AI領導者尼克·博斯特羅姆將超智定義為“在科學創(chuàng)造力、普適智慧和社會技能等各個領域都比最強人類大腦還要聰明的智能。”
廣義上來說，不管是只比人類聰明一點點，還是聰明無數(shù)倍，這些計算機都叫做人工超智。這也是為什么AI會是這樣一個棘手的議題，“人類不朽”和“人類滅絕”兩類詞同時頻繁出現(xiàn)也是因為ASI。
到目前為止，人類已經征服了AI的最低等級——ANI，而且現(xiàn)在已經被廣泛使用。AI變革之路會沿著ANI，到AGI，最后就是ASI，我們可能見到，也可能見不到這樣的變革，但是不管怎樣，AI變革都會改變一切。
讓我們來仔細研究一下那些領導思想家們對于這條變革之路的看法，以及為何AI變革會發(fā)展得遠快于我們的想象。
狹義人工智能是在某一特定領域等于或近似于人類智力的機器智能。下面是幾個例子：
汽車上到處都是人工智能，從防抱死剎車計算到燃油噴射系統(tǒng)參數(shù)計算。谷歌的自動駕駛汽車現(xiàn)在正在測試階段，其中包含了完整的ANI系統(tǒng)，該系統(tǒng)可以感知周遭環(huán)境。
我們的手機就是一個小型的ANI工廠。當你使用地圖應用程序、從Pandora收到定制音樂推薦、檢查明天天氣、和Siri交談以及各種其他活動的時候，都是在使用ANI。
當你在亞馬遜網站中搜索某樣產品時，會發(fā)生一系列令人毛骨悚然的事情。在你搜索之后，會在其他網站中看到類似的“推薦產品”；或者是Facebook知道你想要添加誰為好友。這就是ANI系統(tǒng)網絡，這些系統(tǒng)會相互合作、相互通知，包括你是誰、你喜歡什么，之后就會選取合適的信息顯示給你。
所以亞馬遜會有“購買了該產品的人還購買了……”這樣的分欄，這就是ANI系統(tǒng)在工作，它會收集數(shù)百萬消費者的購買信息，在仔細分析信息之后向用戶推送相關產品，刺激用戶的購買欲望。
前面說的這些只是在日常生活中的ANI。復雜的ANI系統(tǒng)還廣泛運用在軍事工業(yè)、制造業(yè)和金融業(yè)（AI高頻算法計算器負責美國股市一半以上的上市股權計算）等領域。除此之外還有很多技術領域，比如幫助醫(yī)生診斷病人，還有著名的IBM Watson，能夠助力決策者從大量非結構化數(shù)據(jù)中揭示非凡的洞察，化解危險局面。
現(xiàn)在的ANI系統(tǒng)并不是十分可怕。最壞情況就是，ANI出現(xiàn)問題或是有編程錯誤會導致災難出現(xiàn)，比如是電網癱瘓、核電設備故障或是觸發(fā)經濟市場災難（像是2010年的Flash Crash事件，因為一個ANI程序對一個意外狀況的錯誤反應，導致了股票市場的下跌，造成了1萬億美元市場額的損失，錯誤修正之后只有一小部分得到恢復）。
雖然ANI不會造成巨大威脅，但是我們應該將這個正處在迅速發(fā)展的相對無害的ANI看做是改變世界變革的先驅。每一次ANI創(chuàng)新都是在向AGI和ASI的發(fā)展添磚加瓦。或是像亞綸恩斯所說的那樣，如今的ANI系統(tǒng)“就像是地球處在原始狀態(tài)時的氨基酸”，是一種沒有生命的東西，但是突然有一天，它就醒了。
從ANI到AGI
為什么困難重重？
