科学网—“人工智能”能够超越“人类智能”吗
“人工智能”能够超越“人类智能”吗？精选已有24194次阅读2017-6-510:11|个人分类:人工智能|系统分类:科研笔记
[敬请读者注意]本人保留本文的全部著作权利。如果哪位读者使用本文所描述内容，请务必如实引用并明白注明本文出处。如果本人发现任何人擅自使用本文任何部分内容而不明白注明出处，恕本人在网上广泛公布侵权者姓名。敬请各位读者注意，谢谢！
“人工智能”能够超越“人类智能”吗？
程京德
2017年5月27日，现在世界排名第一的中国职业围棋手柯洁最终以0比3输掉了与计算机围棋程序GoogleAlphaGo的三番棋正式比赛。至此，继AlphaGo在2015年10月以5比0战胜欧洲冠军樊麾、2016年3月以4比1战胜曾经的世界冠军韩国职业围棋手李世石、2016年底在网上以连胜60局1局不败战胜世界各国围棋高手之后，这次对柯洁的完胜已经使得AlphaGo与人类棋手之间的对弈完全没有了胜负悬念。GoogleDeepMind团队也宣布AlphaGo将退役，今后不再与人类对弈。可以说，人类棋手与计算机围棋程序AlphaGo的对弈，以AlphaGo的完全胜利而告终。
早在2016月1月GoogleDeepMind团队公布AlphaGo与围棋欧洲冠军的对弈结果之后，全世界就掀起了一股“人工智能”（以及“深层学习”）的热潮。在此热潮中，一直有一个很强的声音：“人工智能即将要超越人类智能”。那么，“人工智能”真的即将要或者迟早会超越“人类智能”吗？
本文将首先说明计算机围棋程序AlphaGo与人类棋手对弈的本质及其胜利的含义，然后讨论在科学地回答“人工智能是否能够超越人类智能？”这个问题之前必须认清的基本问题，并且列举一些人类高等智能活动，指出这些活动都是“人工智能”难以为之，甚至根本就是不可能为之的，从而阐明，“人工智能”全面超越“人类智能”是不可能的。
首先，让我们来看看计算机围棋程序AlphaGo与人类棋手对弈的本质及其胜利的含义。
从计算原理来说，运行在由物理方法实现的任何电子计算机系统（因此，“计算机网络”和“量子计算机”也算，但是，任何“生物计算机”都不算，本文不讨论生物计算机）上的任何计算机程序，都是由程序设计者预先编制好的，都不具备自主地自动地生成新的可执行程序使得该新程序具备完成超出原程序设计者预想之任务的功能。所以，从计算原理本质上来说，任何计算机程序能够完成的任何任务，都是由其设计者预先想定的、在其设计者“指挥”下完成的，尽管仅从计算结果来看，该任务可能是程序设计者自身实际上完成不了的。更加通俗地说，任何程序只会做设计者知道怎么做并且“教会”它如何去做的事情，而绝对不会做连设计者自己也不知道怎么做更不会“教给”它如何去做的事情。这是从计算原理的观点来看，任何计算系统在计算能力上的一般局限性。另一方面，没有计算机程序在其上运行的任何电子计算机物理裸机（因为没有程序故不能被称为也不能构成“计算机系统”），基本不具备完成任何有实际意义计算任务的能力；所谓的“机器智能”或者“机器的智能”，都是概念上混乱的说辞，本文不做讨论。
