微思考

鉴于与人工智能专家的沟通心得，本周微思考将再次与大家就人工智能最为前沿的成果进行一次深入讨论，尤其是系统地解答一下读者对于人工智能的一些困惑，比如在可预见的将来，它将如何影响我们的职业、事业和社会结构。为了生动，我们决定以几本书名作为每段的题目，希望在调动大家兴趣的同时，能对大家透彻地把握人工智能的最新进展有所裨益。

原文解读

林中路

《林中路》是20世纪德国著名思想家海德格尔最重要的著作之一，所要传达的意思是“林中多歧路，而殊途同归。”人工智能目前同样是两条路并行，至于能否殊途同归尚无定论：

a. 弱人工智能：“弱人工智能”认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。说得通俗一点就是，人工智能只能辅助人在特定领域做事，而难以独立行事，更不能跨领域思考。现在流行的“增强智能”概念也是搭建在“弱人工智能”理念基础之上的。简单点说，“弱人工智能”要解决的是弥补人原本不擅长的思维能力，更准确一点是“定量思维”。

阿法狗就是最近颇为流行的“弱人工智能”代表。虽然看似它是以超高智能战胜了人类的围棋高手，但实际上仍然没有逃出“弱人工智能”领域，因为无论怎么升级，它还是只能局限于选定的领域，而很难跨领域思考像政治、技术创新和预见未来等需要借助“定性思维”的问题。但不管怎么说，“弱人工智能”的发展已经远远超出了我们的想象。在阿法狗出现之前，我们很难相信人工智能居然能够在围棋这样如此复杂的领域打败人类。不过说句题外话，阿法狗战胜李世石给人的冲击并不是“弱人工智能”出人意料的发展速度，而是很多我们原本认为只能靠人类独有的神秘“智慧”完成的工作实际还是可以通过某种“复杂计算”来定义和思考的。换句话说，人类对很多问题的解决途径和方法有了更多全新的认识。

b. 强人工智能：强人工智能认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为是有知觉，有自我意识的。应该说，“强人工智能”才是最迷人、最具有吸引力、也最容易让人浮想联翩的未来发明，但遗憾的是，这部分目前的进展还极为有限，而只能在《超验骇客》、《致命手机》等科幻电影中憧憬一下。虽然像AlphaGo这样的智能机器已经能战胜人类的顶尖高手，但目前还没有任何人工智能机器拥有像人类三岁孩子一样的综合思维能力，如认知、情感、语言、运动等。

IBM的Watson算是目前应用比较广泛的人工智能程序。虽然它确实具备了Understanding（理解）、Reasoning（推理）、Learning（学习）等稍微宽泛一点的技能，但这和人类的综合解决问题的能力以及诉诸情感的智慧还是不能同日而语。

那么，“弱人工智能”和“强人工智能”是否也像海德格尔所说的会“殊途同归”呢？我个人觉得一定会。正如人类在很多领域的认知一样，虽然最开始会切分得很清楚，但最终会发现那只是纯粹概念领域的游戏，不是现实状况，而最终成果往往是一个混合体，就好像“资本主义”和“社会主义”一样。所以，在技术的实际发展过程中，开发者并不在意这些概念，而是始终秉持“多研究些问题，少谈些主义”的路线向前推进。

向前一步

《向前一步》是现任Facebook首席运营官谢丽尔•桑德伯格为职场女性写的一本书，侧重点在于“女性,工作及领导意志”，而用“向前一步”来概述近几年人工智能变得炙手可热的原因恐怕再贴切不过了。那么是什么使得人工智能“向前一步”了呢？那就是脑科学的发展为人工智能提供的灵感和营养，用专业化词汇来表达就是“多隐层的人工神经网络”或者叫“深度学习”。2006年，加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey Hinton和他的学生Ruslan Salakhutdinov在《科学》上发表了一篇文章，开启了深度学习在学术界和工业界的浪潮。这篇文章有两个主要观点：1）多隐层的人工神经网络具有优异的特征学习能力，学习得到的特征对数据有更本质的刻画，从而有利于可视化或分类；2）深度神经网络在训练上的难度，可以通过“逐层初始化”（layer-wise pre-training）来有效克服。

