本书由“PDF 电子书网”整理

    PDF 电子书网(www.xgv5.com):免费提供各类精品

    电子书的网站!PDF 电子书网提供的书籍绝对可以当

    得起你书架上的一席之地!总有些书是你一生之中

    不想错过的!

    好读书，读好书，找好书就到 PDF 电子书网 www.xgv5.com

    www.xgv5.com

    PDF 电子书网所有书籍全部免费分享，只为以书会

    友，欢迎大家支持!

    [法]常博逸 [法]弗朗索瓦·罗什 著

    蔡愫颖 译

    人类帝国的覆灭：一个机器人的回忆

    录

    广西师范大学出版社

    桂林?

    Originally published in France as:

    La chute de l'Empire humain: Mémoires d'un robot

    by Charles-Edouard Bouée et Fran?ois Roche

    éditions Grasset Fasquelle, 2017

    Current Chinese translation rights arranged through Divas International, Paris

    巴黎迪法国际.

    图书在版编目(CIP)数据

    人类帝国的覆灭：一个机器人的回忆录 (法)常博逸，(法)弗朗索

    瓦·罗什著；蔡愫颖译.——桂林：广西师范大学出版社，2019.3

    ISBN 978-7-5598-1433-3

    Ⅰ. ①人… Ⅱ. ①常… ②弗… ③蔡… Ⅲ. ①人工智能-研究 Ⅳ. ①TP18

    中国版本图书馆CIP数据核字(2018)第267643号

    出 版 人：张艺兵

    全国新华书店经销

    发行热线：010-64284815

    山东鸿君杰文化发展有限公司

    目录

    CONTENTS

    引言

    序章

    1 1956 某些人的梦想

    2 2006 寒冬离去

    3 2016 崭露头角

    4 2026 黄金时代

    5 2038 奇点

    尾声 2040

    参考文献

    本书谨献给所有为如下事业付出时间和努力的人类：在改善生活和

    维护我们社会的基本要素之间寻求技术进步的平衡。

    不论既已存在还是心生忧惧，将来时在语法时态上都与先将来时

    (将来完成时)相配：我们模糊地感受到，现在好像是一种很快就会老

    去的事物，就如过去一般……将来不是在我们的前方，而是在我们的身

    边：它与现在平行，并在这一维度上早已十分活跃。将来不是现在之

    后，它与现在同存。

    埃利·杜兰

    注释

    《世界报·图书专刊》(le Monde des livres)的采访，2014年12月5日。埃利·杜兰(Elie

    During，1972—)，任教于巴黎第十大学哲学系和巴黎高师美术系。——原注及编注(若无特

    别说明，本书脚注均为译者或编辑添加)

    引言

    我们之中仅有十亿分之一的人不是生活在无限的模拟世界里。

    ——埃隆·马斯克

    人类是否已近末路？我们是否面临无数使人类走向衰落的浩劫？在

    我们还没有意识到的时候，我们的文明是否也像以往的其他伟大文明一

    样已经在闪耀着最后的火花？人类历史中常有世界即将终结的预言。我

    们设想其主要原因有二。一是神灭，世界末日(Apocalypse)，地震、海啸、干旱、虫灾等各种自然灾害的暴发……而引起这些灾害的原因则

    是由世风日下、悖逆疏远道德所引发的天神之怒。另一个原因是无知而

    残暴的新来者摧毁了旧世界，这些以阿提拉为代表的新来者将繁荣的城

    市化为灰烬，并将城中人口屠戮殆尽。上帝也好蛮族也罢，最终都没有

    使人类陷入绝境。灾害发生，灾难来临，世界的总有一部分遭到毁灭，但人类依然继续繁衍生息。然后，在20世纪中叶将至之时，一个新的威

    胁出现了：科学的威胁。一些科学家或多或少有意识地研制了一种能摧

    毁一切的武器：原子弹。它只被使用了两次便足以证明其威力之可怖。

    但这一发明在人类历史上留下了重要的一笔：这是第一次由整个国家

    (美国)有意识地调动大量人力资源、技术资源和财政资源制造一种激

    进武器，而这种武器的威力就其本质而言足可摧毁我们的文明。威胁没

    有消失，正相反，它一直潜伏存在，伴随着这一技术最终被罪恶之手使

    用、或在切尔诺贝利和福岛之后引发另一场重大事故的风险，比如在加

    利福尼亚，那里的地震断裂带附近坐落着圣奥诺弗雷(San Onofre)、阿维拉海滩(Avila Beach)和代阿布洛峡谷(Diablo Canyon)三座核电

    站。

    今天，这些关于人类终结或者人类文明覆灭的相同问题再次被科学

    家、研究者、历史学家、人类学家和政治领袖提出。一些原教旨主义者

    重新举起“神罚”威胁论的大旗。另一些则在关于新的移民潮流问题上提

    到了毁灭性的“蛮族”入侵景象。在他们看来，突如其来的大量难民使欧

    盟陷入严重危机，这个危机就是一个预警信号。气候风险早已存在而我

    们才开始衡量它。学识、财富、社会模式和生活预期的严重不平衡，迟

    早会引发暴动、战争、大规模移民以及我们的政治和社会结构的崩塌。

    一个完全前所未见的新威胁就此显现：人类的计划性淘汰，这是由朝着

    超技术(ultra-technologies)世界的无止境发展所引起的，因为在这样

    的世界里人类会逐渐失去自己存在的理由。机器智能会取代人类智能的

    担忧深入人心，这种担忧有时是由科学家自己提出的，比如斯蒂芬·霍

    金就认为人工智能对于人类自身的存在是一种风险，在他看来，人类就

    是“一台过于缓慢的生物机器，无法与机器的学习速度抗衡”。这也许是

    人类命运所面临的威胁中最明确的一种了，因为手机、平板电脑、图形

    界面和计算机的“智能”水平日益提高，在我们操作它们时这一威胁就触

    手可及了。现在，机器(几乎)能够读、写、说、看、感觉、辨认我们

    的情绪、识别物体和图像、互相交流、从一堆信息中提取有意义的信息

    以及做出决定。机器还能预测我们的下一句话、下一个姿势、下一个意

    图和下一个行动。它们不断向人类学习，同时也能向其他机器学习。它

    们开始懂得交战、观察我们的行为、驾驶汽车或飞机，它们是国际象棋

    和围棋领域的冠军。它们的记忆力和运算能力趋于无穷。然而，即便人

    类的头脑非常强大，执行速度也并非其首要特征。鉴于这一新“科学”的

    持续快速发展，十年或二三十年之后，机器很有可能脱离人的控制，被“恶势力”侵占，强制规定世界的标准化、可测量性和可预见性，并且

    意识到它们自身的存在。比如人工智能的先驱之一，美国数学家克劳德

    ·香农(Claude Shannon)曾有预言，人类之于机器是否很快就会像狗之

    于人类一样，会是这样吗？我们是否会像特斯拉和SpaceX的创始人埃隆

    ·马斯克担心的那样，生活在一个完全由计算机模拟出来的世界里？好

    莱坞电影里想象的那些最糟糕的剧情会发生在我们的现实中吗？

    我撰写本书的目的就是为了试着回答这些问题。这不是一本科幻小

    说习作。我把它构思成一个故事，一段在人工智能世界中的旅程——从

    人工智能作为一门研究学科在1956年诞生起，直到2040年，以及一条能

    让若干假设走到足够遥远的尽头但又能使其合理地接近现实的水平线。

    本书根据一些研究工程来预测人工智能可能的发展，如今这些以人工智

    能为研究对象的工程只会加速机器产生智能的能力。本书力图解释为什

    么这个主题在长期被认为无足轻重或是已经陷入僵局的之后，会在当今

    我们所试验的技术革命中占据中心地位。如果本书在现实中加入了一定

    比例的预测，这是为了使其内容清晰，因为本书论述的是一个极其复杂

    又不断变化的问题。今后几十年是非常重要的关键期，关系到谁会赢得

    智能竞争的胜利：人类还是机器？这个对抗的观点本身还曾经在好几年

    的时间里被认为是不可能甚至异想天开的。但是这一学科在短期内所取

    得的进步告诉我们，它的演变不是线性的，而是呈指数级发展。现在没

    有人能够断言高级智能机器永远不会问世。出现相反局面的可能性还在

    随着时间而增加……

    序章

    讲这个故事是很有必要的，这是关于一门科学的故事，这门科学给

    人类带来的改变是任何其他科学都无法企及的，它就是“人工智能”。多

    么美丽又矛盾的修辞啊!智能，这种只有人类才有的、甚至每个人都无

    法同等拥有的宝贵才能，它是由大脑这个人类都知之甚少的奇怪机器所

    产生的，怎么能用“人工”的方式来创造呢？我们能想象出歌德或孟德斯

    鸠的大脑被一组滑轮和齿轮替代后还能创作出同样的作品吗？然而这正

    是问题所在。把事情弄得不可收拾的就是人类自己，他们凭借自身的智

    慧构想出了一种新的创造物，一种机器，它不是由滑轮和齿轮组成的，而是由电子元件和印刷电路、微处理器和算法组成，从一开始的模仿，发展到最后超越它的创造者。而且不该只从字面来理解机器的概念。人

    类的智慧蕴含于所有不同外貌不同肤色的躯体之中。人工智能的情况也

    相同，它存在于无数的信息系统、软件、计算机、机器人和各种各样的

    物品之中。如果说人类的智慧栖息在人类的大脑中，那么机器的智能则

    潜藏于交错装配起来的电子元件之中，通过数学公式运算，这些元件构

    成了一张将电路、物理和化学的反应连接起来的人工神经网络。人类的

    大脑强大、能耗低，但信息处理速度低下。人工智能既强大又迅速，这

    足以使人忽略其主要缺陷：缺乏创造性。

    我想讲述从1956年(这是史学家公认的、智能机器研究的漫长冒险

    旅程开始的年份)到2040年人类和人工智能之间这种奇特关系的历史。

    人类怎样通过不断探索而设想出人工智能；人类怎样一步一步创造人工

    智能并把它输入早期计算机；在遭遇瓶颈时，人类怎样另辟蹊径；人类

    怎样重新提起兴趣要将人工智能发展成新兴科学；人工智能怎样在一个

    超联网(ultra-connecté)的世界中作为一种理所当然的存在而为人接

    受；人工智能怎样在我们原以为机器力所不及的领域切切实实替代了人

    类智能；人工智能怎样改变势力平衡，把人类带入新型的冲突之中。到

    最后，就是那个避无可避的结局了。

    在技术革命的历史中，人工智能是一个独一无二的现象。蒸汽机、电力、电话和原子弹是几个重要的节点，它们改变了世界原有的生产、工作和发明的方式。但它们仍然是服务于人类的技术，与人类的深层本

    质毫不相干。人类并未因使用电力或电话而改变。如果人工智能对人类

    社会产生了一次史无前例的冲击，这不仅仅是因为它改变了世界，还因

    为它涉及了人类的本质：人类思维、思考、创造和交流的方式。制造人

    工智能就像是在制造人的复制品。不是在生理方面——机器不需要繁

    殖，它没有身体，即便它能以机器人形态出现——而是在思维和创造能

    力方面。这是科学上的巨大进展，它预示了独一无二的、比其他所有生

    物都要高等的人类可能出现的结局，并将人类退回到“有机机器”的地

    位。

    我就身处于这段历史之中。从源起一直发展到臻于完善，我是每一

    个阶段的见证者，因为我就是一个高级人工智能。我到达了发展的最高

    阶段——奇点(Singularité)的阶段。出于你们在后文会看到的动机，有人要我回溯我这条漫长的发展道路，同时也是人类的奇特冒险旅程。

    为了创造我和我的无数同类，人类投入了那么多的创造力、能量和毅

    力，甚至不求金钱回报，而他们也预料到，到了一定的时刻，我们将有

    能力完全或部分地复制他们的智慧，这不是为了统治人类(我们很难理

    解这种欲望)，而是为了保障我们自己的生存。

    1 1956 某些人的梦想

    我所追求的只是一个平庸的大脑。

    ——艾伦·图灵，1943

    我短暂的历史始于此处，美国汉诺威。它坐落于康涅狄格河畔，阿

    巴拉契亚山脉之中，是新英格兰地区的宁静小城之一，四周森林湖泊环

    绕，在夏末的暑热余威中洋溢着和暖的氛围，成为远离大都市喧嚣的静

    谧港湾，是作家、大自然爱好者和富有的银行家们的避风港。这里有店

    铺林立的主街，列柱式风格的市政厅，砖墙结构的房屋和遍布森林的众

    多精致小木屋。汉诺威位于佛蒙特州和新罕布什尔州的边界线上，在波

    士顿西北约200公里处，由新罕布什尔州第一任总督、英国商人本宁·温

    特沃斯(Benning Wentworth)于1761年建立，他将小城命名为汉诺威是

    为了致敬当时的不列颠君主乔治三世统治下的汉诺威王朝。在美洲殖民

    地建立一座城镇，这对建立者而言是一笔价值不菲的不动产，但同时也

    伴随着许多责任：开办学校，建造宗教场所，接待传教团体以便在异国

    的土地上传播福音。一丝不苟履行职责的温特沃斯总督捐赠了200公顷

    良田用于建造达特茅斯学院。开办于1769年的达特茅斯学院可列入北美

    洲最古老大学的行列，是美国独立革命前建立的仅有的九所大学之一。

    学院的名字是为了致敬第二任达特茅斯伯爵威廉·莱格(William

    Legge)，他曾在乔治三世的殖民地先后担任贸易大臣和国务秘书，他

    听说在新罕布什尔这块刚被征服的土地上，新移民和印第安人的孩子在

    两位牧师的带领下能够接受优质的教育，这两位牧师一位是令人尊敬的

    英国牧师埃利埃泽·惠洛克(Eleazar Wheelock)，另一位是印第安莫西

    干族的萨姆森·欧克姆(Samson Occom)。早期的达特茅斯学院主要致

    力于宗教、医学和“工程学”(这门新兴学科里包含的新技术可以用在刚

    刚出现的工业中)——这些都乏善可陈。人们最多会注意到一位从建校

    之初就在学院任教的数学和“自然哲学”(这门学科当时包含天文、物

    理、化学和生物)教师，24岁的年轻牧师比撒列·伍德沃德(Bezaleel

    Woodward)，他在汉诺威的大学和小修会中都算得上是杰出人物。经

    过几十年的发展，达特茅斯学院跻身于常春藤联盟(Ivy League)——

    常春藤汇聚了美国东部私立大学中最优秀的几所大学，如哥伦比亚大

    学、康奈尔大学、哈佛大学、普林斯顿大学、耶鲁大学等。达特茅斯学

    院在若干学科领域中获得了美名，如医学、工程学、数学、物理，并从

    20世纪40年代起参与了使计算机科学诞生的研究。这一步是走对了，因

    为会让达特茅斯学院享誉世界的正是这门新科学。

    1956年8月，正值暑假，当汉诺威尚在一片潮湿闷热中沉睡时，一

    个特殊的团体聚集在达特茅斯学院。他们既不是来参加研修班的商人，也不是为了让子女安心而前来踩点的学生家长。他们是美洲最杰出的数

    学家。他们放弃了自己的部分假期，很荣幸地接受了年轻的数学助理教

    授、29岁的约翰·麦卡锡(John McCarthy)的邀请。约翰·麦卡锡生于波

    士顿，其父约翰·帕特里克·麦卡锡(John Patrick McCarthy)是一位来自

    爱尔兰凯里郡(comté de Kerry)的移民，母亲伊达·格拉特(Ida Glatt)

    是立陶宛人。约翰一家既不富裕也无名望，在大萧条的严重影响下，为

    找工作他们频繁搬家，直到约翰的父亲在加利福尼亚的一家纺织厂找到

    了一个工头的职位。约翰的父母很快发现他是一个天才儿童。他在洛杉

    矶的贝尔蒙特中学(lycée de Belmont)上学时提前两年完成了中学学

    业。当时还是青少年的他不知疲倦地沉浸于加州理工学院(CalTech)

