九、强人工智能

对人工智能未来有所关注的人们，一定会注意到强人工智能这个词。和之前一样，下面还是从一则故事讲起。

岁月如梭，老一代的人工智能学派掌门人相继凋零，一代新人扛起了人工智能研究的大旗。在连接主义学派的大院深处，新掌门辛顿正在和一条大狗玩。

“贝塔，快去，帮我拿杯水来。”辛顿说道。

“呜呜”，大狗欢快地应到，迅速地跑到桌边，从桌上叼起了一杯水，送到辛顿手里。

“嗯，真乖，真是条好狗。”辛顿开心地说。

大狗也得意地呜咽了几声。

“贝塔，去给教授拿块饼干。”后面传来一个年轻的声音。

贝塔跑到桌边，仔细看了几眼，叼起桌上的一块褐色物体递给了辛顿。

辛顿随手接过，张开嘴正准备咬下去，突然发现不对，这手感，似乎是个。。。杯垫！辛顿连忙放下杯垫，愤怒地说：“哈萨比斯，你这个调皮蛋，又在作弄我！”

哈萨比斯笑嘻嘻地走过来，“不是说贝塔狗已经学会分辨物体了吗？我只是在杯垫上画了些花纹，它怎么又挑错了？”

辛顿被说到了伤心事，不由得长吁短叹地说：“唉，虽然深度学习算法解决了图形识别问题，可是它还只是对纯粹的物体识别率非常高。一旦加入了特殊的条纹，它就开始犯迷糊。”

“嗯。”哈萨比斯也严肃了起来，说道，”和人类相比，如今的人工智能还有很多缺点，复杂场景下识别率非常低。就拿饼干来说吧，人类3岁的儿童就能在一堆杂物中迅速找到饼干，而人工智能就很难。怪不得大家都说现在只是弱人工智能。你看看贝塔狗，前两天喂它吃饼干还挺利索的，真的叫它识别块饼干都分不清楚。这哪里是人工智能啊，分明是人工智障。”

也不知道是不是太多人这么说它，贝塔听懂了这句，它愤怒地对着哈萨比斯吼了两声：“汪！汪！”。

辛顿拍了拍贝塔的头，安慰它：“不管怎么说，贝塔还是代表着目前人工智能的最高水平的。贝塔在很多领域，已经比人类强多了。”

“如果您说的是计算，记忆等方面，它确实是远远超过人类；在图形识别，语音识别等单一领域，它也开始逐步接近甚至开始超过人类。但是在需要综合分析的领域，它几乎无所作为。我们的深度学习模型解决了对单一领域的通用性学习方法，可是对于需要综合分析的领域，还基本是无所作为的。”

“嗯，这就是强人工智能和弱人工智能的区别。不过，不要因为是弱人工智能就灰心。饭要一口口地吃，我们只要一步步向前推进，早晚能摘取强人工智能这个人类智慧的皇冠。”

正如世界著名计算机科学家高德纳（Donald Knuth）说过的：“在几乎所有需要思考的领域，人工智能已经超过人类；但是在那些人类不假思索就能完成的事情上，人工智能还差得很远。”

现在的人工智能，又被称为弱人工智能，在特定领域已经取得了巨大成功。但是与人类相比，还是有着很大的差异。它一般仅针对特定领域进行学习和训练，仅能解决特定领域的问题。它完全符合“智力工具”这个概念。

强人工智能，则是希望能制造出具有与人类类似的在各种纷繁复杂的环境中能通过推理来解决实际问题的能力的智能体。某种意义上说，它将有可能摆脱“工具”的身份，而成为人类的“伙伴”。

强人工智能之上，还有科学家提出了超人工智能的概念。简单说来，就是远超人类智力水平的人工智能。事实上，人类智慧受到了人类身体的限制而很难大幅度提升，导致人类间智商的差异是很有限的。但是人工智能的智慧能力不是这样，除了可以优化算法外，大多数情况下还能通过硬件的简单升级或者叠加来完成。因此，现实中很可能不会出现一个刚好和人类能力差不多的人工智能，而是直接就出现一个远超人类智慧的人工智能。这种情况下，再单独讨论超人工智能的意义不大。后面的讨论将仅以强人工智能作为主要讨论对象，而且认为强人工智能就是具备接近甚至远超人类的智慧能力的。

弱人工智能与强人工智能的区分反映到我们的生活中有着类似的例子。

很多理科生初次进入社会会觉得很迷茫，为什么我在学校中学到的知识与社会中有这么大差别？为什么我在考试中百试百灵的聪明脑袋面对现实世界不够用了？其实这就是因为我们在学校里学习到的理科知识都是符合弱人工智能范式的。无数科学先贤通过无数次试验（也可以说是科学大数据），得出了科学理论（生成了弱人工智能的处理模式），理科生们只要学会了这些理论（进行了模式学习），再加上自己一定的理解思考，就能在考场上无往而不胜（考卷里限定了领域和各种前提，答案往往是唯一确定的）。但是一旦到了社会，不要说人与人相处这种极为复杂的博弈过程，即使是单纯做事，理科生们也会发现，要面对的领域非常复杂，需要考虑的条件非常多，这个时候，不能按照弱人工智能的思考方式，收集所有的数据，找到成功率极高的解法；而是要按照强人工智能的思考方式，收集分析手头上能找到的数据，分析判断出可行、胜率相对较高的解法。为什么文科生相对更容易适应社会，就是因为他们在学校做文科试题时，本来就经常会遇到条件多变，答案不唯一的题目，他们需要经常进行类似强人工智能的思考，这让他们更加容易适应社会。

