随着人工智能发展，大白到底会不会来
欢迎关注“创事记”的微信订阅号：sinachuangshiji
文/李智勇
很不幸以当前的趋势来看，来到我们身边的机器人更可能是《黑客帝国》里的章鱼，而不是《超能陆战队》里的大白。但由于人工智能根本没完成自己技术上从0到1的过程，所以确实这问题的结果仍然是开放式的。为理解这有点矛盾的状况我们先梳理下人工智能的发展状态。
过去和未来那些可能的里程碑
《超级智能：路线图、危险性与应对策略》这书里提到一件有意思的事情：
20世纪50年代后期的一些专家认为：如果能造出成功的下棋机器，那么就一定能够找到人类智能的本质所在。但结果通常是：这种机器一旦被造出来之后，人们就不称其为人工智能了。随后作者列出了人工智能发展史上一些里程碑性的事情(有删节)。
1.西洋跳棋--超越人类，1952年，阿瑟•塞缪尔写过一个跳棋程序，并在1955年吸收了机器学习技术，从而改良了该程序。这是第一个玩起游戏来比程序编写者都好的程序。1994年，跳棋程序“奇努克”(CHINOOK)打败了人类卫冕冠军，这是机器程序第一次在竞技游戏中赢得官方世界冠军。2002年乔纳森•谢弗和他的小组“解决号”跳棋程序总是计算出最好的棋步，最终打了个平局。
2.黑白棋--超越人类，1997年，Logistello程序跟当时的世界冠军村上健的对战结果是6战6胜。
3.国际象棋--超越人类，1997年，深蓝计算机打败了当时的国际象棋世界冠军加里•卡斯帕罗夫。卡斯帕罗夫承认见识到了人工智能在某些棋步上具备真正的智能以及创造力。从那时起，国际象棋程序就一直不断进步。
4.桥牌--高手水平，2005年，订约桥牌软件就已经能够同最好的桥牌高手对弈。
5.《危险边缘》益智问答--超越人类，2010年IBM的沃森超级计算机在《危险边缘》游戏中击败了了肯•詹宁斯和布莱德•拉特这两名擂主冠军。《危险边缘》是以提问有关历史、文学、运动、地理、流行音乐、流行文化、科学以及其他领域细节问题而著称的电视益智节目。《危险边缘》游戏的题目一般都需要猜字谜的方式来发现线索。
6.扑克--发挥不稳，电脑玩家在玩德州扑克时还没能超越人类玩家，但是在一些类似的扑克游戏中却超越了人类水平。
7.围棋--很高的业余水平，2012年，Zen系列围棋程序能够达到6段水平，这个程序主要运用了蒙特卡洛树搜索法和机器学习技术。围棋程序此后每年提升一段的速度向前发展。照这个速度看，围棋程序可能在未来10年内击败人类世界冠军。
这意味着从游戏的视角看，除了围棋人工智能基本已经超越或者达到了人类的水平。这里更有意思的事情是，如果把这张表延伸到未来，领域也不局限在游戏，那究竟那些事情值得记录在上面。按照我的推断这种里程牌会是下面这个样子：
1.自动驾驶--彻底的自动驾驶很可能在10年左右的时间里实现。根据报道到2015年为止，Google的自动驾驶汽车已经安全行驶了百万英里。各方预测在这样的基础上，再有5~10年自动驾驶应该可以获得普遍应用，我们采用保守的数值。自动驾驶之所以必须被放到里程碑里是因为从智能的角度看人类日常的工作生活中比驾驶更复杂的事情其实不多，如果可以搞定驾驶，那理论上第一产业、第二产业甚至第三产业中的简单工作都是可以通过人工智能搞定的。第三产业中的简单工作是说类似餐饮、运输行业中的各种工作。在那个时间点上，我们就可以更清楚的看到第一产业、第二产业中几乎没人的景象，虽然即使是今天这在局部也已经逐渐成为现实。