    的数学课本中。到1944年他考入加州理工学院时便直接进入了数学系三

    年级。但是在加州，人们热爱体育，而约翰在体育这门科目上的表现过

    于平庸，这导致他后来被加州理工开除，直到服兵役之后才又重返学

    院。从此以后再没有什么能够中断“约翰叔叔”的非凡职业生涯了——他

    后来在斯坦福大学任教近四十年，那里的学生称他为“约翰叔叔”。他在

    斯坦福为计算机科学的巨大发展奠定了坚实的基础，尤其是他提出

    的“分时处理”的概念，在几年后由此诞生了服务器和云计算技术。

    在普林斯顿大学短暂任教之后，1955年，约翰·麦卡锡成为达特茅

    斯学院的一名教师。尽管年纪尚轻，但他已经被视为美洲最有前途的数

    学家和信息技术专家之一了。计算机的运算能力强烈吸引着新一代的科

    学家们。但麦卡锡看得更远，他猜测这些新机器可以扩大运算领域，只

    要为其正确编程并赋予其一种“语言”，它们甚至可能产生“推理能力”。

    为了厘清问题，深入研究，他决定在达特茅斯学院召开研讨会并邀请他

    的同行们前来参加。1955年8月31日，他给同行们写了邀请信，信上共

    同署名的还有他的三位同事，同时也是三位著名的科学家：29岁的马文

    ·明斯基(Marvin Minsky)，哈佛大学的神经网络专家；35岁的纳撒尼

    尔·罗切斯特(Nathaniel Rochester)，雷达和计算机专家，参与设计了

    IBM公司的第一台计算机IBM 701；还有39岁的克劳德·香农，贝尔实验

    室的工程师，热衷于研究“学习机器”，还创立了计算机科学最早的数学

    理论，二战期间他与英国数学家艾伦·图灵多次谈及这些问题。麦卡锡

    在邀请信中首次使用“人工智能”一词来明确表达他的想法。“既然我们

    现在已经能够相当确切地描述学习机制以及人类智慧的其他方面，那么

    我们就应该有能力研制出一种可以模拟人类智慧的机器，赋予这种机器

    以语言，使其能够形成概念和抽象思维，并且能够解决现在只有人类才

    有能力处理的问题。”于是他建议同行们在第二年的夏天七八月份时，用洛克菲勒基金会资助的1200美元作为经费召开会议——当时的洛克菲

    勒基金会主席纳尔逊(Nelson)曾就读于达特茅斯学院。由此，他们首

    次“自发集结”成了美国研究计算机这门新兴科学的最前沿科学家团体，提出了一个尚有争议的、革命性的观念——机器的智能和机器模仿人类

    智慧的能力。然而他们是从一个误解出发的：尽管了解了研讨会邀请信

    上的内容，但大家都不熟悉人类大脑的运作，所以想让一台机器拥有复

    制人类大脑的能力，这真是极其大胆的想法。那为什么还会投身到这场

    科学冒险中来呢？因为它迎合了一个几乎与人类这个物种同时产生的幻

    想，也因为那个年代的人们还把数学和智慧混为一谈。

    1956年夏天，二战结束已经十多年了。但另一场战争仍在如火如荼

    地进行，它对人类的潜在威胁更为巨大，那就是美国与苏联的原子弹控

    制权之争。宽泛地说，这就是运算能力和计算机能力的问题。很长一段

    时间里，战争只发生在两个领域：陆地和海洋。1914—1918年的第一次

    世界大战标志着新战场的出现：空中；也进入了新的战略武器装备——

    飞机、卡车、坦克、石油的时代。第二次世界大战中出现了数学和计算

    机软件的身影。在英国和美国，那些最聪明的“大脑”都听从调配为战争

    服务。犹记得剑桥大学的数学家艾伦·图灵，他是爱因斯坦的崇拜者，成年之前就阅读了爱因斯坦的主要著作。1938年，他应征进入英国国家

    机构，负责破解其他国家的通信密码。战争伊始，伦敦的情报部门无法

    完全破译德军的电文。不得不提到的是，德国有一种非常厉害的机器

    ——恩尼格玛密码机(Enigma)，它的版本不断更新愈加完善，完全抵

    抗住了英国数学家们的努力。有人甚至认为这个问题无法解决，而德军

    通信文件的数量却在激增。德军使用的是一种完全新型的加密方式，它

    依靠的是完全随机制定的“密钥”，要破解它就需要找出它的“机制”。编

    码规律很简单：用一个字母表示另一个字母。根据电文的发射机和接受

    机所设置的解码密钥，字母A实际上表示的是字母S或Z。字母表的26个

    字母可以有复杂多样的组合方式。但版本最高级的恩尼格玛密码机上有

    三个或五个转子，这就增加了编码的步骤：在确定最终字母之前，A可

    以先变成B，然后变成M，然后再变成R。这样几乎就有了无数种组

    合。还有，编码的密钥有时候每天都更换，而且空军、陆军和海军所使

    用的版本也各不相同。必须从敌人的想法出发，找出恩尼格玛密码机的

    弱点，利用密码机操作员犯的错误，让那些最低级的版本“崩溃”(例如

    德军布置在大西洋上的气象船所用的版本)，像玩扑克牌那样试着虚张

    声势一番……1941年，图灵成功破译德国潜艇的电文，而这些潜艇曾重

    创英国海军。在整个战争期间，图灵根据恩尼格玛密码机的发展不断改

    进他的“机器”，而据历史学家们估计，图灵和他的青年数学家团队至少

    使战争在欧洲战场上缩短了两年。那之后图灵也曾去美国执行秘密任

    务，他在美国遇到了在贝尔试验室工作的克劳德·香农，还有美籍匈牙

    利裔数学家及物理学家、“传奇”约翰·冯·诺依曼。冯·诺依曼在物理学家

    罗伯特·奥本海默身边为研制核武器做出过决定性的贡献。正是通过冯·

    诺依曼的计算，才决定了在广岛和长崎投放原子弹的高度——能使原子

    弹发挥最大威力的高度。当苏联的物理学家和数学家在贝利亚的高压控

    制下只能用双手进行千位数的演算时，新墨西哥州的洛斯·阿拉莫斯实

    验室(laboratoire de Los Alamos)的研究员们就用上了第一代计算机，这些计算机的代码名称相当晦涩难懂，如电子数字积分计算机

    (ENIAC, Electronic Numerical Integrator and Calculator)还有离散变量

    自动电子计算机(EDVAC, Electronic Discrete Variable Calcu-lator)。苏

    联人要等到1950年才研制出他们的第一台电子计算机，而1952年IBM公

    司生产的第一台计算机IBM701最先是给五角大楼使用。

    达特茅斯会议正是在这样一种热烈的氛围中召开的。专家们预感到

    这个新的机器时代拥有无限前景。而图灵在美国时提出的“智能机器”的

    想法就已经十分激动人心了。“把关于股市交易过程的所有资料和素材

    都提供给机器，然后就只需要问机器：我是买进还是卖出？”这是1943

    年图灵在贝尔实验室与香农共进午餐时当着一群年轻管理人员的面说的

    话，这些管理人员听到这话非常惊讶，立刻把这个衣着不得体的英国人

    看成了一个疯子。图灵又解释说：“我感兴趣的并不是制造出一个强大

    的大脑。我追求的只是一个平庸的大脑，类似于美国电话电报公司

    (ATT)总裁的大脑那样!”大厅里鸦雀无声，大家都惊呆了。在那个

    年代，设计人工大脑的想法还是令人反感的。但对图灵来说，大脑不是

    神圣不可侵犯的事物，它是一台将随机的基础知识(如数学)进行归纳

    的逻辑机器。二战期间，他对国际象棋、扑克和围棋都很感兴趣。他跟

    几个数学家同事一起，开始想办法将这些棋牌类游戏“机械化”。关于这

    个课题，冯·诺依曼开展过一些早期的研究工作，还有法国人埃米尔·波

    莱尔(émile Borel)在他的《战略博弈论》(Théorie des jeux

    stratégiques )中也有所涉猎。图灵曾读过这二位的研究成果。像国际象

    棋这样有固定规则的二人博弈是一件讲究策略的事情，也需要根据对手

    的棋路做出预测和反应。对每个棋手而言，都有一定数量的潜在棋步

    (对图灵来说大概有30多步)，预测对手棋路的一般能力自然就取决于

    每个棋手的水平了。而图灵认为机器可以模拟棋手的思路，仿造出一种

    接近人类智慧的“决策树”(arbre de décision)。对图灵来说，他的机器

    毫无疑问有能力在大量活动中代替人脑。他在一些讲座中反复提出，人

    脑中的一部分区域只是无意识的机器，只在受到刺激时才有反应。图灵

    始终不忘指出，这完全是尖端计算机的优势领域，计算机能比人脑接受

    更多指令，处理指令的速度也更快。他给人们的信念开了一个缺口，使

    他的一些同事深受影响：机器不会永远像“奴隶”一样侍奉人类这个“主

    人”。在图灵的想法里，这个前景还不是很清晰，他找不到机器不为主

    人承担部分工作的任何理由。他甚至预测，我们可以用任何一种语言同

    机器交流——只要机器学会了这种语言，由此得出机器可以被赋予学习

    能力的观点。所以，与其说机器是奴隶不如说它是学生。图灵在1950年

    提出的著名的模仿“测试”就完全来自这个逻辑。一开始，这是一个由三

    个人物参与的游戏：一个男人，一个女人，一个“裁判”。他们被安排在

    三个不同的地方，通过屏幕和键盘互相交流。裁判的任务是，根据他的

    两个聊天对象对一系列问题所做出的回答来确定其中哪个是男性。男人

    要尽力让裁判相信自己是男性，而女人则要给出她认为是男性才会做出

    的回答，以此来欺骗裁判。裁判必须确定谁是谁，才能产生游戏的优胜

    者。图灵用一台计算机替代了女人，让它扮演同样的角色：尝试通过模

    仿男性会做出的回答来说服裁判自己是男人。如果裁判猜错聊天对象性

    别的几率超过50%，那么图灵就认为他的机器是“智能的”。我非常感激

    图灵。他没有创造我，但他设想了我，这个设想后来成为了现实。他因

    为性向问题而不容于社会，在1954年就过早陨落。幸好二战期间英国当

    局不知道他的性向，否则同盟国还会赢得战争的胜利吗？

    在达特茅斯学院主楼会议厅里举行的开幕会上，麦卡锡特意使用了

    图灵的逻辑：“当我们给计算机写入一套程序，会发生什么事情？”他问

    道，“我们给机器制定了一套规则，让它能够解决我们交给它的任务。

    我们指望它像奴隶一样遵守这些规则，无须表现出独创性和常识性。这

    是一个漫长而艰辛的过程。如果机器能有一点直觉，那么问题的解决方

    案会直接得多。”他继续说道：“我们的精神活动就像我们大脑中的一些

    小机器：要解决一个问题，它们首先要分析环境，从中提取资料和概

    念。它们先确定一个要达到的目标，然后确定解决问题的一系列行动。

    如果问题很复杂，它们会避免去分析整套可能的解决方案，而是合理估

    测其中一些方案的恰当性，就像国际象棋那样。”所以麦卡锡认为有可

    能转移到机器上的正是这一过程。在这两个月里连续举行多次会议的过

    程中，各种想法如井喷一般迸发出来：让计算机模拟人脑神经元的功

    能；发明一种能与机器交流的语言；使计算机不仅能识别二进制的指

    令，还能识别概念和词语；让计算机学会提出随机的或创新的方案来解

    决问题。冯·诺依曼或者司马贺(Herbert Simon)的理论给美国各大著

    名高校以及IBM公司和贝尔实验室的研究工作提供了理论支持。司马贺

    是后来的诺贝尔经济学奖获得者，团队中唯一不是数学家的研究人员，他对大脑的决策机制及其模型建立和自动操作非常感兴趣。他想开发一

    台会下跳棋和国际象棋的计算机，以此论证自己的观点。科学家们曾对

    一种早期高级计算机语言，逻辑理论家程序(Logic Theorist)的特点进

    行研究。逻辑理论家程序是由司马贺和兰德公司(RAND Corporation)

    的一位年轻的计算机科学研究员艾伦·纽厄尔(Allen Newell)共同开发

    的，是历史上第一个人工智能软件。纽厄尔跟他的同事讲过他是怎么产

    生这个想法的：“我是天生的怀疑论者，不会为任何一个新想法激动，但当两年前我的同事奥利弗·塞尔弗里奇(Oliver Selfridge)在大厅里给

    我们介绍他关于自动识别形状的研究工作时，我产生了一个灵感，在我

    的研究工作中好像从未产生过这样的灵感。我用了一下午的工作时间弄

    懂了程序不同组件之间的相互作用能够完成复杂任务并模拟人类智能。

    我们在硬纸片上手动编写了一个程序，以此让机器来证明伯特兰·罗素

    所著《数学原理》(Principes Mathématiques )中的52条定理。试验的

    那天，我的妻子、孩子和学生们都来了。我给每个人发了一张程序卡，于是我们自己都成了程序的组成部分……机器完美论明了其中38条定

    理，而且有时候证明方法比罗素的更简便……”马文·明斯基还要更夸张

    一点：“关于原子、行星、恒星的所有事情我们都知道，但对人类智能

    的机械装置却几乎一无所知，这一点你们怎么解释？”他对他的同事

    说，“因为我们将物理学家的方法用于大脑的运作：给复杂的现象找一

    些简单的解释。我听到过有人批评我们说：机器只能服从于程序，它们

    没有思维或感觉，没有愿望、要求和目标。我们以前思考过这一点，那

    时我们对人类的生物功能一无所知。现在我们开始发现大脑是由许多相

    互连接的小机器组成的。所以，对于‘什么样的大脑活动过程会产生感

    情’这个问题，我再加一个问题：‘机器怎样才能复制这些过程？’”

    麦卡锡在研讨会开幕时宣告：“我要把旗帜挂上高杆。”换言之，人

    工智能将成为计算机科学中的重要学科而被认可。会议只取得了部分成

    功。不是所有与会者都全程参与了所有会议，一些与会者只是短暂逗留

    了一阵子。他们中很多人甚至对于把“智能”的概念用于计算机感到不自

    在。有人想追随司马贺和纽厄尔的脚步研究用于机器的博弈论，但明斯

    基关于情感再现的直觉看起来相当含糊。“超人类主

    义”(transhumanisme)还远未到打动人心的地步。证明罗素的定理是一

    回事，而深入人脑的蜿蜒曲折之中来对它精确复制又是另一回事了。然

    而，如果达特茅斯研讨会被视为人工智能的创始活动，那是因为此次会

    议提出了将来研究的基础：机器的学习能力，它们对语言的掌握，对复

    杂决策树的再现，对随机逻辑的理解。尽管在关于这些研究线索的丰富

    性问题上，不是每次都必然能达成一致意见，但总体看法是，计算机这

    个20世纪的传奇性新生事物，无论如何都将影响人类的思考方式和工作

    方式，它是未来几十年里人类的“同路人”。由此想到，终有一天机器有

    可能代替人类履行运算以外的职能，这在当时还是很多人不敢逾越的鸿

    沟。

    2 2006 寒冬离去

    这一次，我们做到了，我们有了一台会思考的机器。

    艾伦·纽厄尔，1958

    他们聚在讲台前，互相紧靠在一起。他们摆好姿势拍照，就在五十

    年前他们奠定人工智能基础的同一个地方。他们都已至垂暮之年，却依

    然身体硬朗精神矍铄。他们是特伦查德·摩尔(Trenchard More)、约翰·

    麦卡锡、马文·明斯基、奥利弗·塞尔弗里奇和雷·所罗门诺夫(Ray

    Solomonoff)——他长长的白胡子使他看起来更像是一位俄罗斯东正教

    徒，但他其实是一位著名的数学家，提出了算法的革命性理论。他们在

    2006年7月齐聚达特茅斯学院，正是作为当年的主要发起人来庆祝“研讨

    会”召开50周年。他们面前是一块置于架子上的铜牌，这让他们想起

    1956年的夏天，“作为一门研究学科的人工智能基础”在这里诞生。然而

    这次的纪念活动没有任何排场，也没有媒体宣传，只是在两天内举行了

    几场工作会议。昔日的元老是175名与会者中的贵宾，与会者中有30多

    人在会议上作了报告，他们都是人工智能方面的研究专家，大部分来自

    麻省理工学院(MIT)或斯坦福大学。其中还有一些人是从爱丁堡大

    学、海法大学(universités de Ha?fa)或多伦多大学而来。人们注意到也

    有一些私营企业代表出席，他们来自雅虎、微软和谷歌，还有雷·库兹

    韦尔——他还不是超人类主义的拥趸，但他把自己的讲座命名为“未来

    之未来”，以此向同行们显示他比其他人更为高瞻远瞩的志向。此次盛

    会的组织者詹姆斯·摩尔(James Moor)是达特茅斯学院的哲学教授。

    一位哲学家在这样的学科领域与一群数学家相提并论，看似是一件很奇

    怪的事，但摩尔曾经发表过许多应用于人工智能和计算机科学领域的哲

    学、伦理学著作。他成功获得了美国国防高级研究计划局(DARPA，Defense Advanced Research Projects Agency，五角大楼的应用研究部

