或者往輕了說，它是一個混淆概念。往重了說，是用來欺騙大眾的流行語，并且流行度非常高。

其實真正的內涵是“機器學習”。所以，真正強大的，每個人都應該為此感到興奮并不是所謂的人工智能。

另一方面，人工智能確實為一些好玩的段子提供了特別棒的素材。所以，戴上你的質疑之帽，是時候來一場人工智能版的“揭秘之旅”了!

在閱讀本文之前，需要明確三點：

1、與AI不同，機器學習完全合理。雖然獲得了令人興奮的進步。然而，這些進步幾乎完全來自于有監(jiān)督的機器學習，其只能解決有很多標記數(shù)據(jù)或實例數(shù)據(jù)的計算機學習問題。這種形式將機器學習局限在了非常有限的范圍。

2、AI什么都不是。AI只不過是一個品牌，一個強大但空洞的承諾。“智慧”的概念完全是主觀的，本質上來自于人類自身。

那些支持人工智能有無限可能的人，包括比爾蓋茨和埃隆馬斯克，都有同樣的假設：人工智能的發(fā)展是一條單行道。他們表示，技術的進步推動著我們沿著這條單行道發(fā)展，直到計算機達到人類級別的智能。其實，即便這樣，這條單行道的關鍵點也是“帶標簽的數(shù)據(jù)”。我們正在快速前進，但是朝著不同的方向發(fā)展，唯一可以確定的是，只有在一個非常特殊、有限的能力范圍內才能取得進展。

3、AI不會殺了你。科幻片中所描述的機器人災難其實是“鬼故事”。機器將按照自己的意志升級并消除人性的想法沒有任何價值。

勝利的神經(jīng)網(wǎng)絡

在電影《終結者2：審判日》中，機器人說：“我的CPU是神經(jīng)網(wǎng)絡處理器，一臺可以學習的計算機。”機器人所說的神經(jīng)網(wǎng)絡實際上是一種機器學習方法。更準確的說是一種描述復雜數(shù)學公式的方法。

神經(jīng)網(wǎng)絡真的可以完成很多不可思議的事，運用它可以進行圖像識別。通過機器學習，計算機基本上已經(jīng)可以通過編程來獨立完成這項工作。就其本身而言，它已經(jīng)能夠確定要尋找的模式或視覺特征的細節(jié)。機器學習實現(xiàn)這些目標的能力令人敬畏！

神經(jīng)網(wǎng)絡的最新改進被稱為深度學習。它使得物體識別的準確度大幅度提高。深度學習通過增加更多神經(jīng)網(wǎng)絡層使學習更加深入。

具有四層的簡單神經(jīng)網(wǎng)絡的體系結構

機器學習需要標記數(shù)據(jù)

因此，隨著機器在人性化任務中表現(xiàn)得越來越好，這是否意味著他們變得越來越聰明，越來越智能化？

不。它可以真正地、出色地完成某些任務，但只有在有正確的數(shù)據(jù)可供學習的情況下才可以。對于上面討論的目標識別，可以通過從大量打標簽的照片中學習做到這一點。因為，其中目標已經(jīng)被正確標記。

深度學習需要這些打標簽的數(shù)據(jù)。這稱為有監(jiān)督的機器學習：當有預先標記的訓練數(shù)據(jù)時，學習過程由標記的數(shù)據(jù)引導或“監(jiān)督”。

它不斷調整神經(jīng)網(wǎng)絡以使它在這些數(shù)據(jù)上做得更好，然后逐個改進，這是學習過程。神經(jīng)網(wǎng)絡改進或“學習”的唯一方法是通過在那些標記的數(shù)據(jù)上進行測試來實現(xiàn)的。沒有標記數(shù)據(jù)，神經(jīng)網(wǎng)絡就無法知道改進的正確與否，也就不會知道在這個過程中要堅持哪些改進。