2.沃森类系统在医疗行业全面展开--IBM已经在做这件事情，所以这里的关键点不在于采用不采用，而在于什么时间点沃森这样的系统可以成为医疗中必须的一个环节。这个点之所以有意义在于，沃森的全面展开意味着医院里所有和数据相关的工作被人工智能接管。这个时间点之所以有意义在于它意味着人工智能成为真正的专家系统，随后(或者同时)它就可以扩展到法律、管理、财务等领域。从沃森获得危险边缘冠军这事来看，这件事的瓶颈很可能不在于技术，而在于接受程度。如果拿数据库被接受的速度做类比，那这产品也可能在5~10年内走到各家医院里去。
3.人人工智能成为所有金融公司的标准工具--这点可以更形象点的表述成类似Palantir的服务渗透到所有金融公司。这意味着非行业的可数据化的各种工作已经可以在人与人工智能的配合下完成。只要能搞定金融，那就可以搞定几乎所有其它企业。这事情已经有很多公司再做，并且已经有很大的规模，所以也可能在5~10年内达成。
4.类人机器人出现--很像电影《我，机器人里面》描述的那种正常的机器人，这种机器人没有自我意识，但有足够的智能和行动力可以完成所有所有人类需要完成的工作，甚至可以包括战争。如果说1~3主要消灭的是低端的以及和数据深度相关的工作，那这类机器人几乎可以消灭所有的工作。人类到此理论上可以得到解脱。这个项目上差的比较远，如果认为前几项可以在10年内实现，那这项应该会在它们后面。至于后面多久确实难以推断，但这种机器人是一定可以实现的，虽然我们不太确定是20年后，还是30年后，但它的技术脉络与前三者一脉相承，所以说是一定可以实现的。
人工智能上的从0到1
很多人可能难以相信，但上面那些看着已经波澜壮阔的里程碑其实只是人工智能从0到1过程中的产物。
很多技术的发展都要经历从0到1，再从1到100的过程。比如说福特造出第一辆T型车可以认为是汽车从0到1的过程，此后100年直到现在可以认为是汽车从1到100的过程。此后的汽车虽然也有发动机、传动系统和四个轮子，但其精密程度要远高于当年的版本。计算机一样有这过程，如前所述，其理论奠基于图灵，图灵之后冯•诺依曼真的设计了一套体系结构把这东西做出来了，到冯•诺依曼为止可以认为计算机走完了自己从0到1的过程。此后才有从电子管计算机到晶体管计算机，再到大规模集成电路使用后的计算机，其形态也就由比房子还打到现在手机那么大，但几乎无所不能。
如果拿人工智能与上述两者相类比，我们可以发现人工智能根本还没走完从0到1的过程。人工智能既没有清楚的理论基础，大家也不知道智能究竟是什么，所以才有先达到某个目标，比如在下棋上战胜人类，接下来就认为这也不算什么智能的情形出现。人工智能的内在发展思路也多次发生变迁，比如最开始人们认为这种智能依赖于一种物理符号系统，这种系统要通过处理符号组成的数据结构来起作用。人类似乎是这样，但这显然只是一种现象，在这层面上并不能产生真的智能。接下来也考虑过遗传算法，这是按照生物进化的过程来做程序，让程序有某种随机变化，并用一个选择过程(生物的优胜劣汰)来保持似乎有用的变化，但限于各种“如果怎样，否则怎样”的这种组合太多，在当时这也没产生什么有价值结果。
再后来至少一部分人开始转向神经网络，这方向出现的很早在20世纪60年代就出现了，但那时是非主流，直到20世纪80年代才收到重视，JeffHawkings认为这和人工智能节节败退有关。神经网络研究者尝试在连接中查找智能，因为大脑由神经元组成，这是显然的事实。近来极其火热的深度学习就在这方向上，但这方向也还没完成从0到1的过程。只是在特定的领域取得了极为令人瞩目的成绩比如语音识别、图像识别。这领域的大牛YannLeCun在发表演讲的时候曾经专门提到了深度学习的几个关键限制，具体来讲这包括：
l缺乏理论基础。没这个深度学习方法只能常常被视为黑盒，大多数的结论确认都由经验而非理论来确定。
l缺乏推理能力。深度学习技术缺乏表达因果关系的手段，缺乏进行逻辑推理的方法。
l缺乏短时记忆能力。与深度学习相比人类的大脑有着惊人的记忆功能。