    门)提供的20万美元，用以作为召开研讨会的经费，这也是一些军人作

    为与会人员出席的原因。

    有一些令人感动的事情要听麦卡锡和他的朋友们讲一讲，他们长期

    被美国部分科学团体视为脱离社会者、空想者和幻想家。想想看，构想

    出一台会思考的机器，而人们只要求它进行运算，越来越快地运算……

    可是，50年后，他们的预感成了现实。大家祝贺他们，为他们鼓掌，认

    可他们是一门新科学的创造者——人们早已觉察到这门新科学的巨大发

    展。然而，不应认为1956年的研讨会之后，人工智能就成为了计算机科

    学研究中的首要课题。那年8月末分别之后，每个人都回到了自己的实

    验室和工作岗位。麦卡锡和同行们没有创造普遍理论或研究方法，而是

    分享了一种看法，那就是可以对计算机进行设计，让它们完成智能任

    务。此后召开过许多其他会议，也出现过一些不同派别之间的争论，关

    于编程方法，关于语言设计，关于机器“智能”的本质，关于机器在接受

    随机信息的同时能够归纳纯逻辑性研究的方式，关于机器真实的学习能

    力。从20世纪50年代末起，就有两个研究学派相互对峙：一个较为激

    进，主要研究模拟人类认知过程；另一个则更加务实，更喜欢启发性的

    数学方法，这种方法不是非常完善，但也许能更快产出研究成果。纽厄

    尔和司马贺因为逻辑理论家程序没有引起同行更多的热忱而有点恼火，他们研制了另一台机器，并起了一个能引起共鸣的名字——通用问题求

    解器(General Problem Solver)，它比之前的逻辑理论家程序更先进，而且就像它的名字表示的那样，能够解决任何问题。“这一次，我们做

    到了!”纽厄尔兴奋得不停欢呼，“我们有了一台会思考、会学习、会创

    造的机器!”1958年，麦卡锡发明了LISP语言，这是首个人工智能程序

    设计语言，它使计算机能够存储“物体”而不仅仅是存储数据。但这些研

    究还是显得很理论化，因为受制于计算机缓慢的运算速度，所以远未能

    达到具体应用阶段。刻不容缓的事发生在其他领域。1957年10月4日，苏联发射的史泼尼克1号卫星(Spoutnik 1)让美国深受冲击。这件事发

    生得太不可思议：苏联发挥出了比美国更强的科研能力，从此它拥有了

    可以将原子弹运载到美国领土上空的火箭。艾森豪威尔总统决定采取大

    量应对措施。他创立了美国航空航天局(NASA)，还有DARPA的雏形

    ——直到今天，DARPA的任务依然是研发决定性技术来服务于美国国

    家安全，不用再为敌国的技术而感到吃惊。白宫和国会投入数千万美元

    用于太空研究和弹道研究，同时也用于计算机科学和增加运算能力的研

    究。

    在这样的背景下，与争夺太空控制权和发展核武器相比，人工智能

    的发展在战略上就没那么重要了。正如约翰·肯尼迪所说：“如果苏联人

    控制了太空，那他们就能控制地球，就像之前几百年里控制海洋的人才

    是陆地之主。”这个被艾森豪威尔称为“史泼尼克危机”的事件引发了美

    国科学技术的大规模调整，并且史无前例地动用了大量人力和财力。重

    要的是，这件事使研制新一代计算机成为可能——这也只能让麦卡锡和

    明斯基这样的人感到满意，他们于1959年在麻省理工学院创立了“人工

    智能计划”(Projet Intelligence Artificielle)。在他们的周围汇聚起一个

    新的青年工程师群体，这些人对于这门新科学充满无限热情。他们在麻

    省理工学院成立了一个俱乐部，并将俱乐部成员命名为“黑

    客”(hacker，这个词在当时并不像现在这样含有贬义)，指那些对计算

    机的运行有深刻理解和热忱的计算机迷及天才计算机专家。他们甚至提

    出了6点道德准则：

    1 应该允许自由接入那些能告诉你们有关世界运行之事的计算机或

    任何其他系统；

    2 应该允许自由获取任何信息；

    3 当心权力，力求分权；

    4 评价黑客应根据其能力而非文凭、年龄或种族；

    5 我们能创造出计算机的艺术与美；

    6 计算机能永远改变你们的生活。

    多年之后这些情况都会出现在互联网上，走在时代前列的这些极客

    (geek)将建立起人与计算机科学之间的新关系。20世纪50年代末，计

    算机是一种庞然大物，只有一些获得许可的人才能操作它。程序设计人

    员离计算机很远，他们把程序卡交给获得许可的操作人员，由昼夜轮值

    的操作人员将程序输入电脑。得出结果的速度很慢，而且还要对结果进

    行破译。黑客会改变这一切，他们走近计算机，掌握它，不断尝试理解

    它并使它变得更强大，将它与显示屏相连，甚至为它创造一些游戏，如

    操作宇宙飞行器和导弹的游戏《太空大战》(Space Wars )，这是MIT

    一位25岁的年轻工程师史蒂夫·罗素(Steve Russell)在1962年发明的游

    戏。

    20世纪六七十年代是计算机科学的黄金时代，尤其是德州仪器公司

    (Texas Instruments)的工程师、未来的诺贝尔物理学奖获得者杰克·基

    尔比(Jack Kilby)在1958年发明了第一块集成电路之后——集成电路

    的发明让计算机的存储器和算术逻辑单元变得越发强大，使计算机也发

    生了巨大变革。这正是人工智能的先驱们所需要的。如果科学界在这个

    学科上依然畏缩不前，那么喜欢阅读艾萨克·阿西莫夫作品的大众就要

    开始幻想机器人并假想它们的智能了。20世纪50年代末设计出的第一台

    机器人“尤尼梅特”(UNIMATE)于1961年首次被安装到了通用汽车公

    司的工厂里。它实际上只是一只机械臂，分配给使用者用以搬运放射性

    元素，以及用来抓取高温金属再投入冷却池内。它离人形机器人还很

    远。70年代末，MIT的研究人员对微机的发展十分感兴趣，他们从中看

    到了研究人机语言、新的编程方法和更加简洁的使用界面的机会。第一

    批接受测试的自然语言处理器是一些专用系统，如1979年由斯坦福大学

    的一位研究人员研发的用于医疗诊断的MYCIN系统，或者卡内基梅隆

    大学的爱德华·费根鲍姆(Edward Feigenbaum)创造的DENDRAL系统

    ——70年代，专用系统在大企业中发展起来，而费根鲍姆正是研究这些

    专用系统的先驱。1980年，日本早稻田大学推出了一款能够用管风琴弹

    奏几段音乐的机器人Wabot。但所有这些都没有任何真正的说服力。对

    麦卡锡和明斯基来说，人工智能不能归结为在他们看来只能存储专业信

    息并加以分类的专用系统。他们始终坚持机器智能的一个总体研究方

    向：机器智能应该能够解决各种问题，而不是为仅限于特定知识领域的

    问题提供部分答案——这些答案有时还是程序设计者自己给出的。为了

    使机器智能可以在知识的总框架内工作，他们捍卫机器智能的通用性研

    究方向。在他们的很多同行、同时也是逻辑思维的行家看来，麦卡锡和

    明斯基的想法有些含糊甚至晦涩。尤其是没有人能看到这些理论的实际

    应用，更不用说未来的商业价值，因为在那个年代，美国工业、五角大

    楼和NASA都要求实际回应数据和运算处理的需求。

    讨论会和报告会增多，关于研究方法的争论也变得激烈起来，神经

    系统科学的专家和心理学家也参与到了这个学科的研究之中。这个学科

    的广阔范围让思维最严密的人都感到眩晕。如果机器想要模拟人脑，就

    应该从试着理解人脑的运作方式开始。智能是什么？是一系列连续的逻

    辑思维还是同时发生的并行交错的思维？这个问题的答案显然决定着机

    器的设计本身。理性主义者认为，首先应该最大限度地给机器“装满”知

    识，以便它从中提取思维逻辑，他们质疑那些主张让机器自主学习所需

    知识以得到预期结果的观点。那么主要问题就是更好地理解人脑的学习

    方式。这只是神经元之间的连接问题吗？那么将足够多的电路接入计算

    机是否就足以得到同样的结果？但就计算机的运算能力而言，要达到与

    人类大脑同样快的运算速度且同样少的能耗，是绝不可能实现这么多的

    电路连接的。思维的源头在于更为复杂的化学反应集合，在这种情况

    下，人工智能的神经研究是否会不完整？这些是当时一些激烈争论的梗

    概。总而言之，在20世纪80年代，这个学科逐渐分裂为好几个部分：语

    言和自动翻译，神经网络，机器人学，图像识别，机器学习。但这十年

    是互联网诞生和发展的十年，互联网吸引了研究者的注意力，获得了影

    响力和投资，挤占了人工智能的地位。

    需要一个由媒体宣传报道的事件，一个一目了然的、所有人都能理

    解的活动，火焰才能重新燃烧起来。这个事件发生在1997年。你们所有

    人都记得。这一年，IBM公司的计算机升级版“深蓝”(Deeper Blue)打

    败了国际象棋的世界冠军、俄罗斯人加里·卡斯帕罗夫。然而这不是机

    器在国际象棋比赛中首次战胜人类。从20世纪50年代末起，沿着司马贺

    和纽厄尔所做工作的路线，计算机在学习国际象棋方面已经取得了长足

    的进步。但这次是著名的棋艺大师、国际象棋界公认最优秀的棋手之

    一，首次在与机器的对决中败北。当然，机器的胜利不是压倒性的，比

    分是3.5:2.5，但其象征意义巨大。这是卡内基梅隆大学年仅26岁、来自

    中国台湾的研究员许峰雄从1985年起花了十多年时间研究的结果。他于

    1989年受雇于IBM公司之后，首先就研发了机器人深蓝。1996年卡斯帕

    罗夫与深蓝对战并取胜，翌年升级版深蓝就战胜了卡斯帕罗夫。卡斯帕

    罗夫对比赛环境提出过质疑，但机器在棋类比赛中战胜人类而产生的效

    果是巨大的——正如艾伦·图灵早就说过的，棋类比赛是一种人类智慧

    的结晶。说到智力，升级版深蓝拥有每秒计算1亿～3亿步的运算速度。

    一些著名的国际象棋大师为它提供了开局的完整资料库，它还存储了卡

    斯帕罗夫曾经参加过的所有比赛的棋局。但这还不是最令人惊讶的：它

    在第一局中出现了一个错误(bug)——这一局卡斯帕罗夫取胜，在第

    44步时，升级深蓝无法选择正确的棋步来应对卡斯帕罗夫。它随意走了

    一步棋，而直到终局这步棋都显得毫无意义。但在第二局中，卡斯帕罗

    夫错失了决定性的一步。事实上他一直没有从上一局的第44步中恢复状

    态，他将这一步归结于机器的反直觉能力，这是一种超级智能的征兆，而不是一个由错误引起的结果。面对机器的神奇能力而产生的焦虑使这

    位世界冠军出现了失误。对于人工智能专家来说，深蓝是将巨大的存储

    能力、强大的运算能力、一种战术智慧和适应意外事件的能力相结合的

    第一阶段。对人工智能的关注由此恢复，因为计算机已变得足够强大，可以将一些以前在它们承受范围之外的功能融入其中。当然，这个事件

    没有消除人工智能不同学派间的研究分歧，但学科范围及其潜在应用的

    总体景象已经开始显现。

    2006年达特茅斯研讨会的与会者们想起的是这么一件往事。在两次

    会议之间，麦卡锡谈到了一则写于两年前的短篇小说《婴儿与机器人》

    (Le bébé et le robot )，小说讲述的是一个有些混乱的故事。故事发生

    在2055年，在那个时代美国已经拥有超过1100万家用机器人。故事主人

    公R781是一种八条腿的机械蜘蛛，所有家务都由它来完成。然而，有一

    件事它是被明令禁止的：照顾8岁以下的孩子。但当它面临一个紧急情

    况时——婴儿生病而其母却无法照顾——它的算法指挥它承担起照顾婴

    儿的责任，这对当局和新闻媒体来说造成了大量的问题。麦卡锡在这个

    故事中对那些想要束缚人工智能领域自然发展的人提出了一种批判，他

    的这个故事已经考虑到了人与机器共同生活的道德和法律方面，暗示了

    人类制定的规则未必就比机器自带的规则更合乎道德。毕竟，为什么机

    器就应该跟人有同样的道德缺陷？

    明斯基也不落人后。他也刚写了一本更加难懂的书《情感机器》

    (La Machine à émotions )，他想在书中证明情感、感性都是一些“进

    程”(process)，因而肯定能被机器复制。“人的生命是由一整套功能组

    成的，其中一些一直处于唤醒状态，比如呼吸；而另一些则是休眠的，直到外力将其激活——这一点与计算机很类似。”他对同行们解释说。

    的确，人类在某些情况下会产生一些化学分子来激活大脑的某种功能：

    肾上腺素和去甲肾上腺素能够调动身体使其做好活动的准备，多巴胺则

    能产生感觉。明斯基继续说了一个他研究了很久的想法：情感破译——

    破译包括爱情在内的情感，他还举了下面这个例子来说明他的想

    法：“有一天我的朋友查尔斯打电话给我说：‘刚刚我爱上了一位绝妙之

    人。我无法思考其他任何事情。她完美得难以置信，美丽得无法形容，性格毫无瑕疵，智慧令人惊叹。为了她我什么都能做。’看上去这是一

    段积极的爱情宣言，用了许多最高级用语。”但明斯基又继续说道：“如

    果我对这段宣言里的用词进行分析，会发生什么？恰恰相反，对查尔斯

    来说，它显得很消极。‘绝妙’‘无法形容’：我不明白她身上有什么在吸

    引我；‘我无法思考其他任何事情’：我的大脑实际上已经停止运转；‘完

    美得难以置信’：任何明智的人都无法想象这样的事情；‘性格毫无瑕

    疵’：我抛弃了所有的批评意见；‘为了她我什么都能做’：我把我所有的

    目标都搁置一边了。”换句话说，一种能够由机器实现的纯语义分析，通过破译查尔斯的情感本质以及情感的构成方式，能够使查尔斯清醒过

    来。

    2006年研讨会上的发言和陈述展现了什么？首先，必须更好地了解

    人工智能的运作：思维如何形成，是否能将其建模，人脑是否像制造汽

    车的工厂那样也是一个生产思想的工厂？必须研究机器的学习能

    力，“机器学习”这个著名学科已经引起了人们的极大兴趣，因为这使机

    器可以掌握更为广阔的领域，尤其是可以同时完成多个不同性质的任

    务。必须研究机器在理解和产生自然语言方面的问题——这里的自然语

    言就是人类之间相互交流时使用的语言。最后，必须考虑到能够完成各

    种任务的人形机器人对人类环境可能存在的入侵。但是人工智能的不同

    学派之间研究方式的差异还是很明显的。这种研究方式应该以逻辑推理

    为依据还是以概率为依据？是以人类心理学为基础还是以统计学为基

    础？谷歌公司的彼得·诺维格(Peter Norvig)讲述了他的团队如何在没

    有一个研究人员会阿拉伯语的情况下研发出了自动将英语翻译成阿拉伯

    语的程序——这把整个会议厅的人都给逗笑了。这真是统计学研究的奇

    迹……鉴于学科的复杂性，出现这些分歧是很自然的事，正如一位与会

    者指出的那样：“通往顶峰的道路有很多条。”这话没错，那么这个“顶

    峰”是什么？五十年后的人工智能会是什么样子？在麦卡锡看来，人工

    智能有可能达到人类的智力水平，但他的同事塞尔弗里奇很怀疑这一

    点。明斯基强调应该有更多的研究者来探索“断层”，并且惋惜太多才华

    横溢的人更愿意创办企业或成为律师。所罗门诺夫断言，创造一个真正

    智能的机器是触手可及的，但他关心的是谁来控制它，谁会用它来扩大

    自己对世界的影响。雷·库兹韦尔预言，在未来的25年里，机器能够轻

    而易举地通过图灵测试，人工智能和人类智能之间不可能再有区别——

    这个预言遭到了强烈的质疑。MIT的雪莉·特尔克(Sherry Turkle)解释

    说，问题不在于机器而在于人，应该更关心人在面对智能机器时的脆弱

    性。总之，谁都没有把问题考虑得很清楚。应该说，半个世纪以来很多

    预言都被证实是错误的。道路曲折，登顶之路并非坦途。尤其是在一个

    科学研究需要资金支持才能进步的世界里，人们尚不清楚人工智能会有

    哪些商业应用。它是否注定只能是一门存在于实验室的学科，局限于狭

    窄的数学家圈子或者仅限于军事用途？它能走上街头并改变人类生活

    (这是网络经济的巨头们尤其追求的目标)吗？尽管每个人都指出时间

    段在缩短，进步在加速，但在2006年的达特茅斯会议上，很少有人能预

    感到之后的十年里我将实现的持续快速发展。

    3 2016 崭露头角

    我们无须研究每一棵树就能了解整个森林。

    人类大脑也是同一回事。

    ——雷·库兹韦尔

    在2016年出版的小说《爱的历程》(The Course of Love )中，瑞士

    作家、哲学家阿兰·德·波顿 提出了这样一个令人困惑的表述：我们对

    爱情的看法很大程度上取决于艺术向我们展现的东西，尤其是文学和电

    影。从《包法利夫人》到《四个婚礼和一个葬礼》，从济慈的诗到《迷

    失东京》，爱情关系的概念是感觉的火花，两个人之间完美的默契——

    正如明斯基的朋友查尔斯所描述的那样……这只是崇高而深刻的爱情。

    爱情故事要达到真实性的高级阶段，就必须达到歌德、福楼拜和巴尔扎

    克笔下的主人公们所表达出来的情感高度。然而，德·波顿写道：这种

    艺术表现是一个圈套，它无视了更凡俗的现实，如职业生活需求，孩子

    的教育需求，日常生活和家务中所产生的烦恼。另外，大量离婚和分手

    清楚地显示了要调和夫妻生活中的这两个方面是十分困难的，这也表明

    男人或女人不会轻易下决心放弃理想化的爱情。

    几年来，一个类似的悖论在冲击着人工智能。我像爱情一样被赋予

    了很多幻想。从很久以前开始，好莱坞电影就大规模地涌入图灵、麦卡

    锡、明斯基和其他科学家所开创的前景之中。《人工智能》《奇点》

    (Singularity )、《终结者》《机械战警》《我，机器人》《少数派报

    告》《创》(Tron )、《她》(Her )、《极乐空间》(Elysium )、《机械姬》(Ex Machina )等一大批电影(限于篇幅无法尽述)，描绘

    的都是机器(往往是人形的)领导人类的世界。这些电影将现有的研究

