人工智能很可能導致人類的永生或者滅絕，而這一切很可能在我們的有生之年發生。 我們正站在變革的邊緣，而這次變革將和人類的出現一般意義重大—— Vernor Vinge 如果你站在這里，你會是什么感覺？ 看上去非常刺激吧？但是你要記住，當你真的站在時間的圖表中的時候，你是看不到曲線的右邊的，因為你是看不到未來的。所以你真實的感覺大概是這樣的： 稀松平常。 遙 遠的未來——就在眼前 想象一下坐時間機器回到1750年的地球，那個時代沒有電，暢通通訊基本靠吼，交通主要靠動物拉著跑。你在那個時代邀請了一個叫老王的人到2015年來玩，順便看看他對“未來”有什么感受。我們可能沒有辦法了解1750年的老王內心的感受——金屬鐵殼在寬敞的公路上飛馳，和太平洋另一頭的人聊天，看幾千公里外正在發生進行的體育比賽，觀看一場發生于半個世紀前的演唱會，從口袋里掏出一個黑色長方形工具把眼前發生的事情記錄下來，生成一個地圖然后地圖上有個藍點告訴你現在的位置，一邊看著地球另一邊的人的臉一邊聊天，以及其它各種各樣的黑科技。別忘了，你還沒跟他解釋互聯網、國際空間站、大型強子對撞機、核武器以及相對論。 這時候的老王會是什么體驗？驚訝、震驚、腦洞大開這些詞都太溫順了，我覺得老王很可能直接被嚇尿了。 但(dan)是(shi)(shi)，如果老(lao)王回到了1750年(nian)(nian)，然后覺得被(bei)嚇(xia)(xia)尿是(shi)(shi)個很囧(jiong)的(de)(de)(de)體驗，于(yu)是(shi)(shi)他也想把別人(ren)嚇(xia)(xia)尿來(lai)滿足一(yi)下自己，那會(hui)發生(sheng)什么？于(yu)是(shi)(shi)老(lao)王也回到了250年(nian)(nian)前的(de)(de)(de)1500年(nian)(nian)，邀請生(sheng)活在1500年(nian)(nian)的(de)(de)(de)小(xiao)李(li)去1750年(nian)(nian)玩一(yi)下。小(xiao)李(li)可能(neng)會(hui)被(bei)250年(nian)(nian)后的(de)(de)(de)很多(duo)(duo)(duo)東西震驚，但(dan)是(shi)(shi)至少他不會(hui)被(bei)嚇(xia)(xia)尿。同樣是(shi)(shi)250來(lai)年(nian)(nian)的(de)(de)(de)時間，1750和2015年(nian)(nian)的(de)(de)(de)差別，比(bi)1500年(nian)(nian)和1750年(nian)(nian)的(de)(de)(de)差別，要大(da)得多(duo)(duo)(duo)了。1500年(nian)(nian)的(de)(de)(de)小(xiao)李(li)可能(neng)能(neng)學到很多(duo)(duo)(duo)神(shen)奇的(de)(de)(de)物理知(zhi)(zhi)識，可能(neng)會(hui)驚訝(ya)于(yu)歐洲的(de)(de)(de)帝(di)國主義旅程，甚至對(dui)于(yu)世界地圖的(de)(de)(de)認知(zhi)(zhi)也會(hui)大(da)大(da)的(de)(de)(de)改變，但(dan)是(shi)(shi)1500年(nian)(nian)的(de)(de)(de)小(xiao)李(li)，看(kan)到1750年(nian)(nian)的(de)(de)(de)交通、通訊等(deng)等(deng)，并不會(hui)被(bei)嚇(xia)(xia)尿。 所以說，對于1750年的老王來說，要把人嚇尿，他需要回到更古老的過去——比如回到公元前12000年，第一次農業革命之前。那個時候還沒有城市，也還沒有文明。一個來自狩獵采集時代的人類，只是當時眾多物種中的一個罷了，來自那個時代的小趙看到1750年龐大的人類帝國，可以航行于海洋上的巨艦，居住在“室內”，無數的收藏品，神奇的知識和發現——他很有可能被嚇尿。 小趙被嚇尿后如果也想做同樣的事情呢？如果他會到公元前24000年，找到那個時代的小錢，然后給他展示公元前12000年的生活會怎樣呢。小錢大概會覺得小趙是吃飽了沒事干——“這不跟我的生活差不多么，呵呵”。小趙如果要把人嚇尿，可能要回到十萬年前或者更久，然后用人類對火和語言的掌控來把對方嚇尿。 所以，一個人去到未來，并且被嚇尿，他們需要滿足一個“嚇尿單位”。滿足嚇尿單位所需的年代間隔是不一樣的。在狩獵采集時代滿足一個嚇尿單位需要超過十萬年，而工業革命后一個嚇尿單位只要兩百多年就能滿足。 未來學家Ray Kurzweil把這種人類的加速發展稱作加速回報定律（Law of Accelerating Returns）。之所以會發生這種規律，是因為一個更加發達的社會，能夠繼續發展的能力也更強，發展的速度也更快——這本就是更加發達的一個標準。19世紀的人們比15世紀的人們懂得多得多，所以19世紀的人發展起來的速度自然比15世紀的人更快。 即使放到更小的時間規模上，這個定律依然有效。著名電影《回到未來》中，生活在1985年的主角回到了1955年。當主角回到1955年的時候，他被電視剛出現時的新穎、便宜的物價、沒人喜歡電吉他、俚語的不同而震驚。 但是如果這部電影發生在2015年，回到30年前的主角的震驚要比這大得多。一個2000年左右出生的人，回到一個沒有個人電腦、互聯網、手機的1985年，會比從1985年回到1955年的主角看到更大的區別。 這同樣是因為加速回報定律。1985年-2015年的平均發展速度，要比1955年-1985年的平均發展速度要快，因為1985年的世界比1955年的更發達，起點更高，所以過去30年的變化要大過之前30年的變化。 進步越來越大，發生的越來越快，也就是說我們的未來會很有趣對吧？ 未來學家Kurzweil認為整個20世紀100年的進步，按照2000年的速度只要20年就能達成——2000年的發展速度是20世紀平均發展速度的5倍。他認為2000年開始只要花14年就能達成整個20世紀一百年的進步，而之后2014年開始只要花7年（2021年），就能達到又一個20世紀一百年的進步。幾十年之后，我們每年都能達成好幾次相當于整個20世紀的發展，再往后，說不定每個月都能達成一次。按照加速回報定，Kurzweil認為人類在21世紀的進步將是20世紀的1000倍。 如果Kurzweil等人的想法是正確的，那2030年的世界可能就能把我們嚇尿了——下一個嚇尿單位可能只需要十幾年，而2050年的世界會變得面目全非。 你可能覺得2050年的世界會變得面目全非這句話很可笑，但是這不是科幻，而是比你我聰明很多的科學家們相信的，而且從歷史來看，也是邏輯上可以預測的。 那么為什么你會覺得“2050年的世界會變得面目全非” 這句話很可笑呢？有三個原因讓你質疑對于未來的預測： 1. 我們對于歷史的思考是線性的。當我們考慮未來35年的變化時，我們參照的是過去35年發生的事情。當我們考慮21世紀能產生的變化的時候，我們參考的是20世紀發生的變化。這就好像1750年的老王覺得1500年的小李在1750年能被嚇尿一樣。線性思考是本能的，但是但是考慮未來的時候我們應該指數地思考。一個聰明人不會把過去35年的發展作為未來35年的參考，而是會看到當下的發展速度，這樣預測的會更準確一點。當然這樣還是不夠準確，想要更準確，你要想象發展的速度會越來越快。 2. 近期的歷史很可能對人產生誤導。首先，即使是坡度很高的指數曲線，只要你截取的部分夠短，看起來也是很線性的，就好像你截取圓周的很小一塊，看上去就是和直線差不多。其次，指數增長不是平滑統一的，發展常常遵循S曲線。 