AlphaGo是一个计算机程序，在能力上当然也不会超越笔者上述计算系统在计算能力上的一般局限性。AlphaGo与人类棋手对弈并且获胜的本质实际上是其研发团队设计出计算机程序来利用现代电子计算机的高速计算能力而做到了程序设计者自己还做不到的事情。在这一点上，AlphaGo的研发团队DeepMind的负责人，戴密斯·哈萨比斯（DemisHassabis），说的十分清楚：“人们有时会认为这些比赛是人与机器的对决，但我不同意，这不是人对抗机器，而是人利用机器作为工具，共同探索新的知识领域。我们把AlphaGo看做哈勃望远镜，柯洁则是世界上最棒的天文学家，我们期待看到他借助AlphaGo能探索到什么。”“我们会试着去赢得比赛，但最终，AlphaGo的输赢并不重要，因为无论结果如何，人类都是赢家。”Google母公司Alphabet执行总裁埃里克·施密特（EricSchmidt）也明确表示，“不管比赛结果如何，人性终将得胜。比赛并不是电脑与人类争胜，而是电脑利用自己的专长帮助人类。”实际上，施密特的话应该修改为“人类利用电脑的专长来帮助人类自身”才更为准确，因为如同笔者在上面所说，电脑自身不会做任何事情！所以，在这个意义上说，此次AlphaGo在与人类棋手的对弈中完胜，也并非意味着“人工智能”在某个特殊任务上超越了“人类智能”，而是一部分人（AlphaGo的研发团队）在利用了计算机高速计算能力的条件下在某个特殊任务上战胜了另外一部分人（职业棋手）。
接下来，让我们来讨论“人工智能是否能够超越人类智能？”显然，在我们科学地讨论这个问题之前，我们必须先定义清楚这三个概念：何谓“人类智能”？何谓“人工智能”？何谓“超越”？如果连问题中言及的这三个最基本的概念都没定义清楚就胡乱下结论，那么所下结论的真实性是可想而知的。但是，遗憾的是，现在世界上许许多多关于这个问题的结论（包括许多世界名人们的说法），都是在还没有定义清楚这三个基本概念的情况下胡乱做出的！笔者认为，既然说到“超越”，那么就隐含着数量和程度，要定义清楚上面这三个基本概念，我们必须认清它们相对应的下面三组基本问题：
第一组基本问题：何谓“人类智能”？
人类智能一定具体地包含哪些能力？人类智能一定不包含哪些能力？人类智能可以包含或者也可以不包含哪些能力？人类智能和动物智能在本质上的区别是什么？一个具体人类个体在其生涯中不同阶段在智能上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定一个具体人类个体在其生涯中不同阶段在智能上的差异？如何具体地测定一个具体人类个体在其生涯中不同阶段在智能上的差异？人类不同个体在智能上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定人类不同个体在智能上的差异？如何具体地测定人类不同个体在智能上的差异？
第二组基本问题：何谓“人工智能”？
人工智能的原始定义是什么？如何科学地严谨地定义人工智能？人工智能是科学还是技术？人工智能中的“人工”具体意味着什么？人工智能一定具体地包含哪些由“人工”创造出的能力？人工智能一定不包含哪些由“人工”创造出的能力？人工智能可以包含或者也可以不包含哪些由“人工”创造出的能力？人工智能和人类智能在本质上的区别是什么？一个具体的人工智能产品在其生存期中不同阶段在“人工智能”上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定一个具体的人工智能产品在其生存期中不同阶段在“人工智能”上的差异？如何具体地测定一个具体的人工智能产品在其生存期中不同阶段在“人工智能”上的差异？不同人工智能产品在“人工智能”上的差异可以用什么指标来测定？如何定性定量地定义一种或者几种统一的指标来测定不同人工智能产品在“人工智能”上的差异？如何具体测定不同人工智能产品在“人工智能”上的差异？
