本文大约3000字，读完约7分钟
“
理想的情况之下，我们在创造出一个无时无刻都能够帮我们做出最好决定的机器， 那我们便能够充分利用周边的资源， 为人类整体创造出最好的未来。然而，事实上 我们目标连自己的大脑的认知都并不充分。如何让如此强大的人工智能真正的成为人类的福星， 而非成为我们进化的终点？
本文作者系盘古智库学术委员、数字经济研究院副秘书长张礼立，文章来源于"魔都张博士"微信公众号。
”
在1997年5月3日，IBM公司的“深蓝”计算机正在与国际象棋世界冠军加里卡斯帕罗夫 进行象棋比赛。在5局中，以2.5 : 2.5的比分落下帷幕。然而，在八日后的又一次交手中，“深蓝”战胜了它的对手。
IBM的市值一夜之间爆增180亿美元。
全世界的人们似乎都在说：“人工智能取得了巨大的突破。
从实质来看，这场突破早已在1950年代形成：那时科学家克劳德·香农提出了“深蓝”的基本设计。在之后的40年中，实验室里的科学家们不断为此奋斗。是的，40年。所以，大家做事情需要点耐心。
在当时的媒体与公众的视角里，这场机械的胜利或者讲人类的失败到来得如此之快、如此之突然，让我们非常不适应。 其实，每天在这个世界上，多多少少，一定会有点突破出现， 有些顶尖的想法或许被抛弃，但都为人类科学的进展作出铺垫。通常而言，直到另外一个优秀的想法出现，与之前的相辅相成之后，才会真正进入公众的视野，被大部分人接受。只不过整个“发现-抛弃-再利用”这个过程，也许会像深蓝一样，需要40年时间才能重新被重视。
因此，我们可以预想到，在未来的几年里，世界各地的研究实验室或企业里酝酿许多关于智能的想法。未来，它们将会跨越商业实用性的门槛，逐渐融入到我们生活的每一个角落，成为一个真正的人工智能时代。
和多数人类似，我也相信智能时代一定会出现的。 但是，我同时也在思考，在这个不可避免的智能未来到来之时，我们又会遇到什么？我们的生活会变成什么样子？
多数科学家认为：人类并不能真正知晓“超人工智能”会在什么时候能够被创造出来。
许多学者根据摩尔定律，预测未来计算能力的发展，预测计算机什么时候超过昆虫的大脑， 什么时候超过老鼠的大脑，我认为这其实都是没有啥意义的。原因很简单， 人工智能不是简简单单芯片堆积而成， 它有三个重要的组成要素，需要我们人类去实现它。
第一要素：语言与常识
各位一定听说过数据（Data）一词，直接翻译为数据。数据到底是什么？其实，它是信息的一种载体。对于机器人而言，他们如果需要对事物做出判断，就需要指导 如何处理数据。但是，我们人类的数据，我们的信息是通过文字、语言传输的。
换句话说，我们人与人交流的时候， 并不使用二进制。我们使用的是语言。譬如， 老师、2021年、科学、面包、绿色，这些词都是包含着大量信息的， 他们包括了从发现和组织过程中提炼出来的精华，擦揉进人类的语言中去。
一台真正理解人类语言的机器， 必须是可以快速获取人类的知识的。而我们现在幻想机器能够在短时间内绕过人类几万年的进化之旅所具备的能力是不切实际的。机器不能自然的与人沟通是事实 ，所以，目前的“自然语言技术”）NLP 的不成熟也不言而喻。
虽然有机器可以从事实中寻找简单的信息， 但目前不能自如的从复杂的文本中解析知识结构。
这里有一个很好的例子来说明这个问题。
下面请看一道给机器人做的选择题：
“假设四年级学生计划进行一场滑轮比赛。以下哪一种地面更合适？”
A，碎石 B，沙地。 C，水泥地面。D，草地。
我们人看到这个问题时候， 肯定会觉得很简单， 一定是C，水泥地面。但对于机器而言，它就有俩个难点需要攻克。
第一个难点，机器要理解句子结构，识别每个单词的意思。这就有点像我们在学外语的时候，得要先把句子翻译成中文，然后再去做出选择一样。