S曲線發生在新范式傳遍世界的時候，S曲線分三部分 - 慢速增長（指數增長初期） - 快速增長（指數增長的快速增長期） - 隨著新范式的成熟而出現的平緩期 如果你只看近期的歷史，你很可能看到的是S曲線的某一部分，而這部分可能不能說明發展究竟有多快速。1995-2007年是互聯網爆炸發展的時候，微軟、谷歌、臉書進入了公眾視野，伴隨著的是社交網絡、手機的出現和普及、智能手機的出現和普及，這一段時間就是S曲線的快速增長期。2008-2015年發展沒那么迅速，至少在技術領域是這樣的。如果按照過去幾年的發展速度來估計當下的發展速度，可能會錯得離譜，因為很有可能下一個快速增長期正在萌芽。 3. 個人經驗使得我們對于未來預期過于死板。我們通過自身的經驗來產生世界觀，而經驗把發展的速度烙印在了我們腦中——“發展就是這么個速度的。”我們還會受限于自己的想象力，因為想象力通過過去的經驗來組成對未來的預測——但是我們知道的東西是不足以幫助我們預測未來的。當我們聽到一個和我們經驗相違背的對于未來的預測時，我們就會覺得這個預測偏了。如果我現在跟你說你可以活到150歲，250歲，甚至會永生，你是不是覺得我在扯淡——“自古以來，所有人都是會死的。”是的，過去從來沒有人永生過，但是飛機發明之前也沒有人坐過飛機呀。 接下來的內容，你可能一邊讀一邊心里“呵呵”，而且這些內容可能真的是錯的。但是如果我們是真的從歷史規律來進行邏輯思考的，我們的結論就應該是未來的幾十年將發生比我們預期的多得多得多得多的變化。同樣的邏輯也表明，如果人類這個地球上最發達的物種能夠越走越快，總有一天，他們會邁出徹底改變“人類是什么”這一觀點的一大步，就好像自然進化不不斷朝著智能邁步，并且最終邁出一大步產生了人類，從而完全改變了其它所有生物的命運。如果你留心一下近來的科技進步的話，你會發現，到處都暗示著我們對于生命的認知將要被接下來的發展而徹底改變。 通 往超級智能之路 如果你一直以來把人工智能（AI）當做科幻小說，但是近來卻不但聽到很多正經人嚴肅的討論這個問題，你可能也會困惑。這種困惑是有原因的： 1.我們總是把人工智能和電影想到一起。星球大戰、終結者、2001：太空漫游等等。電影是虛構的，那些電影角色也是虛構的，所以我們總是覺得人工智能缺乏真實感。 2.人(ren)工智能是個很寬(kuan)泛的(de)話題。從手機(ji)上的(de)計(ji)算器到無人(ren)駕駛汽車，到未來(lai)(lai)可(ke)能改變(bian)世界的(de)重(zhong)大變(bian)革，人(ren)工智能可(ke)以用來(lai)(lai)描述很多(duo)東西，所(suo)以人(ren)們(men)會有疑惑。 3.我們日常(chang)生活(huo)中已(yi)經(jing)每天都在使(shi)用人(ren)(ren)工(gong)智(zhi)能了(le)，只是我們沒意識到而已(yi)。John McCarthy，在1956年(nian)最早使(shi)用了(le)人(ren)(ren)工(gong)智(zhi)能（Artificial Intelligence）這個詞。他(ta)總是抱怨“一旦一樣(yang)東西用人(ren)(ren)工(gong)智(zhi)能實現了(le)，人(ren)(ren)們就(jiu)不再叫它(ta)人(ren)(ren)工(gong)智(zhi)能了(le)。” 因(yin)為(wei)這(zhe)種效應(ying)，所以人工(gong)智(zhi)(zhi)能(neng)(neng)聽(ting)起(qi)來總讓人覺得(de)是未來的神秘存在，而不是身邊已經存在的現(xian)實。同時(shi)，這(zhe)種效應(ying)也(ye)讓人們覺得(de)人工(gong)智(zhi)(zhi)能(neng)(neng)是一個從未被實現(xian)過的流(liu)行理念。Kurzweil提到(dao)經常有人說人工(gong)智(zhi)(zhi)能(neng)(neng)在80年代就(jiu)被遺(yi)棄(qi)了(le)，這(zhe)種說法就(jiu)好像“互聯網已經在21世(shi)紀初互聯網泡沫爆炸時(shi)死去(qu)了(le)”一般滑稽。 所以，讓我們從頭開始。 首先，不要一提到人工智能就想著機器人。機器人只是人工智能的容器，機器人有時候是人形，有時候不是，但是人工智能自身只是機器人體內的電腦。人工智能是大腦的話，機器人就是身體——而且這個身體不一定是必需的。比如說Siri背后的軟件和數據是人工智能，Siri說話的聲音是這個人工智能的人格化體現，但是Siri本身并沒有機器人這個組成部分。 其(qi)次，你可能聽(ting)過“奇(qi)點”或者“技術(shu)奇(qi)點”這(zhe)(zhe)種(zhong)(zhong)說法(fa)。這(zhe)(zhe)種(zhong)(zhong)說法(fa)在數學上(shang)用(yong)來描述類似(si)漸進的(de)(de)(de)(de)情(qing)況，這(zhe)(zhe)種(zhong)(zhong)情(qing)況下通(tong)常的(de)(de)(de)(de)規(gui)律(lv)就(jiu)不(bu)適用(yong)了。這(zhe)(zhe)種(zhong)(zhong)說法(fa)同樣被用(yong)在物(wu)理上(shang)來描述無(wu)限小的(de)(de)(de)(de)高密度(du)黑洞，同樣是通(tong)常的(de)(de)(de)(de)規(gui)律(lv)不(bu)適用(yong)的(de)(de)(de)(de)情(qing)況。Kurzweil則(ze)把(ba)奇(qi)點定義為加速(su)回(hui)報定律(lv)達到了極(ji)限，技術(shu)進步以近乎(hu)無(wu)限的(de)(de)(de)(de)速(su)度(du)發展，而奇(qi)點之(zhi)后我(wo)們(men)將在一個(ge)完全不(bu)同的(de)(de)(de)(de)世界生活的(de)(de)(de)(de)。但(dan)是當下的(de)(de)(de)(de)很多思考人工智能的(de)(de)(de)(de)人已(yi)經不(bu)再用(yong)奇(qi)點這(zhe)(zhe)個(ge)說法(fa)了，而且(qie)這(zhe)(zhe)種(zhong)(zhong)說法(fa)很容(rong)易(yi)把(ba)人弄混，所(suo)以本文也盡量少用(yong)。 最后，人工智能的概念很寬，所以人工智能也分很多種，我們按照人工智能的實力將其分成三大類。 弱人工智能Artificial Narrow Intelligence (ANI): 弱人工智能是擅長于單個方面的人工智能。比如有能戰勝象棋世界冠軍的人工智能，但是它只會下象棋，你要問它怎樣更好地在硬盤上儲存數據，它就不知道怎么回答你了。 強人(ren)(ren)(ren)工(gong)(gong)智(zhi)能(neng)Artificial General Intelligence (AGI): 人(ren)(ren)(ren)類級別(bie)的人(ren)(ren)(ren)工(gong)(gong)智(zhi)能(neng)。強人(ren)(ren)(ren)工(gong)(gong)智(zhi)能(neng)是指(zhi)在(zai)各方面(mian)都能(neng)和人(ren)(ren)(ren)類比肩的人(ren)(ren)(ren)工(gong)(gong)智(zhi)能(neng)，人(ren)(ren)(ren)類能(neng)干的腦力(li)活它都能(neng)干。