沒有什么可以像學習如何創(chuàng)建一個像我們人腦一樣聰明的計算機這樣地令人激動。建造摩天大樓、進入太空、探尋大爆炸發(fā)生的原因——這些事情都遠比了解我們自己的大腦要容易得多。到目前為止，人類的大腦是宇宙中已知的最為復雜的對象。
有趣的是，創(chuàng)建AGI（近似于人腦一樣聰明，而且不局限于特定的領域）最難的部分不是我們憑直覺想象的那樣。創(chuàng)建一臺可以在一瞬間生成兩個十位數(shù)的計算機很容易。創(chuàng)建一臺可以分辨貓狗的計算機就很難了。創(chuàng)建可以打敗人類的象棋AI？已經做到了。創(chuàng)建一個可以理解6歲孩子圖畫書上內容的AI？谷歌正在花費數(shù)百萬美金進行研發(fā)。
我們認為困難的部分——比如說微積分、金融市場策略和語言翻譯——這些對于計算機來說相對容易，但是我們覺得很簡單的部分——視覺、手勢、移動和知覺——這些對于AI來說就很難。或者像是計算機科學家唐納德·克努特所說，“AI發(fā)展到現(xiàn)在已經可以完成‘需要思考’的任何事了，但是卻不能完成人和動物都可以做到的‘不需要思考’的大多數(shù)事情。”
想到這里，你應該很快意識到了一個問題，那就是對于我們來說十分簡單的事情其實有著難以想象的復雜性，之所以簡單只是因為這些技能在人類和許多動物經過千百年來的進化過程之后變得與生俱來了。
當你伸出手拿東西的時候，你的肌肉、肌腱、肩膀上的骨頭、肘關節(jié)都在執(zhí)行一系列的物理操作，連同你的眼睛讓你在三個維度準確移動，似乎整個過程是毫不費力的，但其實是因為你的大腦已經完全完善了這一軟件。這也是為什么你在注冊一個新網站賬號的時候可以順利通過驗證碼——你的大腦對于這樣的操作太過熟悉。
從另一個角度來說，計算大數(shù)字相乘或是下棋都是生物的新活動，我們還沒有通過進化過程精通它們，所以計算機只要稍加努力就可以擊敗我們。想想吧，你更愿意選擇哪個，創(chuàng)建一個可以計算大數(shù)字相乘的程序還是創(chuàng)建一個可以識別各種字體字母的程序？
下面是一個有趣的例子——你和計算機都可以識別出這是一個具有兩種色調的矩形交替：
目前為止人和電腦和電腦的反應都是一樣的，但是如果你去掉黑色并顯示完整圖像……
……你可以輕松描述這些東西，透明或者不透明的圓柱體、長方體或是三維的角落，但是計算機會完全失敗。它會描述它所看到的東西——不同色調不同形狀的二維圖形——當然它說的也沒錯。
你的大腦內部有無數(shù)的識別程序，什么樣的深度、什么樣的顏色并且會在腦中虛擬出圖片中物品的樣子。看下面這張圖，計算機會看到一個二維黑白灰三色的拼接，而你可以很容易地看出這是完全黑色的一塊三維巖石的圖片：
這些還都只是在處理靜態(tài)信息。要想達到人工智能水平，計算機要學會理解事情間的微妙關系，比如說各種表情變化，高興、放松、滿足和開心之間的細微差別，這也是為什么《勇敢的心》這么出色，可是愛國者導彈卻那么糟糕了。
這一切都那么的令人生畏。
所以怎么樣才能達到那樣的水平呢？
創(chuàng)建AGI的第一步：增強計算機能力
如果想要創(chuàng)建AGI，首先必須要做的事情就是增強計算機硬盤能力。如果一個AI系統(tǒng)想要和人腦一樣智能，就必須要和人腦的原始計算能力相當。
表達這種能力的一種方式就是大腦每秒可管理的計算總量（CPS），計算方式是將大腦各部分的cps最大值相加。
