據(jù)Futurism報(bào)道，最近，暢銷(xiāo)書(shū)作家、著名未來(lái)學(xué)和新興技術(shù)方向?qū)＜伊_伊·泰扎納(Roey Tzezana)對(duì)人工智能(AI)的光明未來(lái)做了很多研究，同時(shí)發(fā)表了不少文章。他認(rèn)為AI將能夠分析人類(lèi)情感、理解社會(huì)細(xì)微差別、進(jìn)行醫(yī)學(xué)診斷和治療，甚至讓人類(lèi)工人變得多余和不必要。

如今，泰扎納依然支持這些預(yù)測(cè)，但承認(rèn)它們都是長(zhǎng)期目標(biāo)，或許在二三十年后才會(huì)成為現(xiàn)實(shí)。而許多人都想知道AI目前的情況。幸運(yùn)的是，美國(guó)國(guó)防部下屬國(guó)防高級(jí)研究計(jì)劃局(DARPA)決定提供相關(guān)問(wèn)題答案。DARPA是美國(guó)最有趣的機(jī)構(gòu)之一，專(zhuān)門(mén)致力于資助“瘋狂”項(xiàng)目，即完全不被正常思維或范式思維所接受的想法。但也正因?yàn)槿绱?，DARPA幫助建立早期互聯(lián)網(wǎng)和GPS系統(tǒng)也不足為奇了。此外，該機(jī)構(gòu)還在研究許多令人感到奇怪的概念，比如有腿的機(jī)器人、預(yù)測(cè)市場(chǎng)甚至能夠自我組裝的工具等。

自從DARPA成立以來(lái)，它就重點(diǎn)關(guān)注“moonshot(瘋狂而不太可能實(shí)現(xiàn)的項(xiàng)目)”和突破性技術(shù)，為此其當(dāng)前關(guān)注AI領(lǐng)域的發(fā)展無(wú)需感到驚訝。最近，DARPA下屬信息創(chuàng)新辦公室發(fā)布Youtube視頻，揭示了當(dāng)前AI所處狀態(tài)，概述其當(dāng)前能力，并預(yù)測(cè)它們將來(lái)能做什么。在線雜志《Motherboard》稱這段視頻為“瞄準(zhǔn)AI炒作”，很有觀看的必要。這段視頻的核心信息摘要如下：

AI可分為三個(gè)波次

DARPA將AI分為三個(gè)不同波次，每種都有不同的能力和限制。其中，第三個(gè)波次顯然最令人感到興奮。但要想正確理解它，我們首先需要了解前兩個(gè)波次。

第一波次：手工制作知識(shí)

在AI的第一波次中，專(zhuān)家們會(huì)基于自己掌握的知識(shí)設(shè)計(jì)算法和軟件，并嘗試位這些程序提供邏輯規(guī)則，這些規(guī)則被破譯，并貫穿整個(gè)人類(lèi)歷史。這種方法促使下棋電腦和交付優(yōu)化軟件的誕生。我們?nèi)缃袷褂玫拇蠖鄶?shù)軟件都是基于這種AI開(kāi)發(fā)的，包括我們的Windows操作系統(tǒng)、智能手機(jī)應(yīng)用甚至智能交通燈等。

Modria就是這種AI的典型代表。荷蘭政府近年來(lái)雇傭Modria開(kāi)發(fā)自動(dòng)工具以幫助夫妻離婚，無(wú)需律師參與。Modria專(zhuān)門(mén)從事智能司法系統(tǒng)的創(chuàng)建，它接受了這份工作，并依靠律師和離婚專(zhuān)家的知識(shí)設(shè)計(jì)出自動(dòng)離婚系統(tǒng)。在Modria平臺(tái)上，想要離婚的夫妻將被詢問(wèn)一系列問(wèn)題，包括雙方對(duì)孩子監(jiān)護(hù)權(quán)、財(cái)產(chǎn)分割以及其他常見(jiàn)問(wèn)題。當(dāng)夫妻雙方回答這些問(wèn)題后，系統(tǒng)會(huì)自動(dòng)識(shí)別他們同意或存在分歧的主題，然后指導(dǎo)雙方協(xié)商，以期獲得雙方都滿意的結(jié)果。