創造強人(ren)(ren)(ren)工(gong)(gong)智(zhi)能(neng)比創造弱人(ren)(ren)(ren)工(gong)(gong)智(zhi)能(neng)難(nan)得(de)多，我們現在(zai)還做不(bu)到。Linda Gottfredson教(jiao)授把智(zhi)能(neng)定義為“一種寬(kuan)泛的心理能(neng)力(li)，能(neng)夠進行思考、計(ji)劃、解決(jue)問(wen)題(ti)、抽(chou)象思維、理解復雜理念(nian)、快速(su)學(xue)習(xi)和從經(jing)驗中(zhong)學(xue)習(xi)等操作。”強人(ren)(ren)(ren)工(gong)(gong)智(zhi)能(neng)在(zai)進行這些操作時應該和人(ren)(ren)(ren)類一樣得(de)心應手。 超人(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)(neng)Artificial Superintelligence (ASI): 牛津哲學家(jia)，知名(ming)人(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)(neng)思想家(jia)Nick Bostrom把超級(ji)智(zhi)能(neng)(neng)(neng)(neng)定(ding)義為(wei)“在幾乎(hu)所有領域都(dou)比(bi)(bi)最聰明(ming)的人(ren)(ren)類(lei)大(da)腦都(dou)聰明(ming)很多，包括科學創新(xin)、通(tong)識和社(she)交技能(neng)(neng)(neng)(neng)。”超人(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)(neng)可以是各方面(mian)都(dou)比(bi)(bi)人(ren)(ren)類(lei)強一點，也可以是各方面(mian)都(dou)比(bi)(bi)人(ren)(ren)類(lei)強萬億倍的。超人(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)(neng)也正(zheng)是為(wei)什么(me)人(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)(neng)這個話(hua)題這么(me)火熱的緣故，同樣也是為(wei)什么(me)永生和滅絕這兩個詞會在本文(wen)中多次(ci)出現(xian)。 現在，人(ren)類(lei)已經掌握了弱(ruo)人(ren)工(gong)(gong)智能(neng)(neng)(neng)。其實弱(ruo)人(ren)工(gong)(gong)智能(neng)(neng)(neng)無(wu)(wu)處(chu)不在，人(ren)工(gong)(gong)智能(neng)(neng)(neng)革命(ming)是(shi)從弱(ruo)人(ren)工(gong)(gong)智能(neng)(neng)(neng)，通(tong)過強人(ren)工(gong)(gong)智能(neng)(neng)(neng)，最終(zhong)到達(da)超人(ren)工(gong)(gong)智能(neng)(neng)(neng)的旅(lv)途。這段旅(lv)途中人(ren)類(lei)可能(neng)(neng)(neng)會生還下來，可能(neng)(neng)(neng)不會，但(dan)是(shi)無(wu)(wu)論如何，世(shi)界將(jiang)變(bian)得完全不一樣。 讓我們來看看這個領域的思想家對于這個旅途是怎么看的，以及為什么人工智能革命可能比你想的要近得多。 我們現在的位置——充滿了弱人工智能的世界 弱(ruo)人(ren)工智能(neng)是在(zai)特定領(ling)域(yu)等(deng)同或者(zhe)超過人(ren)類智能(neng)/效(xiao)率(lv)的機器(qi)智能(neng)，一些(xie)常見的例子： 汽車上有很多的弱人工智能系統，從控制防抱死系統的電腦，到控制汽油注入參數的電腦。谷歌正在測試的無人駕駛車，就包括了很多弱人工智能，這些弱人工智能能夠感知周圍環境并作出反應。 你的手機也充滿了弱人工智能系統。當你用地圖軟件導航，接受音樂電臺推薦，查詢明天的天氣，和Siri聊天，以及其它很多很多應用，其實都是弱人工智能。 垃圾郵件過濾器是一種經典的弱人工智能——它一開始就加載了很多識別垃圾郵件的智能，并且它會學習并且根據你的使用而獲得經驗。智能室溫調節也是一樣，它能根據你的日常習慣來智能調節。 你在上網時候出現的各種其它電商網站的產品推薦，還有社交網站的好友推薦，這些都是弱人工智能的組成的，弱人工智能聯網互相溝通，利用你的信息來進行推薦。網購時出現的“買這個商品的人還購買了”推薦，其實就是收集數百萬用戶行為然后產生信息來賣東西給你的弱人工智能。 谷歌翻譯也是一種經典的人工智能——非常擅長單個領域。聲音識別也是一種。很多軟件利用這兩種智能的合作，使得你能對著手機說中文，手機直接給你翻譯成英文。 當飛機著陸時候，不是一個人類決定飛機該去那個登機口接駁。就好像你在網上買票時票據不是一個人類決定的。 世界最強的跳棋、象棋、拼字棋、雙陸棋和黑白棋選手都是弱人工智能。 谷歌搜索是一個巨大的弱人工智能，背后是非常復雜的排序方法和內容檢索。社交網絡的新鮮事同樣是這樣。 這些還只是消費級產品的例子。軍事、制造、金融（高頻算法交易占到了美國股票交易的一半）等領域廣泛運用各種復雜的弱人工智能。專業系統也有，比如幫助醫生診斷疾病的系統，還有著名的IBM的華生，儲存了大量事實數據，還能理解主持人的提問，在競猜節目中能夠戰勝最厲害的參賽者。 現在的弱人工(gong)智能系統并(bing)不嚇人。最糟糕的情(qing)況，無(wu)非是(shi)代碼沒寫好，程序出(chu)故障，造(zao)成(cheng)了單(dan)獨的災難，比如造(zao)成(cheng)停(ting)電、核(he)電站故障、金融市場崩盤等等。 雖然現在的弱人工智能沒有威脅我們生存的能力，我們還是要懷著警惕的觀點看待正在變得更加龐大和復雜的弱人工智能的生態。每一個弱人工智能的創新，都在給通往強人工智能和超人工智能的旅途添磚加瓦。用Aaron Saenz的觀點，現在的弱人工智能，就是地球早期軟泥中的氨基酸——沒有動靜的物質，突然之間就組成了生命。 弱人工智能到強人工智能之路 為什么這條路很難走。 只有明白創造一個人類智能水平的電腦是多么不容易，才能讓你真的理解人類的智能是多么不可思議。造摩天大樓、把人送入太空、明白宇宙大爆炸的細節——這些都比理解人類的大腦，并且創造個類似的東西要簡單太多了。至今為止，人類的大腦是我們所知宇宙中最復雜的東西。 而(er)且創造(zao)強人工智能的難處，并(bing)不是你本能認為的那些(xie)。 造一個能在瞬間算出十位數乘法的計算機——非(fei)常簡單 造一個能分辨(bian)出一個動物是(shi)(shi)貓還是(shi)(shi)狗的計算(suan)機——極端(duan)困難 造一個能戰勝世界象棋冠(guan)軍的電腦——早就成功了 造一個能夠讀(du)懂六歲小(xiao)朋友的(de)(de)圖片書中的(de)(de)文字，并(bing)且了解那些詞匯(hui)意思(si)的(de)(de)電(dian)腦——谷歌花了幾十億美元在做，還(huan)沒(mei)做出來 一些我們覺得困難的事情——微積分、金(jin)融(rong)市場策略(lve)、翻譯等(deng)，對于電腦來說(shuo)都太(tai)簡(jian)單了(le) 我們覺得容易的事情——視覺、動態、移動、直覺——對電腦來說太TM的難了 用(yong)計算(suan)機(ji)科學家Donald Knuth的(de)說法，“人工智能(neng)已經(jing)在幾乎所有需要思(si)考的(de)領域超過了人類，但是在那(nei)些人類和其它(ta)動物不需要思(si)考就能(neng)完成(cheng)的(de)事情上，還差得很遠。” 