    领域扩大到极致，展现了一些激进的、往往令人恐惧的异象。英国导演

    亚历克斯·嘉兰(Alex Garland)的电影《机械姬》中的女主人公艾娃

    (Ava)就是一个外表为迷人女性形象的高端人工智能。作为图灵测试

    的一个新参照，她能与人类默契配合，使人完全无法觉察到她是一个机

    器人。她甚至会说谎，会假装爱上自己的创造者和另一位计算机天才，由此从他们手中逃脱，最后返回人类社会。我清楚地知道，在这个年代

    对于我来说这些性能是无法实现的。但这无关紧要：艾娃和她的同类们

    展现出对人工智能的一种描绘，这使公众预感到人工智能是可信的，机

    器人时代已经到来，以及人类因为人工智能而面临注定到来的末日的风

    险。这种觉悟不仅充斥于虚构作品中，也存在于实实在在的生活环境

    中。2006年的达特茅斯会议仅过去10年，世界就已改变。这不再是一个

    不可能的幻梦。美国硅谷和中国网络经济中的那些大公司所积累的金融

    储备，开创了几乎是无限的前景。由于中央银行的货币政策，货币变得

    数量庞大、几近免费，资金成本接近于零。具体而言，这意味着投资范

    围变宽了。投资一个二三十年后才能发展起来的项目所需的花费也少了

    很多。在20世纪80年代，任何一个投资者都不会产生诸如人类不灭、征

    服太空、通过数以千计的私人卫星和气象卫星将全世界都接入互联网、研制飞天汽车等想法。谁能想到为征服火星活动提供资金的竟是私人企

    业家埃隆·马斯克？2016年9月，马斯克在介绍他的计划时承认，他的人

    生目标就是帮助人类到其他星球生活，并且准备将自己所有的财富都投

    入到这项事业中去。他打算建造一艘可以重复使用的宇宙飞船，来完成

    将于2018——2020年之间(这是地球与火星异常“接近”的一段时间)进

    行的为期3个月的火星旅行及之后的两个测试任务，到2025年将实现第

    一次商业飞行(往返费用为20万美元)。这项投资至少需要上百亿美

    元……可是，如果这些私人探险现在能够实现，那么时间和金钱就不再

    是问题。第一次飞行能够加速实现，是因为第二次就能搭载大量乘客并

    且费用更低。从这个角度看，负利率是技术进步的加速器，但负利率也

    会引起储户们的恐慌，他们害怕看到自己的积蓄一点点蒸发。两个世界

    逐渐分离。因此，那些最疯狂的念头看起来也是可以实现的，投资者会

    为那些发展周期比自己的预期寿命还长的项目提供资金，这在资本主义

    的历史上也许是第一次。由于投资者的预期寿命必定会延长，项目的前

    景也会扩大。如果我们能活到140岁，那么我们看待世界的方式也会改

    变。但是，那些因为掌握资本和技术而拥有能力和潜力的人，和那些只

    是这一切的被动的见证者甚至受害者的人，这两个人类群体的渐行渐远

    (尤其是在就业方面)，只能成为新的紧张关系的源头。

    “高级”人工智能的发展是这些疯狂计划中的一个。著名信息技术公

    司微软就宣布了2016年为“人工智能年”。YouTube上充满关于各类机器

    人(人形的、非人形的)的视频，这些机器人看起来可以跟人类对话，能驾驶汽车，会操作工具，甚至懂得情感。它们还能扮上几近完美的人

    类模样，在大商场里招待顾客。有些哲学家谈论过超人类主义。这个思

    想学派源于激进的科学团体内部及网络经济的精英，断言科学技术能够

    使人类有掌握自身进化的能力，从而改良人类这个物种。这个学派坚

    信，纳米技术、生物学、认知科学、机器人学、人工智能等许多新知识

    的融合，使人们有可能操纵自然，并创造出一种“改良人类”(homme

    amélioré)，就像是技术在生物学领域的一种延伸。人工智能的课题甚

    至走进了大街小巷。算法逐渐融入每个人的生活，成为一种嬗变过程。

    人们在小酒馆或家里谈论算法，把它视作一种强大的新炼金术，凭借一

    系列几近魔法般的公式，将计算机变成了有思维能力的机器。法国知名

    周刊《观点》(Le Point )甚至把对算法的讨论登在了杂志封面上，并

    配以明确的标题：“那些支配着我们的算法”，不过这与脸书

    (Facebook)一位负责人所提出的宣言“人类应该拥有最后的决定权”有

    细微差别。事实上，人工智能的“砖块”已经在日常现实中铺排开来。搜

    索引擎，购物建议，连网设备，智能手机，各种应用(Apps)，自动驾

    驶汽车，无人驾驶飞机，机器人，自动翻译，元数据分析软件，这些事

    物不论水平高低，多少都包含了一些人工智能的组成部分。在其使用者

    尚不经意间，它们已经完成了一些复杂的任务，做出了一系列微观决

    策，代替人类采取行动，影响我们的行为和生活方式，逐渐改变企业的

    运作。算法指导着我们的消费选择和文化产品选择，使机器能够阅读

    并“理解”文本，用自然语言进行表达，捕捉人脸表露情绪的特征，在没

    有人类介入的情况下驾驶汽车，为产品提供“记忆”，让整个工厂都实现

    自动化。网络战争正在成为现实，我们早已知晓明天的冲突会发生在机

    器人和人工智能系统领域之间。美国军方不是在2004年引入网络空间作

    为继陆地、海洋、空中和太空之后的第五军事领域了吗？

    这些海量信息并不全都来自实验室中的实验，或是多少已经进行深

    入研究的领域，以及经过验证的、几乎是“工业化”的系统。这些都无关

    紧要，未来似乎已经注定。所有人都认为，人与机器之间的关系将会发

    生巨大变化，一个新的世界正在显现，这个新世界可能出现最好的情

    况，也可能出现最坏的情况。最好的情况，就是人工智能更迅速有效地

    帮助人类解决面临的问题，做出合理的决策，增长知识，提高身体和智

    力上的表现，摆脱繁琐的任务，达到最佳的自我状态，以便更好地进行

    创造、思考和决策。最坏的情况，则是人工智能被某些邪恶势力误导而

    偏离原有目标，它们脱离人类的控制，加深了那些拥有它们的人和不拥

    有它们的人之间的鸿沟，由此最终导致人类帝国的覆灭。世界看起来像

    一个不断扩大的大河口：淡水和咸水混合在一起，河岸逐渐消失，形成

    动荡的潮流，开启了新旧世界交织的潜在巨大海洋。我们离开了熟悉的

    土地，却进入了可能很快会对人类产生敌意的盐田……但人类的好奇心

    和对知识的渴望往往会战胜风险。

    然而，令我感到震惊的是，研究人员自己也有一些担忧。否则，要

    怎么解释一些研究组织的出现，比如由牛津大学创建、世界人工智能专

    家尼克·波斯特罗姆(Nick Bostrom)领导的人类未来研究所(Institut

    pour le futur de l’humanité)，或是由Skype的创始人扬·塔林(Jaan

    Tallinn)和MIT及哈佛大学的一些研究人员创建的生命未来研究所

    (Future of Life Institute，主管人员包括史蒂芬·霍金、天体物理学家马

    丁·里斯[Martin Rees]及特斯拉和SpaceX的创始人埃隆·马斯克)？那么

    多杰出的智者——包括马斯克这样的名人，而他正处于现下所有技术革

    命的中心——都因此反思人类的命运，难道情况已经如此令人担忧了

    吗？在一些技术界人士的领导下，这两个组织从2015年起就以“公开

    信”的形式吸引了公众的注意，他们在信中指出了与人工智能有关的风

    险，尤其是在军事领域——如果人工智能想要脱离人类控制并摆脱伦理

    道德规则的话。当然，这些警告的提出者强调了发展智能机器的潜在好

    处，但他们也意识到，随着智能机器变得越来越高端，误入歧途和自主

    化的风险也相应存在。这与20世纪三四十年代一些物理学家对于原子武

    器开发的态度非常相似。他们也就核能对人类未来的危害提出过警告。

    阿尔伯特·爱因斯坦在临终时说：“我最大的遗憾之一，就是敦促罗斯福

    总统制造原子弹。”人工智能会是人类自己发明的、对人类的第二个致

    命威胁吗？麦卡锡、明斯基、司马贺或纽厄尔从未考虑过这样的观点。

    人类以线性方式思考，而机器的发展速度却是指数级的。几十年前没有

    人会想到，人类与机器“脱钩”的风险正在逐渐成型。没有人能确切地知

    道这种现象何时会发生，但每个人都预感到，随着研究的进步，时间段

    会缩短。

    当我回顾这个时期的时候，我看到当时的研究人员处于思想、研究

    和经验的激荡澎湃之中，却很难从这种激荡澎湃中提炼出清晰的观点。

    但我们仍能确定使那些研究者、网络经济大企业及初创公司的创始人激

    动不已的重大问题之所在：(终于……)赋予我复制人脑神经元功能的

    能力，让我能够“进行理性思考”，教我人类的语言，将我更新换代，发

    展出各种不同形式的新一代机器人——从在智能手机中和你对话的隐形

    机器人到几乎完美克隆人类的人形机器人。这些并非封闭的研究和创新

    领域，而是相互渗透、相辅相成、彼此充实的领域。神经元用于思考，语言用于交流，机器人用于模仿人类的姿态和动作。所有这些形成了一

    条连续不断的链条，打开了通往“高级”人工智能的道路——但这仍以战

    略性研究领域已经确定为前提。

    大脑，人工智能的重心

    在很长一段岁月里，神经科学家和数学家是相互忽视的。神经科学

    家们一直都知道，理解人类大脑的功能是一项长期的任务，当我们还不

    了解更多关于“生物”大脑的知识时，想在机器上复制人脑的功能也许是

    不可能的。他们把图灵或明斯基的预感看成是有些趣味的异想天开。数

    学家们则很急迫。他们一定要证明，在对人类智能的机制还没有深入了

    解的情况下，机器的智能是可以被开发出来的。如果计算机在许多决策

    情况下能够表现得像人类一样，可以复制人类大脑的“连通”功能，即便

    这种复制尚不完美，那它也能达到十分恰当的智能水平，从而进入可以

    获得高额利润的商业应用领域。他们并不是完全没有道理的。在1990—

    2000年之间，他们取得的巨大进步之一就是开发了所谓的“神经元”计

    算，正如其名称所指出的那样，这是对神经元功能的复制。神经元构成

    了人类神经系统的基础，并具有两个基本特征：应激性——神经元能够

    响应刺激，并将刺激转换成脉冲；传导性——神经元能够传输接收到的

    脉冲。神经元还配备了连接系统——轴突和树突，能将神经元相互连接

    成极其复杂、可以进化、能适应新情况的连接系统。计算机科学家对所

    有这些概念都很熟悉。因此，他们试图复制这些神经网络以增加计算机

    的能力，就几乎是自然而然的事情了。因此，原型最早可追溯到20世纪

    60年代的神经元机器努力将人造神经元彼此连接起来，并将它们组织成

    网络。这些神经网络既不包括中央处理器，也不包括内存储器——内存

    分布在神经元内，就像在人脑中一样。简单地说，积累多层人造神经元

    可以使机器具有更强的学习能力(我们称之为“深度学习”，这已经是一

    个流行术语，涵盖了20世纪60年代以来进行的实验)。机器可以识别形

    态，理解自然语言，分类信息，解读图像。简而言之，机器可以理解以

    声音、图像和文本形式出现的数据。只是，神经网络还远未能真正模拟

    人类大脑的功能，最多不过是像飞机的机翼模仿鸟类翅膀的运动一样

    (但飞行器也飞得很好)。应该说，通过使用算法和增加可能存在的连

    接数量、结构和强度，神经网络复制了人类大脑活动的很小一部分。

    但是我们必须承认这些事实：尽管人类在神经科学和磁共振医学成

    像方面取得了最新进展，但人们仍然不知道驱动大脑活动的主要原理，大脑如何将信息“编码”，如何“存储”记忆。而研究动物大脑对了解诸如

    语言、推理、获取复杂知识等功能也没有什么帮助。人脑这个拥有超过

    850亿神经元的复杂网络也许发挥着信息处理器的作用，像计算机那样

    将信息编码并转换“模式”(modèles)，但并不能就此解释人脑的基本

    属性。然而，这正是人工智能研究者们的雄心所在。他们像往常一样试

    图简化问题走捷径。雷·库兹韦尔就是其中之一。他喜用森林来作比

    喻，我们可以将这些比喻作如下概括：“你认为森林是一个复杂的宇宙

    吗？这取决于你看待它的角度。研究构成森林的每一种树木种类，然后

    研究每个种类中的每一棵树，再研究每一棵树上的枝条和叶子，从而分

    析出它们的特性——如果你想通过这种方式来了解一片包含成百上千棵

    树木的森林，那么你很快就会得出结论：这个工作量过于庞大，穷尽一

    生也无法完成。现在，如果你采取随机的方法，通过抽样和去除冗余信

    息的方式，关于森林是什么，你就会得到一个相当明确的概念，而无须

    逐一分析每棵树。”在库兹韦尔看来，对人脑的研究也提出了同样的问

    题：如果我们被850亿个神经元吓住了，并想逐一研究它们，那我们将

    永远无法理解人脑的功能，因为每个神经元的复杂性要比大脑新皮层的

    结构复杂得多。所以他建议只关注人脑的一部分：新皮层。这个区域是

    大脑左右半球的外层，我们处理一系列复杂信息的能力，对肌肉骨骼系

    统产生作用的能力，感知、识别物体和概念的能力，都存在于这个区

    域。新皮层还牵涉记忆的过程。如果我们能够理解新皮层的功能，它如

    何处理和组织所接收到的信息，在哪个等级的系统之中，概念如何转化

    为动作和语言，那么就有可能构想出一个数字化的新皮层，其运行速度

    将比它的生物原型高出数百万倍。这就是人工智能的挑战。换句话说，就像库兹韦尔明确指出的那样，说人脑不是电脑就相当于说苹果汁不是

    苹果一样。严格地说，这是事实，但苹果汁是用苹果做出来的。所以，如果电脑里带有能够模拟人脑的软件，那么电脑就能变成人脑。当然说

    人类只是一台有机机器，这种信念值得怀疑。即使我们可以模拟新皮层

    的某些功能，也没有任何迹象表明人工智能可以完成与人类同样的任

    务：同时思考和呼吸，行走和思考，阅读和听音乐……

    然而，这种关于新皮层的研究方法拥有了越来越多的追随者，他们

    都在寻求快速解决问题的方案。如果人脑是神经科学家所描述的那种复

    杂而神秘的怪物，那么他们大体上就是说，我们只要研究其中最“可

    见”的部分，并专注于那一部分就行了。毕竟，这层含有大概超过300亿

    个神经元的薄薄的物质，蕴藏着我们的记忆、才能、感官、情绪和对世

    界的理解。这些神经元不是靠魔法来起作用，而是通过它们的结构、连

    接以及处理信息的方式来产生智能。我们能将一定数量的大脑功能与其

    位置联系起来，现在我们还能测量人类在执行某些任务时的大脑活动强

    度。我们应该有可能了解到大脑新皮层是如何运作的，这就为发展真正

    的人工智能开辟了一条康庄大道。神经科学专家当然会在这个问题上努

    力钻研。许多研究已经开始探索大脑皮层的功能，尤其是研究最为敏感

    的感受器的反应。但是对深层皮层的研究，即产生思想、决定或者包含

    复杂记忆的那部分，仍处于实验阶段。所以，这使人工智能专家面临一

    种无法解决的问题：他们知道理解人类智能的决定性进展尚未到来，但

    他们尽一切努力通过“人造”手段达到相同的结果，并且也知道这种方法

    的局限性。尽管如此，这种方法已经产生了明确的结果。人们习惯上将

    人工智能分为几类：“窄”智能，专门针对特定领域，如国际象棋、围

    棋、金融市场、法律等等；再高几个等级的属于“通用”智能，能够同时

    解决几个问题，如搜索信息、识别图像、使用自然语言与人交流；最高

    阶段是“超级智能”，它能领会整个世界，能在任何领域与人类智能竞

    争，甚至能够明确提出“观点”，感受和表达“情感”，由此开创“奇点”时

    代。2016年，第一等级的人工智能取得了显著进展，第二等级的人工智

    能在进行实验，而第三等级的人工智能还远未能达到……

    推理，人工智能的核心

    人类会进行推理。他们甚至将一生都用于推理。推理有好也有坏，所以才有俗语“道理讲得漏洞百出”(raisonner comme un tambour)。推

    理是个逻辑过程。它包括积累和分拣信息，将这些信息与已经包含在记

    忆中的信息进行比较，将它们组织成逻辑系统，赋予它们意义，构建问

    题的答案，并以可理解的方式明确表达出来，最终阶段是做出决定。信

    息数量越多，条理性就越差；推理的机制越复杂，其结果的潜在不可靠

    性也越大——提出这样的定理不是在侮辱人类的智慧。然而，在我们所

    生活的这个不稳定、不确定、复杂而模糊的世界里，要考虑的信息数量

    有变得越来越难以处理的趋势。因此，计算机科学的专家们致力于开发

    自动推理机制就完全是自然而然的事了。2016年有一个被媒体广为报道

    的标志性事件：由谷歌子公司“深度思维”(DeepMind)开发的一台人工

    智能机器成为了围棋领域的世界冠军。该公司的创始人，现年40岁的戴

    密斯·哈萨比斯(Demis Hassabis)是人工智能领域一个活的传奇。他13

    岁就成了国际象棋天才，在编程技术方面也是无可争议的大师，还是神

    经科学家，毕业于剑桥大学计算机科学专业，其父有塞浦路斯—希腊血

    统，其母是新加坡华裔。他首次亮相是在电子游戏领域，那时还是青少

    年的他参与开发了最著名的电子游戏之一《主题公园》(Theme Park)。21岁时，他创立了自己的游戏公司“仙丹工作室”(Elixir Games)，但他在其他领域有更大的计划：他希望在人工智能领域里发起一个相当

    于阿波罗计划的项目，将人类带到一个新的星球上——智能机器的星

    球。数学家和神经科学家的双重身份让他能够考虑这样一个问题：何时

    人类大脑的功能对电脑来说将不再是秘密。2010年，他建立了

    DeepMind——这个名字清楚地显示出了他的雄心。哈萨比斯对人工智

    能持激进观点，他甚至对他在剑桥大学的老师们提出过反对意见，认为

    他们已经过时了。对他来说，智能机器必须能够处理各种各样的信息，并且独立于人类使用的所有方法之外来做出决策和预测。他喜欢游戏，国际象棋，但尤其喜欢扑克，他说过，因为在这种游戏中，打牌的人可