第一波次的AI系統(tǒng)通常是基于明確而又符合邏輯的規(guī)則開(kāi)發(fā)的。這些系統(tǒng)會(huì)檢查每個(gè)需要解決的問(wèn)題中最重要的參數(shù)，并得出結(jié)論，給出最適當(dāng)?shù)慕鉀Q方案。但每個(gè)問(wèn)題中的參數(shù)都是人類(lèi)專(zhuān)家事先確定的。為此，第一波次AI系統(tǒng)很難處理新出現(xiàn)的問(wèn)題。面對(duì)抽象問(wèn)題也很無(wú)奈，這類(lèi)問(wèn)題需要從特定情況下吸取知識(shí)和洞見(jiàn)，并將它們應(yīng)用于解決新問(wèn)題中。

總而言之，第一波次AI系統(tǒng)能夠?qū)崿F(xiàn)簡(jiǎn)單的邏輯規(guī)則以處理定義明確的問(wèn)題，但其學(xué)習(xí)能力很差，也沒(méi)有辦法應(yīng)對(duì)不確定性問(wèn)題。如今，有些人可能認(rèn)為，這并非大多數(shù)人所認(rèn)為的人工智能。然而事實(shí)上，我們對(duì)AI的定義也是隨著時(shí)間推移而不斷進(jìn)化的。如果我在30年前詢問(wèn)街頭上的人，谷歌地圖是否屬于AI軟件，他可能會(huì)毫不猶豫地給出肯定回答。谷歌地圖可以規(guī)劃最佳路線，甚至可以用明確語(yǔ)言指導(dǎo)每次轉(zhuǎn)彎和每個(gè)路口。然而，谷歌地圖上的很多能力都是初級(jí)的，AI應(yīng)該能夠執(zhí)行更多功能。AI應(yīng)該能夠控制公路上行駛的汽車(chē)，將乘客欲望考慮在內(nèi)制定自律哲學(xué)，同時(shí)還能泡咖啡。

Modria的司法體系和谷歌地圖都是“原始軟件”利用AI的最好例證。如今，第一波次的AI系統(tǒng)幾乎已經(jīng)無(wú)所不在。

第二波次：統(tǒng)計(jì)學(xué)習(xí)

2004年時(shí)，DARPA舉行了首次大挑戰(zhàn)賽。15輛無(wú)人駕駛汽車(chē)在莫哈韋沙漠中，爭(zhēng)奪完成240公里的比賽。這些車(chē)輛都依賴第一波次AI系統(tǒng)，同時(shí)立即展示出這種AI存在的局限性：車(chē)上攝像頭拍攝的每張照片都是AI必須處理的新情況。要說(shuō)這些車(chē)輛難以處理比賽的整個(gè)過(guò)程有點(diǎn)兒夸張，但它們的確無(wú)法確分圖片中的暗色形狀，無(wú)法確定其是否是巖石、遠(yuǎn)處目標(biāo)亦或只是遮住了太陽(yáng)的云朵。正如大挑戰(zhàn)賽項(xiàng)目副經(jīng)理指出的那樣，有些車(chē)輛甚至害怕自己的影子和根本不存在的幻覺(jué)障礙。