讀者應該能很(hen)快意識(shi)到(dao)，那些對我們來說很(hen)簡單的(de)(de)(de)(de)(de)(de)事(shi)(shi)情(qing)，其(qi)實是(shi)很(hen)復雜的(de)(de)(de)(de)(de)(de)，它們看上去很(hen)簡單，因為(wei)它們已經在(zai)動物進化(hua)的(de)(de)(de)(de)(de)(de)過程中經歷了幾(ji)億(yi)年的(de)(de)(de)(de)(de)(de)優化(hua)了。當你(ni)(ni)舉手(shou)拿(na)一(yi)件(jian)東西(xi)的(de)(de)(de)(de)(de)(de)時候，你(ni)(ni)肩膀、手(shou)肘(zhou)、手(shou)腕里的(de)(de)(de)(de)(de)(de)肌(ji)肉、肌(ji)腱(jian)和骨(gu)頭，瞬間就進行了一(yi)組復雜的(de)(de)(de)(de)(de)(de)物理運作，這(zhe)(zhe)一(yi)切(qie)還配合著你(ni)(ni)的(de)(de)(de)(de)(de)(de)眼睛(jing)的(de)(de)(de)(de)(de)(de)運作，使得你(ni)(ni)的(de)(de)(de)(de)(de)(de)手(shou)能都在(zai)三維空(kong)間中進行直線(xian)運作。對你(ni)(ni)來說這(zhe)(zhe)一(yi)切(qie)輕(qing)而易舉，因為(wei)在(zai)你(ni)(ni)腦中負責處理這(zhe)(zhe)些的(de)(de)(de)(de)(de)(de)“軟件(jian)”已經很(hen)完美了。同樣的(de)(de)(de)(de)(de)(de)，軟件(jian)很(hen)難識(shi)別網站(zhan)的(de)(de)(de)(de)(de)(de)驗證(zheng)碼，不是(shi)因為(wei)軟件(jian)太(tai)蠢，恰(qia)恰(qia)相(xiang)反，是(shi)因為(wei)能夠讀懂驗證(zheng)碼是(shi)件(jian)碉(diao)堡了的(de)(de)(de)(de)(de)(de)事(shi)(shi)情(qing)。 同樣(yang)的(de)(de)，大數(shu)相乘、下(xia)棋等等，對于生物來(lai)說是很新的(de)(de)技能，我們還沒有(you)幾億年的(de)(de)世界來(lai)進(jin)化這些能力，所以電腦很輕易(yi)(yi)的(de)(de)就擊敗了(le)我們。試想一下(xia)，如果讓你寫(xie)一個程序，是一個能做大數(shu)相乘的(de)(de)程序容易(yi)(yi)寫(xie)，還是能夠識別(bie)千千萬萬種字(zi)體和(he)筆跡下(xia)書寫(xie)的(de)(de)英文字(zi)母的(de)(de)程序難(nan)寫(xie)？ 比如看著下面這個圖的時候，你和電腦都能識別出這是一個由兩種顏色的小長方形組成的一個大長方形。 你和電腦打了個平手。接著我們把途中的黑色部分去除： 你可以輕(qing)易的(de)描(miao)述(shu)圖形中透(tou)明(ming)或不透(tou)明(ming)的(de)圓柱和(he)3D圖形，但是(shi)電(dian)腦(nao)(nao)就看不出來(lai)了。電(dian)腦(nao)(nao)會描(miao)述(shu)出2D的(de)陰影(ying)細(xi)節，但是(shi)人腦(nao)(nao)卻能(neng)夠(gou)把這些陰影(ying)所展現的(de)深度、陰影(ying)混合(he)、房屋燈光(guang)解讀出來(lai)。 再看下面這張圖，電腦看到的是黑白灰，我們看到的卻是一塊全黑的石頭。 而且，我們到現在談的還是靜態不變的信息。要想達到人類級別的智能，電腦必須要理解更高深的東西，比如微小的臉部表情變化，開心、放松、滿足、滿意、高興這些類似情緒間的區別，以及為什么《布達佩斯大飯店》是好電影，而《富春山居圖》是爛電影。 想想就很難吧？我們要(yao)怎(zen)樣(yang)(yang)才(cai)能達(da)到這樣(yang)(yang)的水平(ping)呢(ni)？ 通往強人工智能的第一步：增加電腦處理速度 要(yao)達(da)到(dao)強人(ren)工(gong)智能，肯定要(yao)滿足(zu)的(de)就是(shi)電腦硬件的(de)運(yun)算能力。如(ru)果一(yi)個人(ren)工(gong)智能要(yao)像人(ren)腦一(yi)般(ban)聰明，它至(zhi)少要(yao)能達(da)到(dao)人(ren)腦的(de)運(yun)算能力。 用來描述運算(suan)能力的(de)單位叫作cps（calculations per second，每秒(miao)計(ji)算(suan)次數），要(yao)計(ji)算(suan)人(ren)腦(nao)的(de)cps只要(yao)了解人(ren)腦(nao)中(zhong)所有結構的(de)最高cps，然后加起來就行了。 Kurzweil把對于(yu)(yu)一個(ge)結(jie)構的(de)最大(da)cps的(de)專業估算，然后考慮這個(ge)結(jie)構占整個(ge)大(da)腦(nao)的(de)重量，做乘法，來(lai)得(de)出人腦(nao)的(de)cps。聽(ting)起來(lai)不太靠(kao)譜，但是(shi)Kurzweil用了對于(yu)(yu)不同(tong)大(da)腦(nao)區域的(de)專業估算值，得(de)出的(de)最終結(jie)果都非常(chang)類似，是(shi)10^16 cps，也(ye)就是(shi)1億億次計算每秒。 現在最快(kuai)的超級計算(suan)機，中(zhong)國(guo)的天(tian)(tian)河(he)(he)二號(hao)，其實已(yi)經超過(guo)這個運算(suan)力(li)了，天(tian)(tian)河(he)(he)每秒能進行3.4億億。當然，天(tian)(tian)河(he)(he)二號(hao)占地720平方米，耗電(dian)2400萬瓦，耗費了3.9億美元建(jian)造。廣(guang)泛應(ying)用就不提了，即使是大(da)部分(fen)商業或者工業運用也是很(hen)貴的。 Kurzweil認(ren)為考慮電腦的(de)發展(zhan)程度的(de)標桿(gan)是(shi)看1000美(mei)元能(neng)(neng)買到(dao)多少cps，當1000美(mei)元能(neng)(neng)買到(dao)人(ren)腦級別的(de)1億億運算能(neng)(neng)力的(de)時候，強人(ren)工(gong)智(zhi)能(neng)(neng)可(ke)能(neng)(neng)就是(shi)生活(huo)的(de)一部分了。 摩爾定律認為全世界的電腦運算能力每兩年就翻一倍，這一定律有歷史數據所支持，這同樣表明電腦硬件的發展和人類發展一樣是指數級別的。