埃隆 马斯克曾经在twitter上发布说：”人工智能可能比核武器更危险。“

为了打消他的顾虑，facebook实验室的研究人员专门花时间向他解释：人工智能距离超级智能还有很长的路要走，目前的人工智能就像优化机器，能辅助做些工作，更像工具，关闭它，它就毫无用处了。

但是这不能说服马斯克，他依旧坚持自己的观点，甚至组建了一个非盈利实验室，号称为应对未来的人工智能危机。

那么人工智能究竟是什么样的技术呢？中信出版社的新书《深度学习革命》会给到一个明确的答案。

作者凯德·梅茨长期关注人工智能技术发展的知名记者，他经常在广播和电视上讨论人工智能。他在这本书中以非虚构的叙事方式，道尽人工智能的发展，将一个个关键人物呈现在读者面前。整个内容简单易懂，情节紧凑，每一位研究员面临的挑战和取得的成就都令人振奋。

感知机和玻尔兹曼机

1960年弗兰克·罗森布拉特打造了一台感知机。他开发感知机是为了辨识印刷字母，也就是机器学会辨识。他最期望机器能重现大脑运作过程。

当然，这台感知机有个缺陷，它不能解决“异或”问题。同时，也缺乏深度感知和完善判断。某种意义上，至少它已经成功了一小步。

在更大的意义上，这台机器包括后续的人工智能都无法打破罗森布拉特的预言：它无法发展出人性。

作为最早的神经网络系统，感知机打开了一条新的道路，同时也把这条道路关上了。马文·明斯基认为感知机重大缺陷意味着人工智能的研究方向绝不应该是神经网络。感知机只是符号人工智能，远达不到人工智能最终要求：重新创造人类智能。

到了1986年，杰夫·辛顿、戴维·鲁梅尔哈特、罗纳德·威廉姆斯通过“反向传播”的技术扩展了神经网络的功能，使得人工智能的研究走进了一大步，出现了玻尔兹曼机。

感知机是单层神经网络，只能分辨印刷字母。所谓单层神经网络，就是判断程序只接受一个任务：辨认字母。

但人类的认知神经并不是单层结构，于是多层神经网络成了人工智能研究的新方向。多层神经网络的概念是每一层神经网络分辨事物的一部分，比如直线曲线，或颜色等，最终几层神经网络将结果统一集合起来输出。

罗森布拉特一直没有解决一个问题：如果用多层神经网络，每个神经网络权重如何决定。通常，初始都会设置为0，但这样的话最终系统自己调整权重后，每一层的权重都一样。整个多层神经网络就不起作用，没有结果出来。

杰夫 辛顿三人意识到初始权重不应当是0。当设置不为0时，才能有效，即神经元理解权重是多少，并将发送一个数学反馈传递到层次结构里。通俗说，有个权重指令传递下去了。这就是反向传播。

正因为玻尔兹曼机比感知机多了这个变化，它就是可以创造自己的图像、声音，还能学习。

1987年，第一辆自动驾驶车在卡内基 梅隆大学实验的。尽管它的速度很慢，开得还是直线，至少它实现了人们的要求：自动驾驶。

1991年，另一位博士生重新写了代码，使得自动驾驶车迈开了新的一步。这车时速60英里从匹兹堡开到了宾夕法尼亚伊利市。

然而，到现在为止，自动驾驶仍旧处于实验阶段，因为人工智能并没有那么智能。只要沿途的标识上，多一张纸，人工智能就无法判断标识是什么。投入实用的安全性就成了问题。

Alphago和棋手

2016年，AlphaGo打败了李世石。此前，在deepmind实验室中，曾经败给AlphaGo的法国围棋棋手范辉一直同AlphaGo对弈，以此训练AlphaGo。

AlphaGo和李世石的对弈中，第37手是AlphaGo下出的神之一手。在AlphaGo测算中，这一手出现的概率是万分之一，没有一个职业选手会这么下。正是这手让李世石思考了15分钟，难以破解最后输了。

但人类会学习，AlphaGo是通过大量数据测算胜率决定下棋，人类不计算胜率，却会推演结果。李世石和AlphaGo对弈中也打开了思路，第78手时也下出了精妙的一招。在AlphaGo测算中，这一手出现概率也是万分之一。这招之后，AlphaGo测算胜率下降了，最后认输。

虽然最终AlphaGo赢过了李世石，但另一个意想不到的结果是赛后，李世石认为自己在比赛中有所进步。于是又同其他顶尖棋手对弈，结果他连续获胜。这个结果，也是之前法国棋手范辉的结果。范辉感觉和AlphaGo对弈后棋力增长了，并打开了下棋的思路。后续他的排名上升也证实了这点。

人工智能能帮助人类获得技术上的提高。

人工智能的问题

除了对人工智能深信不疑的研究员外，也有对技术发展持疑的研究员。

一种观点集中在人工智能无法需要大量数据做支撑，但是人类儿童学习不需要大量信息，在少数信息中就能发展学习。

另一个观点认为人工智能无法处理模糊问题，到底什么是真新闻什么是假新闻，人工智能就很难判别。真与假在现实世界中，依据每个人的定义不同而有所区别，那人工智能又怎么判断呢？数据中如何定义真假呢？

第三个观点是数据是有人设定输入，那么人的局限性不可避免，比如肤色偏见导致某类数据偏少，又或者人类三维视角和电脑二维视角的差异。现实世界是复杂的，人工智能所处的宇宙就像个独立的小盒子，内里简单明了。

最后一个关键问题，人工智能无法处理人类最终极的产品——语言。一句话在不同场景有不同意思，人工智能该怎么判断呢？

结论

《深度学习革命》可以说是一部人工智能发展史。从研究员到后面介入的互联网公司，每个人都在实践自己的理念，为自己深信的东西而努力。

马斯克担心的未来，暂且不用担心，人工智能变智能还有很长的路要走，起码先不能智障。

人工智能是一项耗费许久的研究，也许花费十年只为了让机械手动一动手指，但研究人员甘之如饴。这是最令我心潮澎湃的一点。

【文/云玖弋】