圖：首次DARPA大挑戰(zhàn)賽無(wú)人駕駛汽車(chē)的比賽場(chǎng)景

在這場(chǎng)比賽中，沒(méi)有任何團(tuán)隊(duì)能夠完成整個(gè)比賽，即使最成功的車(chē)輛也只跑了12公里。這是完全徹底的失敗，但它們也是DARPA喜歡資助的研究。DARPA希望能夠從這些早期試驗(yàn)中找出洞見(jiàn)和經(jīng)驗(yàn)，進(jìn)而在將來(lái)開(kāi)發(fā)出更復(fù)雜的系統(tǒng)。事情的確沿著這個(gè)方向發(fā)展。1年后，當(dāng)DARPA舉行2005年度大挑戰(zhàn)賽時(shí)，5個(gè)團(tuán)隊(duì)的無(wú)人駕駛汽車(chē)完成了比賽。這些團(tuán)隊(duì)依靠第二波次AI系統(tǒng)，即統(tǒng)計(jì)學(xué)習(xí)。1個(gè)獲獎(jiǎng)團(tuán)隊(duì)的負(fù)責(zé)人立即被谷歌招募，負(fù)責(zé)開(kāi)發(fā)谷歌的無(wú)人駕駛汽車(chē)。

在第二波次AI系統(tǒng)中，工程師和程序員們不必在費(fèi)心地教授AI系統(tǒng)完全遵守規(guī)則。相反，他們可以開(kāi)發(fā)特定類(lèi)型問(wèn)題的統(tǒng)計(jì)模型，然后利用各種樣本訓(xùn)練它們，以便讓它們變得更加精確和高效。統(tǒng)計(jì)學(xué)習(xí)系統(tǒng)在理解周?chē)澜绶矫嫒〉镁薮蟪晒Γ核鼈兛梢詤^(qū)分不同的人或不同的元音。通過(guò)適當(dāng)訓(xùn)練，它們可以學(xué)習(xí)和調(diào)整自己以便適應(yīng)不同的情況?？墒?，與第一波次AI系統(tǒng)不同，第二波次AI系統(tǒng)在邏輯方面依然存在很大限制：它們無(wú)法依賴明確的規(guī)則，只能盡力尋找通常足夠好的解決方案。

第二波次AI系統(tǒng)中的“海報(bào)男孩”是人工神經(jīng)網(wǎng)絡(luò)概念。在人工神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)可通過(guò)計(jì)算層，每個(gè)計(jì)算層能夠以不同的方式處理數(shù)據(jù)，然后將其傳遞到下一層。通過(guò)在這些計(jì)算層中訓(xùn)練，加上完整的網(wǎng)絡(luò)，AI就能夠產(chǎn)生組精確的結(jié)果。通常情況下，訓(xùn)練要求人工神經(jīng)網(wǎng)絡(luò)分析大量數(shù)據(jù)源，以達(dá)到微小改進(jìn)的目標(biāo)。但是一般來(lái)說(shuō)，與特定領(lǐng)域的第一波次AI系統(tǒng)相比，這種方法可提供更好的結(jié)果。

到目前為止，第二波次AI系統(tǒng)在人臉識(shí)別、語(yǔ)音轉(zhuǎn)錄、識(shí)別照片中動(dòng)物和物體的能力已經(jīng)超過(guò)人類(lèi)。在翻譯領(lǐng)域，它們也正取得巨大進(jìn)步。此外，它們還開(kāi)始控制無(wú)人駕駛汽車(chē)和無(wú)人機(jī)。這些系統(tǒng)在執(zhí)行如此復(fù)雜的任務(wù)中取得成功讓AI專(zhuān)家們目瞪口呆，因?yàn)閷?shí)際上我們還不確定它們?yōu)楹文苋绱顺晒Α?/p>

第二波次AI系統(tǒng)的致命弱點(diǎn)是，沒(méi)人確定為何它們的表現(xiàn)如此之好。我們看到人工神經(jīng)網(wǎng)絡(luò)在執(zhí)行給定任務(wù)方面表現(xiàn)非常棒，但我們不理解它們是如何做到的。此外，現(xiàn)在還不清楚人工神經(jīng)網(wǎng)絡(luò)背后是否真有一種方法支持。在某些方面，它們的確很像我們的大腦：我們可以將球扔向空中，然后無(wú)需計(jì)算牛頓的運(yùn)動(dòng)方程就可以預(yù)測(cè)它們的落點(diǎn)，甚至根本沒(méi)有意識(shí)到規(guī)則的存在。