我們用這個定律來衡量1000美元什么時候能買到1億億cps。現在1000美元能買到10萬億cps，和摩爾定律的歷史預測相符合。 也就是(shi)(shi)說現在1000美(mei)元能(neng)買(mai)到(dao)的(de)(de)電(dian)腦(nao)已(yi)(yi)經(jing)強(qiang)過了老鼠，并且達到(dao)了人(ren)腦(nao)千分(fen)(fen)之(zhi)一(yi)的(de)(de)水平。聽起來還是(shi)(shi)弱爆(bao)了，但是(shi)(shi)，讓(rang)我們考慮一(yi)下(xia)，1985年的(de)(de)時候，同(tong)樣的(de)(de)錢只能(neng)買(mai)到(dao)人(ren)腦(nao)萬(wan)億分(fen)(fen)之(zhi)一(yi)的(de)(de)cps，1995年變成了十億分(fen)(fen)之(zhi)一(yi)，2005年是(shi)(shi)百萬(wan)分(fen)(fen)之(zhi)一(yi)，而(er)2015年已(yi)(yi)經(jing)是(shi)(shi)千分(fen)(fen)之(zhi)一(yi)了。按照這個速度，我們到(dao)2025年就能(neng)花(hua)1000美(mei)元買(mai)到(dao)可以和人(ren)腦(nao)運(yun)算速度抗衡的(de)(de)電(dian)腦(nao)了。 至少在硬件上(shang)，我(wo)(wo)們已經能(neng)(neng)(neng)夠(gou)強(qiang)人工智(zhi)能(neng)(neng)(neng)了（中國的(de)天河二號），而且十年以內，我(wo)(wo)們就能(neng)(neng)(neng)以低廉的(de)價格買到能(neng)(neng)(neng)夠(gou)支持強(qiang)人工智(zhi)能(neng)(neng)(neng)的(de)電腦硬件。 但是運算能力并不能讓電腦變得智能，下一個問題是，我們怎樣利用這份運算能力來達成人類水平的智能。 通往強人工智能的第二步：讓電腦變得智能 這一步比較難搞。事實上，沒人知道該怎么搞——我們還停留在爭論怎么讓電腦分辨《富春山居圖》是部爛片的階段。但是，現在有一些策略，有可能會有效。下面是最常見的三種策略： 1) 抄襲(xi)人腦(nao) 就好像你班上有(you)一個(ge)學(xue)霸(ba)。你不知道為什么學(xue)霸(ba)那么聰明(ming)，為什么考試(shi)每次都(dou)滿分(fen)。雖然你也很努力的學(xue)習(xi)，但是(shi)你就是(shi)考的沒(mei)有(you)學(xue)霸(ba)好。最(zui)后(hou)你決定(ding)“老子不干了(le)，我(wo)直接抄(chao)他的考試(shi)答案好了(le)。”這種“抄(chao)襲”是(shi)有(you)道理的，我(wo)們想要建造(zao)一個(ge)超級復(fu)雜的電(dian)腦，但是(shi)我(wo)們有(you)人腦這個(ge)范本可(ke)以參考呀。 科(ke)學(xue)界正在努力(li)逆向工程(cheng)人(ren)(ren)腦(nao)(nao)，來(lai)(lai)理解生物進(jin)化是(shi)怎么(me)造出(chu)這么(me)個(ge)神(shen)(shen)奇的(de)(de)(de)(de)(de)東西(xi)的(de)(de)(de)(de)(de)，樂觀的(de)(de)(de)(de)(de)估計(ji)是(shi)我(wo)們在2030年之(zhi)(zhi)前能(neng)夠(gou)完成(cheng)這個(ge)任務。一(yi)(yi)旦這個(ge)成(cheng)就(jiu)達成(cheng)，我(wo)們就(jiu)能(neng)知道為什么(me)人(ren)(ren)腦(nao)(nao)能(neng)夠(gou)如(ru)(ru)此高效、快速的(de)(de)(de)(de)(de)運行，并且能(neng)從中獲得靈感來(lai)(lai)進(jin)行創新。一(yi)(yi)個(ge)電腦(nao)(nao)架構(gou)模擬人(ren)(ren)腦(nao)(nao)的(de)(de)(de)(de)(de)例子(zi)就(jiu)是(shi)人(ren)(ren)工神(shen)(shen)經(jing)網絡(luo)。它(ta)是(shi)一(yi)(yi)個(ge)由晶(jing)體(ti)(ti)管(guan)作為“神(shen)(shen)經(jing)”組成(cheng)的(de)(de)(de)(de)(de)網絡(luo)，晶(jing)體(ti)(ti)管(guan)和(he)(he)其(qi)它(ta)晶(jing)體(ti)(ti)管(guan)互(hu)相連(lian)(lian)接，有自己的(de)(de)(de)(de)(de)輸入、輸出(chu)系統，而(er)且什么(me)都(dou)不(bu)知道——就(jiu)像(xiang)一(yi)(yi)個(ge)嬰兒的(de)(de)(de)(de)(de)大腦(nao)(nao)。接著它(ta)會通過(guo)做任務來(lai)(lai)自我(wo)學(xue)習，比如(ru)(ru)識別筆跡。最開(kai)始它(ta)的(de)(de)(de)(de)(de)神(shen)(shen)經(jing)處理和(he)(he)猜測會是(shi)隨機的(de)(de)(de)(de)(de)，但是(shi)當它(ta)得到正確的(de)(de)(de)(de)(de)回(hui)饋后(hou)，相關晶(jing)體(ti)(ti)管(guan)之(zhi)(zhi)間的(de)(de)(de)(de)(de)連(lian)(lian)接就(jiu)會被加強(qiang)；如(ru)(ru)果它(ta)得到錯誤的(de)(de)(de)(de)(de)回(hui)饋，連(lian)(lian)接就(jiu)會變弱。經(jing)過(guo)一(yi)(yi)段(duan)時間的(de)(de)(de)(de)(de)測試和(he)(he)回(hui)饋后(hou)，這個(ge)網絡(luo)自身就(jiu)會組成(cheng)一(yi)(yi)個(ge)智能(neng)的(de)(de)(de)(de)(de)神(shen)(shen)經(jing)路徑，而(er)處理這項任務的(de)(de)(de)(de)(de)能(neng)力(li)也得到了優化。人(ren)(ren)腦(nao)(nao)的(de)(de)(de)(de)(de)學(xue)習是(shi)類(lei)似的(de)(de)(de)(de)(de)過(guo)程(cheng)，不(bu)過(guo)比這復雜一(yi)(yi)點，隨著我(wo)們對大腦(nao)(nao)研究的(de)(de)(de)(de)(de)深入，我(wo)們將會發現(xian)更好的(de)(de)(de)(de)(de)組建神(shen)(shen)經(jing)連(lian)(lian)接的(de)(de)(de)(de)(de)方(fang)法。 更(geng)加極端的(de)(de)(de)(de)(de)“抄襲”方式是(shi)“整腦(nao)模(mo)(mo)擬(ni)”。具體來說就是(shi)把(ba)人(ren)(ren)(ren)(ren)腦(nao)切成很(hen)薄的(de)(de)(de)(de)(de)片，用軟件來準確(que)的(de)(de)(de)(de)(de)組建一(yi)(yi)個3D模(mo)(mo)型(xing)，然后(hou)把(ba)這個模(mo)(mo)型(xing)裝在強力(li)的(de)(de)(de)(de)(de)電腦(nao)上。