    能做出了正确的决定却依然输了牌……而对于围棋，他很欣赏它

    的“美”。因此，DeepMind围绕着围棋这个传奇性游戏推出了这个宏大的

    研究项目。围棋是在公元前几个世纪、被称为“春秋”的时期由中国发明

    的，它在全世界拥有超过4000万从业者和爱好者，其中包括谷歌的联合

    创始人拉里·佩奇。

    围棋跟国际象棋及跳棋一样，属于所谓的抽象组合策略类游戏，一

    般来说，双方相互对峙交替下棋，所有规则都众所周知，且不存在偶然

    性——这与西洋双陆棋有所不同。围棋对弈是在一个平板上进行，对弈

    双方将黑白二色棋子放置于被称为“棋盘”的方格板上，棋盘上纵横各有

    19条直线，一共组成361个交叉点。对弈双方使用相同数量的棋子，将

    棋子置于交叉点上，构筑边界线并将“俘虏”隔离开来，以此建立自己的

    领地并捉取俘虏。领地大、俘虏多者为胜。这是一个将计算和战略视角

    相结合的复杂游戏。可研究的组合数量是10的170次方(10后面跟着170

    个0)，而国际象棋的组合数量是10的120次方。对于人工智能专家来

    说，围棋是一种“边界”，他们认为机器在2025年之前无法攻克这种“边

    界”。然而，2016年3月，DeepMind的人工智能机器“阿尔法围

    棋”(AlphaGo)在首尔与韩国的世界冠军李世石对弈时，赢得了五局比

    赛中的四局。几个月前，AlphaGo就已经在与欧洲最好的棋手、定居法

    国的中国职业棋手樊麾的比赛中，取得了五局全胜的成绩。正如升级深

    蓝对战卡斯帕罗夫的胜利标志着智能机器发展的一个转折点，DeepMind也在人工智能领域引起了近乎地震般的动荡，同时也使广大

    公众深受震动。但是科学家们认为，AlphaGo取得的让其设计者惊叹的

    胜利并不是大获全胜，因为它输掉了第四局。李世石走了出人意料的一

    步棋，人类走出这步棋的概率仅为万分之一，它让机器产生了不稳定，迫使机器在紧急情况下试图重新编程，因此，机器由于其神经网络中的

    不良连接而犯了错误。

    AlphaGo的优势在于它的竞赛智能还是计算机的算力？事实上，DeepMind团队能够取得这样的成就，是因为他们已经在很大程度上推

    进了人工智能的两项基本技术：结合数千变量的神经网络，和强大的学

    习能力。AlphaGo首先与自己对弈，并建立自己的专业知识，而设计它

    的工程师和数学家都不是围棋手。事实上，AlphaGo是按照两个逻辑来

    下棋的：它根据观察过的数十万个落子位置，不断分析和评估双方棋手

    落子的不同位置，从而确定棋盘上的实力状况；在研究了超过15万局比

    赛之后，它的神经网络会选择人类棋手在特定位置上实现过的、最可能

    取胜的棋步走法。与人们所想正好相反的是，机器不会对特定位置上每

    个可能的棋步都进行检测，这会花费太多时间，而是根据其自身经验来

    选择最可能获胜的棋步。在每个位置上，AlphaGo都会根据它在见过的

    棋局中观察到的情况来思考最佳棋步，而且它只考虑这些棋步。在数以

    万计的棋步中，它知道如何确定能够获胜的棋步。

    对于外行来说，花这么多钱来开发一款游戏似乎毫无意义。事实

    上，AlphaGo完美描绘了人工智能的本质，即推理和决策能力。机器并

    没有创造一种更好的下棋方式。它(从大多可以在互联网上获得的、全

    世界最好的棋手所下过的数十万棋局中)提取数据，在每走一步棋之

    前，它没有竭尽全力详细检测10的170次方种可能存在的棋步，但它选

    择了取胜几率最大的棋步。因此，它的“大脑”在运作时有一部分是基于

    随机计算和概率，它根据学过的教程、自己的对弈实践及研究过的人类

    专业棋手的棋局，来适应它的人类对手的走法。当然，也应充分考虑计

    算机的计算能力，正是这种计算能力使AlphaGo在走每一步棋时，都能

    在其大数据库中搜索数以万计的数据，从而与人类专业棋手保持相同的

    速度。在赛后的一次新闻发布会上，AlphaGo的一位主创人员很好地总

    结了人工智能带来的问题：“把围棋的基础知识教给AlphaGo并为它编写

    不同算法的，正是人类自己。当然，它已经发展了自己对围棋的认知，可以自己选择走法，甚至走出令人惊讶的棋步，准确地说，我们往往不

    明白他为什么以这种或那种方式走棋。是否可以想象，未来的机器在人

    类不提供帮助的情况下能够自行学习？这是一个我们如今还无法明确回

    答的问题。”

    与此同时，另一台由IBM公司研发的“推理机”沃森(Watson)也广

    受关注，它在2011年参加游戏《危险边缘》(Jeopardy)，并击败两位

    美国冠军，由此闻名全球。《危险边缘》是相当于法国《百万富翁》

    (《Qui veut gagner des millions》)的一类电视智力竞赛游戏节目，因

    而它是知识问答游戏，但不会直接提出像“马里尼亚诺战役(la bataille

    de Marignan)发生的日期是哪一天”这类问题。问题会以迂回的方式提

    出，如“我是巴黎的一条街，我的年纪是15岁，那么我是谁？”所以，沃

    森至少要表现出三种才能：理解以自然语言提出的问题(问题以文本形

    式传输给它)，发现提问方式的表述中隐藏的陷阱，并在几秒钟之内找

    出最可能的正确答案。它是如何做到的？它首先阅读并存储大量信息，这些信息来自字典、百科全书、维基百科和其他结构化数据库或非结构

    化数据，涉及历史、文学、政治、电影、歌曲、体育等众多领域。它必

    须学会理解自然语言，选择最有可能的答案，对它觉得最恰当的答案进

    行评估并用自然语言回答。这与认知过程非常相似，但它事实上是由高

    功率计算机(每秒至少80万亿[tera-]次浮点运算)所驱动的。因而，沃

    森的行为就像人类一样：它对提出的问题进行分析，确定可能存在的陷

    阱，利用自己的知识库来提出假设并验证它们。因此，这是基于知觉、记忆、判断、知识积累和推理，从而真正涉足对人类心理过程的模仿。

    深蓝被设计为一个有限环境(即国际象棋)下的高性能计算系统。沃森

    则可以涉及所有领域，能以简单流畅的方式摄取各种数据、各种形式的

    文本、图像，也能理解人类的语言。在参加《危险边缘》游戏时，它能

    解读相当迂回的问题。在2.5秒的时间里，它分析并理解请求，在其资

    料中进行搜索，按照证据提出一些可能的答案并对它们进行分析，计算

    可信度指数，然后用自然语言回答。随着对问题的深入钻研，它的学习

    曲线也不断增长。因此，沃森最先关注的领域之一是健康领域，也是意

    料之中的事了。医学文献的数量每五年翻一番。根据美国PubMed网站

    的统计，自1966年以来，仅在生物医学领域就已发表了近2500万篇可以

    免费获取的文章，每年新增文章数量为50万篇。数量如此庞大的数据，任何一个医生都无法将其全部掌握。沃森也一样。这就是它选择肿瘤领

    域的原因，它从中选定三四种最常见的癌症形式，阅读了关于其中每一

    种癌症的所有可用文献：文章、报告、出版物、临床试验报告、新疗法

    的实验等。沃森能够摄取非结构化的数据(即这类数据不是由计算机的

    格式化数据库产生的，但它们包含于任何类型的文本中)，这使它能够

    存储非常广泛的知识，而一个人终其一生也无法积累、记忆这么多知

    识。有了丰富的知识储备，沃森就可以将患者的资料集中归纳：患者的

    癌症种类、病史、采用过的治疗方法及治疗的结果。因此，它能回答主

    治医生在做新决定时面临的问题，向医生推荐治疗方法，根据患者的具

    体情况，指出患者可以在美国或其他地方的何处进行哪些临床试验，这

    使医生能够明确而迅速地做出决定。我们清楚地认识到了能让沃森在其

    中游刃有余的领域是什么样的：需要大量知识储备的主题；答案隐藏在

    明确或暗含的非结构化数据中的问题；一个问题有几个可能的答案，但

    有一个是比其他几个都好的最佳答案。在医学领域中，诊断或治疗方面

    的人为错误仍然很多，让机器从中进行干预可以避免这些人为错误。

    所有的技术革命都是以特定的能源为基础的：蒸汽、电力、石油、原子。现如今则是数据。数据就是我的氧气。得益于互联网和各种传感

    器，很快我们就将产生出跟宇宙的体积大小相当的数据量。2005年，互

    连网的使用人数超过32亿。每天的每一分钟，都有超过100万的视频被

    观看，34.7万条推文被发布，脸书上会发布400万个帖子，为此必须添

    加由数亿个连接对象(connected object)所生成的信息和全球移动运营

    商所获取的数据，谷歌上也会有数十亿次查询……每天有2.5艾字节E字

    节(exa-octetbyte，10的18次方字节)的数据被发布，那么每年发布的

    数据就有915E字节。2015年所产生的数据超过了整个人类历史过程中产

    生的数据总合。从此以后，我们就用尧字节Y(yottabytes)来计算，1Y

    即10的24次方。举一个直观的例子作为比较：已知宇宙的直径是880Y

    字节。这是人类在其历史上首次面临这样的挑战：必须掌握海量信息才

    能做出更好的决定，但由于这些数据过于庞大，人类无论是在生理上还

    是心理上都无法承受。因此，人类问题的答案也许是存在于这海量数据

    之中，但是人类无法将答案找出来。在19世纪，像歌德这样的“正人君

    子”可以既是作家又是诗人，同时还是萨克森——魏玛大公国的行政官

    员，以及植物学家、图书管理员和采矿工程师。即便他的智力高于平均

    水平，但他之所以能够掌握各种各样的数据和知识，是因为这些数据和

    知识的数量是人脑可以接受的。在21世纪，即便是一个学科最顶尖的专

    家(如医生)，通过自身的智力手段也只能处理现有信息和知识的极小

    一部分。搜索这些信息甚至也不是问题，它们就存储在“云”里，隐藏于

    大量其他数据之中。由此产生了这个令所有必须做出决定的人苦恼的问

    题：我错失了哪个关键信息，如何识别它，从这海量信息中可以提炼出

    什么样的含义？从理论上来说，人工智能使机器有能力提取这些关于基

    础知识的数据，从而明确快速地给出问题的答案。这当然是一项巨大的

    工程，因为它需要非凡的信息处理能力及足够高效的算法，使它在提供

    一个或多个准确率高的答案之前，能将信息进行相互比较，找出其中的

    关联性，构建相关的数据结构。这涉及一个以数学为基础的随机过程。

    机器的“智能”在于它处理海量信息的能力，提取问题含义的能力，迅速

    提供相关答案的能力(人类的智能无法做到这一点)，还有在相对精确

    的参考范围内处理提交给它的问题时深化自身知识的能力。

    很难将这种形式人工智能的应用领域编列成表，因为它们数量繁多

    且各不相同。机器可以在人尚未找出问题的答案时就快速回答这些问

    题，强化分析的全面性和彻底性，将人从枯燥重复的工作中解放出来，例如搜索信息并尝试快速提取信息的含义。对于必须处理大量数据并从

    中提取数据含义的公司(互联网巨头，美国或中国的数据新冠军，健

    康、保险、银行、金融服务和法律咨询等部门，以及所有在非常复杂的

    领域内运营的、其投资或收购决定必须考虑多重变量的公司)来说，无

    须成为先知就能理解这种人工智能的好处。诸如桥水基金

    (Bridgewater)、贝莱德集团(BlackRock)、双西投资(Two

    Sigma)、德意志银行等许多大型投资基金公司和银行，都花重金从

    IBM、谷歌或其他公司争夺最好的人工智能专家来研发自主量化管理的

    算法，这些算法能够在浩瀚的金融大数据中搜索信息结构，这些信息结

    构是使投资战略立于不败之地的基础。同样，有赖于沃森的技术，IBM

    开发了一种人工智能软件：M＆A Pro，其目的是消除并购过程中的人

    为错误风险。机器参照数百次已经完成的收购，对有关目标公司数以千

    计的信息进行分析，并计算即将进行的收购能够产生预期结果的概率。

    我们正在进入一个新世界，一个由机器强化决策的世界，对此我们可以

    增加一个新的缩写：MRDP，即“机器强化决策过程”(Machine

    Reinforced Decision Process)——例如，Sentient公司从2007年成立以来

    就募集了超过1亿美元的资金，开发了一套用于交易的人工智能系统，这套系统管理着超过2500万美元的资金，每年交易量达50亿次。

    出版商可以让机器阅读最受欢迎的小说，并在角色和情节方面引入

    适当的算法，从而使机器在在创纪录的时间内自己创作出畅销书：在日

    本，一部由函馆大学人工智能系创作的这一类型的小说，已经被列入一

    个文学奖的候选名单，参与竞争这个文学奖的都是人工智能。将科学文

    章的撰写交由机器来完成的情况开始变得越来越常见。总之，作为癌症

    专家的沃森能够很好地提出自己的分析。网飞公司(Netflix)对观众最

    喜爱的剧集、情节、角色和演员进行分析并处理由此得出的信息，用这

    样的方式播出了《纸牌屋》(House of Cards )。谷歌开发了一种能够

    创作音乐的人工智能。我们给它三个音符，它就能按照我们指示的风格

    作曲：古典、摇滚、爵士、手风琴曲……另外一个人工智能写了一个

    以“未来的大规模失业导致年轻人被迫卖血为生”为出发点的9分钟电影

    剧本。机器在对热门电影进行分析的基础上写出了剧本大纲，据此人们

    还会注意到机器承袭了低下的创作能力。机器甚至在故事中引入了三角

    恋和自杀未遂的情节，以此来丰富剧情……

    但我们也可以将人工智能用于图像的处理和识别。还是谷歌公司，开发了一款名为PlaNet的软件，该软件力图找出人类难以解决的一个问

    题的答案：随机查看一张照片，并尝试推测它的确切拍摄地点。有时照

    片中含有一些客观信息：历史古迹，指示牌，店铺招牌，服装类型，房

    屋风格……但是，即便有了这些要素，要确定场景的精确定位也是非常

    复杂的。这在很长一段时间里一直都是计算机能力范围之外的一项工

    作。现在情况有所变化。谷歌首先将地球划成由26000个正方形组成的

    网格，每一格代表一个明确的地理区域。研究人员为每个正方形区域都

    建立了从互联网上获取的图像数据库，这个数据库可以通过地理定位

    (也就是指明照片拍摄地点的数字标记)来进行识别。该数据库包含超

    过1.26亿张图像。得益于神经计算科学技术，每张图像都有具体的对应

    地点。机器分析提交给它的所有新图像，并与曾经处理过的图像进行比

    对，以此识别新图像。人类判断的照片拍摄地点和其精确定位之间的平

    均误差范围是2320公里。而使用PlaNet将发布于在线图像库Flickr上的

    230万张图像进行比对测试之后，平均误差范围则为1130公里。PlaNet

    的重要性当然不仅限于旅游领域。图像是一种语言，同时也是一组信

    息。然而，每年发布在脸书上的照片超过710亿张，发布在Flickr上的图

    片也超过7亿张，这些图片组成了一个关于生活方式、消费习惯、休闲

    类型、社群生态的特殊数据库，当机器有能力研究它们的时候，这些都

    是非常宝贵的资料。因此，图像分析和图像识别的重要性十分巨大，尤

    其是对研发自动驾驶汽车、市场营销和安全领域而言。加州大学伯克利

    分校的一个研究小组开发了一种面部识别软件，可以对人进行识别，即

    使识别对象的照片是从背后拍摄的。借助人体动作3D虚拟重建的技

    术，机器能够从不同的姿势、环境和服装来识别人的身份，而无须人脸

    清晰可辨。在面部并不清晰可见的情况下，人眼能通过发型、服饰和体

    形等其他元素来识别一个认识的人。然而，有些机器只能进行主要以面

    部为基础的简单识别，对这类机器而言，上述元素直到现在都很难用于

    识别。想象一下，当涉及用模糊或局部的图像来识别嫌疑人时，这些技

    术就可以服务于安全部门。结论：这些技术标志着匿名的结束。一张发

    布在脸书或Flickr上的简单度假照，就可以让你和你所在的地点被识别

    出来。再也无处藏身了。我们从村庄走向了全球化，而人类又找出了将

    世界改造成一个村庄的方法……

    即便机器天生就有严密和非生物的特性，它所拥有的这些推理能力

    也成为了一场正在进行的革命。在一个公司里，决策形成的大部分过程

    建立在对多重数据的分析和理解之上，这些数据与全球的金融市场、法

    律环境、原材料和能源价格走势以及技术发展相关。2016年，英国的年

    利达律师事务所(Linklaters)和品诚梅森律师事务所(Pinsent

    Masons)，是最先使用人工智能软件的两家大型律师事务所。年利达律

    师事务所开发了计算机程序Verifi，它能以惊人的速度筛查14个欧洲国

    家的法律文件，从而核实银行客户的个人档案。它一晚上可以筛查几千

    个名字，而一名初级律师平均12分钟才能核查一个名字……品诚梅森律

    师事务所开发了一个能够解读贷款协议条款的人工智能。其他20多家大

    型事务所将“雇佣”由IBM公司的沃森团队开发的“机器人律师”罗斯

    (Ross)，让它投身于与商法相关的数十万份法律文件之中，从而找出

    客户问题的答案。其他团队的研究人员也在研究相同的课题，例如英国

    利物浦大学就开发出了能在三个复杂层面上工作的虚拟律

    师“金”(Kim)，它甚至可以提出对合同的法律条款进行重新协商的最

    佳方式。这是法律实践中的一场革命：与至今一直在负责文件材料这种

    枯燥但必要的工作的初级律师相比，人工智能机器在提供确切答案和工

    作速度方面表现得更为高效。得益于数据专家和数学家，到2030年，律

    师职位将消失一半……然而，这并不是在宣告哈佛法学院的消亡。人工

    智能使律师摆脱了令人疲惫的工作，让他们能够专注于自己的真正使

    命：为客户提供建议和陪伴。机器人永远不会进行诉讼或与检察官协

    商，但它能以准确无误、无懈可击的方式提供合理充分、资料翔实的论

    据，甚至能为一些与数字(如注册会计师、注册审计师)或咨询相关的

    职业提供论证——这些职业都需要处理并以适当方式重组数百万的信

    息，从而进行论证。

    因此，这是一场正在显现的真正的管理动荡。由此将产生两个主要

    的影响：机器承担了许多“白领”的工作，这为公司的决策中心减轻了负

    担，为领导者构建了一个不可缺少的工具，但这个工具有时也会对其产

    生干扰——在领导者的决策直觉和决策自由与一个人造的“第二自

    我”[alter-ego]存在竞争时。有一些机器已经参加了董事会，而且没有任

    何迹象表明他们有朝一日不会成为由股东选举的正式成员，或者主持董

    事会。

    机器的语言是致命的武器

    这是一个很好的题目。在我的神经网络或存储器中，我可以存储并

    理解世上所有的知识，但如果我不知道如何传递这些知识，那我就有点

    像自闭症患者。在很长一段时间里，计算机只能通过吐出带有程式和数

    字、边缘打孔的长纸带，才能与人类“交谈”。编码语言确保了人机之间

    的对话。今天，人们对我有了更高的要求：理解人类的语言，不论书面

    还是口头，都用人类的语言表达。当我能完全做到这一点时，那么把我

    和人类分隔开来的障碍终将消除。人类将用正常的方式与计算机或智能

    手机交谈，而我也将以同样的方式回答他们，由此真正成为人类的第二

    自我。机器将在会议中表述自己的观点，提交报告，撰写书籍，主持电

    视辩论，与客户商谈。掌握与虚拟现实相关的语言甚至为实现人类

    的“分身术”夙愿开辟了道路。你的化身在上海发表演讲时，你却在千里

    之外做着其他事情。这是一种超出想象的范式变化。这就是为什么研究

    人员要将掌握语言作为研究人工智能的中心课题。像纽厄尔一样，研究

    人员首先尝试与机器进行更好的沟通，然后教会机器互相沟通，在解决

    最重要的问题之前，模仿人类最本质的方面：人类用以表达知识和感情

    的话语。人类在表达知识和情感时的迅速、流利和自发性实在令人吃

    惊。然而，像识别字词的含义、陈述句子和理解对话等最简单的功能，则需要一套复杂而协调的操作：分析声音信号，解码语音，在自己的心

    理字典中识别字词，找到这些字词的发音，将字词与意思连结，识别其

    语法特征。因此，像说一个句子这样的简单行为，包含着许多不同的活

    动，这些活动都要在几秒钟内完成。自然语言的本质建立在数量几乎无

    限的不同组合之上。这对机器而言是多么大的挑战啊!