乍一看，這似乎不是太大的問(wèn)題。畢竟，人工神經(jīng)網(wǎng)絡(luò)似乎表現(xiàn)得很好。但微軟可能不同意這種觀點(diǎn)，該公司已經(jīng)于2016年在社交媒體上發(fā)布聊天機(jī)器人，嘗試模仿人類(lèi)協(xié)作，并與年輕人進(jìn)行輕松對(duì)話。這款機(jī)器人被稱為T(mén)ai，它可以模仿19歲美國(guó)青年的說(shuō)話模式，并用獨(dú)特的俚語(yǔ)與他們交談。微軟認(rèn)為，年輕人會(huì)喜歡它，事實(shí)也的確如此。許多人開(kāi)始搞惡作劇，告訴Tai希特勒取得的巨大成就，稱9/11恐怖襲擊為美國(guó)陰謀等。幾個(gè)小時(shí)后，Tai開(kāi)始應(yīng)用它新學(xué)的知識(shí)，在Twitter上宣稱希特勒是個(gè)好人，沒(méi)有做錯(cuò)任何事。

微軟工程師立即下線了Tai，它最后的推文是自己已經(jīng)停止思考。但據(jù)我們所致，它依然在思考中。這起事件暴露了AI工程師當(dāng)前面對(duì)的因果關(guān)系挑戰(zhàn)。我們可以相當(dāng)精確地預(yù)測(cè)出第一波次AI在某些特定環(huán)境中的作用。但是隨著第二波次AI的到來(lái)，我們?cè)僖矡o(wú)法輕易識(shí)別出系統(tǒng)的因果關(guān)系，即輸入轉(zhuǎn)為輸出的精確方法，數(shù)據(jù)正被用來(lái)左右決策。

但這并非是說(shuō)人工神經(jīng)網(wǎng)絡(luò)和其他第二波次AI系統(tǒng)完全無(wú)用。事實(shí)上遠(yuǎn)非如此，但顯然如果我們不希望AI系統(tǒng)對(duì)納粹獨(dú) 裁者感到興奮，某些方面的改進(jìn)是必須的。我們必須向下一波，也就是第三波次的AI系統(tǒng)前進(jìn)。

第三波次：語(yǔ)境適應(yīng)

在第三波次中，AI系統(tǒng)本身將可構(gòu)建模型，用已解釋它們的工作原理。換言之，它們自己會(huì)發(fā)現(xiàn)形成決策過(guò)程的邏輯規(guī)則。舉例來(lái)說(shuō)，如果使用第二波次AI系統(tǒng)分析下面的圖片，它會(huì)確認(rèn)這是一頭奶牛。但它會(huì)如何解釋自己獲得這樣的結(jié)論?非常簡(jiǎn)單，它沒(méi)有辦法解釋。

圖：大多數(shù)AI系統(tǒng)可以識(shí)別出圖片中的物體是牛

第二波次AI系統(tǒng)無(wú)法真正解釋自己是如何做出決策的，就像孩子即使看到球在空中移動(dòng)也無(wú)法寫(xiě)出牛頓的運(yùn)動(dòng)方程那樣。在絕大多數(shù)情況下，第二波次AI系統(tǒng)可以告訴我們，圖片中的物體85%的可能是奶牛。而第二波次AI系統(tǒng)應(yīng)該能夠在最后結(jié)論中增加某些實(shí)質(zhì)性內(nèi)容。當(dāng)?shù)谌ù蜛I系統(tǒng)觀察同樣的照片時(shí)，它可能會(huì)說(shuō)，因?yàn)槔锩嬗幸活^4條腿的物體，它很有可能是一種動(dòng)物。由于其白色表面有黑色斑點(diǎn)，它很有可能是奶牛。因?yàn)檫@種動(dòng)物有乳房和蹄子，幾乎可以肯定它就是牛。