如果能(neng)(neng)做(zuo)成，這臺(tai)電腦(nao)就能(neng)(neng)做(zuo)所有人(ren)(ren)(ren)(ren)腦(nao)能(neng)(neng)做(zuo)的(de)(de)(de)(de)(de)事(shi)情——只要(yao)讓(rang)它學習和(he)吸收信息就好(hao)了(le)。如果做(zuo)這事(shi)情的(de)(de)(de)(de)(de)工(gong)(gong)程師夠(gou)厲害的(de)(de)(de)(de)(de)話，他們(men)模(mo)(mo)擬(ni)出(chu)來的(de)(de)(de)(de)(de)人(ren)(ren)(ren)(ren)腦(nao)甚至(zhi)會有原本人(ren)(ren)(ren)(ren)腦(nao)的(de)(de)(de)(de)(de)人(ren)(ren)(ren)(ren)格和(he)記憶，電腦(nao)模(mo)(mo)擬(ni)出(chu)的(de)(de)(de)(de)(de)人(ren)(ren)(ren)(ren)腦(nao)就會像(xiang)原本的(de)(de)(de)(de)(de)人(ren)(ren)(ren)(ren)腦(nao)一(yi)(yi)樣——這就是(shi)非常符合人(ren)(ren)(ren)(ren)類標準的(de)(de)(de)(de)(de)強人(ren)(ren)(ren)(ren)工(gong)(gong)智能(neng)(neng)，然后(hou)我們(men)就能(neng)(neng)把(ba)它改造成一(yi)(yi)個更(geng)加厲害的(de)(de)(de)(de)(de)超人(ren)(ren)(ren)(ren)工(gong)(gong)智能(neng)(neng)了(le)。 我們離整腦模擬還有多遠呢？至今為止，我們剛剛能夠模擬1毫米長的扁蟲的大腦，這個大腦含有302個神經元。人類的大腦有1000億個神經元，聽起來還差很遠。但是要記住指數增長的威力——我們已經能模擬小蟲子的大腦了，螞蟻的大腦也不遠了，接著就是老鼠的大腦，到那時模擬人類大腦就不是那么不現實的事情了。 2）模仿(fang)生(sheng)物演化 抄學(xue)霸(ba)的(de)答案(an)當然是一種方法，但是如果學(xue)霸(ba)的(de)答案(an)太難抄了呢？那我們能(neng)不能(neng)學(xue)一下(xia)學(xue)霸(ba)備考的(de)方法？ 首先我(wo)們(men)很確定的(de)知道(dao)，建造(zao)一(yi)(yi)個和人腦(nao)(nao)一(yi)(yi)樣強(qiang)大(da)的(de)電腦(nao)(nao)是(shi)可能的(de)——我(wo)們(men)的(de)大(da)腦(nao)(nao)就(jiu)是(shi)證據(ju)。如果(guo)大(da)腦(nao)(nao)太難完全模(mo)擬，那么我(wo)們(men)可以(yi)模(mo)擬演(yan)化出(chu)大(da)腦(nao)(nao)的(de)過程。事實上，就(jiu)算我(wo)們(men)真的(de)能完全模(mo)擬大(da)腦(nao)(nao)，結(jie)果(guo)也就(jiu)好像照抄鳥類翅膀(bang)的(de)拍動來造(zao)飛機(ji)(ji)一(yi)(yi)樣——很多時(shi)候最好的(de)設計機(ji)(ji)器的(de)方(fang)式并(bing)不是(shi)照抄生物設計。 所(suo)以我們(men)可不(bu)(bu)可以用模擬演化的(de)(de)方式來(lai)造(zao)強人工智能(neng)呢(ni)？這(zhe)種(zhong)方法(fa)叫作(zuo)“基因算法(fa)”，它大概是(shi)(shi)這(zhe)樣的(de)(de)：建立(li)一個(ge)(ge)反復運作(zuo)的(de)(de)表現/評價(jia)過(guo)程，就好像生(sheng)(sheng)(sheng)物(wu)通過(guo)生(sheng)(sheng)(sheng)存這(zhe)種(zhong)方式來(lai)表現，并且以能(neng)否生(sheng)(sheng)(sheng)養(yang)后(hou)代為評價(jia)一樣。一組電(dian)腦將(jiang)執(zhi)行各種(zhong)任(ren)務，最成功的(de)(de)將(jiang)會“繁殖”，把各自(zi)(zi)的(de)(de)程序融合(he)，產生(sheng)(sheng)(sheng)新的(de)(de)電(dian)腦，而(er)不(bu)(bu)成功的(de)(de)將(jiang)會被(bei)剔除(chu)。經(jing)過(guo)多次的(de)(de)反復后(hou)。這(zhe)個(ge)(ge)自(zi)(zi)然選擇的(de)(de)過(guo)程將(jiang)產生(sheng)(sheng)(sheng)越(yue)來(lai)越(yue)強大的(de)(de)電(dian)腦。而(er)這(zhe)個(ge)(ge)方法(fa)的(de)(de)難點是(shi)(shi)建立(li)一個(ge)(ge)自(zi)(zi)動(dong)化的(de)(de)評價(jia)和繁殖過(guo)程，使得(de)整(zheng)個(ge)(ge)流程能(neng)夠自(zi)(zi)己運行。 這個方法(fa)的(de)(de)缺(que)點也(ye)是很明顯的(de)(de)，演化(hua)需要經過幾十億年的(de)(de)時間(jian)，而我(wo)們卻只想花幾十年時間(jian)。 但是比起自然演化來說，我們有很多優勢。首先，自然演化是沒有預知能力的，它是隨機的——它產生的沒用的變異比有用的變異多很多，但是人工模擬的演化可以控制過程，使其著重于有益的變化。其次，自然演化是沒有目標的，自然演化出的智能也不是它目標，特定環境甚至對于更高的智能是不利的（因為高等智能消耗很多能源）。但是我們可以指揮演化的過程超更高智能的方向發展。再次，要產生智能，自然演化要先產生其它的附件，比如改良細胞產生能量的方法，但是我們完全可以用電力來代替這額外的負擔。所以，人類主導的演化會比自然快很多很多，但是我們依然不清楚這些優勢是否能使模擬演化成為可行的策略。 3）讓(rang)電(dian)腦(nao)來解決這些問題(ti) 如果抄學霸的(de)答(da)案(an)和模擬學霸備考的(de)方法(fa)都(dou)走不通，那就干脆讓考題自己解答(da)自己吧。這(zhe)種(zhong)(zhong)想法(fa)很無(wu)厘頭(tou)，確實最(zui)有希望的(de)一(yi)種(zhong)(zhong)。 總(zong)的思路是我們(men)建(jian)造一(yi)個(ge)能(neng)進行兩(liang)項任務的電(dian)(dian)腦(nao)(nao)——研究(jiu)人工智能(neng)和(he)修改自(zi)己的代碼(ma)。這樣它就不只能(neng)改進自(zi)己的架(jia)構(gou)了(le)，我們(men)直(zhi)接把電(dian)(dian)腦(nao)(nao)變(bian)成(cheng)了(le)電(dian)(dian)腦(nao)(nao)科(ke)學家，提高(gao)電(dian)(dian)腦(nao)(nao)的智能(neng)就變(bian)成(cheng)了(le)電(dian)(dian)腦(nao)(nao)自(zi)己的任務。 