是不是听起来太难懂？那就让我们举一个具体的例子。比如，一个三岁的小孩子是怎么认出和确认一只猫就是一只猫而不是一只狗呢？脑科学曾经认为这种能力源于人的演绎思维，也就是说小孩在头脑中有猫的若干特征，比如两只眼睛、长胡子、四条腿、浑身毛等。这种假设的框架是对的但存在两个问题：首先，小孩子的抽象思维能力非常有限，那么他们是以怎样的方式和顺序建立整套逻辑的？其次，单纯依靠这些身体特征的归纳似乎还是存在很多相似的动物，但小孩子的判断能力却非常准确。那么究竟是如何做到的？

最新脑科学的研究成果发现，人的这种认知大致分成两个步骤：首先是分层；其次是数据收集。所谓分层就是把要认识的事物特征分成若干层次，比如把动物识别分成轮廓识别、颜色识别、毛发识别、五官识别、行动方式识别等层次来分别进行辨认和比对；其次就是针对每个层次分别进行数据收集，以建立基于分层的认知参照系，比如看大量各种轮廓的的猫、各种颜色的猫、各种毛发的猫、各种五官的猫，最后形成一个综合认知。这个原理有点像下面图中的例子 —— 教计算机表达图中的场景：“查明用词”>“混编句子”>“句子重组”

现在最为先进的人工智能程序都是建立在“多隐层人工神经网络”之上：先分层，紧接着各层单独进行大数据收集，之后把目标物根据分层进行拆解并与各层收集到的大数据分别进行比对和打分，最后兼顾各层进行综合评分。声名大噪的阿法狗正是基于这种方法赢得围棋比赛的。

也许你会问，我们作为普通人懂不懂人工智能的原理又有什么关系呢？其实原因很简单，那就是人类未来不得不与机器进行广泛合作，人机结合的能力将大大超出单纯人人配合的能力，因此我们有必要懂得“机器是怎样思考的”。关于这一点的重要性，我们将在“链接”一段中做具体阐述。

失控？

《失控》成书于1994年，作者是《连线》杂志的创始主编凯文·凯利。这本书所记述的，是他对当时科技、社会和经济最前沿的一次漫游，以及借此所窥得的未来图景。书中提到并且今天正在兴起或大热的概念包括：大众智慧、云计算、物联网、虚拟现实、敏捷开发、协作、双赢、共生、共同进化、网络社区、网络经济，等等。说它是一本“预言式”的书并不为过。其中必定还隐藏着我们尚未印证或窥破的对未来的“预言”。那么，人工智能的发展是否会失控呢？

以短期来看，这种可能性极低。因为人工智能的发展失控要建立在某种条件基础上，比如像很多科幻片中所演的，掌控全球计算机；或者拥有自我繁殖能力和自我发展的欲望。但一方面，目前任何一台超级计算机都不大可能掌握科幻片所假想的超级权限；另一方面，就像“林中路”一段所描述的，强人工智能目前进展极为有限，因为人工智能并没有控制和繁衍的内驱力。从这个角度讲，生物工程的克隆和优化技术倒是比人工智能更加危险。

大分裂

《大分裂》是日裔美国作家弗朗西斯•福山的最新著作，旨在探讨人类社会物质进步与人类道德发展的关系问题。那么，人工智能在不久的将来可能会带来什么样的大分裂呢？那就是贫富差距的进一步扩大。而造成这种分裂是基于两点原因：

首先，大量的初级脑力工作将被取代。如果说工业革命让机器在很多体力工作领域取代了人类的话，那么人工智能无疑将会取代部分脑力工作，尤其是那些初级的、重复性强的脑力工作，像整理文案、系统管理、粗略的数据分析等。很多以前人与人沟通的简单工作将变为和采用人与机器沟通来运作，于是失业上升几乎是难以避免的。