這是另一個例子。2011年，IBM的沃森在電視智力競賽節(jié)目《危險邊緣》中擊敗了兩屆人類冠軍。

準確地說，計算機并不能真正聽懂問題，而是將每個問題轉換成文本輸入。但是，考慮到《危險邊緣》游戲中的問題都是基于人類的習慣而設計的，采用了復雜而巧妙的措辭，并且涵蓋了各種對話場景，而沃森能夠一口氣答對一個又一個問題，不得不承認，它是非常棒的“類智能”物體。

但是，需要說明的是，沃森之所以能夠如此聰明，是因為它事先通過大量有標簽的樣例問題進行了學習：它的學習樣本是從過去多年來電視問答節(jié)目上采集的25000個問題，且每個問題都給出了正確答案。

其實，最核心的技巧是把每個問題轉換成“是/否”的預測結果。對諸如“某某是這個問題的正確答案嗎？”的問題，回答“是”還是“否”。

如果你能回答一個這樣的問題，那么就能回答所有類似的問題，你要做的只是不停地嘗試上千種選項直到有足夠的自信回答正確。舉個例子，“亞伯罕·林肯是美國的第一任總統(tǒng)嗎？”不是。“喬治·華盛頓呢？”是的！現(xiàn)在，機器就對這個問題有了自己的答案并且能夠回答出來了。

能像人類一樣交談的計算機

同樣，語言應用的另一個領域也需要大量的標簽數(shù)據(jù)，那就是“機器翻譯”。機器學習是通過學習大量有標注的數(shù)據(jù)實現(xiàn)的，例如英文翻譯到日文的過程，計算機會學習到英文標注的語句文本，以及每個語句對應的日文翻譯。

近年來，每個人都能在線使用的谷歌翻譯，通過深度學習驅動的架構取代原來的底層方案，實現(xiàn)了翻譯質量的進一步改善。

另一方面，掌握像英語這樣的自然語言是人性化的標志，但也僅僅是人性化。對于我們的“硅谷兄弟姐妹”來說，如何流利地說出自然語言仍然是一個問題。而當我們人類理解別人的話時，在所有的單詞以及一些邏輯語法規(guī)則的表象下，往往帶有“常識和推理”。如果沒有這個人類特有的技能，你就無法使用語言。

所以，人類和計算機交談的希望和夢想會終將破滅。因為，很不幸，沒有“像人一樣交談”這樣的標簽數(shù)據(jù)。你可以針對一個受限的、具體的任務獲取正確的數(shù)據(jù)，像電視問答，或者回答一些人們希望Siri回答的有限范圍的問題。

但是，“像人一樣交談”的一般性概念是一個無法被很好地定義的問題，計算機能夠解決的只是能夠被準確定義的問題。

所以，我們無法利用機器學習實現(xiàn)我們在很多科幻電影里看到的那些能夠正常交談的計算機，像終結者，或者星際迷航中友善的飛船電腦。你可以用英語和這些機器交談，就像和正常人交談一樣。這很容易，你只需要成為科幻電影里的人物就行。

智能是主觀的，所以AI沒有真正的定義

現(xiàn)在，如果你覺得自己對人工智能還不夠了解，那你錯了。其實沒什么好了解的，因為它很不真實，沒有任何有意義的明確定義。人工智能作為一個領域，只是一個被幻想存在的東西而已。作為一個假定的領域，人工智能有許多矛盾的定義，其中大部分可以歸結為“智能計算機”。我必須提醒你，不要在字典里查“自我參照”（self-referential），否則會陷入死循環(huán)。

如果有些定義真的可能的話，它們比“智能計算機”更讓人摸不著頭腦。它們只是直截了當?shù)卦贏I的定義里使用了“智能”這個詞而已，比如“由機器展現(xiàn)出來的智慧”（intelligence demonstrated by a machine）。

如果你認為這些定義里存在更深的隱含意義，那么可能會讓你驚訝，因為并沒有。無法解釋“智能”是一個多么主觀的詞匯。對于計算機與工程行業(yè)來說，“智能”可以是一個任意的概念，和任何精確的目標都不相關。所有試圖定義AI的行為都因為無法解決模糊性而失敗。