以上這(zhe)些都(dou)會很快發生 硬(ying)件的快速發(fa)展和軟(ruan)件的創新(xin)是(shi)同時發(fa)生的，強人工(gong)智能(neng)可(ke)能(neng)比(bi)我們(men)預(yu)期的更早降(jiang)臨，因(yin)為： 1）指數級增(zeng)長(chang)的(de)開(kai)端可能像蝸(gua)牛漫步，但是(shi)后期會跑的(de)非(fei)常(chang)快 2）軟件的發展可能看起來很緩慢，但是一次頓悟，就能永遠改變進步的速度。就好像在人類還信奉地心說的時候，科學家們沒法計算宇宙的運作方式，但是日心說的發現讓一切變得容易很多。創造一個能自我改進的電腦來說，對我們來說還很遠，但是可能一個無意的變動，就能讓現在的系統變得強大千倍，從而開啟朝人類級別智能的沖刺。 強人(ren)工(gong)智(zhi)能到超人(ren)工(gong)智(zhi)能之路 總有一天，我們會造出和人類智能相當的強人工智能電腦，然后人類和電腦就會平等快樂的生活在一起。 呵呵，逗你呢。 即使是一個和人類智能完全一樣，運算速度完全一樣的強人工智能，也比人類有很多優勢： 硬件上： -速(su)(su)度(du)。腦神經元(yuan)的運算速(su)(su)度(du)最(zui)多是(shi)200赫茲，今天的微處理器就能(neng)以(yi)2G赫茲，也就是(shi)神經元(yuan)1000萬倍的速(su)(su)度(du)運行，而這比(bi)我們(men)達成(cheng)強人(ren)工智(zhi)能(neng)需(xu)要(yao)的硬件還差(cha)遠了。大(da)腦的內部信息(xi)傳播(bo)速(su)(su)度(du)是(shi)每秒120米，電腦的信息(xi)傳播(bo)速(su)(su)度(du)是(shi)光速(su)(su)，差(cha)了好幾個數(shu)量級(ji)。 - 容(rong)量和儲存空(kong)間。人(ren)腦(nao)就那(nei)么大(da)(da)，后(hou)天(tian)沒(mei)法把它變得更大(da)(da)，就算真的(de)把它變得很大(da)(da)，每(mei)秒(miao)120米的(de)信息傳播速度也會成(cheng)為巨大(da)(da)的(de)瓶頸。電腦(nao)的(de)物理大(da)(da)小可以非常隨意，使得電腦(nao)能運(yun)用更多(duo)的(de)硬(ying)件，更大(da)(da)的(de)內存，長期有(you)效的(de)存儲介質，不但容(rong)量大(da)(da)而且比(bi)人(ren)腦(nao)更準確(que)。 - 可靠性和持久性。電腦的存儲不(bu)但更(geng)加準(zhun)確，而且晶體管比(bi)神經元更(geng)加精(jing)確，也(ye)更(geng)不(bu)容易萎縮（真的壞了也(ye)很(hen)好修）。人腦還(huan)很(hen)容易疲(pi)勞，但是電腦可以24小時不(bu)停的以峰值速(su)度運作。 軟件上： - 可(ke)編輯性(xing)，升級性(xing)，以及更(geng)多(duo)的可(ke)能性(xing)。和人腦不(bu)同，電腦軟件可(ke)以進行更(geng)多(duo)的升級和修正，并(bing)且很(hen)(hen)容易(yi)做測(ce)試。電腦的升級可(ke)以加強人腦比較弱勢的領域——人腦的視(shi)覺(jue)元(yuan)件很(hen)(hen)發達，但(dan)是工程元(yuan)件就挺(ting)弱的。而電腦不(bu)但(dan)能在(zai)視(shi)覺(jue)元(yuan)件上匹敵人類，在(zai)工程元(yuan)件上也(ye)一樣可(ke)以加強和優化。 - 集體能力。人類在集體智能上可以碾壓所有的物種。從早期的語言和大型社區的形成，到文字和印刷的發明，再到互聯網的普及。人類的集體智能是我們統治其它物種的重要原因之一。而電腦在這方面比我們要強的很多，一個運行特定程序的人工智能網絡能夠經常在全球范圍內自我同步，這樣一臺電腦學到的東西會立刻被其它所有電腦學得。而且電腦集群可以共同執行同一個任務，因為異見、動力、自利這些人類特有的東西未必會出現在電腦身上。 通過自我改(gai)進來(lai)達(da)成強人工(gong)智(zhi)(zhi)能(neng)的(de)人工(gong)智(zhi)(zhi)能(neng)，會(hui)把“人類水(shui)平(ping)(ping)的(de)智(zhi)(zhi)能(neng)”當作一個(ge)重要的(de)里(li)程碑(bei)，但是(shi)也就(jiu)僅(jin)此而已了。它不會(hui)停留在這個(ge)里(li)程碑(bei)上的(de)。考慮(lv)到(dao)強人工(gong)智(zhi)(zhi)能(neng)之(zhi)于人腦的(de)種種優勢，人工(gong)智(zhi)(zhi)能(neng)只會(hui)在“人類水(shui)平(ping)(ping)”這個(ge)節點做短暫的(de)停留，然后就(jiu)會(hui)開(kai)始大踏步(bu)向(xiang)超人類級別的(de)智(zhi)(zhi)能(neng)走(zou)去。 這一切發生的時候我們很可能被嚇尿，因為從我們的角度來看：a)雖然動物的智能有區別，但是動物智能的共同特點是比人類低很多；b)我們眼中最聰明的人類要比最愚笨的人類要聰明很很很很多。 所以，當人工(gong)(gong)智能(neng)開(kai)始朝人類級別智能(neng)靠近時(shi)，我(wo)們看(kan)到(dao)的是它(ta)逐漸變得更加智能(neng)，就(jiu)好(hao)像(xiang)一個(ge)動物一般。然后，它(ta)突(tu)然達到(dao)了(le)最(zui)愚笨的人類的程(cheng)度(du)，我(wo)們到(dao)時(shi)也(ye)許(xu)會感慨：“看(kan)這個(ge)人工(gong)(gong)智能(neng)就(jiu)跟個(ge)腦(nao)殘人類一樣聰明，真可愛。” 但(dan)問題是，從智能的大局來(lai)看(kan)，人和人的智能的差別，比如從最愚(yu)笨的人類(lei)到(dao)愛因(yin)斯(si)坦的差距，其實是不大的。所以當(dang)人工智能達到(dao)了腦殘級別的智能后，它會很快變得(de)比愛因(yin)斯(si)坦更(geng)加聰明： 之后呢？ 智能爆炸 從(cong)這邊開始，這個話題要變得有(you)點(dian)嚇(xia)人了。我在這里要提醒大(da)家(jia)(jia)，以下所說的(de)都(dou)是(shi)大(da)實(shi)(shi)話——是(shi)一大(da)群(qun)受(shou)人尊(zun)敬(jing)的(de)思想(xiang)家(jia)(jia)和(he)科(ke)學(xue)家(jia)(jia)關于未(wei)來的(de)誠實(shi)(shi)的(de)預(yu)測。你在下面讀到(dao)什么離譜的(de)東西的(de)時候，要記(ji)得這些東西是(shi)比你我都(dou)聰明(ming)很多的(de)人想(xiang)出來的(de)。 像上(shang)(shang)面所說的，我(wo)們當下(xia)用來達成強(qiang)(qiang)人(ren)工(gong)智(zhi)能(neng)的模型大多數都依靠人(ren)工(gong)智(zhi)能(neng)的自我(wo)改(gai)進(jin)。