l缺乏执行无监督学习的能力。无监督学习在人类和动物的学习中占据主导地位，我们通过观察能够发现世界的内在结构，而不是被告知每一个客观事物的名称。
这是2015年6月演讲中提到的内容，InfoQ对此进行了比较完整的报道。从这种现实来看，我们确实很难讲人工智能完成了从0到1的过程，而只能说还处在一种盲人摸象的状态，虽然摸到的面积越来越大。
但与汽车或计算机不同的是，一般大家认为人工智能从1到100的过程会发生的非常快，而不像汽车陆陆续续发展了100年，计算机发展了半个多世纪。如果我们真能搞定某些基础问题，那人工智能的从1到100的过程确实可能在几年，甚至几天内实现。互联网为此准备了充分的素材和基础设施。
如果人通用型的强人工智能得以实现，那就会面临下一个从0到1的过程，由无意识到有意识的过程。
大白到底会不会来？
所谓的人工智能从正常人的视角来看其实有两个明显不同的分支，这会导致两种完全不同的大白：
一个分支更像黑客帝国路线，有一个万能的矩阵，所有章鱼都是是这个矩阵的载体。我们经常提到的人工智能由于是数据驱动的所以基本都是这个方向，比如IBM的Watson。
一个分支则是大白的路线，每个机器人有自己的个性，虽然它可以从庞大的云端数据库里获得信息，但它是独立的个体，有自己的个性和温度。
后者更贴近人类的状态，从本能上我们不太会喜欢前者，因为这样一个东西如果有足够的智能那会是一种完全超出我们理解的东西(经常说的超级智能就是指这个)，虽然科学家可能喜欢。
理论上讲，这两者都是有可能的，毕竟人从懵懂无知到学富五车其实并不需要太多的数据，但很不幸的是如果按照当前的研究方向发展下去，那种有个性的大白是不太会来到现实里来的。现在各种机遇机器学习的人工智能都需要庞大的数据量做支撑，这样一来即使做一个本地的版本放到机器人里去，那也更像是黑客帝国里的章鱼而不是有个性有温度的大白。
当然人工智能本身也还在不停的变动中，所以也许有一天，当前这条路碰到瓶颈，科学家们会转而追求另一种形式，那样的话，大白才有可能真的来到我们身边。
要想认清这点有必要考察一下实现人工智能的实现方式以及人脑的基本运作方式。
现在实现各种人工智能的方法简单的可以概括成建立可以进行学习的多层网络，接下来用数据来训练这网络，数据越多这网络处理图像识别等的效果就越好。效果和数据量成正比。
但人脑却并不是这样，一般认为大脑皮层是人类智慧的来源，每一层有大概2毫米厚，一共有六层，和叠加的六层扑克牌厚度相类似。有一种观点认为大脑各个区域实际上能起的作用是一致的，之所以会不同的区域能复杂不同的事情是因为不同区域使用的计算方法不同。这和电脑类似，虽然看着电脑能做的事情五花八门，但底层都是0和1的运算，但接下来就不一样了。大脑里面的轴突建立各种输入模式，于是我们看到了五光十色的世界。认知过程中和计算机很不同的是大脑似乎是记忆身边这世界的本质特征，接下来看到新东西的时候先从记忆中提取这种本质特征，再加上些处理来应付各种各样的情形。
这样一比较我们就知道实现这大白和章鱼背后所牵涉的东西不同。要实现大白，那其实需要有感知并且及时的对这种感知进行理解、记忆、学习，个体的独立和发展非常重要。这和当前的主流发展路线很不一样，所以按照数据驱动的思路，更可能的产品只会是黑客帝国里的章鱼。
小结
人工智能实在是比较奇妙的技术，即使仍然处在从0到1的过程，其背后的波澜壮阔已经隐约可见。它当然会带给我们近乎等距的天堂地狱，但最终这智能什么样，人类仍然还有选择权。
订阅号：zuomoshi(琢磨事)。
（声明：本文仅代表作者观点，不代表新浪网立场。）
人工智能的发展与未来
随着人工智能（artificialintelligent，AI）技术的不断发展，各种AI产品已经逐步进入了我们的生活。
