原标题：人类该怎样面对有“创造力”的计算机——读《智能机器如何思考》 来源：上海证券报
| ||
|
⊙夏学杰
虽然人工智能近几十年才真正起步，但却是人类长久以来的梦想。
1737年，法国机械天才雅克·德·沃康松完成了一件杰作：一尊能像真人一样用长笛演奏音乐的塑像。这尊真人大小的塑像把真实的长笛举到嘴边，就能吹出一个个音符。为了证明其发明的合理性，沃康松向法国科学院展示了这台自动机，并在提交的一篇题为《自动长笛演奏者的机理》的论文中，精确阐释了这台神奇机器的工作原理。塑像由木头和硬纸板制成，包裹着皮革的指尖与长笛孔形成密封。自动机的机械驱动器由两根旋转轴组成。为了让塑像吹气，其中一根轴给三组风箱打气，产生低、中、高三档不同压力的气流。这三股气流合在一起形成一个人工气管，被送入塑像的口中。装置的另一根轴慢慢地转动一个表面带有小螺柱的圆筒，当圆筒旋转时，这些小螺柱会压在15根由弹簧承载的杠杆上。通过链条和线缆，这些杠杆可驱动自动机的各个部分。一些杠杆控制着手指和嘴唇的运动。剩下的杠杆决定了低、中、高三档压力中的哪一档气流该吹进长笛及装置的舌头该选择占据哪个位置来改变气流。通过将小螺柱放置在旋转圆筒上的适当位置，沃康松可对塑像编码，从而让它演奏出他想要的任何乐曲。沃康松的杰作只是那个世纪的发明家开发的许多自动机之一。自动机之所以受欢迎，正是因为它看起来是完全自主的，而且似乎复制了人类的智能。长笛演奏者和其他类似的自动机是工业革命中的人工智能先驱。随着各类材料和各种新发明的出现，自动机得以成为可能，当时的技术专家和业余爱好者在他们独特的探索中使用自动机来复制我们的身体和思想。
有想法，才会有实践有可能，飞机的发明不就源于人想像鸟儿一样飞翔的愿望吗？
然而，沃康松自动机无法对世界做出反应。那个时代的自动机遵循的是简单的、预先设定好的一系列步骤。而今天具有感知能力的自动机能对不断变化的环境做出反应，不仅能对键盘上按下的按键做出反应，还能对汽车和行人穿过拥挤的十字路口做出反应，甚至能对智力问答节目题目中的微妙线索做出反应。
谷歌前工程专家，普林斯顿大学的机器学习博士肖恩·格里什的这本《智能机器如何思考》从机械自动机讲起，用类比的方式将复杂的科学原理形象化简单化，大有助于人们理解日新月异的现代人工智能技术。
从机械自动到智能感知
18世纪的自动机有时会使用当时尖端的精密技术——机械发条来执行程序。而粗略地讲，电子计算机能运行程序也是因为遵循了相同的机制。闩锁和齿轮的原理同样适用于计算机，但计算机并不像钟摆那样安静地摆动，而是利用了电子的摆动。电子从电路一个部分飞速移动到另一部分，然后返回。电子在移动到电路另一部分的过程中，动量不变。
那早期的自动驾驶汽车是如何控制行驶速度的呢？这需要把计算机给它的数字（比如“25”）转换成汽车的行驶速度。最终，人们通过使用一种叫离心调速器的装置解决了这个难题。离心调速器是带有两个金属飞球的“旋转”装置，当发动机运转得更快时，离心调速器就旋转得更快，金属飞球被离心力向外拉。通过一系列杠杆，一个阀门会关闭进入发动机的燃料通路，使发动机减速。如果发动机运转太慢，装置就会增加发动机的燃料，使其加速。通过调节注入发动机的燃料，离心调速器能让发动机的转速保持稳定。
我们平时用电脑搜索文字是比较容易的，结果也比较准确，但用电脑搜索图片就比较费事且结果不大准确。2012年，被命名为“亚历克斯网”的最新研究成果问世，它建立了一个可检测狗的图片的神经网络。神经网络是一种受生物学启发的数学函数，由相互作用的人工神经元组成。亚历克斯网有5层卷积，第一层卷积使用了大约100个过滤器，有100个神奇的“物体探测器”。剩下的4个卷积层中每层都有几百个过滤器。每个连续的卷积层都使用其前一层的过滤器作为构件，组合成更复杂的模式。网络输出有1000个不同的神经元，分别对应它需应对的每个类别。经过训练的亚历克斯网遇到包含需要检测出的类型图片时，相应的输出神经元就会亮起来。如果出现大白鲨的图像，代表大白鲨的神经元就会亮起来。如果出现沙漏图像，代表沙漏的神经元就会亮起来。