第三组基本问题：何谓“超越”？
是否能够定义一种或者几种统一的指标可以同时用来测定“人类智能”和“人工智能”？如何定性定量地定义一种或者几种统一的指标可以同时用来测定“人类智能”和“人工智能”？“人工智能超越人类智能”具体是指在什么范围内（比如，全面？某些方面？或者某个关键方面？）的超越？
实际上，根据世界上有关“人工智能”和“人类智能”的学术研究成果，在现阶段，我们还不能完全回答上面这些问题的全部。
笔者根据“人工智能”这一名词最初的提出人、已故美国斯坦福大学教授约翰·麦卡锡（JohnMcCarthy）的定义以及“人工智能”的历史及现状，认为“人工智能”应该意味着：“作为一个学科，人工智能研究以计算机为工具，以计算为手段，开发出具有类似于人类智能的计算程序来控制计算机实施并完成需要人类智能的工作任务之原理、方法和技术”。
现在，让我们来看一看，在笔者上述“人工智能”的意义下，有哪些人类高等智能活动是“人工智能”难以为之或者甚至根本就是不可能为之的？在这里，我们需要申明，“能”与“不能”，应该是指称具有一般性的行为而不是偶然性的行为；也即是说，在同样条件下，多次重复的行为应该产生完全相同的效果。在这个意义下，本文所谓“人工智能”不能做的事情，就是指由一个运行在用物理方法实现的计算机系统上的“人工智能”计算程序在完全没有人类参与时不能够完成的任务。
笔者认为，下面列举出的这些人类高等智能活动，无论有多少“大数据”和多么强有力的计算机系统可以使用，也都是“人工智能”难以为之或者甚至根本就是不可能为之的：
创建科学理论体系或者数学理论体系，在数学研究中定义数学概念，从现象或数据中归纳形成抽象科学概念，从现象或数据中归纳出逻辑关系或者因果关系，对现象或数据给出具有科学意义的解释，发现新的现象、新的物种、新的问题、新的算法、新的原理、新的定理、新的猜测，设计（物理、化学、生物等等）科学实验，设计（软件、信息安全、机械、汽车、航空、化工、土木、桥梁、建筑等等）工程项目，设计对疾病的药物治疗方案或者外科手术治疗方案，分析市场需求或者预测市场需求，指导人类学生从事科学研究工作，教育人类学生学习知识，对特定的人物萌生爱情，对特定的人物产生好感或者恶感，训练动物（比如，军犬、警犬、马戏团动物等）。
笔者举出的上述这些，都是人类高等智能活动，这一点无论怎么定义“人类智能”大概都是没有异议的。这些人类高等智能活动的共同特征就是必须由具备某种主动的独创性的人方能够完成。而计算机程序在工作原理上恰恰不具备主动的独创性！
既然有如此之多的人类高等智能活动，都是“人工智能”难以为之或者甚至根本就是不可能为之的，那么，我们可以非常肯定地说，“人工智能”全面超越“人类智能”是不可能的。
https://blog.sciencenet.cn/blog-2371919-1059130.html上一篇：他山之石：给留日或者即将留日同学们的几点忠告下一篇：“机器里的心灵”是什么?它在哪里？收藏IP:219.111.183.*|热度|人工智能和人类智能的本质区别是什么?