再举个例子，我们阅读网络小说时，经常可以看到主人公可以用三寸不烂之舌，再加上王霸之气，就能在绝境中找到最大的机会，让天下的英雄豪杰甘做小弟，众多美女投怀送抱。而自己如果真的学习主角的说话和处事方式，在生活中将很可能被人当做王八，踩翻在地。其实这也是一个限定领域问题，小说的作者有着上帝视角，他让主角把所有问题都是按照给定领域的方式解决了，也就是传说中的“主角光环”。主角说的任何话和做的任何事，一定是当时条件下最适合的，一定会让书中的配角俯首称臣；也会从绝境中恰好破开生路，甚至还会发生捡到武功秘籍或挖到宝藏之类的走运事件。而这些林林总总，在真实世界是不可能的。

目前，对强人工智能的研究还很初级，没有哪个理论框架或算法模型能在理论上具备达到强人工智能的程度。甚至对于如何实现强人工智能本身，都还是一团迷雾。基本上，现在有两种可能的方向，一种是类人的强人工智能，这也是通常意义的强人工智能，具备类似人类的情感特征和自我意识，拥有思维能力，为了论述方便，后面把它称为人工生命；一种是完全的机器生命，具有类似于人类的分析判断能力和决策能力，能解决不同种类问题，但是未必有情感和自我意识，一般我们把它叫做通用人工智能（AGI，即Artificial general intelligence的简写）。现在还很难说两种人工智能的方向到底哪条路径可以走通，或者两者根本就是殊途同归的。但是它们在实现路径和对人类的威胁上有很大区别，下面将针对人工生命和通用人工智能这两类人工智能来分别讨论。

在进一步讨论之前，我们先来谈一个哲学问题。

在中国古代人们的传统认知里，世界是不可知的。操纵世界运行的钥匙掌握在天道之中，人类只可意会，不可言传。

随着近代科学的发展，科学为人类打开了一扇窥探世界奥秘的大门，人们慢慢开始相信，整个世界都是可以通过科学规律来精确描述的：八大行星根据引力定律精准地围绕太阳运转；木炭在空气中燃烧，与氧气按一定比例结合成二氧化碳；植物按照一年四季依次生根、发芽、开花、结果。进而地，人们发现了因果律这一个宇宙的普遍规律，认为无因不能生果，有果必有其因。既然所有事物的发展都有其原因，那人们自然而然就认为我们可以找到所有事物的根源，并通过认知它们来改变世界。基于这一基本观点，人类开始了对事物发展规律地不停探索，并发现了一个又一个物理现象的原因及其背后的规律，进而完全改变了整个世界。

但是现代科学的进一步发展，人类又开始发现，在现实世界中，不是所有事物发展的原因都是那么容易确定的。尤其是当我们的视角由单个事物扩展到一个复杂系统中，就会发现，系统的运行往往是随机的，它对系统的初始条件非常敏感，系统内外的各种因素又会极大地放大这些条件造成的后果，最终导致系统的运行完全不可预测。著名的蝴蝶效应就反映了这种情况。如美国气象学家洛仑兹所说：“在南半球巴西某地一只蝴蝶的翅膀的偶然扇动所引起的微小气流，几星期后可能变成席卷北半球美国德克萨斯州的一场龙卷风”。“混沌学”也就应运而生。混沌理论并没有否定因果律，只是认为由于现实系统的极端复杂性，很难通过某个或某些原因来推定确定的结果。

现实生活中的各种事物往往是介于混沌系统和确定系统间的一种状态。对于其中靠近确定系统的事物，我们已经能够比较容易地通过找到其主要原因来预测其行为，作出判断。这也就是唯物辩证法中的找到影响事物发展的主要矛盾。简单来说，就是“一因一果”或者“少因一果”。但是对于比较接近于混沌系统的事物，我们就比较难于处理了。由于隐藏在事物之内的原因有很多种，因果之间还会互相影响，再加上各种混沌效应（以下把这些情况统一简称为“多因一果”），我们很难找到主要原因进行预测和判断。而结合复杂的多个原因进行确定性判断或者说运算，则远远超出了人类大脑和现有计算机的处理能力。

回到我们的人工智能领域，我们就能比较容易地看出人工智能各个学派发展的深层次原因。对于符号主义学派，试图用逻辑算法来模拟实现现实世界，他们非常适合于“一因一果”的场景。只要知道事物发展的内生规律，通过代码来实现，就能很容易实现这类智能行为。但是对于“少因一果”，他们实现起来就比较困难；对于“多因一果”，符号主义基本是无能为力的。

而对于连接主义学派，他们通过类似于脑神经网络的方式，比较好地解决了“少因一果”的场景。因此比符号主义向前迈进了一大步，并匹配上了现实世界中的很多场景，受到了大家的追捧。

很大程度基于控制论发展出来的行为主义学派，似乎是匹配“多因一果”场景的最好模式。但是即使是在现实生活中，这种混沌系统也是很难预测的。无论是理论基础还是实际运用，行为主义都还有很多难以克服的问题，因此长期少人问津也是可以理解的。

事实上，人类对于“多因一果”的场景还是有处理方案的。千百年来的进化史给了人类大脑抽象和判断的能力。这种能力使得人类在复杂多变的自然环境中能够得以生存繁衍，直至创造出我们如此多姿多彩的文明。下文将结合强人工智能的讨论来进一步说明。