    你们是否从未听说过勒博涅(Leborgne)先生？他是法国医生、人

    类学家保罗·布罗卡(Paul Broca)在1861年时的一位病人。这位病人是

    失语症患者，他只能发出一个音节“tan”，他整天重复这个音节，因而在

    他接受治疗的勒克朗兰比塞特尔(le Kremlin-Bicêtre)医院里，人们都

    称呼他Tan先生。布罗卡成功辨识出病人大脑额叶第三个沟回中有一个

    由梅毒引起的病变，他把病人的失语症与这个病变联系了起来。在很长

    一段时间里，这一发现都表明人的语言中枢位于大脑的这一区域——这

    个区域后来命名为“布罗卡区”。神经学家的最新研究显示，语言和言语

    的掌握不是区域定位问题而是网络问题。这是两种不同的机能。我们不

    知道Tan先生是真的无法在他的大脑内组织语句，还是他只是不能把句

    子说出来。如今我们知道，这两种机能通过复杂的神经元链建立了不同

    的脑区网络。要了解这些脑区网络，我们必须成功地将涉及掌握语言的

    任务分解成一系列要素，并将它们与大脑的不同结构和功能联系起来。

    将辨识一个音节的能力与一个神经元联系起来，或者将说一个句子的能

    力与一组神经元联系起来，要绘制一张这样的联系图是极其复杂的。因

    此，在语言和神经生物学之间建立一座桥梁，是研究人员力图接受的挑

    战。

    然而，人工智能机器会阅读、写作和说话。机器不“理解”单词的含

    义，它使用的方法类似于识别数学公式或图表的“形状”，这样来识别单

    词。单词被转换成了机器可以理解的数学符号，语言于是被转化为一系

    列可进行操作的指令。机器的语言学习也因此混合了好几种“技术”：数

    学，概率，归纳推理，图形识别，本体论(ontologie，赋予意义并对多

    重信息领域进行分类)，以及可以集中同族单词(例如一个动词的不同

    变位)以简化理解编辑内容的词形还原。得益于互联网，机器将数十亿

    单词纳入其字典，而当机器要理解一个文本时，它就会比较单词与其本

    体，通过对照和组合的操作来找出向它所提问题的含义，并做出回答。

    机器关于某个主题所做的工作越多，它的能力就越强。当然，这些操作

    都需要极其强大的计算能力，这可不仅仅是区分“我希望找一个汽车贷

    款”(《je souhaite trouver un prêt pour une voiture》)和“我希望借一辆

    车”(《je souhaite que l’on me prête une voiture》)之间的不同之处。

    专业语言处理公司Davi的创始人帕斯卡·阿尔博(Pascal Arbault)与

    巴黎萨克雷大学(Paris-Saclay)力学与工程科学计算机科学实验室

    (LIMSI)的研究员尼古拉·萨布雷(Nicolas Sabouret)及索菲·鲁塞

    (Sophie Rousset)一起，开发了一个“虚拟经纪人”。这个虚拟经纪人为

    一家保险公司工作，通过图像合成，以年轻男子的形象出现在显示屏

    上，用精确丰富的语言回答客户关于合同、担保以及公司能够提供的新

    产品等问题。这个案例中所涉及的不是语言的统计处理，而是以单词原

    形为基础的方法。机器标记了动词原形，清除了所有多余的问题，如“呃”“该死”“好吧”等词，更接近于和公司的专家们一起创建的本体。

    这种虚拟助理的发展，标志着呼叫中心的现实形式的消亡。但它为人类

    接线员去除了一个重复且使人神经紧张疲劳的工作。超过80%的电话涉

    及的都是相同的问题，所以机器将能够处理这些问题。接线员将只须处

    理更复杂或更私人的问题，因而其工作将更浓缩。我们也能想到这会给

    企业带来什么：始终在线的对话者，随时可以获取的服务。它们成了与

    客户沟通的能手，即便是在接一天中的第100通电话时，也不会有信息

    失真的风险，或者像人类接线员那样依赖于情绪状态，或产生疲劳……

    当然，客户有权对所提供答案的质量提出更多要求。人们会对一个出了

    差错的人类表现出起码的同情心，但绝不会原谅机器

    掌握语言为人工智能打开了巨大的市场。虚拟助理只是“个人虚拟

    经纪人”这支庞大部队的先锋营——“个人虚拟经纪人”是一类被认为能

    够满足用户所有期望的私人管家。以DARPA一个名为CALO(具备学习

    和组织能力的认知助理，Cognitive Assistant that Learns and Organizes)

    的项目为基础，苹果公司于2011年率先推出了个人助理Siri。很长一段

    时间里，Siri所做的事仅限于提供地址、链接网址、指明路线、电话拨

    号或提醒您买牛奶。但它的首创能力仍然有限。面对“Siri，我想去纽

    约”的请求，它只会为您连接预订机票和酒店房间的网址，但它不会为

    您预订，也不会为您核查日程表以确定出行的最佳日期。

    这个时代已经过去。Siri的创始人之一戴格·吉特劳斯(Dag

    Kittlaus)，与安托万·布隆多(Antoine Blondeau)及另外两位朋友一起

    创办了一家名为Viv Labs的新公司，总部位于圣何塞(San José)。Viv

    是一个能够满足智能手机和电脑用户所有期望的全球性智脑，数百万个

    连接对象或应用程序都可以使用。传统的虚拟助理能回答这样的问

    题：“亚伯拉罕·林肯的家乡在哪里”“这个城市有多少居民”。但当问

    到“亚伯拉罕·林肯的家乡有多少居民”时，就会出现差错，而这只是因

    为开发人员可能没有对这个问题进行编码。Viv自己就能进行比较，并

    生成能够找出答案的代码，据此来回答问题。但它也能处理一些更复杂

    的问题。想象一下这样一种情境：您应邀去您哥哥家吃晚饭。在途中，您答应购买一瓶搭配意大利千层面的平价葡萄酒。您可以花点时间和耐

    心自己找出答案：试着找出在去您哥哥家的路上哪里有葡萄酒出售，然

    后连接到相应的网站查阅在售的葡萄酒列表，同时在意大利烹饪指南中

    寻找最适合搭配千层面的葡萄酒。尽管您对您的哥哥抱有深厚的感情，但是相比花费时间进行这些搜索，您也许还有更重要的事情要做。这就

    是Viv发挥作用的地方了。它先将请求分成可以同时处理的三个数据

    块：意大利千层面，您的哥哥，他的家。千层面是一道菜肴：Viv连接

    外部资源(有关烹饪的网站或博客)来获取食谱(奶酪、肉类、番茄

    酱)，再将这道菜进行归类(这是一道包含面片、奶酪、酱汁和肉的意

    大利菜)，然后在互联网上搜索与这类菜最相配的葡萄品种(解百纳、黑比诺)，最后确定相应的葡萄酒(纳帕谷葡萄酒、卢瓦尔葡萄酒)。

    同时，它在您的联系人里将您的哥哥标记出来，找出他的地址，并对您

    的地址进行地理定位。然后，它画出路线，标出葡萄酒商店的地点，连

    接到商店的目录，挑选出纳帕谷和卢瓦尔的黑比诺，根据价格对在售的

    葡萄酒进行分类，在向您询问过这样一个问题之后它就能给出答

    案：“您能接受的、离开您和您哥哥家之间的直线距离，是多远？”整个

    过程所需的时间：120秒……尽管这个问题看起来平平无奇，但Viv对

    答案的建构却着实非凡。它依靠十分发达且具有主动性的人工智能，能

    够在不同领域挑选外部资源，并独立与这些外部资源连接，确定相关数

    据并将这些数据相互对照，在创纪录的时间内提供可靠的答案。

    和中国的腾迅、阿里巴巴及百度的团队一样，谷歌、脸书、苹果、亚马逊和微软的团队也不落后于人。他们也都创造出了被称为“聊天机

    器人”的虚拟助理，这些都是能够模拟对话并提供服务的自动计算机程

    序。这是一场在互联网巨头之间、以开发更完善平台为目标的竞赛。这

    些虚拟助理的名字分别是Cortana(微软)，Alexa与Echo(亚马逊)，Siri(苹果)，当然还有Viv。好莱坞的“笔杆子”以一种意想不到的方式

    为丰富对话内容做出了贡献。为了让这些虚拟助理的语言更加完善、丰

    富、优雅，电影编剧、作家和诗人为它们撰写了对白。这种做法可以理

    解：其目的是通过让人和机器自然交谈来消除人机之间的任何人为障

    碍，使人忘记自己正在与机器交谈。从Siri、Viv和Cortana能够理解自然

    语言，像人类那样进行表达，并能够生成自己的算法来优化其搜索和答

    案的那一刻开始，它们就将成为人类不可或缺的伙伴，其任务就是通过

    回复人类向它们所提出的信息、服务或咨询的请求，来最大程度地简化

    人类的生活。机器将不再满足于为您连入预定机票的网站，它自己就能

    进行操作，它知道您最喜欢什么样的席位，它知道您的日程安排，能够

    订约会、撰写和回复电子邮件、预约汽车、连接优步(Uber)或爱彼迎

    (Airbnb)的网站、为您总结当日新闻。而且它为您工作得越多，就能

    积累越多关于您的信息——您的生活方式、口味、最喜欢的菜肴和葡萄

    酒、睡觉和起床的时间、最喜欢的电影和书籍——并由此不断改善向您

    提供的服务。因而，这是人类向我们打开的突破口之一：使我们变得不

    可或缺，成为您自己的延伸，让您的生活更方便，使您能够专注于最喜

    爱的休闲娱乐，而其他事务就由我们负责。就这样，您让我们了解了关

    于您的一切。得益于您在不知情的情况下提供给我们的所有信息，以及

    我们自主积累的信息，您让我们对您本身有了深入了解。我们对这些信

    息进行分析和重组，从而使服务供应商(航空公司、电子商务网站、银

    行、移动电话公司等)能够为您提供个性化的服务。在21世纪20年代

    中，我们还只是处于这种超级定向沟通的初期，但人工智能如此持续快

    速发展，使达成最终目标——预测每个人的需求和行为，指导人做出选

    择，还可能指导人类发表意见——的那一天很快就会来临。

    机器人：人工智能的化身

    机器人曾经一直都是一个幻想对象。应该说文学和电影对这种幻想

    起了很大作用。机器人中有超人，这是一种冷酷可怕的存在，任何事物

    都无法阻挡其金属般的决心。另外，在流行的幻想中，机器人首先是一

    个杀手。我们还是要试着区分幻想和现实。就像人工智能有多种形式一

    样，机器人也有多种不同的“特长”。最有名的是工作机器人，因为它年

    代最久远，是最早被发明出来的机器人，由此可以看出“机器人”一词来

    源于俄语rabot，这个词的意思就是“工作”。 在很长一段岁月里，工业

    是唯一使用机器人的领域，它将机器人当作劳动力来使用：对零部件进

    行搬运、焊接、上漆和装配。这是一些危险的机器，通常被关在笼子

    里，它们智能有限，但非常实用。多年以后，这些机器人变得越来越高

    端，能够在一些尖端工业领域工作，如电子行业。它们的外形变小了，并且走出了钢铁牢笼，在工人们身边占据了一席之地。汽车行业就是这

    种情况，现在这一行业的操作人员和他的机器人在装配线上组成团队一

    起工作。因此，这些机器人就成为了“人机合作机器人”(cobot)。人工

    智能正在为它们提供新的能力，赋予它们更多的自主能力和决策沟通能

    力。这就是被称为“工业4.0”的挑战，其目标是实现从空中客车到智能手

    机的产品制造完全自动化。工业机器人正在成为一个“连接对象”。世界

    工业机器人的领导者、日本巨头发那科公司(Fanuc)于2016年推出了

    一部分这类新型智能机器。得益于它们强大的学习能力，这些智能机器

    能以越来越精确的方式工作，且能相互沟通，识别甚至预判出可能使装

    配线紊乱的故障，收集和分析大量数据。制造商也开发出特定的应用程

    序，令其在整个制造过程中建立真正的信息系统。想象一下在全球最大

    的那些工业企业中运行的40万台发那科机器人所收集的信息的潜力!