令人困惑的是，在如今的實踐中，“智能”這個詞被作為機器學習的同義詞使用。但是就人工智能本身的定義而言，大部分提出的定義都是以下三種定義的變體：

1、人工智能是讓計算機像人一樣思考，模擬人的認知。現(xiàn)在，我們對自己的大腦任何運轉尚且知之甚少。而試圖通過一個神經(jīng)元接一個神經(jīng)元的復制大腦，就如同科幻小說中用到“倘若”這個詞一樣，純屬白日做夢。內省（當你思考自己如何思考的時候）是一件有趣并且重要的事情，但是最終我們也無法得知自己的頭腦中究竟發(fā)生了什么。

2、人工智能是讓計算機像人一樣行動，模擬人的行為。想象一下它像鴨子一樣走路，像鴨子一樣交談……但是，它不會，也不可能會。我們太過復雜以至于我們無法完全理解自己，更不用說將這些理解轉換為計算機代碼了。此外，讓人們誤以為聊天室里的電腦是一個正常人（也就是人工智能領域著名的圖靈測試），在這個定義里就變成了一個不成熟的論斷。因為機器是一個移動的目標，正如我們人類會通過辨別用來欺騙我們的行為才能變得更聰明。

3、人工智能是讓電腦解決困難的問題，讓它們真正能夠完成那些看起來需要“智能”或者“人類級別的能力”才能完成的任務，比如駕車，識別人臉或者下棋。但是，既然計算機能做這些事情，那這些事情就看起來不那么智能了。計算機能夠做的所有事情僅僅是那些機械的，容易理解的并且行為簡單的工作。一旦計算機能夠做到這件事情，它就不會再給人留下很深的印象了，自然也就失去了魅力。計算機科學家拉里·特斯勒建議將“智能”定義為“機器還不能做的事情”。這聽起來像在開玩笑，因為這是在用一個不斷變化的定義去定義本身就不存在的東西。

相信人工智能的必然性的謬論

事實是，“人工智能”本身就是一個謊言。只要使用這個流行語，就像在說技術的進步正在向人們預料的方向發(fā)展。為了獲得像人一樣的“常識”，這是一個非常誘人的目標，但也只不過是一個不切實際的承諾。

你是獨一無二的，你抽象思考的能力和理解周圍世界的能力，在每時每刻的經(jīng)歷中，你可能會覺得非常簡單，但其實它復雜得我們無法想象。這種簡單的體驗，可能是因為人類獨特的大腦對這些的感受已經(jīng)非常熟練了，也可能是因為人類固有的錯覺，或者兩者兼而有之。

現(xiàn)在，有些人可能會回應，“沒有靈感的時候，有遠見的雄心是一件好事嗎？

想象力鼓勵了我們，未知的世界向我們招手！《2001太空漫游》的作者亞瑟克拉克提出了一個很好的觀點：“任何足夠先進的技術都與魔術無法區(qū)分。”

然而，這并不意味著我們可以想象的可能包含在科幻小說中的“魔法”最終都可以通過技術實現(xiàn)。因為它在電影中存在并不意味著它會發(fā)生。

人類的獨特性和機器學習的真正進步都已經(jīng)令人驚嘆和激動，讓我們樂在其中。但我們不需要童話故事，尤其是誤導性的故事。

索菲亞：人工智能最臭名昭著的欺詐性宣傳特技

這部童話故事的明星——“公主”的主角，由索菲亞飾演，這是漢森機器人的產(chǎn)物，也是人工智能最臭名昭著的欺詐性宣傳噱頭。這個機器人運用她的人造優(yōu)雅和魅力來欺騙媒體。Jimmy Fallon和其他采訪者“主持”了她。當和它“交談”時，它的回復是預先設置的對話，卻被誤傳為自發(fā)對話，在某些情況下，只是基本的聊天機器人級別的響應。

不管你信不信，三大時尚雜志都將索菲亞列入封面，沙特阿拉伯國家正式授予其公民身份，使其成為第一個機器人公民。

索菲亞是一個現(xiàn)代機械土耳其人（Mechanical Turk），這曾是一個18世紀的騙局，騙了拿破侖和本杰明富蘭克林這樣的人，這個騙局使他們相信他們只是在一臺機器上輸了一盤棋。你可以在桌子后面看到的人體模型會移動棋子，受騙者不會注意到實際上有一個隱藏在櫥柜內的人類象棋專家。