原标题：人工智能和人类智能的本质区别是什么?最便宜的笔记本电脑可以击败最聪明的数学家，但即使拥有16000个中央处理器的超级计算机也不能和小孩儿在其他方面相抗衡，二者之间不只是一个比另一个强大的问题，而是具有本质的差异。——《从零到一》。
那么二者的本质区别是什么？
人类智能，是自主智能系统，除了理性智能之外，人类还具有难以评定的感性思维。
通俗来说，人类会通过情绪爆发出不同层级的不同方向的能量，人类对事物的研究，看法，判定从来都不是以理性为唯一。
人工智能说简单点在现阶段还只处于理性智能，它们能处理大部分数学逻辑能判断的事物，比如十个人和一个人，人工智能肯定会先救十个人对吧，他会按照最优化处理逻辑去思考做事。
但是人类的话，就需要分各种情况来判断，比如是十个老人和一个孩子，按人类道德生机会首先留给孩子。
再比如是十个普通人和一个顶尖科学家，按照对人类社会重要性而言，在实际行动中往往会更偏向投入更多资源营救科学家。
说白了，人类是现实思维，有主观能动性，机器是固定思维，无法开发出自主情绪，即使现在有一些机器会表达情绪，那只不过是人类写入的场景应对系统而已，并不是真正的主动情绪……
人类智能可以用强人工智能来模拟。强人工智能是一种全面模拟人类智能的计算机系统。人工智能（也称弱人工智能、应用人工智能）是一种部分模拟人类智能的计算机系统。
返回搜狐，查看更多
责任编辑：人工智能的三次浪潮与三种模式
■史爱武
谈到人工智能，人工智能的定义到底是什么？
达特茅斯会议上对人工智能的定义是：使一部机器的反应方式就像是一个人在行动时所依据的智能。
百度百科上对人工智能的定义是：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
尽管人工智能现在还没有非常严格准确或者所有人都接受的定义，但是有一些约定俗成的说法。通常人工智能是指机器智能，让机器达到人智能所实现的一些功能。人工智能既然是机器智能，就不是机械智能，那么这个机器是指什么呢？是指计算机，用计算机仿真出来的人的智能行为就可以叫作人工智能。
2017年7月，国务院印发了《新一代人工智能发展规划》。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。这一国家级战略和社会流行趋势标志着，人工智能发展进入了新阶段，我国要抢抓人工智能发展的重大战略机遇，构筑人工智能发展的先发优势，加快建设创新型国家和世界科技强国。
人工智能的三次浪潮
自1956年开始，人工智能经历了三起三落，出现了几次浪潮，现在人工智能已经是处于第三次浪潮了。
第一次浪潮（1956-1976年，20年），最核心的是逻辑主义
逻辑主义主要是用机器证明的办法去证明和推理一些知识，比如用机器证明一个数学定理。要想证明这些问题，需要把原来的条件和定义从形式化变成逻辑表达，然后用逻辑的方法去证明最后的结论是对的还是错的，也叫做逻辑证明。
早期的计算机人工智能实际上都是沿着这条路在走。当时很多专家系统，比如医学专家系统，用语言文字输入一些症状，在机器里面变换成逻辑表达，用符号演算的办法推理出大概得了什么病。所以当时的主要研究都集中在逻辑抽象、逻辑运算和逻辑表达等方面。
在第一次浪潮中，数学定理证明实际上是实现效果最好的，当时有很多数学家用定理思路证明了数学定理。为了更好地完成定理证明工作，当时出了很多和逻辑证明相关的逻辑程序语言，比如很有名的Prolog。
虽然当时的成果已经能够解开拼图或实现简单的游戏，却几乎无法解决任何实用的问题。
第二次浪潮（1976—2006年，30年），联结主义盛行
在第一次浪潮期间，逻辑主义和以人工神经网络为代表的联结主义相比，逻辑主义是完全占上风的，联结主义那时候不太吃香。然而逻辑主义最后无法解决实用的问题，达不到人们对它的期望，引起了大家的反思，这时候人工神经网络（也就是联结主义）就慢慢占了上风。
在70年代末，整个神经元联结网络、模型都有突飞猛进的进步，最重要的是BP前馈神经网络。1986年BP前馈神经网络刚出来的时候解决了不少问题，后来大家往更大的领域应用，实现了比较大的成果。在很多模式识别的领域、手写文字的识别、字符识别、简单的人脸识别也开始用起来，这个领域一下子就热起来，一时之间，人们感觉人工智能大有可为。随后十几年人们发现神经网络可以解决一些单一问题，解决复杂问题却有些力不从心。训练学习的时候，数据量太大，有很多结果到一定程度就不再往上升了。