但是一旦它(ta)達到了強(qiang)(qiang)人(ren)工(gong)智(zhi)能(neng)，即使算上(shang)(shang)那一小部分不是通過自我(wo)改(gai)進(jin)來達成強(qiang)(qiang)人(ren)工(gong)智(zhi)能(neng)的系統，也會聰明到能(neng)夠(gou)開(kai)始自我(wo)改(gai)進(jin)。 這里我們要引出一個沉重的概念——遞歸的自我改進。這個概念是這樣的：一個運行在特定智能水平的人工智能，比如說腦殘人類水平，有自我改進的機制。當它完成一次自我改進后，它比原來更加聰明了，我們假設它到了愛因斯坦水平。而這個時候它繼續進行自我改進，然而現在它有了愛因斯坦水平的智能，所以這次改進會比上面一次更加容易，效果也更好。第二次的改進使得他比愛因斯坦還要聰明很多，讓它接下來的改進進步更加明顯。如此反復，這個強人工智能的智能水平越長越快，直到它達到了超人工智能的水平——這就是智能爆炸，也是加速回報定律的終極表現。 現在關于(yu)人(ren)(ren)(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)什么時(shi)(shi)候能(neng)(neng)(neng)達到(dao)人(ren)(ren)(ren)(ren)類普遍智(zhi)能(neng)(neng)(neng)水(shui)平還有爭議。對(dui)(dui)于(yu)數百位科學家的(de)(de)(de)問(wen)卷調查顯(xian)示他(ta)們認為強人(ren)(ren)(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)出現的(de)(de)(de)中位年(nian)(nian)(nian)份(fen)是2040年(nian)(nian)(nian)——距今(jin)只有25年(nian)(nian)(nian)。這聽起(qi)來可能(neng)(neng)(neng)沒什么，但是要(yao)記住，很多這個(ge)領(ling)域的(de)(de)(de)思想家認為從(cong)強人(ren)(ren)(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)到(dao)超人(ren)(ren)(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)的(de)(de)(de)轉化會快得多。以下的(de)(de)(de)情景很可能(neng)(neng)(neng)會發生(sheng)(sheng)：一(yi)(yi)(yi)個(ge)人(ren)(ren)(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)系統花了(le)(le)幾十年(nian)(nian)(nian)時(shi)(shi)間到(dao)達了(le)(le)人(ren)(ren)(ren)(ren)類腦殘智(zhi)能(neng)(neng)(neng)的(de)(de)(de)水(shui)平，而(er)當這個(ge)節點(dian)發生(sheng)(sheng)的(de)(de)(de)時(shi)(shi)候，電(dian)腦對(dui)(dui)于(yu)世界的(de)(de)(de)感知(zhi)大概和一(yi)(yi)(yi)個(ge)四(si)歲小(xiao)孩(hai)一(yi)(yi)(yi)般；而(er)在這節點(dian)后一(yi)(yi)(yi)個(ge)小(xiao)時(shi)(shi)，電(dian)腦立馬推導出了(le)(le)統一(yi)(yi)(yi)廣義相對(dui)(dui)論(lun)和量子力(li)學的(de)(de)(de)物理學理論(lun)；而(er)在這之后一(yi)(yi)(yi)個(ge)半小(xiao)時(shi)(shi)，這個(ge)強人(ren)(ren)(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)變成了(le)(le)超人(ren)(ren)(ren)(ren)工(gong)智(zhi)能(neng)(neng)(neng)，智(zhi)能(neng)(neng)(neng)達到(dao)了(le)(le)普通人(ren)(ren)(ren)(ren)類的(de)(de)(de)17萬倍。 這個級別的(de)超級智(zhi)能(neng)不(bu)是我(wo)們能(neng)夠(gou)理解(jie)的(de)，就好像(xiang)蜜蜂不(bu)會理解(jie)凱恩斯經濟學一樣。在我(wo)們的(de)語言中，我(wo)們把(ba)130的(de)智(zhi)商(shang)(shang)(shang)叫(jiao)作聰明，把(ba)85的(de)智(zhi)商(shang)(shang)(shang)叫(jiao)作笨(ben)，但是我(wo)們不(bu)知道怎么形容12952的(de)智(zhi)商(shang)(shang)(shang)，人類語言中根本沒這個概念。 但是(shi)(shi)我(wo)們知(zhi)道(dao)的是(shi)(shi)，人(ren)類對于地球的統治教給我(wo)們一個(ge)道(dao)理——智(zhi)能(neng)就(jiu)是(shi)(shi)力量。也就(jiu)是(shi)(shi)說，一個(ge)超人(ren)工智(zhi)能(neng)，一旦被創(chuang)造出來，將是(shi)(shi)地球有(you)史以來最強大的東西，而所(suo)有(you)生(sheng)物(wu)，包括人(ren)類，都只能(neng)屈居其下——而這一切，有(you)可能(neng)在未(wei)來幾(ji)十年(nian)就(jiu)發生(sheng)。 想一(yi)下，如(ru)果我們的(de)(de)大腦能夠發(fa)明(ming)Wifi，那么一(yi)個(ge)比我們聰明(ming)100倍、1000倍、甚至10億(yi)倍的(de)(de)大腦說不(bu)定(ding)能夠隨(sui)時(shi)隨(sui)地操(cao)縱(zong)這(zhe)個(ge)世界所(suo)(suo)有(you)原子的(de)(de)位置。那些(xie)在我們看來超自然的(de)(de)，只(zhi)屬于全能的(de)(de)上(shang)帝(di)的(de)(de)能力，對于一(yi)個(ge)超人工(gong)智能來說可能就像按一(yi)下電燈開關(guan)那么簡(jian)單。防止人類(lei)衰(shuai)老(lao)，治療(liao)各種(zhong)不(bu)治之癥(zheng)，解決世界饑(ji)荒，甚至讓人類(lei)永生(sheng)，或者操(cao)縱(zong)氣候來保護(hu)地球未來的(de)(de)什么，這(zhe)一(yi)切都將變得可能。同樣(yang)可能的(de)(de)是地球上(shang)所(suo)(suo)有(you)生(sheng)命的(de)(de)終(zhong)結。 當一(yi)個超人工智能出(chu)生的時候，對我(wo)們來(lai)說就(jiu)像一(yi)個全能的上帝降臨地(di)球一(yi)般。 這時候我們所關心(xin)的就是(shi) 上一篇：人生的五大投資，千萬不要投錯！ ????下一篇：戰略轉型：創新驅動激發活力無限