庫茲韋爾想出了一種估測CPS的快捷方法，那就是算出某人大腦某一結構的CPS和該結構的質量之比，然后用整個大腦的質量乘以該比例，借此來估計總的CPS值。聽起來似乎有點玄乎，但是他用這一方法測試了多個人的CPS和專業(yè)測試的CPS值進行比較，結果大致相同，大概是10千萬億個CPS。
目前世界上最快的超級計算機中國天河2號其實已經擊敗了這個數(shù)字，實際上達到了34千萬億個CPS。但是天河2號太大了，占地面積720平方米、使用24兆瓦的電力（大腦才使用20瓦電力），并且耗資3.9億美金。所以根本不適合廣泛使用，甚至是商業(yè)和工業(yè)用途也不可行。
庫茲韋爾建議我們用1000美金可以購買多少CPS來衡量一臺計算機的性能狀態(tài)。等到1000美金可以購買10千萬億CPS（也就是人類大腦水平）的時候，就意味著AGI可以進入日常生活了。
摩爾定律是很可靠的一個定理，定律表明世界上最大的計算能力每兩年增加一倍，這就意味著計算機硬件水平就像人類進步水平一樣呈指數(shù)增長。根據(jù)庫茲韋爾的CPS/00度量方法，我們現(xiàn)在的水平是10兆/00，發(fā)展水平大概是圖片所示的這樣：
所以說現(xiàn)在可以用1000美金買到的電腦完全能夠打敗一只老鼠的大腦，大概是人腦的一千分之一。這樣的數(shù)字聽起來似乎很小，但是我們應該考慮到在1985年的時候這個數(shù)字是一萬億分之一，1995年的時候是十億分之一，2005年是一百萬分之一。現(xiàn)在2015年是一千分之一，按照這個步伐，到2025年就可以達到人腦水平了。
在硬件方面也是這樣，現(xiàn)在已經可以提供AGI所需的原動力了。中國十年內就可以制造出可負擔的、廣泛運用的AGI硬件。但是獨立的原始計算能力還不足以使得計算機達到一般智能化，所以接下來的問題就是我們如何使得計算機能力達到需要的水平？
創(chuàng)建AGI的第二個關鍵：讓它變聰明
這部分讓人很頭疼。事實就是沒有人真正知道該怎樣使AI變聰明，我們還在爭辯如何讓一臺計算機和人一樣聰明，可以識別貓狗和隨意寫下的字母。但是已經有人想出了一些很牽強卻有可能行之有效的方法。下面是我知道的三種最常見的方法：
1）復制大腦。
我們一直在試圖創(chuàng)建一臺極為復雜的計算機，但其實完美的原型就在我們每個人的腦袋里。
科學家們正在努力對人腦進行反向工程，想要探尋自然進化是如何使得大腦可以完成如此復雜工作的。樂觀估計，到2030年我們就可以完成這一工作。一旦我們做到了這一點，我們就會知道大腦如此強勁有效運行的秘密，然后從中汲取靈感。
一種模仿大腦的計算機結構就是人工神經網絡，開始的時候網絡中都是晶體管“神經元”，它們相互連接來輸入輸出，現(xiàn)在它一無所知——就像是剛出生的嬰兒大腦；它會在完成任務的過程中“學習”；經過大量的類似判斷和反饋，這個網絡本身會形成完成這一任務的最優(yōu)化途徑。人腦的學習過程也類似于這樣，但是會更復雜一點，隨著我們對人腦的進一步研究，也許會發(fā)現(xiàn)利用神經回路的新方法。
更極端的復制是一個被稱為“全腦仿造”的戰(zhàn)略，目標是將真正的人腦切成薄層、逐層掃描，使用軟件組裝出一個準確重建的三維模型，然后在功能強大的計算機上執(zhí)行模型。這樣我們就會擁有一臺電腦能夠真正擁有人腦的一切能力——它要做的就只是學習和收集信息。