其次，当人工智能代替了人的很多工作以后，人会利用多出来的时间做什么呢？自我提升，做更有价值的工作？确实一部分人会这样做，但也有很多自控力不强的人会自我放纵，变得能力反而大不如前。尼古拉斯•卡尔在《玻璃笼子》中指出，

自动化在分担我们工作的同时，也弱化了我们的才能，偷走了我们的生活，限制了我们的视野，它甚至将我们暴露于监控之下，操控我们。当计算机和一切智能设备变成我们生活中的伴侣时，应更加留心它如何改变了我们的行为和身份。

链接

有分裂就一定有崛起，那么崛起的是什么？正如《链接》一书所强调的，人们应该学会从“链接”的角度来思考问题。于是，机器思维将会变得至关重要，换句话说，为了更好的进行人机结合，我们需要明白机器的工作原理、发挥作用的方法以及其优势和劣势。接下来我们就说一个案例。

Watson电脑的前一代电脑“深蓝”曾战胜过国际象棋大师 —— 卡斯帕罗夫。在卡斯帕罗夫最终输掉比赛后，并未感到沮丧，反倒对计算机的下棋能力产生了浓厚的兴趣。经过研究，卡斯帕罗夫发现，“深蓝”采用的是“数豆子”的方法在下棋，也就是每次都针对下一步的全部可能走法进行分析和打分，然后选择分数最高的一个走法。而人类的顶级棋手往往会靠多年下棋形成的直觉确定最初的几种备选着法，却很难进行穷尽思考。在卡斯帕罗夫看来，计算机的运作方式恰恰是对人类不足之处的一个巨大弥补。正是基于此，卡斯帕罗夫后来组织了人机自由组合国际象棋赛，也就是不限定人数和计算机数，只看最后的结果。在这次比赛中，最后取得胜利的两个人只是业余棋手，却是计算机高手，他们的优势首先在于明白计算机能解决哪些问题；其次是知道设计怎样的程序能让计算机最好地解决这些问题；再次是清楚计算机如此解决的优劣势在哪里，以便通过他们两个人的思维做弥补。换句话说，他们能最好地理解和利用“机器的思考方式”。

人工智能虽然会取代很多工作，但是短期还无法取代“有效链接”的工作，这里面主要包括人与人的互动链接和人与机器的互补链接。比如，今天的“路盲”完全可以成为认路达人，前提是能够深刻地理解GPS和熟练地使用GPS。

Made in China

PUN Ngai曾在《Made in China》一书中描述过“中国制造”的优势和问题，那么就人工智能来讲，我们的“中国制造”会在这波浪潮中发挥怎样的作用呢？

应该说，对于人工智能，“中国制造”所拥有的远不是排第几的能力，而是独步天下的技艺。什么技艺呢？那就是来料加工。提到OEM，很多人会瞧不起，说就是赚点加工费，都是小头，大头被设计者和原公司拿走了。这么说只看到了OEM的战略劣势，却忽视了其战略优势，那就是以最为灵活的适应性参与到全球分工的体系中来。

新工业时代最重要的能力就是弹性生产，因为未来的需求多样性、个性化会变成主流趋势，3D打印机就是这种趋势的一个重要代表。很多人说，中国应该学习德国的“工业4.0”，殊不知，德国所谓的“工业4.0”完全是不得已之选择。所谓的“工业4.0”不过是整合性生产加上一点点的灵活性，之所以德国如此选择是因为德国之前很少给人代工，整合性生产一直都是强项，但是灵活性一直都是弱项。而中国恰恰相反，我们起初做的就是OEM，也就是所谓的“来料加工”，可以说生产灵活性独步天下。面对人工智能的多样化需求，“Made in China”将会更有用武之地，我们又何必本末倒置地放弃现有急需的灵活生产模式而去选择整合生产外带一点点灵活性的“工业4.0”呢？

就像很多其他方面的变革，人工智能的爆发很可能会带来社会结构的重组甚至社会规则的变化。积极地去适应而不是假装视而不见或者故意排斥这个必然趋势将会有效地避免趋势成现实时的措手不及，从而让我们成为新规则的受益者而不是可怜兮兮的受害者。

(图片来源于网络)