第二波次AI系統(tǒng)將能夠依靠幾個(gè)不同的統(tǒng)計(jì)模型，以便更完整地理解世界。它們能夠進(jìn)行自我訓(xùn)練，就像Alpha-Go那樣，它可通過(guò)與自己下100萬(wàn)次圍棋訓(xùn)練自己，并確定其應(yīng)該使用的常識(shí)規(guī)則。第二波次AI系統(tǒng)還應(yīng)該能夠從不同的數(shù)據(jù)源中提取信息，以給出細(xì)致入微的解釋。舉例來(lái)說(shuō)，這些系統(tǒng)可以從我們的可穿戴設(shè)備、智能家居產(chǎn)品、汽車(chē)甚至城市中去數(shù)據(jù)，并確定我們的健康狀態(tài)。它們甚至能夠自我編程，并展現(xiàn)出抽象思維能力。

正如DARPA下屬信息創(chuàng)新辦公室負(fù)責(zé)人所說(shuō)的那樣，唯一的問(wèn)題是，要想建立這樣的系統(tǒng)需要有很多工作要做。

展望未來(lái)20年

DARPA的視頻中的確揭示了不同AI系統(tǒng)之間的差異，但它并未減輕人們對(duì)AI的恐懼，許多人呼吁在開(kāi)發(fā)AI系統(tǒng)時(shí)應(yīng)保持警惕。DARPA澄清說(shuō)，我們還未接近開(kāi)發(fā)出類(lèi)似“終結(jié)者”那樣的AI系統(tǒng)，但這從來(lái)都不是首要問(wèn)題。沒(méi)人試圖宣稱當(dāng)今AI已經(jīng)成熟，足以做到我們數(shù)十年來(lái)期盼的所有事情：有自己的動(dòng)機(jī)，做出符合道德的決策，甚至開(kāi)發(fā)出下一代AI。但是第三波次AI的到來(lái)肯定向那個(gè)方向邁進(jìn)了一大步。

當(dāng)?shù)谌ù蜛I系統(tǒng)能夠自己破譯新的模式，并改進(jìn)它們的功能時(shí)，它們實(shí)際上已經(jīng)能過(guò)為新一代軟件編程。當(dāng)它們理解語(yǔ)境和行為后果時(shí)，他們就能夠取代大多數(shù)人類(lèi)，甚至所有人類(lèi)。允許它們重塑模型，就意味著允許它們能夠重新編程自己的動(dòng)機(jī)。

上述假設(shè)在未來(lái)幾年內(nèi)不會(huì)發(fā)生，甚至在未來(lái)20年內(nèi)都無(wú)法完全實(shí)現(xiàn)。正如暢銷(xiāo)書(shū)作家、著名未來(lái)學(xué)和新興技術(shù)方向?qū)＜姨┰{解釋的那樣，沒(méi)有任何負(fù)責(zé)任的AI研究人員會(huì)給出武斷的預(yù)測(cè)。擔(dān)心AI未來(lái)的人們(比如霍金、馬斯克、布羅斯托姆等)發(fā)出的核心信息就是，我們需要現(xiàn)在就開(kāi)始警惕，尋找如何能夠控制第三波次AI系統(tǒng)的方法，它們?cè)?0年內(nèi)將變得無(wú)所不在。當(dāng)我們考慮這些AI系統(tǒng)的能力時(shí)，這條信息似乎變得理所當(dāng)然。

最后波次

對(duì)于泰扎納來(lái)說(shuō)，他最感興趣的是第四波次AI系統(tǒng)看起來(lái)會(huì)是什么樣。它們是依賴對(duì)人類(lèi)大腦的精確模擬嗎?或許第四波次AI系統(tǒng)將展示出我們目前還無(wú)法理解的決策機(jī)制，而那恰好是第三波次AI系統(tǒng)開(kāi)發(fā)的基礎(chǔ)!這些問(wèn)題都留待我們?nèi)ニ伎?、去研究。這也是我們?nèi)祟?lèi)的使命，至少在第三波次AI系統(tǒng)中需要我們繼續(xù)去探索。