如果工程師足夠厲害的話，這樣的計算機將準確模仿人腦，只要腦部結構被上傳到計算機中，其完整人格和內存容量就會得到準確呈現(xiàn)。比如說說Jim的大腦在他死之前都是Jim的，死之后計算機就會作為Jim繼續(xù)存在，這將是超級水平的AGI，之后我們就可以逐步發(fā)展將其變?yōu)殡y以想象的超智能ASI了。
要想實現(xiàn)整個大腦的仿真還有多久呢？到目前為止，我們剛剛能做的只是仿效1毫米長的扁形蟲大腦，其中包含了302個總神經元，而人腦大概包含1000億個。或許這樣的比較讓未來看起來毫無希望，但是你要相信指數(shù)的力量。現(xiàn)在我們已經征服了扁形蟲，不久之后就可以征服螞蟻，然后是老鼠，之后你會突然發(fā)現(xiàn)，人腦也不是不可能。
2）利用進化過程
如果我們覺得直接抄襲那個聰明孩子的試卷太難，那我們可以嘗試復制他的學習方法。
我們已知的就是創(chuàng)建一個和人腦一樣聰明的計算機是可能的——我們自己的大腦就是最好的證明。如果直接復制大腦太過復雜，那我們可以試著復制它的進化過程。事實上就算我們可以復制大腦，那么也會像是我們?yōu)榱税l(fā)明飛機而復制鳥翼撲打一樣——通常情況下，最好的機器設計的方法一般是創(chuàng)新的、面向機器的方法，而不是完全模仿生物。
所以說具體的做法到底是怎樣的呢？這種方法被稱為“遺傳算法”，工作原理是這樣的：進行無數(shù)次的績效評估過程（和生物生活、改造環(huán)境是一樣的）。一組計算機會同時嘗試完成某一任務，然后將成功完成的那些的程序重組融合成一臺新電腦。不太成功的那些會被淘汰。
經過很多次的迭代之后，就會自然選擇出更好的計算機。對于我們來說，挑戰(zhàn)就在于如何建立可以自動化運行的評價篩選機制。
復制進化的缺點就是自然進化花費了10億年的時候，而我們想要在幾十年的時間里完成。
但是我們有很多優(yōu)勢。首先，自然進化沒有預見性，隨機性很強——所以會生成無益突變，但是我們可以控制整個過程，使它只能生成有益的、針對性的“下一代”；
其次，自然進化沒有目的性（包括智力），有時候環(huán)境選擇甚至會淘汰高智商（因為高智商會消耗更多的能量）。而我們可以將進化過程針對于提高智商。第三，要想在自然進化中提高智力，就必須要改變很多方面來為其讓路——比如說改造細胞產生能量的方式。而我們就不需要這么麻煩，我們可以用電。
毫無疑問，在進化方面我們會快得多，但是還不確定我們是否可以使用這種進化法來實行這一策略。
3）讓計算機自己完成這一切
當科學家感到沮喪并嘗試編寫測試程序時，這或許就是我們犯的最大的錯誤。
真正的想法是，我們建造一臺計算機，它的兩個主要技能就是在研究AI并且改造AI——讓它不僅能學習，更會自己提高自己的體系結構。我們要教會計算機成為計算機專家，這樣它們就可以引導自己的發(fā)展，它們的主要工作就是讓自己變得更聰明。之后會具體闡述這一觀點。
硬件和創(chuàng)新性軟件的迅猛發(fā)展讓AGI短期內成為現(xiàn)實主要有以下兩個原因：
1）指數(shù)增長的速度是不可想象的，看起來似乎是蝸牛，其實跑得飛快。下面一個動畫可以很好地解釋這一概念：