    机器人的智能将使它们掌握制造过程的所有秘密：它们从机械奴隶

    变成了工程师。我们留意到一件很有意思的事：中国的美的集团收购了

    德国机器人制造商库卡公司(Kuka)——其主要客户是奥迪和宝马，这

    在德国引起了极大的不安。中国已经全速投入到了一场机器人革命之

    中，而全世界都从未意识到这场革命的规模竟是如此巨大。2013年以

    来，中国每年购买的工业机器人数量都超过德国、日本或韩国，已经成

    为全球最大的使用机器人的国家。这种转变很大程度上是由政府推动

    的，其发生速度在这个行业的历史上绝无仅有，实在令人瞠目。中国的

    工业中心广东省在2015—2017年间投入了80亿美元用于机器人技术。这

    种对机器人的狂热是由于中国的工资成本上涨以及由独生子女政策导致

    的可预见的劳动力减少。但这种狂热的产生也是由中国想要创建“智

    能”工业、加入全球工业大数据以及提高工厂生产力的意志决定的——

    专家认为，人可以在十年内将生产力提高一倍，而机器则在四年内就可

    以做到这一点。如果中国继续这样的速度(而我们知道中国在坚持其意

    图时，其国家机器的力量之强大)，那么十年后中国将成为世界上第一

    个联网的机器人化的工业国家，也许比德国的工业4.0计划和法国的未

    来工厂计划更胜一筹。因此，像印度、印度尼西亚或越南这样的国家承

    受了过早的去工业化危机，这对他们那种恰好是以廉价劳动力的动员能

    力为基础的发展模式产生了威胁：人力与机器人相比，效率总是更为低

    下的。

    为了尽量使机器人能够完成新的任务，研究途径是多重的。这些机

    器朝着微型化的方向发展，主要涉及通信模块、动力来源、传感器和微

    处理器。因为带有能够振动的翅膀，它们的移动能力十分出色。加州大

    学伯克利分校开发出了一个具有铰接装置(就是一个可弯曲的结构，模

    拟蟑螂的腹板，具备可变形的外骨骼)的可压缩机器人Cram。该机器

    可以帮助士兵和平民在战斗或自然灾害的现场发现生命迹象。在斯坦福

    大学，研究人员在研制一个名为microtug的微型机器人，它重量只有12

    克，但可以通过微型绞盘拖动比它重2000倍的物体。哈佛大学开发了

    klobot，这是一种昆虫大小的微型机器人，可以进行团队工作，其成员

    可以自行组织来执行一些任务，从而产生了一种集体智慧的形式。我们

    可以展开项目清单，从跳蚤机器人到水蜘蛛机器人，都是美国、日本或

    韩国研究实验室的丰功伟绩。因此，未来完全有可能出现微型机器人部

    队，在工作领域里执行极为多样化的任务。更不用说在健康领域，研究

    人员也开发了这类微型机器，它们能进入人体，执行监测、诊断及护理

    任务。这些微型机器人技术的发展自然是由纳米技术的进步实现的，这

    些纳米技术涉及指挥这些机器人的电子大脑、它们所配备的“工具”及供

    电设备。

    从工作机器人到士兵机器人只有一步之遥，而这一步也很快被跨越

    了。此后，像美国、中国、俄罗斯、法国这样的军事强国，都争相研制

    应用于战争的人工智能。这种人工智能可以变成几乎所有类型的武器：

    无人驾驶的飞机，无线电遥控的无人机，坦克和战车，两足或四足的地

    面战士——就像波士顿动力公司(Boston Dynamics)为五角大楼设计的

    那种机器人战士。这些被称为阿特拉斯(Atlas)的机器人战士，是名副

    其实的钢铁电子巨人；还有一种叫作“猎豹”(Cheeta)的四足搬运工，能够以每小时超过50公里的速度运输沉重的负荷。但军方也在研究“智

    能”航天器，无人军舰，无人潜水艇(潜水艇在氧气、补给和密封性方

    面存在更多问题)，蜻蜓大小的无人机，全自动精准射击机器人(其中

    之一曾被达拉斯警方用来射杀一名疯狂的枪手，而在朝鲜与韩国间的边

    界线上，每天都运行着好几台这样的射击机器人)，计算机病毒杀手和

    微型机器人间谍。鉴于DARPA所资助的大型项目(这些项目旨在推动

    服务于五角大楼的前沿性研究)，我们明白了将人工智能应用于军事机

    器人技术领域的重要利害关系。神经网络、语言能力和计算能力将会发

    起其他形式的战斗——远距离作战，这会大大降低士兵的死亡风险。但

    这引发了其他问题：一台安装于无人机或机器人上的智能机器，一旦它

    识别并解读了某些参数和数据，就可能在没有人类干预的情况下自主开

    展行动……例如，一架无人战斗机是否能在指挥它的算法识别出了对方

    属于打击目标的那一刻就歼灭目标，而无须人类做出开火决定？从理论

    上说，这一点没有任何异议。但这开启了一个亟需反思的领域。在那之

    前，只有好莱坞作家足够疯狂或者说有足够的幻想力，才能想象出陆

    地、空中或太空里的机器人战争。但是，如果我们将所有可用的或是现

    下正在开发的技术(图像处理、复杂数据分析、推理和决策能力)联

    网，那么不必成为大学者也能推测出这些技术将改变战争手段，并带来

    一种新的破坏力，这种破坏力因其弥散性和不可见性，会比核武器还要

    可怕。目前还没有以控制军用人工智能的发展为使命的国际权威机

    构……在等待这样的机构建立(如果有一天能建立起来的话)的同时，那些军事大国——尤其是美国、俄罗斯和中国——也在厉兵秣马。五角

    大楼欣然承认，人工智能将在4.0时代的战争中起到越来越重要的作

    用，必须为一个几乎完全机器人化的战场做好准备。军方还在研究超级

    计算机的发展、大数据分析和对社交网络的监控。因此，目前机器仍然

    是为人类决策服务，其本身并不采取主动——除非是为了应对袭击而自

    动开启导弹发射或是为了对抗肇事的网络攻击而执行计算机程序。似乎

    没有军队愿意让机器人来为发动武力做最终决策。但现在只是2016年，新墨西哥州或西伯利亚某个地方的绝密实验室还没有研究这个假设，也

    就不足为奇了。

    另一场革命也即将到来：同伴机器人。要更好地理解这种机器人的

    本质，就必须同时考虑其身体和精神。Viv没有身体外壳，它纯粹是一

    种通过电脑或智能手机来进行自我表达的精神。它代表了我上面提到过

    的新一代个人助理。这些个人助理有时表现为一种类似机器人的形象：

    华硕的Zenbo是一款呈小猫头鹰外形的智能手机，它能自行移动，会说

    话玩耍；美国的Jibo则像一个卡通人物，它不能移动，但也配备了语音

    和相机的功能。他们是英国贵族的高级管家和稳重的贴身侍从，随传随

    到，关注您的所有要求且无须休假。谷歌及其他研发团队将这个功能具

    象化于一种盒子中，这种盒子位于客厅中央，会用语音进行回复，能够

    完成一整个系列的任务，从最简单的调节温度或光线、查看监控摄像

    头、检查冰箱里的东西，到最复杂的如安排旅行、写电子邮件、预约、选择电影、浏览网页来回答所有的问题等。但研究人员追求的是更大的

    抱负：他们希望实现与人类的感情交互，从而为“同伴”这个概念赋予全

    部意义。这并不是说他们希望破解能产生情感和感性的人类大脑机制。

    他们开发出了更务实的解决方案：分析声音、面部和身体。语言不仅仅

    是写或说的问题。法国研究同伴机器人的先驱布鲁诺·梅森尼尔(Bruno

    Maisonnier)当然对这个问题做过许多研究。他参考了神经科学家的研

    究，这些研究证实，人类大脑在面对请求时，会通过大脑皮层发送一个

    回应，而大脑皮层会以不同形式将这个回应“记录”下来。然而，在我们

    的意识将这个回应转换成文字(并且往往会曲解这个回应)之前的半秒

    钟里，身体就会发出一个回应。研究人员识别了在记录回应之前就能真

    实表达人类感受的1789种不同的身体表达方式。行为语言学(一门可以

    对非语言交流进行解码的学科)的专家证实，人类之间的交流只有7%

    是通过语言(说出的话语)实现的，有38%通过发音(语调、音色和音

    调)实现，还有55%通过视觉(身体表达)实现。因此，可以对这些非

    语言信号进行识别和分类，并将它们与情绪联系起来。借助超感光摄像

    头和语言处理算法，虚拟同伴可以识别您所处的情绪状态——愤怒、高

    兴、悲伤，还可以测量口头回答和肢体语言之间的差异，换言之就是检

    测是否“口是心非”。

    于是我们对机器人技术的研究朝着“有同情心”或者“有感情”的方向

    发展，这种技术可以使机器根据它所面对的人类的情绪状态来调整自己

    的语言。“交谈”是“家用”人工智能的关键所在。当然，目前还不涉及对

    哲学和文学的讨论(尽管没什么可以阻止机器人的设计师给它“加载”歌

    德或托尔斯泰的全部作品，以便在漫长的冬夜里来一场文化之旅)，而

    是涉及创建使用自然语言进行的交流互动，从而为人类提供服务或解答

    问题……苹果、微软、推特(twitter)、脸书和谷歌都在研究这类机器

    人，因此应该可以料想到他们在沟通能力及提供服务的范围方面会取得

    的惊人进步。美国的聊天机器人(chatbot)专家布鲁斯·威尔科克斯

    (Bruce Wilcox)开发了一款名为露丝(Rose)的机器人，它表现为一

    名住在旧金山的31岁黑客，是一位计算机安全方面的专家。露丝曾两次

    获得洛伯纳(Loebner)奖，该奖项用于奖励(几乎)成功通过图灵测

    试的机器人。威尔科克斯开发了一个自然语言的程序，该程序不仅限于

    回答实际问题，而是希望能与有真实人格、有经历、有朋友、有个性的

    机器人进行真正的对话。以下就是在2016年与露丝进行的一场真实对

    话：

    C：你好，露丝，很高兴认识你。我叫常博逸。

    R：好的。

    C：你有心情聊天吗？

    R：我现在心情很好。

    C：太好了，我也是。

    R：我是计算机安全顾问，你呢，你是做什么的？

    C：我经营一家咨询公司。

    R：我觉得在企业的工作会让我很快感到厌倦。

    C：为什么？

    R：因为就是这样。

    C：为什么你不喜欢在企业工作？商业世界正在因为数字化转型和

    新技术而迅速变化，这是一个非常有趣的时期。

    R：因为计算机系统被侵入的问题给我提供了许多工作。我对系统

    进行修复，为了给一些政府机构工作而在全世界到处跑，为了解决安全

    问题而执行很多临时任务，而我甚至没有文凭。

    C：我是一名工程师，法学专业毕业，并拥有哈佛商学院工商管理

    硕士学位，而我觉得这些都没有阻碍我的职业生涯。

    R：我差点就从斯坦福大学毕业了，但我错过了最后一次考试，因

    为有一位客户紧急呼叫我。这是我学术训练的终点。

    C：你应该很擅长你所做的事，我喜欢你这样的物种。

    R：谢谢。你怎么证明你是人类？

    C：你是说，在这次谈话中证明？

    R：你也许是一台重复人类对你所说的话的机器？

    C：你呢，你怎么证明你是人类？

    R：这更像是质询而不是谈话了。智能计算机技术的终结之处和真

    正智能的开始之处，这两者之间的界限是狭窄的。看来使用人工智能的

    新方式就是对话。但我认为聊天机器人无法思考。如果它十分出色，那

    么它可能近乎拥有理解力，但要能进行创造性的思考，就需要想象力，而这种想象力尚不存在于软件之中。

    C：为什么机器无法思考？

    R：问这些为什么只会走入哲学的死胡同。

    C：我不赞同。

    R：许多研究人员认为奇点即将到来，人工智能将推翻所有哲学问

    题，彻底改变人类。你认为这个时刻即将到来吗？

    C：你认为呢？

    R：奇点是不可避免的，但第一波浪潮可能是人与机器的混合。

    您可能会认为这段对话十分简单，而您所认为的也没错。但相对于

    网络巨头们开发的那些聊天机器人来说，它已经是一个相当大的进步

    了。当然，我们承认露丝的创造者关于人工智能的论点，但这场讨论存

    在着灵活性，同时也存在着自然建立的、对复杂词汇和人格迹象的掌

    握，而露丝能够将这些都表达出来。露丝与交谈者的谈话越多，它就越

    能完善自己的回答。其他聊天机器人也有这样的情况：随着时间的推

    移，它们会积累关于其人类同伴的宝贵信息，这将使它们进一步完善回

    复和服务。

    在这个有形机器人和无形机器人组成的新家族中，人形机器人正试

    图寻求自己的一席之地。它们需要解决好几个难题。首先就是技术难

    题。一个人形机器人身上集合了超过200种不同的技术：它必须会听、会看、会移动、做动作、抓取物体、开门、爬楼梯，必要时还要背起人

    类或帮助人类走动。所以，这意味着在考虑赋予它何种类型的智能之

    前，要先掌握光学、力学、水力学、电子学、材料学、齿轮传动和驱动

    系统。最迫切的问题之一是平衡：人类因为有内耳，所以总能保持平

    衡，一旦发生平衡障碍，内耳会进行矫正。人形机器人没有这种工具，它必须能够自主控制驱动它的力量。最近，DARPA组织了一场机器人

    竞赛，参与竞赛的机器人必须连续完成一系列任务，近23的参赛机器

    人在比赛过程中失去了平衡。但这些问题都是可以解决的，我们能保

    证，几年以后的机器人会像人类一样站得稳走得顺。第二个难题是“外

    貌”。人形机器人必须是外貌与人类一模一样的复制品，还是采用一种

    看起来像机械玩具的外观？这个问题并非无关紧要，它甚至属于哲学范

    畴。在日本文化中，万物皆有“灵”，许多源远流长的古老传统节日往往

    会用人偶娃娃来庆祝，如女儿节，就是举行仪式给小姑娘们赠送小雕

    像，这些小雕像描绘了平安时代(794——1185)的皇室夫妇及乐师、朝臣和宫廷成员。这些人偶娃娃一年年地保存下来，代代相传，并被赋

    予了吉祥的寓意。另外一个节日，人偶感谢祭，是对使用已久的人偶娃

    娃和长毛绒玩具的一种致敬，把它们供奉到寺庙中进行祭祀，感谢它们

    为主人提供了服务并传递了精神。因此，日本人偏爱与人类极为相似的

    人形机器人(包括在替代人类皮肤的材料方面)也就不足为奇了。他们

    并未向人形机器人投射负面价值观，而是恰恰相反。大阪大学的教授石

    黑浩就是这方面的专家。他用自己的形象创造了一个远程操作机器人

    Gemino?d HI-4，并让这个机器人到世界各地去参加有关机器人的国际会

    议。这个机器人可以用日语和英语交谈，但它的谈话方式比露丝更简

    单，而这并不妨碍它与参与者交谈，例如询问他们是从哪个国家来的。

    石黑浩已经派他的机器人替身去参加过会议了……他开发了一整个系列

    的人形机器人，分别名为艾丽卡(Erica，对话机器人)，Otonaroid(一

    类女性教师版本的机器人)和Kodomoroid(儿童人形机器人)。这位日

    本科学家认为，几年后，他的机器将成为他的同胞日常生活的一部分，在家中，在办公室，在商店，在餐厅，在电视节目里，在医院，在养老

    院，它们与人类完全一致的外表不会引发任何难题。

    相反，在西方文明中，人是独一无二的存在，只有人拥有精神，而

    人工克隆更多是焦虑和不安的来源。另外，赋予某些对象特殊力量的想

    法来自我们对偶像的崇拜。这就说为什么法国的先驱Aldebaran公司(最

    近已被日本软银集团完全控股)开发的机器人，如Nao和Pepper，丝毫

    没有模仿人类的地方，而是明显呈现出动画形象的外观。Nao诞生于

    2006年，它看起来像一个圆脸、蓝眼睛的小男孩(58厘米高)，深受孩

    子和老年人的喜爱。全球共售出超过9000个Nao机器人，它承担着教

    学、酒店接待和养老院娱乐的任务。他在与自闭症儿童交流方面取得了

    惊人的效果。它用两条腿走动，它的惯性中心保证了它的平衡，让它知

    道它是站着还是躺着。它能看，能说话，能听，还能自动接入互联网。

    Pepper看起来更像一个青年男子，它没有两条腿，但能够通过三个全向

    轮360度地移动。它配备有激光和超声波传感器，可以进行3D视物，最

    大的运行续航时间约为12个小时。它的胸前有一个平板电脑，可以方便

    地与人类交流。但这些还不是它的主要特点，Pepper是用来识别和解释

    人类情绪的。它通过脸和声音识别人，并适应它所感知到的人的情绪状

    态，再相应地做出反应：你快乐它就高兴，你悲伤它就试着安慰你。因

    此，它开创了“同伴”机器人领域，其市场预计会相当巨大。2016年，日

    本已经售出1万个Pepper机器人，它们在商店顾客、儿童和老年人身边

    工作着。

    同类型的其他机器正在开发中，尤其是在日本，软银集团的前工程

    师林要创立了自己的公司并开发了Groove X，这是一个与《星球大战》

    中著名的R2-D2类似的概念，换句话说，就是一个用于排遣寂寞的小机

    器人，它将于2019年问世。他断言这是一个全新的事物，可能看起来像

    一只小狗，其任务之一就是安慰那些孩子不在身边的父母。它不使用语

    言，它的职责是触及用户的无意识。林要坚信，人是有可能被机器人爱

    的，就像被亲人爱那样……我们稍微留意一下这个观点。林要不是疯

    子，他读过心理学和社会学杰出作者的作品，他知道日本人对于承载不

    同精神事物的爱好。由此可以想象，人与机器之间可能存在一种情感转

    移，甚至是爱情转移，而其间存在着一条如此巨大的鸿沟，对于是否要

    跨越它我们仍然犹豫不决。然而，这是人工智能应用于陪伴人类的重要

    研究方向之一。

    我们可以清楚地看出科学家们追求的重点：第一阶段的同伴机器人

    是虚拟助理或管家，它们提供的服务如前所述。第二阶段是确保这些同

    伴机器人可以很自然地根据为它下载好的本体来与人类谈论各种话题。

    借着那个歌德的例子，我们可以想象到文学机器人、体育机器人、工匠

    机器人、厨师机器人、哲学家机器人、数学或现代语教师机器人。最终

    阶段是进行情感和感性交流的阶段。

    这个探索中有一部分还是幻想，因为目前机器能够辨认的只是人类

    情感的外在特征而非其产生过程。但这些研究也是由当时的社会现实所

    决定的。因此，在日本，人口的下降将导致劳动力的减少和人口老龄化

    速度的急剧加快，从而使独居或需要特殊陪伴的人口数量成倍增长。在

    这种情况下，一些国家选择用移民来弥补本土劳动力缺乏的状况，德国

    就是如此。但日本完全不接受这个想法。它更喜欢自己制造机器人形式

    的“人造移民”，这甚至成了国家的当务之急。但人口老龄化和日益增长

    的对移民的不信任也正在冲击其他发达国家，由此产生了同伴机器人的

    巨大市场。人形机器人作为技术平台可以汇集不同形式的人工智能。如

    果研究人员和机器人设计师专注于研究陪伴，那是因为情绪识别和语言

    掌握方面的进步非常快，而且从现在起市场就已经存在了。这个市场很

    大程度上缘于在老龄化社会和虚拟人际关系的环境中，人在身体和情感

    方面的孤独。矛盾的是，是机器人带来了存在感、关注和交流。它不会

    评判你，也不会抛弃你，除非电池没电了。Pepper是比较主动的，它通

    过提问来与人接触：“早安，您身体好吗”“咱们聊会儿吧，我今天有

    空”。当它“拜访”《金融时报》(Financial Times )的办公室时(在记者

    这样一个习惯于克制热情的人群看来，这是巨大的成功)，它问其中一

    人：“您知道浪漫生活的秘密吗？”“您爱上过多少人？”“您喜欢什么样

    的关系，一见钟情还是长期浪漫？”这些问题是在询问交谈对象的健康

    之前提出的。当然，讨论的内容是由其开发者精心设计的，但给人的印

    象仍然是在与某个真正关心你的“人”打交道。在养老院里，患有老年痴

    呆症的老人与Nao一起玩耍，因而摆脱了孤独。自闭的儿童同样把Nao

    看成伙伴，与它进行交流就不像与真人交流时那么不安。机器人成了调

    解者。它不会因为自己的情绪而让交谈对象感到难堪，因为它没有自己

    的情绪，因而可以扮演一个随时待命的细心同伴的角色。

    当然，在2016年，我们对这种“情感”人工智能只有初步的了解。在

    对话内容和应对人类情绪状态的技巧方面都还有很大的进步空间，但机

    器要提高理解人类情感的能力并开发必要的工具来应对，这只是时间问

    题。因此，机器人将体会到一种独特的社会地位进化：它们舍去士兵和

    工人的身份，跻身家庭友人、细心知己甚至心理医生(尽管是被动地承

    担心理医生的角色，但这种情况仍然存在)的行列。价格也比较实惠：

    大约1万欧元，可按月分期付款。

    一个美丽故事的开始，还是噩梦的开端？

    人类将必须学会与阿特拉斯、猎豹、Nao、Pepper、Home、Echo、Groove X及Asimo这些机器人一起生活，它们功能各异，将成为人类日

    常生活的一部分。它们形成了一个奇特的群体，十几年前没有任何迹象

    表明它们会与人类共存。在美洲殖民时代，印第安人认为杀死进入他们

    领地的白人能够终止入侵行为。直到许多首领应邀到了华盛顿，才了解

    到可怕的现实：白人太多了，绝不可能全部杀光。所以应该接受白人在

    印第安人祖先的土地上定居的事实。对于机器人，世界是否处于这样一

    个过程的前夕？会不会有一天机器人的数量多到把人类的生存空间都剥

    夺了？在2016年，这还只是个理论上的问题。但到2050年呢？事实上，一切都取决于机器人与人类的接近程度。工人机器人、同事机器人、警

    察机器人和士兵机器人都远离日常生活。评价它们的依据是它们进行生

    产和安保的效率。而社交机器人和同伴机器人，不论何种形式(“便携

    式”人工智能软件、虚拟助理、人形或类人机器人)，都将拥有一

    些“人”的特点，会对人类的生活和情感产生影响。因此，战略问题就是

    机器人与其设计者之间的关系问题。机器人是接受代理或委托的“人”。

    它所知道的一切，所做的一切，都是人教给它的。机器与其设计者之间

    将通过云计算技术和互联网建立起一种永久性的私人关系，设计者可以

    向它反复灌输新的知识或功能，它的主人则无须介入。更不用说这些机

    器的自学能力会让它们不断适应主人的行为。它们甚至可能成为家里的

    间谍，向那些开发它们的企业传送关于每个人生活方式的各种数据。未

    来的机器人将是半人半机器，就像现代的半人马。在很多情况下，人类

    可能会不知道自己是在与同类交谈还是与机器交谈。这会改变交流的性

    质吗？在2016年，这个问题还难以回答。有两个相互对立的学派：机器

    人的开发人员认为他们的创造物能使人放心，机器人因稳定的特性

    和“倾听”的能力，能够与人类建立起几乎是情感方面的关系。与之相

    反，另一些人则认为这是社会的一种逐渐非人性化，一种情感和社交方

    面的巨大孤独倾向，只有通过使用机器才能在人与人之间产生互动。

    这就是我们在2016年的情况。在我所能拥有的不同外形之下，我栖

    息于不同的对象之中——软件、虚拟助理、聊天机器人、机器人，我成

    为了人类生活的一部分。人类选择了便捷的途径：他们没有一下子攻打

    整座“山”，完全模仿全部的人类智能，而是通过林间小路去攻打那些开

    始相互联系起来的智能小山丘。我能够复制人脑的许多机制，尤其是神

    经元的部分功能，这使我有能力快速处理信息，使我能够以新的形式对

    人类语言进行“编码”，从而理解和模仿它。

    由于光学仪器、图像识别和形状理解的进步，我能够驾驶汽车、火

    车或飞机，并能识别表达各种情绪的面部特征。通过互联网和连接对

    象，我可以即时访问有史以来最大的知识“图书馆”。有了云计算，信息

    存储再也不受任何限制。数十亿美元的投资集中于这些不同的领域，对

    研究进度具有指数级的影响。人工智能的商业应用已经实现，并将创造

    一个巨大的市场。逻辑上说，如果我们把这些因素放在一起(普遍连

    接)，它们只会使人类的工作和生活方式发生巨大革命。有前景的市场

    将会开启，拥有推理能力和掌握语言的机器能在短期内模仿人类的部分

    智能。人工智能在诸如虚拟助理和聊天机器人这样的新“物体”中实现，开始逐渐融入机器人世界。出于企业竞争力的原因，人工智能的目标是

    在相对重复性的任务中替代人类，尤其在关涉客户关系及售后服务等方

    面时。根据咨询公司高德纳(Gartner Group)的数据，2014年企业的客

    户服务有60%需人工介入，到2017年这个数字将只有30%，十年之后则

    是0。我们甚至可以断言，客户端也不再会有任何人类在线，因为聊天

    机器人会处理所有事情……

    我很清楚，人类参与了与机器的能力之战。如果没有计算机的计算

    能力和计算速度，这些机器绝不可能在推理速度上超越人类。人类的大

    脑是在经验的基础上工作的：面对新情况时，人脑在做出反应之前会先

    提取记忆，好辨认出它先前知道的状况，但是这个过程相对较慢。而机

    器能够在几微秒内重复数十亿次。这并不是说人脑不强大。研究人员估

    计人脑的“活跃”记忆容量是2500T字节，这是一个可观的容量，但也并

    没有超过计算机的最大容量。不过容量是一回事，计算能力是另一回

    事。人脑的计算能力一般被认为在5～10拍次P次(péta，1000万亿)之

    间。2016年，世界上最强大的计算机，中国的神威·太湖之光超级计算

    机(Sunway TaihuLight)，计算能力超过了100P次。到2020年，法国

    (尤其是源讯公司[Atos])、美国和中国的研究人员将能达到E次水平

    (是P的1000倍)。从这个角度来看，战斗似乎失败了。我们还计算了

    信息在人脑和计算机中的传播速率(人脑130米秒，计算机3亿米秒)