在現(xiàn)代，亞馬遜有一個在線服務，用來雇傭工人執(zhí)行許多需要人類判斷的小任務，比如選擇最好看的幾張照片。它被命名為亞馬遜機械土耳其人（Mechanical Turk），它的口號是“人工的人工智能”。這讓我想起這個菜單上有“模擬假鴨”的優(yōu)質素食餐廳，它的味道與模擬鴨子完全一樣。如果它像鴨子一樣說話，它的味道就像一只鴨子......

。

是的，最好的假AI是人類。1965年，當NASA捍衛(wèi)將人類送入太空的想法時，他們就是這樣說的：“人類是成本最低，重150磅，非線性，通用的計算機系統(tǒng)，可由非熟練勞動力大規(guī)模生產(chǎn)。

危險超級智能的神話

對于索菲亞，人們集體聲討，事實上情況變得更糟：人們聲稱人工智能對人類構成了生存威脅。最看似可靠的消息表明，最精英的科技名人都相信存在殺人機器人和殺手電腦的世界末日。除了比爾蓋茨，埃隆馬斯克，甚至已故的偉大的斯蒂芬霍金都沒有跳出“超級智能奇點”的潮流。

他們相信機器將達到一定程度的能力，使機器能夠自我提高，甚至將迅速升級過去的人類智能，并以計算機的閃電般速度實現(xiàn)這一目標。計算機本身的速度通過他們的超級智能繼續(xù)提高，以至于輕微的目標錯位可能會消滅人類。就像我們天真地命令它制造盡可能多的橡膠雞一樣，它可能會發(fā)明一個全新的高速工業(yè)，可以生產(chǎn)40萬億只橡膠雞，但這會以人類的滅絕為代價。

這個理論存在兩個問題。首先，它是如此引人注目的戲劇性，它會破壞電影。如果最好的壞人總是機器人而不是人類，那么Nurse Ratched（恐怖片《比利小姐的決定》角色）和Norman Bates（恐怖片《驚魂序曲》角色）呢？我需要我的漢尼拔！順便說一下，“最好的壞人”是矛盾的。“人工智能”也是如此。

但確實如此：《機器人啟示錄》肯定會到來。基于同名小說的《變形金剛》導演邁克爾貝爾講話時說到，如果《機器人啟示錄》沒有到來，那么你出生在了錯誤的平行宇宙中。

人工智能世界末日理論的第二個問題是：AI是如此聰明，它會意外殺死所有人？成為很愚蠢的超級智能？這聽起來是一個矛盾。

更確切地說，真正的問題是該理論假設技術進步使我們沿著人類“思考”的道路前進。但他們并不是像人類一樣“思考”。我將稍后繼續(xù)探討這一點。現(xiàn)在進一步談一下關于這個世界末日理論的輻射范圍。

超級智能的廣泛信仰

牛津大學應用倫理學教授Nick Bostrom的紐約時報暢銷書《超級智能（Superintelligence）》是奠定基礎的首選書籍。如果這本書沒有為人類開火，那么這本書就會扼殺恐懼并煽動火焰。它探討了我們如何“使AI爆炸成為可能。”《衛(wèi)報》報道了一篇文章《人工智能：我們就像孩子們玩炸彈》，《新聞周刊》也報道了《人工智能即將到來，它可以淘汰人類》，這兩個標題都乖乖地引用了博斯特羅姆本人的話。

比爾蓋茨對此書有很高的評價；馬斯克曾說過：人工智能的危險程度甚于朝鮮。霍金一直堅持他自己的觀點：人工智能是人類的終結......