所以，自动驾驶汽车就是通过使用激光扫描仪、摄像机和加速度计创建环境模型来感知周围的环境的。
“阿尔法”的假想棋局
人工智能发展到今天，不仅能“看”东西，还能“理解”文字了。2011年1月，在智力竞赛节目《危险边缘》中，IBM一组研究人员开发的计算机程序“沃森”成功击败了两位人类冠军。
“沃森”是如何思考的呢？“沃森”的第一步是用人类创造的各种规则来梳理线索。它创建了一个句型图，使用人工制作的规则提取并标记用于回答线索的关键信息，然后用这些信息在搜索引擎上搜索正确答案，再根据搜索结果创建候选答案列表，搜索更多支持每个候选答案的证据。此后，它对搜集到的证据评分，用一系列变换和分类器选出最佳候选答案。
诚然，严格说来“沃森”尚不具备理解能力。因为“沃森”并没有真正理解节目线索要问的是什么。“沃森”也无法像人类那样理解每个单词的含义，更不用说一组单词了。它只是遵循一系列确定的步骤，用人工设计的规则和从数据中学到的权重来检查问题并对证据评分。
下棋，人类今天已不是计算机的对手了。但是，即便人类的顶尖高手也下不过计算机，计算机依然没有自己思考的能力。“阿尔法”是如何走棋的呢？据肖恩·格里什描述：每次轮到“阿尔法”走棋时，它都会从当前的棋盘局面开始模拟一系列棋局，在其硅基大脑的想象中下每盘棋，在搜索树中深入挖掘一条路径，直到这盘假想的棋局结束。在下完这盘假想的棋局后，程序就会知道棋局的胜负。通过重复成千上万次相同的事，“阿尔法”建立了一种直觉来决定下一步棋的走法。所以，“阿尔法”实际上依靠的还是计算机算法，基于机器学习和数据分析。
人工智能应是人类手中的利器
人工智能会比人类更聪明吗？很多人认为，那是不可想象的。作为人工智能工程师，肖恩有意回避了对人工智能的未来作过多猜测，但在书的结尾处，他还是简要地做出了他的判断：“我们在未来创建的自动机将会始终遵循程序。因为它们会受到我们用来构建这些自动机的媒介以及我们生活的世界物理定律的约束。这些机器将会遵循越来越复杂的程序。辨别它们在做什么事情也会变得越来越困难，但是我们始终有可能将它们执行的每一个动作追溯到一组确定的指令。”“如果我们相信人类可以思考，那么就没有什么能阻止我们有朝一日设计出可以思考的数字计算机。”“机器总有一天会思考，这是大势所趋，它们会产生情感、观点和自我保护的愿望，这些总有一天会与人类发生冲突。”“我们会继续设计能够越来越准确地复制人类智力和行为的机器，直到它们的感知和推理能力与我们自己做这些事情的能力之间没有明显的区别，而且机器在很多方面将会比我们更优秀。”
在肖恩看来，人工智能的发展不可阻挡。科技之门一旦打开，就很难关上了，“无论我们的社会能够多么好地接纳这些智能体，只要技术（我们的硬件、我们的理论和它们背后的软件架构）继续改进，我们就会继续设计它们，使它们达到并超越我们的能力。”“按照我们的形象制造机器是人类努力的体现，人类天性的某些特质将会迫使我们继续这项工作。”
计算机最难学会的就是“顿悟”，或再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或从一个“概念”直接到另一个“概念”。这是智能化研究者梦寐以求的东西。2013年，帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法，给计算机学会“创造”提供了一种方法。本质上，这为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的，普通人无法拥有。自此，计算机不仅精于算，还会因精于算而精于创造。对此，学界论争激烈，有的主张计算机学家们应斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力。肖恩的回答是：“这将要求我们的领导者做出深思熟虑的决定，以确保改进技术所带来的利益得到公平分配，而且我们应该对这些利益抱有同样的期望。”
人工智能应是人类手中的利器，人类不能被人工智能掌控。
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