现如今，各种AI产品已经逐步进入了我们的生活｜Pixabay
19世纪，作为人工智能和计算机学科的鼻祖，数学家查尔斯·巴贝奇（CharlesBabbage）与艾达·洛夫莱斯（AdaLovelace）尝试着用连杆、进位齿轮和打孔卡片制造人类最早的可编程数学计算机，来模拟人类的数理逻辑运算能力。
20世纪初期，随着西班牙神经科学家拉蒙-卡哈尔（RamónyCajal）使用高尔基染色法对大脑切片进行显微观察，人类终于清晰地意识到，我们几乎全部思维活动的基础，都是大脑中那些伸出细长神经纤维、彼此连接成一张巨大信息网络的特殊神经细胞——神经元。
至此，尽管智能的具体运作方式还依然是个深不见底的迷宫，但搭建这个迷宫的砖瓦本身，对于人类来说已经不再神秘。
智能，是一种特殊的物质构造形式。
就像文字既可以用徽墨写在宣纸上，也可以用凿子刻在石碑上，智能，也未必需要拘泥于载体。随着神经科学的启迪和数学上的进步，20世纪的计算机科学先驱们意识到，巴贝奇和艾达试图用机械去再现人类智能的思路，在原理上是完全可行的。因此，以艾伦·图灵（AlanTuring）为代表的新一代学者开始思考，是否可以用二战后新兴的电子计算机作为载体，构建出“人工智能”呢？
图灵在1950年的论文《计算机器与智能（ComputingMachineryandIntelligence）》中，做了一个巧妙的“实验”，用以说明如何检验“人工智能”。
英国数学家，计算机学家图灵
这个“实验”也就是后来所说的“图灵测试（Turingtest）”：一名人类测试者将通过键盘和显示屏这样不会直接暴露身份的方式，同时与一名人类和一台计算机进行“网聊”，当人类测试者中有七成都无法正确判断交谈的两个“人”孰真孰假时，就认为这个计算机已经达到了“人工智能”的标准。
虽然，图灵测试只是一个启发性的思想实验，而非可以具体执行的判断方法，但他却通过这个假设，阐明了“智能”判断的模糊性与主观性。而他的判断手段，则与当时心理学界崛起的斯纳金的“行为主义”不谋而合。简而言之，基于唯物主义的一元论思维，图灵和斯金纳都认为，智能——甚至所有思维活动，都只是一套信息处理系统对外部刺激做出反应的运算模式。因此，对于其他旁观者来说，只要两套系统在面对同样的输入时都能够输出一样的反馈，就可以认为他们是“同类”。
1956年，人工智能正式成为了一个科学上的概念，而后涌现了很多新的研究目标与方向。比如说，就像人们在走迷宫遇到死胡同时会原路返回寻找新的路线类似，工程师为了使得人工智能达成某种目标，编写出了一种可以进行回溯的算法，即“搜索式推理”。
而工程师为了能用人类语言与计算机进行“交流”，又构建出了“语义网”。由此第一个会说英语的聊天机器人ELIZA诞生了，不过ELIZA仅仅只能按照固定套路进行作答。
而在20世纪60年代后期，有学者指出人工智能应该简化自己的模型，让人工智能更好的学习一些基本原则。在这一思潮的影响下，人工智能开始了新一轮的发展，麻省理工学院开发了一种早期的自然语言理解计算机程序，名为SHRDLU。工程师对SHRDLU的程序积木世界进行了极大的简化，里面所有物体和位置的集合可以用大约50个单词进行描述。模型极简化的成果，就是其内部语言组合数量少，程序基本能够完全理解用户的指令意义。在外部表现上，就是用户可以与装载了SHRDLU程序的电脑进行简单的对话，并可以用语言指令查询、移动程序中的虚拟积木。SHRDLU一度被认为是人工智能的成功范例，但当工程师试图将这个系统用来处理现实生活中的一些问题时，却惨遭滑铁卢。
而这之后，人工智能的发展也与图灵的想象有所不同。