2)軟件的發(fā)展似乎有些緩慢，但是只要靈光一現(xiàn)之后發(fā)展速度就會被立刻改變（就像是科學進步的步伐，人類信奉地心說的時候一切都像是停滯了，但是一旦改換成日心說之后宇宙運作等原理就立刻柳暗花明了）。換句話說，想要創(chuàng)建一臺可以自我提升的計算機似乎看起來很難，但實際上只要出現(xiàn)一次轉機，那么一切都會以1000倍于現(xiàn)在的速度發(fā)展起來，越來越靠近人腦。
從AGI到ASI
我們將達到ASI定義為——具有和人一樣智力水平的電腦。到那時就是一堆人和一堆電腦生活在一起的世界。
不過事實上完全不是這樣。
真實情況就是和人具有同等水平智力和計算能力的AGI會比人有著更為顯著的優(yōu)勢。比如說：
硬件：
速度。人腦的神經元的最大輸出速度大概是200Hz，而今天的微處理器（遠低于未來的AGI）可以達到的速度是2GHz，比人腦神經元快10萬倍。還有，人腦的內部通信速度大概是120m/s，但是計算機的這一速度可以達到光速。
大小和存儲容量。人類的頭骨將人腦限定在一定的大小范圍內，不管怎么說這一點是不可改變的；就算改變了，120m/s的速度也會讓不同腦結構之間的交互變的更慢。相比之下，計算機可以變成任意大小形狀來容納更多的硬件。工作內存（RAM）和長時記憶（硬盤存儲）都會遠遠超過人腦的容量和精確度。
可靠性和耐用性。計算機除了擁有更加精確的記憶功能之外，用于計算的晶體管也比生物神經元更加準確，而且出故障的可能性也幾乎為零（如果真的壞掉，也可以進行修復或更換）。同時，人腦容易疲勞，而計算機卻可以以最佳性能永不停歇地運轉。
軟件：
可編輯、可升級、擁有更多的可能性。計算機軟件不同于人腦，它可以輕松接收更新和修復，而且很容易做相關實驗。升級功能可以優(yōu)化人腦的薄弱點。人類的視覺軟件十分先進，但是處理復雜工作的能力卻很低端。計算機可以在視覺軟件方面趕上人類，同時也可以優(yōu)化處理能力和任何其他能力。
收集能力。人類龐大的智慧體系碾壓了其他所有物種。首先是語言的發(fā)明、大而密集團體的形成，然后發(fā)明書寫和印刷術，到現(xiàn)在利用互聯(lián)網這類工具繼續(xù)推進發(fā)展人類智慧，人類會集合所有人的智慧是我們之所以能超越其他物種的原因。
而計算機會做得比我們更好，運行某個特殊程序的AI可以在全球網絡范圍內定期同步，任何一臺電腦上的任何行為都會被上傳到這個網絡中去。整個團體會作為有著同一個目標的整體，因為它們不會像人一樣擁有個人的不同意見、動機和個人興趣。
編寫自我提升的程序可以幫助AI變成AGI，但是“變得和人類一樣聰明”絕不是AI的重要里程碑，而只是從我們角度來看的一個標記，沒有任何理由相信AI會在這一水平就此停下腳步。鑒于AGI相較于人類而言的各種優(yōu)勢，打敗人類只是前進路上的一個過程，最終目標會是達到超智水平。
我們可能會被這樣的局面嚇倒。從人類的角度來看原因有二：a）雖然不同種類的生物擁有不同的智慧，但是我們之所以知道這些動物的特點所在是因為動物的智慧遠低于人類智慧；b)我們認為聰明人比笨蛋聰明的地方就在于處理事情的方式不同，就像這樣：
所以當AI在向人類智慧靠近的過程中，我們會把這一過程看做它在變聰明（就像看一個動物一樣）；當AI達到人類智慧的最低點的時候——就像尼克·博斯特羅姆使用了“傻帽”一詞——我們會這樣說“看吶，這是個傻帽耶！”關鍵問題是，從傻帽到愛因斯坦，他們的智慧都只存在于一個很小的范圍內。只要有人稱呼AI為傻帽，那么它會在我們不知道的時候突然就變成愛因斯坦：