这时期所进行的研究，是以灌输“专家知识”作为规则，来协助解决特定问题的“专家系统”为主。虽然有一些实际的商业应用案例，应用范畴却很有限，第二次热潮也就慢慢趋于消退。
第三次浪潮（2006—现在），基于互联网大数据的深度学习的突破
如果按照技术分类来讲，第二次和第三次浪潮都是神经网络技术的发展，不同的是，第三次浪潮是多层神经网络的成功，也就是深度学习取得突破。这里既有硬件的进步，也有卷积神经网络模型与参数训练技巧的进步。
若观察脑的内部，会发现有大量称为“神经元”的神经细胞彼此相连。一个神经元从其他神经元那里接收的电气信号量达某一定值以上，就会兴奋（神经冲动）；在某一定值以下，就不会兴奋。兴奋起来的神经元，会将电气信号传送给下一个相连的神经元。下一个神经元同样会因此兴奋或不兴奋。简单来说，彼此相连的神经元，会形成联合传递行为。我们透过将这种相连的结构来数学模型化，便形成了人工神经网络。
经模型化的人工神经网络，是由“输入层”“隐藏层”及“输出层”等三层构成。深度学习往往意味着有多个隐藏层，也就是多层神经网络。另外，学习数据则是由输入数据以及相对应的正确解答来组成。
为了让输出层的值跟各个输入数据所对应的正解数据相等，会对各个神经元的输入计算出适当的“权重”值。通过神经网络，深度学习便成为了“只要将数据输入神经网络，它就能自行抽出特征”的人工智能。
伴随着高性能计算机、云计算、大数据、传感器的普及，以及计算成本的下降，“深度学习”随之兴起。它通过模仿人脑的“神经网络”来学习大量数据的方法，使它可以像人类一样辨识声音及影像，或是针对问题做出合适的判断。在第三次浪潮中，人工智能技术及应用有了很大的提高，深度学习算法的突破居功至伟。
深度学习最擅长的是能辨识图像数据或波形数据这类无法符号化的数据。自2010年以来，Apple、Microsoft及Google等国际知名IT企业，都投入大量人力物力财力开展深度学习的研究。例如AppleSiri的语音识别，Microsoft搜索引擎Bing的影像搜寻等等，而Google的深度学习项目也已超过1500项。
深度学习如此快速的成长和应用，也要归功于硬件设备的提升。图形处理器（GPU）大厂英伟达（NVIDIA）利用该公司的图形适配器、连接库（Library）和框架（Frame⁃work）产品来提升深度学习的性能，并积极开设研讨课程。另外，Google也公开了框架TensorFlow，可以将深度学习应用于大数据分析。
人工智能的3种模式
人工智能的概念很宽泛，根据人工智能的实力可以分成3大类，也称为3种模式。
（1）弱人工智能：擅长于单个方面的人工智能，也叫专业人工智能。比如战胜世界围棋冠军的人工智能AlphaGo，它只会下围棋，如果让它下国际象棋或分辨一下人脸，它可能就会犯迷糊，就不知道怎么做了。当前我们实现的几乎全是弱人工智能。
（2）强人工智能：是指在各方面都能和人类比肩的人工智能，这是类似人类级别的人工智能，也叫通用人工智能。人类能干的脑力活，它都能干，创造强人工智能比创造弱人工智能难得多，目前我们还做不到。
（3）超人工智能：知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能”。超人工智能可以是各方面都比人类强点，也可以是各方面都比人类强很多倍。超人工智能现在还不存在，很多人也希望它永远不要存在。否则，可能像好莱坞大片里面的超级智能机器一样，对人类也会带来一些威胁或者颠覆。
我们现在处于一个充满弱人工智能的世界。比如，垃圾邮件分类系统是个帮助我们筛选垃圾邮件的弱人工智能；Google翻译是可以帮助我们翻译英文的弱人工智能等等。这些弱人工智能算法不断地加强创新，每一个弱人工智能的创新，都是迈向强人工智能和超人工智能的进步。正如人工智能科学家AaronSaenz所说，现在的弱人工智能就像地球早期软泥中的氨基酸，可能突然之间就形成了生命。如世界发展的规律看来，超人工智能也是未来可期的！