现实中的人工智能发展，并未在模仿人类的“通用人工智能（也称强人工智能）”上集中太多资源。相反，人工智能研究自正式诞生起，就专注于让计算机通过“机器学习”来自我优化算法，最后形成可以高效率解决特定问题的“专家系统”。由于这些人工智能只会在限定好的狭窄领域中发挥作用，不具备、也不追求全面复杂的认知能力，因此也被称为“弱人工智能”。
但是无论如何，这些可以高效率解决特定问题的人工智能，在解放劳动力，推动现代工厂、组织智能化管理上都起到了关键作用。而随着大数据、云计算以及其他先进技术的发展，人工智能正在朝着更加多远，更加开放的方向发展。随着系统收集的数据量增加，AI算法的完善，以及相关芯片处理能力的提升，人工智能的应用也将逐渐从特定的碎片场景转变为更加深度、更加多元的应用场景。
人工智能让芯片的处理能力得以提升｜Pixabay
从小的方面来看，人工智能其实已经渐渐渗透进了我们生活的方方面面。比如喊一声就能回应你的智能语音系统，例如siri，小爱同学；再比如在超市付款时使用的人脸识别；抑或穿梭在餐厅抑或酒店的智能送餐机器人，这些其实都是人工智能的应用实例。而从大的方面来看，人工智能在制造、交通、能源及互联网行业的应用正在逐步加深，推动了数字经济生态链的构建与发展。
虽然脑科学与人工智能之间仍然存在巨大的鸿沟，通用人工智能仍然像个科幻梦，但就像萧伯纳所说的那样“科学始终是不公道的，如果它不提出十个问题，也永远无法解决一个问题。”科学总是在曲折中前进，而我们只要保持在不断探索中，虽无法预测是否能达到既定的目的地，但途中终归会有收获。
参考文献
[1]王永庆.人工智能原理与方法[M].西安交通大学出版社,1998.
[2]Russell,StuartJ.ArtificialIntelligence:AModernApproach[J].人民邮电出版社,2002.
[3]GabbayDM,HoggerCJ,RobinsonJA,etal.Handbookoflogicinartificialintelligenceandlogicprogramming.Vol.1:Logicalfoundations.,1995.
[4]胡宝洁,赵忠文,曾峦,张永继.图灵机和图灵测试[J].电脑知识与技术：学术版,2006(8):2.
[5]赵楠,缐珊珊.人工智能应用现状及关键技术研究[J].中国电子科学研究院学报,2017,12(6):3.
[6]GeneserethMR,NilssonNJ.LogicalFoundationofArtificialIntelligence[J].brainbroadresearchinartificialintelligence&neuroscience,1987
作者：张雨晨
编辑：韩越扬
[责编：赵宇豪]让人工智能更好造福人类
当前，人工智能和人们生产生活的关系越来越密切。习近平同志指出，“新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。”对于这种改变，许多人都有切身体会。人工智能能否摘掉“冷冰冰”的标签，真正变得“亲人类”，更好造福人类呢？这是人工智能发展中值得深入研究的课题，体现人工智能“人格化”发展新趋向。
近年来，人工智能开发和推广应用取得较大突破，人工智能与医院、物流、安防、教育、交通、金融、种植等领域的结合，正推动这些行业不断进步。以医院为例，先进医疗技术与人工智能系统的创新融通，催生了医院智能服务机器人、智能配送机器人等，不仅提升了医疗服务效率，而且节省了医务系统的运营成本、管理成本、人工成本，推动医院从数字化医院向智慧医院转变。人工智能在无人机、无人驾驶等领域的运用也日渐成熟。由此可见，人工智能的运用和逐步普及，能够将人们从繁重的体力劳动中解放出来，进一步提升人们的生活品质。