不管怎么說，這個對“智能”錯誤的定義才是問題所在。在很多訪談和演講中，幾乎所有的信徒都在錯誤的假設下，“聰明”或“智慧”或多或少被弱化。他們認為，機器會在一些具有挑戰(zhàn)性的任務中的排名會變得越來越高，最終超過了人類。

但機器學習讓我們沿著不同的道路前進。我們正在快速前進，我們可能會走得很遠，但我們正走進一個不同的方向，這個方向與人類能力相關。

人類非常聰明，對個人經(jīng)歷思考正在讓我們進入思想陷阱。正如一些表面非常簡單的事情，其實非常復雜。人類的一些獨特的能力被被隱藏在了一種有意識的面紗下。“常識”對我們來說非常簡單，但是沒有任何技術和方式能夠復制。

抽象思維往往感覺很簡單。我們在腦海中畫出視覺效果，就像我們正在模擬的一座城市的非比例地圖，或者兩家大公司正在競爭銷售的“空間”，每家公司在某些領域占據(jù)主導地位，但在另一些地區(qū)則不占主導地位。或者，當考慮到人工智能時，越來越熟練的能力-智力和計算能力-的錯誤視野都沿著同一條路走，有點狹窄。

我們不應該把智能機器未來的樣子擬人化。它不是人類的，所以很難推測它的具體細節(jié)。既然有些人相信技術是沿著包括并超越人類認知的領域前進的，那么他們所設想的本身就是擬人化的，它具有人性的特質。

現(xiàn)在，在你看來，你的常識推理似乎是任何一種智力發(fā)展必經(jīng)的“自然階段”，但這是一個以人為中心的觀點。常識是復雜的，非常特別。對任何人來說，正式定義包括人類認知在內的“智力范圍”是遠遠無法控制的。

機器沿著不同的方向前進

機器學習實際上只適用于標記了數(shù)據(jù)的任務，比如圖像中的目標識別。有了標簽數(shù)據(jù)，可以比較和排序各種嘗試來解決這個問題。計算機用這些數(shù)據(jù)來衡量它做得有多好。例如，一個神經(jīng)網(wǎng)絡可以正確識別圖像中90%的卡車，然后經(jīng)過一些改進可能達到95%。

但是在特定的任務上做得越來越好，顯然并不能產(chǎn)生一般的常識推理能力。機器不會達到像人類一樣的水平，它只會越來越好地識別物體，僅此而已。

智力對人類來說并不是獨立存在的柏拉圖式的理想，它一直等待被發(fā)現(xiàn)的。并且不會隨著越來越好的技術自發(fā)地出現(xiàn)。

人們往往很容易相信復雜性的增加會導致智力的增長。畢竟，計算機是非常通用的，它們基本上可以完成任何任務，只要把智力定義為一項任務就好了。我們讓他們做越來越復雜的事情，但僅僅因為我們讓它做事情，而不是自發(fā)的做事情。

到目前為止，機器學習方面的任何進步都沒有提供任何提示或暗示，說明什么讓計算機可以獲得“一般常識推理”。夢想讓機器擁有這種能力。不過只是我們的一廂情愿罷了。

經(jīng)過了幾十年的創(chuàng)新，其實現(xiàn)在和過去也沒有本質的不同。

讓術語“AI”終止

機器基本上仍在我們的控制之下。計算“犯錯”或許會導致死亡，正如人們會在自動駕駛和醫(yī)療自動化中死亡，但不會是災難性的級別，除非是有人故意設計程序攻擊人類。其實，當出現(xiàn)錯誤時，我們可以將系統(tǒng)脫機并修復它。

是時候讓術語“AI”終止了。確實，流行詞“AI”弊大于利。在一定程度上，它有時可能有助于宣傳，但至少在同樣程度上，它誤導了公眾。

最重要的是，不要對“AI”進行監(jiān)管！技術非常需要某些領域的監(jiān)管，例如，解決算法決策和自主武器開發(fā)中的偏見。因此在這些討論中，“清晰”是絕對關鍵的。使用“人工智能”這一不精確、具有誤導性的術語，嚴重損害了任何管制技術的舉措的效力和可信度。監(jiān)管已經(jīng)夠嚴格了，而且目前還沒把水弄混。

注：本文是Dr. Data基于其自己的視頻《AI是一個大謊言》整理而成。

編輯：jq