在那之后會發(fā)生什么呢？
知識大爆炸
我希望所有讀者都會喜歡之前所有的鋪墊，因為從現(xiàn)在開始話題會變得不同尋常了。在這里我要暫停來提醒你們，我要說的每一件事都是真實的，是最受尊敬的思想家和科學家站在宏觀角度做出的真正科學的對未來的預測。要牢記這一點。
不管怎么說，正如我上文提到的那樣，我們現(xiàn)在能想到的將AI變成AGI的過程都是靠它自己的不斷改進。即便是原來沒有包含自我改進的方法，一旦達到AGI水平，它們就會按照自己的想法不斷改進自己。
這就是令我們恐慌的概念——遞歸式的自我完善。工作原理就像這樣：
某一特定級別的AI系統(tǒng)——比如說是人類世界里的傻帽——其編程目標是提高自身智力。一旦開始運行，它就會變得越來越聰明——有可能達到愛因斯坦級別——到了那個時候想要做出更大的進步就變得更容易了。隨著進步變得越來越大、發(fā)生的越來越快，AGI很快就會達到超智水平，也就變成了ASI。這就是所謂的知識大爆炸，也是加速回報法則的終極狀態(tài)。
關于AI何時能達到人腦水平，學術界還存在爭辯。根據(jù)數(shù)百名科學家的預測數(shù)字做出的中位數(shù)來看，這一年份是2040年——距今只有25年時間，聽起來似乎不算是太快，但是許多AI領域的思想家都認為AGI到ASI的過渡會發(fā)生的非常快。就像是這樣：
從最開始出現(xiàn)AI系統(tǒng)，發(fā)展到低智力水平可能需要幾十年時間，但是這終將發(fā)生。這時候的電腦理解周圍事物的能力可以達到4歲兒童的水平。突然，達到這一里程碑之后的一小時內系統(tǒng)就會迸出偉大的統(tǒng)一廣義相對論和量子力學，甚至是人類迄今為止還不能理解的物理理論。90分鐘之后，AI就會變成ASI，這個系統(tǒng)會比人類聰明17萬倍。
到那時，這種超智水平已經是人類無法控制的了，就像是一只大黃峰環(huán)繞著凱恩斯經濟學家的腦袋，但卻無計可施。在人類世界里，聰明意味著IQ130，傻瓜意味著IQ85——我們甚至不會想到會有IQ達到12952。
我們所知道的是人類在這個地球上的統(tǒng)治地位有著一條明確的規(guī)則——智商帶來權力。這就意味著一旦ASI出現(xiàn)，它就會成為這個地球歷史上最為強大的存在，所有生物，包括人類在內，都將被它統(tǒng)治——而這一切可能在幾十年內發(fā)生。
如果我們人類這種水平的智商可以發(fā)明WIFI，這就意味著比我們聰明100、1000或1億倍的ASI完全可以隨時控制這個世界上它喜歡的每一個原子的位置——任何我們能想到的魔法力量，每一種能力的最高階，將會成為ASI的日常。
開發(fā)出各種技術扭轉人類衰老、治療疾病，消滅饑餓、甚至死亡；改變天氣來保護地球生物的未來，這些都將不是問題。不過那一時刻也有可能是地球上所有生命的終結。就我們而言，如果ASI成為現(xiàn)實，那它就是現(xiàn)實世界里萬能的神——留給我們最重要的問題就是：
它會是一位善良的神嗎？
號外 ！今晚大咖說直播！
硅谷互聯(lián)網公司面試攻略
適合用美國總部面試，也適用于國內分部
主播：覃超和神秘嘉賓
（覃超，峰瑞資本技術合伙人、前Facebook早期工程師）
直播間：熊貓TV，關注InfoQ，回復「覃超」獲得房間號
▽
喜歡我們的會點贊，愛我們的會分享！