展望未来，人工智能的发展和运用可能不仅仅局限于代替人类进行体力劳动甚至一部分脑力劳动，很可能会向温暖人类心灵的方向迈进。这涉及人工智能的“人格化”。人之所以为人，一个重要方面是因为人有情感、有人格，这是机器和机械系统所不具备的。人工智能迈入深层次发展阶段后，能否实现“人格化”而拥有情感？答案尚不明确，但人工智能的“人格化”发展是未来的一个重要趋势。所谓人工智能“人格化”，是指在重视人工智能完成任务和强化功能的同时，强化人工智能的“情商”与“情感”，使其能满足人们的情感需求和心理需求。未来人工智能可以通过对使用者语言、行为的长期统计和分析，为使用者遇到的情感问题提供有针对性的解决方案，从而建立起与人类的“情感”链接。这种“情感”链接能够在人们最需要关怀的时候给予其心灵慰藉，让人们感受到身边还有一个理解自己、关爱自己的“人”。人工智能技术要达到这种效果，实现“人格化”，仅仅会分析、计算还不够，还需要具有“主动性”。所谓“主动性”，就是当人工智能在感知到人们的需求时，无需任何指令就能主动去“询问”“关怀”和“交流”，并能独立处理原本应该“人为”的事件。那时，人工智能就可能从运算智能、感知智能阶段发展到认知智能阶段。
值得注意的是，如果人工智能发展到能温暖人类心灵的阶段，一些问题也将相伴而生。比如，这些“人格化”的人工智能可能影响人类的决策，甚至改变人类的决策。再如，过分依赖人工智能提供的情感慰藉，会衍生出相应的伦理问题、心理问题甚至社会问题。当然，所有事物的发展都不会十全十美、一帆风顺。被人类赋予智慧的人工智能，其发展方兴未艾，未来还有很长的路要走。当前，我们要把握好人工智能发展的机遇，回答好人工智能发展在法律、安全、就业、道德伦理和社会治理等方面提出的新课题，努力让人工智能更好造福人类。
（作者单位：广东省社会科学院）
《人民日报》（2019年07月10日09版）
(责编：赵超、夏晓伦)分享让更多人看到
随着人工智能的进一步发展，未来人们的工作将会是咋样的
原标题：随着人工智能的进一步发展，未来人们的工作将会是咋样的？前段时间流行这么一句话“时代变了，大人”！
没错，随着人工智能的发展，人类的生活会有很大的提升，但凡事有利就有弊，人类的部分工作也将会被人工智能取代！
那么人类的工作会有什么样的改变？？
我想会有以下几点变化:
1.人工智能取代劳动力
有句话是这么说的:“人类负责创造，AI负责制造”！人类制造AI只是为了将自己从反复的无新意的重复劳动中解放出来，专心从事创造工作机器就负责人类不愿意干的活！
比如司机，产业工人，流水线工人，超市收银员，翻译等
很多人都知道，马云踏入了AI领域，他的无人汽车，无人酒店，无人超市甚至是无人加油站都在试用阶段！
这就意味着大批工人，服务业者，廉价劳动力失业！
2.人工智能服务工作者
什么意思呢？
在一些岗位，比如科学研究，产品研发，全科医生等，是人工智能没法独自完成的，而通过人类去完成有会特别的累，而人工智能又可以快速的给出算法，分析数据，这时候让人工智能来服务这些工作者就会轻松很多！
展开全文3.人工智能创造新的就业岗位
工业时代导致了铁匠的衰落，但又带来了钢铁工人的崛起。同样，人工智能也有可能创造这样的机会。据CNBC报道，商业CRO内幕人士PeterSpande的说法是，今年仅花在人工智能广告上的资金就接近20亿美元。技术研究和分析公司Gartner估计，到今年年，人工智能领域将创造230万个就业岗位。
例如人工智能行业会需要大量的机器训练师，人工智能工程师，人工智能测试人员等
随着自动化技术的普及，对技术的需求会越来越多。当机器人部件出现故障时，也需要有人来修理，这样又会需要大量的专业型人才（就像电脑坏了，需要维修人员）。
虽然汽车未来会实现自动驾驶，但是智能设备依然需要机械设备一样保养，这是一个道理！
返回搜狐，查看更多
责任编辑：