第二个难点， 是对于常识的理解。 比如，机器人需要意识到，这个比赛是人“穿着滑轮 / 在赛道上进行比赛”，而不是“滑轮之间的比赛”。
那么进一步的问题来了， 如何让机器人学会这些知识？ 科学家们曾经想着通过先灌输简单知识， 再根据学到的简单知识来学习更难的知识。然而事实上，许多知识是错误的，不完整的，片面的，这会导致接下来阅读的知识也是错误的。
靠单一的想办法解除这样的恶性循环是不能成功的。需要做的是想办法灌输给机器 更加全面的知识， 例如 因果关系， 他人看法， 不同态度等。这样可能会形成一个自我强化等过程。
第二要素：需要发现并理解动作
当我们说“准备起跑”的时候，里面可能包括千万个原始动作：例如下蹲，呼吸等。然而通过万年进化的我们已经将这些动作全部变成一个“准备起跑”的单元，存储到我们的“动作库”里面去了。
正如阿尔弗雷德·诺思·怀特黑德，“过程哲学”的创始人在1911年所写：“文明的进步是通过增加那些我们无需思考就能够完成的重要动作来实现的。”
而对于人工智能而言， 他只能笼统的理解每一件事情， 目前还不能够直接把大目标转化为小动作 逐一完成。希望机器人能够在发动其马达的时候， 就能够指导自己站起来。就像我们每天早上真开眼，就知道能够起床一样的自然。
当然， 当机器人掌握这样的能力之后， 他们势必会比人类看得更远，想得更多。 他们的处理能力将会给予他们更强大、更全面、更细致的行动方案。这可能也是唯一和电影里面很相似的一点：就是在我们人类行动之前，他们就已经战胜了我们。
第三要素：管理精神活动
如果您听了刚才对于行动的掌控， 你会觉得很复杂，现在想想我们的大脑吧，管理这个世界上最复杂的东西之一，可不是件容易的事啊。
从某种程度上来说， 我们人类的大脑有很大的活动自由， 我们可以自主选择思考什么。例如现在的你，可能在考虑晚餐吃啥，或者是周一早上去开会的交通状况。你会发现， 你可以立刻随时想到这些，而且行动之快或许比你的身体还要快。
计算机也一样， AlphaGo在围棋上每走一步，它都能够控制它自己的亿万计算单元来评估 接下来自己应该做什么。
然而，区别在于AlphaGo面对的只是围棋。而现实中我们不能简简单单的说“不让自己的棋子被围起来”那么简单。所以对于人而言， 如何构建一个完善的体系，来提供 机器人在进行决定的时候来选择，就是我们目前最大的困难。
而当我们攻克了这些问题之后，超级人工智能便真正意义上的出现了。
从AlphaGo上，我们已经能够看到这样的一个存在，能够对我们人类产生多大的影响。当然，也不难想象它能够在数学、物理上能够给予人类更多的帮助。
然而，即使是超级人工智能，它的局限依旧存在。
我们需要区分小说、电影与部分未来学者的说法， 人工智能的确是会非常强，但不是万能的。有三点我们要注意并且不断探索和实践。
其一，是对于预测的理解。当人工智能掌握了所要的能力以及周边的数据之后， 能够进行合理的对未来的预测。但是这不代表能够准确的预测所有的事情的发生。
其二，是对于信息的获取严谨态度。有很多信息不是能够直接获取的。例如 有一个新的药物预测能够治疗癌症。但是在真正使用前， 需要进行大量的测试。无论是机器 还是人类，都需要在现实世界中进行大量实验与测试才能达到合理的答案的。不是我们大脑 / 或者算法能够直接给予答案的。
第三，就是人工智能终究与我们人类不一样， 这使得它在尝试模拟我们人类的时候， 有天然的劣势。毕竟， 我们每个人的观点 和差异是造就了我们社会的方方面面的根本。
理想的情况之下，我们在创造出这样一个无时无刻都能够帮我们做出最好决定的机器， 那我们便能够充分利用周边的资源， 为人类整体创造出最好的未来。
然而，事实上 我们目标连自己的大脑的认知都并不充分。 如何让如此强大的人工智能真正的成为人类的福星， 而非成为我们进化的终点？■