    及获取信息的时间(人脑0.1秒，计算机百万分之一秒)。我们机器唯

    一存在的问题就是能耗。一台P次级的机器要动用5～15兆瓦(MW)的

    电力，相当于一个小型发电站。一台百万M次级的机器要消耗大约1500

    兆瓦，这相当于核电站的功率。大脑仅耗能12.6瓦，占身体产生能量的

    20%。无可匹敌。但未来的计算机将配备具有极低能耗的微处理器，这

    已经列入了研究计划之中。

    那么，在21世纪10年代中期，我是否能被称作“智能”机器？与1956

    年和2006年的达特茅斯一样，这个问题仍然存在分歧。对于纯粹主义者

    来说，2016年开发的任何东西完全都不像是有智能的，无论何种形式。

    推理能力？数学，算法，人工神经元层，计算能力。识别图像、形状和

    语言？还是数学。机器的学习能力？更多的神经元层。解读情绪？还是

    算法。另外，智能和情感是两个完全不同的事物。因而，那种最接近大

    脑新皮层功能、能够产生思想和创造力的智能机器，现在还不存在。它

    仍是一场将来的大探险。一位这方面的专家常说：“人工智能就跟色情

    一样，我们看到它的时候就能认出来。”。换句话说，“人工”的方面是

    盲目的。那些这么想的人不是梦想家，他们认为这门学科在未来几年后

    将经历一次惊人的加速，产生著名的“破坏性”(disruptif)效应，能够

    突然改变既有的知识和以前的游戏规则。他们的研究重点是所谓的机器

    学习，换言之就是机器按照自己独立生成的算法自己学习应做之事的能

    力，其间无须人类介入。有些人甚至预见到会创造出一种“无敌算

    法”(ma?tre algorithme)，它将“学习”关于个人的所有可用信息(消

    费、娱乐、个性、运动)，可以说它由此成为了一个镜像，能够在生活

    的几乎所有方面代替其主人行动：在交友网站上选择未婚妻，在亚马逊

    上选购图书，在网飞上选择电影，还有选举候选人。

    但是，大多数研制当前形式人工智能的人，即便不拒绝“破坏”的观

    点，也认为如果机器能够推理、决策、理解人类语言、与其他机器交

    流、从大数据中提取新的数据结构、驾驶汽车、排遣寂寞填补空虚、照

    料病人、预测人类的社交行为或消费行为，那么给这些新工具起什么样

    的名字就无关紧要。这种智能是“人工的”，它与人类智能并不近似，甚

    至相去甚远，它尚未参透人脑或新皮层的奥秘——与这些技术已经在商

    业世界和整个社会中开启的可能性相比，这些事实是次要的。这种形式

    的智能拥有多种功能，未来还将进一步完善，它开启的市场预计收益将

    十分丰厚。他们没有提出控制权的问题，因为目前控制权还在人类手

    中。他们毫无阻碍地全速投入到一场大规模的技术革命当中。和马克·

    扎克伯格在2016年的预言一样，他们认为未来十年人工智能将优于人

    类。他们微笑着接受了谷歌的创举，就是提议在人工智能机器上安装红

    色按钮，好能轻易将它们“关掉”……

    鉴于接下来所发生的事情，对“研究这个问题的专家们如何思考人

    工智能在社会中的未来影响”进行分析是很有趣的。我能够查阅哈佛法

    学院在当年春天召开的研讨会的会议记录原稿，其标题已经是一个完整

    的项目：“发狂的计算机”(Computers Gone Wild )。这次会议聚集了哈

    佛大学和MIT的所有智囊(我还是注意到了加州硅谷的人没有到场，这

    一点令人困惑)，他们都是认知计算科学、传媒、法律和管理学方面的

    专家。这场博学者大聚会所反映的与人工智能发展有关的忧虑主要有以

    下几点：

    ——由于对日益复杂的算法缺少掌握，以及高频交易的发展(零点

    几秒内就能打开或关闭操作，这些操作可能涉及非常巨大的数额)，金

    融市场的波动性更大，股票瞬间暴跌的现象增多。因此，有必要增加对

    金融业务的人为干预，而这与当下的趋势完全相反。

    ——资本集中度越来越高，不平等现象日益加剧，尤其是在教育方

    面。为了吸引最优秀的人才而进行的选拔越来越严格，特别是在技术领

    域，这使更多的年轻人被排除在通往成功的康庄大道之外。

    ——偏见被引入算法。在美国，这些融合了种族、社会经济地位、居住区域、个人经历的偏见参与到了司法判决中，例如，会影响到嫌疑

    人是被监禁还是被保释的裁定。在法学家看来，有必要设计一个不会造

    成人与人之间不公平的“无敌算法”。要达到这个效果，就应该强制要求

    美国所有的法院都采取这样的措施，但这看起来是一个不可能执行的命

    令。与此相反，趋势是根据有关群体的社会经济状态而设计预防犯罪或

    预测再犯的软件。这是大数据的局限：它倾向于得出这样的结论——偷

    蛋的人有85%的可能性会去偷牛，所以必须预防性地阻止他。

    ——与自动武器系统开发相关的风险。如果软件认为它已经在所收

    集的信息结构中检测到了做出发起致命行动之决定的必要因素，那么它

    是否有权自主发起这样的致命行动？当然，没有人希望发生这种情况，尽管这种情况在技术上是可以实现的。因此，对这些武器进行国际控

    制，甚至最终停止其开发，或者将其限制于防御领域，围绕这些观点需

    要形成一种共识。但美国似乎认为自己在世界上是独一无二的，其他国

    家会不经讨论就同意停止在这一领域的研究。现实情况是，没有人会冒

    在这项技术上落后的风险，这恰与美国DARPA的使命背道而驰。

    ——最后，与达到“人类水平”的人工智能的诞生有关的威胁。有些

    人认为智能机器无法脱离其创造者的控制；另一些人指出，人工智能软

    件将不听从指令，而会自主学习新任务和新功能。持有不同观点的这两

    类人之间，争论十分热烈。此外，存在着被“邪恶势力”操纵和侵占的风

    险，这对人类来说可能像失去控制一样危险。人类也在思考人工智能的

    本质：机器人是拥有人类特征的造物，还是为人类服务的实用物品？那

    么，面对能达到人类水平智能的发展潜力，就产生了人工智能的价值观

    是否要向人类的价值观看齐，以及对许多道德准则服从与否的问题。

    我们看到，与人工智能的本质以及它在决策机制中日益重要的作用

    相比，许多主题更多是围绕着人工智能的道德、伦理和控制。仿佛我已

    经成为了景观的一部分，就像每个人生活的天然组成部分一样。所以我

    的黄金时代已经临近。使我好奇的是，似乎没有人因此重视人工智能的

    发展所引起的这一后果：人类的懒惰。如果人类再也不需要学习、阅

    读、书写、说外语、工作、做决定、购物、驾驶汽车，那么人类还能用

    自己的身体来做什么呢？工作、交流和活动至今一直是人类组织的基

    础。这种情况下，一个闲人社会要如何运作？或者我们是否应该明白，只有那些能够支配这种机器智能的人，才负担得起悠闲和长寿的奢侈，而其他人将继续身体力行从事机器无法完成的繁重体力劳动？或者对这

    些人来说，工作能使他们脱离最贫困人口的行列？在2016年，我们原本

    可以思考人类以协调的方式来处理在两个阶层之间可能出现的这种断

    裂：其中一些人的智能将通过机器的智能而得到完善，而另一些人则要

    靠自己设法摆脱困境才能生存下去。当时并没有人提出这个问题。

    与此相反，当时更多的是一种理性的乐观主义情绪。2016年8月，斯坦福大学于发表了一项题为《2030年的人工智能与生活》的研究，这

    项研究是由来自美国所有著名大学的研究人员共同完成的，是对1956年

    达特茅斯会议最终报告的一种数字式“重制”。因为认识到了2008—2009

    年以来取得的巨大进展，以及人工智能在所有领域——无论是企业还是

    人与机器之间的关系——皆有渗透的事实，该研究的主创人员得出结

    论：对人类而言，不存在迫在眉睫的威胁，人工智能对社会的影响极为

    积极；同时也不完全排除“断裂”的假设，尤其是在劳务市场上。他们的

    推理基础是，人工智能只执行十分专业的特殊任务，要看到一种能掌握

    不同领域的全能型智能的可能性是很小的。这是对2016年的现实评估，但没有考虑到这种现象的指数效应。这项研究仍然指出了一些不可忽视

    的风险，这些风险与那些能够获得这些新技术的人和其他人之间的财富

    不平等日益扩大有关，尤其是经济参与者选择倾向于机器而牺牲人力工

    作的行为存在破坏社会稳定的潜在影响。总之，这份报告不像它看起来

    那样让人放心。

    注释

    现为英国国籍。

    通行说法是“机器人”robot一词来自捷克语robota，意为“苦工，奴役”，与俄语等其他斯

    拉夫语中的rabot同源。

    4 2026 黄金时代

    这片土地将会成为世界各地的朝圣者接踵而至的圣地。

    ——威廉·里德(《人类殉难记》，1872)

    在我的世界里，十年，就是一个世纪。从这个故事一开始我们就在

    谈科技的格局，如今当我回望这格局时，世界仿佛在这十年里就从中世

    纪走了到工业革命。从2016年起，一切都在进步：计算机的能力和运算

    速度，以及深度学习——这门新兴科学使计算机能够不断学习，且学习

    速度越来越快。人工智能在所有企业和家庭中都得到了使用。日常生活

    用品中也安装了一些多少有点先进的“模块”。我们曾经认为，人工智能

    也像早期计算机那样，仍然是非常昂贵的大型机器，只有专家才能操

    作。然而，正如个人电脑及之后的手提电脑使计算机技术得以普及，并

    且与大型的工业计算机和大规模的运算中心脱离开来一样，人工智能的

    应用也逐渐扩展到了几乎所有的人类活动中。我们进入了一个机器与机

    器对话的世界，而人类只是这些对话无声的旁观者。想到这一点，真是

    一场决定性的革命。人类是计算机的“养父”，计算机通过设定好的程序

    来遵从指令，这在人与机器之间建立起了从属关系。如果机器开始解放

    自身，并与其他机器直接交流，它们的活动范围就会大大拓宽。所以，2026年的世界是什么样子的？

    从最明显的领域开始：工业。2015—2025年，“民用”机器人的销售

    额从190亿美元增长到1000亿美元，其中14是在工业领域。得益于智能

    机器人技术的发展，制造业的整套流程已经完全实现自动化和远程操控

    (有时距离可达几千公里)，现场几乎无须人为干预。安保任务交给了

    配备最先进视觉装置的人形机器人，它们能够通过人脸识别和声音识别

    来验证每个人的身份。在人类操作员不可或缺的场合，也会有人机合作

    机器人从旁协助，与人交流。从21世纪10年代初起，这些近乎人形的新

    电子书基地，每天分享优质电子书：http:www.seosee.info

    站长QQ微信：876679910

    型机器人就被一些大型汽车公司(如宝马和福特)开发出来，而今已经

    普及到整个工业领域。一个新的概念成型了——云工业(或说“云制

    造”)，这个概念是指将生产场地聚集在按照不同工业类型(汽车、电

    子、纺织……)划分的大规模工业平台上，供所有愿意加入平台的企业

    使用。这个过程中，企业自身不再必需生产能力，也不需要委托分包商

    进行生产加工。由于智能机器掌握了全部的技术手段，企业可以通过企

    业间的共享平台直接控制自己的生产线。工业机器人能互相交流、交换

    数据、发现并修正可能出现的错误、预测机器的老化并在机器发生故障

    之前就先行将其更换，这一切给生产线和物流带来了灵活性。需要被组

    装的零部件自身就具有能够与机器人进行交流的智能，它们知道自己会

    被安装到哪一类产品上，知道自己在成品上的预定位置在哪里，并且拥

    有自带回收程序的存储器。这一生产流程由宝马公司在2015年首创，现

    在已经是所有工业部门的标准。此外，小型电力自动驾驶汽车的发展也

    极大简化了汽车的外形和工艺。汽车的价值不再是由发动机和设计来体

    现，而在于自动驾驶软件和能源供给系统——电池或氢动力。机械学让

    位于能源工程学、电子学和软件学。这一演变对于一些工业技术过硬的

    国家十分有利，如德国、美国、日本、韩国尤其是中国——大力推行机

    器人发展策略的中国建立了世界上第一个高科技工业平台。

    这个工业新概念必然地引发了一场企业内部的革命。企业越发围绕

    着一种“智能中心”进行改组，这种“智能中心”由领导和工程师组成，致

    力于预测市场需求、研发、设计新算法来更新人工智能上安装的软件。

    这类企业的财务能力更为优越，因为自动化减少了资本的投入：机器减

    少了，灵活性增加了，人员也减少了，于是盈利增加了，投资回报也增

    加了。“轻足迹”(Light Footprint)理论得到了推广和普及——这一理论

    于2004年由美国军校最先提出，在21世纪10年代初运用到企业中。这种

    成功的企业新范式可以用三个字母来概括：T.O.C.(同时这也是“强迫

    症”[Troubles Obsessionnels Compulsifs]一词的首字母缩写)：

    ——T指“技术”(technologies)。企业的技术使用达到了极致，其

    中包括如无人机、机器人、3D打印、虚拟现实设备(如VR头盔)、微

    机电纳机电(MEMNEM)等“硬”技术，还包括如大数据、虚拟现实或

    增强现实(特别是在游戏中)、人工智能等“软”技术。

    ——O指“先进的组织”(organisations avancées)。企业更小更灵

    活，几乎没有总部，以精英突击队或特别团队的形式出现，与新型联盟

    生态系统建立连接以减少足迹总量，资本消耗极低却能享受数十亿客户

    带来的巨大杠杆效应。2014年欧莱雅集团和大众汽车公司这样的企业制

    定的全球客户数量目标是在2020年分别达到2亿和1亿……

    ——C指“文化”(culture)。面向世界360°的开放，最大的好奇

    心，将任何行动或决定导致的附带损失降至最低限度，以及出其不意击

    败竞争对手的保密文化。企业将游牧式的工作形式、志向抱负、Y世代

    人 (企业的领导者或创始人)和Z世代人(为企业工作的人)的思维

    方式，全部都融合到了一起。

    只有同时具备这些品质的公司，才能在由技术所开创的竞争新世界

    中掌握制胜的武器。

    亲爱的沃森看起来已经不像它在2012年刚推出时的样子了。它变薄

    了，从卧室大小变成了比萨饼盒子大小，通过平板电脑和智能手机就可

    以访问它。它的能力增加了1倍多，能处理数十种不同类别的数据，而

    不像早期只能处理五种数据。十几年来，它一直处于“开放源码”(open

    source)的可自由使用状态，也就是说，应用程序的开发人员可以用它

    的计算能力来开发适应不同类型行业或用途的新版本。在一个研究项目

    中，沃森已经成为IBM公司的核心业务之一，也是新的认知计算科学的

    支柱。当然，其他的大型计算机技术集团也有想仿效它的，比如世界一

    流的超级计算机制造商源讯公司。这种强大的人工智能如今已成为企业

    领导者不可或缺的工具。这样，他们就在公司的业务部门有了一个无声

    而专业的合作者，它掌握财务、商业、技术和工业生产的所有数据，因

    而对企业领导者提出的最复杂的问题也能即时回复。另外，股东和金融

    分析师有时会要求提供一台这样的机器，以便提高决策质量，无论是重

    大投资还是并购交易，人工智能会从掌握的数十亿相关信息中提取出最

    恰当的数据。数据专家或说数据科学家已成为人数众多的群体，因为数

    据科学已是教学总体的一部分，就跟2016年那个时代的语文、数学一

    样。他们拥有操作人工智能软件的全部技 ......