（文章來源：百家號）

HackerNoon CEO大衛(wèi)斯穆克（David Smooke）將人工智能定義為科技領(lǐng)域，并預(yù)計其未來將會有巨大發(fā)展。他指出，發(fā)展人工智能似乎可以用來研究如何進一步減輕一些基礎(chǔ)任務(wù)的負(fù)擔(dān)，如會議的安排與協(xié)調(diào)等。那么，人工智能的現(xiàn)狀究竟如何呢？人工智能的性能取決于其訓(xùn)練集。最好的人工智能可能有最多的數(shù)據(jù)點來進行對比和計算。斯基納（Skinner）和帕夫洛夫（Pavlov）的行為主義對人類學(xué)習(xí)的本質(zhì)做出了相似的假設(shè)。

也就是說，人類是基于數(shù)據(jù)集進行訓(xùn)練的，而大腦內(nèi)部的運作機制則略有不同。人可以簡單地給予獎勵和懲罰作為輸出（或行為）的條件，并通過這種方式最終實現(xiàn)目標(biāo)行為。問題是，雖然心理學(xué)在很大程度上已經(jīng)對人類學(xué)習(xí)進行了深刻研究，但機器學(xué)習(xí)卻沒有。這個問題可能在人機交互的模擬中越愈發(fā)凸顯，也經(jīng)常出現(xiàn)在人工智能工程師們在試圖模擬人類思想的過程中。

他既不會說也聽不懂中文。但是在這個房間里有一本很大的手冊，里面有一系列的假設(shè)陳述。通過門上的一個插槽，他可以接收漢字，查找手冊中的字符串，并找到要通過插槽送出的字符串。顯然，塞爾可能會讓房間外的人相信他真的懂中文，但事實上他并不懂，他只是在匹配符號。因此，他表現(xiàn)出的能力受限于中文手冊的內(nèi)容。

一些人工智能的創(chuàng)建者可能會聲稱，創(chuàng)建人工智能的意義實際上只是人類龐大的記憶內(nèi)存和快速匹配能力的虛幻副產(chǎn)品。這和行為主義者的說法是一樣的——大腦是一個黑匣子，學(xué)習(xí)可以自動進行，而不需要機器中的某些神秘力量。并不是認(rèn)為必須以神秘的方式探索思維，而是指出這種還原論對行為主義者存在誤導(dǎo)，因此它很可能成為人工智能發(fā)展的一個絆腳石。

這是自然語言處理的難點之一。在自然語言處理中，詞的語境共同構(gòu)成彼此的含義。計算機并不自帶這種能力。因此，程序員必須手動為機器編寫代碼，然后“自動”學(xué)習(xí)這些關(guān)系。人類的理性是不同的。人類的理性不是二元的。因此，事物不是無語境的獨立的單位，而是超越自身，存在于與其他事物的關(guān)系網(wǎng)中。例如，“好”的意思也可以指“不壞”。

對于人類來說，這種對立性賦予了他們區(qū)分不同類型字符的先天能力，例如“好的壞”和“好的鞋”。然而對于計算機來說，這些對立關(guān)系必須進行有目的地學(xué)習(xí)了才行，因此在概念上，“壞”與“好”間的聯(lián)系并不比“好”與“鞋”的聯(lián)系更緊密。乍一看，這似乎不那么重要，但想象一下，如果一個人認(rèn)為好與壞和好與鞋的意思相近？，那就說明他既不知道“好”是什么意思，也不知道“鞋”是什么意思。

機器本質(zhì)上并不理解“讓我說‘好’”和“讓我不說‘好’”之間有一種特殊的對立關(guān)系，而人類則不然。這種情況帶來很大影響，一些合作程度較差的參與者甚至公然采取藐視態(tài)度，因為他們的對立性使他們的道德權(quán)威比實驗者的權(quán)威更大。不禁讓人想起了iRobot的桑尼，這個機器人比其他機器人“聰明”多了，因為他像人類一樣能夠理解對立性。

有證據(jù)表明人類的記憶與機器的記憶大不相同。除硬件故障外，機器會存儲無語境的信息。然而，人類的記憶取決于是否能夠?qū)⑵渲糜谟幸饬x的環(huán)境中。例如，克雷克（Craik）和托爾文（Tulving）發(fā)現(xiàn)，當(dāng)人們被問到“____是一種魚嗎？”時，他們更容易記住該填空是“鯊魚”，而不是“天堂”。

同樣，人們記住按相似度分類的事物比記住沒有這類分類的事物更容易。然而，對于計算機來說，事物是獨立的，不需要語境。機器制造記憶和檢索記憶與概念語境或現(xiàn)實語境無關(guān)，但對人類來說并非如此。

如果聽到“西雅圖在地圖上與洛杉磯不相鄰”這一說法，聽者可能會思考這句話的真實性。說這個話的人可能會用一種奇怪的方式折疊地圖，讓西雅圖和洛杉磯緊挨著，然后沉浸在狡猾、驕傲的微笑中。意義創(chuàng)造是語境與對立性的結(jié)合；意義創(chuàng)造是人類理性的重要組成部分，機器則不具備這一點，至少現(xiàn)在還沒有具備。

這并不是說人工智能注定要失敗，也不能忽視已經(jīng)取得的不可思議的飛躍。筆者不否認(rèn)機器學(xué)習(xí)能夠很好地模仿任何一項人類的任務(wù)，任何有限自動機都能做到這一點。

但要使人工智能令人信服，需要大量的極端案例、修改、再訓(xùn)練、大量計算。正如我們目前所知，人工智能不是很靈活，除非計算機從盲目地匹配對象轉(zhuǎn)向創(chuàng)造意義，否則它就不可能有靈活性。 由此可得出結(jié)論，在可預(yù)見的未來，人工智能最適合于概念靈活性很小、不受環(huán)境影響、不涉及對人類偏好的任務(wù)（例如，輔助耕作和駕駛飛機等任務(wù)）。人工智能工程師應(yīng)該在其他任務(wù)中發(fā)展機器學(xué)習(xí)，比如提出好的建議（推薦食物/電影/朋友）或者做出道德判斷（比如自動駕駛汽車的安全協(xié)議）等。