人工智能的距離——從脫離肉體的比特到人類般的行為和思考

2011年2月，在IBM的超級計算機沃森取得了兩場《危險邊緣》（美國知名智力競賽節目）冠軍賽的勝利後，各種媒體開始對AI展開了七嘴八舌的讨論，就像14年前，沃森的前輩——深藍在一場國際象棋比賽中擊敗了世界冠軍卡斯帕羅夫。衆多部落客、記者、主持人又開始了這個老生常談的問題，這個問題自從計算機科學出現就一直萦繞在我們心頭——計算機何時可以超過人類智力？

       深藍和沃森展現的是一種抽象的、“脫離肉體存在”的智力，這在近幾年一直飽受認知學家和機器人學家的質疑。印第安納大學的Colin Allen一直從生理化、具體化的角度來探索人類和動物不斷演化的認知，這不僅包括我們的大腦，還包括我們的整個身體，甚至是周圍的環境。這個關于認知的新觀點為智能機器人的設計提供了更多的可能性。真正的智能機器人不僅要擁有身體化、具象化的智力，還要可以對外部環境進行感覺和回報，而這恰恰是今天的深藍和沃森們所不具備的。

1、會思考的機器人

       機器人先驅深藍在1989年曾輸給過卡斯帕羅夫，後來在1996年，深藍取得了進步——赢了卡斯帕羅夫一局比賽，終于在1997年，深藍依靠自己不斷更新的軟體擊敗了卡斯帕羅夫，而後者曾譴責說，深藍的軟體就是基于他的下棋風格量身打造的。卡斯帕羅夫在路透社采訪時表示，他從“外星人對手”身上可以看到了“智力的影子”，雖然這種智力風格與人類存在差別。卡斯帕羅夫輸的并不是心服口服，因為在他眼裡，深藍就是針對他的風格進行了軟體定制和更新，這隻是一種計算能力的提升，而非真正的下棋水準的進步。事實确實如此，深藍每走一步其實是在檢查了每個棋子移動帶來的各種組合之後做出的，它用的是典型的計算機思維——在把所有路徑嘗試一遍後找到最佳。這當然不是人類的下棋方法。

       卡斯帕羅夫抱怨的有道理，下棋這種遊戲就是一種在數量上有限制的博弈樹，計算機可以輕而易舉的窮舉出所有可能，人類下棋時的運籌帷幄、互相博奕等智力展現對于計算機來說其實就是計算，這确實與智力無關。

       沃森也是利用這種類似的“外星人方法”赢得了比賽。它展現出的最重要的技能是破譯出遊戲中提到的種種撲朔迷離的線索，然後以此為關鍵字在龐大的資料庫中做一個簡單的搜尋，最後找到相關資訊。雖然沃森在比賽時沒有聯網，但工程師已經事先幾乎把所有網際網路上的資訊都存儲到了沃森的資料庫中備用。

       沃森、深藍和其他在智能機器人方面的嘗試都有一種共同點——他們都是一種脫離肉體的、抽象的智力。國際象棋有着一系列規則和固定的棋盤格局，這很容易被計算機掌握；而《危險邊緣》則具備程式化的問題和答案，這使得沃森的研發重點完全為軟體算法，開發者無需考慮人類身體那般的複雜實體運動的協作。沃森唯一需要設計的機械部分就是幫助其按搶答器的“手”。

       自計算機出現，抽象化的智力方式就受到科學家的喜歡。1950年，阿蘭圖靈設計了著名測試機器和人是否可以區分的“圖靈測試”，裁判同時像計算機和人詢問相同的問題，如果裁判根據得到的答案無法區分出誰是計算機，誰是人類，則表示該計算機具備了人類的智力水準。參加圖靈測試的機器人也被設計成沒有實體——圖靈認為相對于智力，實體無關緊要。測試的談話僅限于使用唯一的文本管道，例如計算機鍵盤和螢幕，這樣的結果是不依賴于計算機把單詞轉換為音頻的能力。圖靈認為，對于列印文本的限制可以更加公平的區分出人類智力和機器智力。

       但是，設計一個可以像人類一樣正常交談的電腦卻異常艱難。我們在談話中會感覺自己所處的實體空間，會敏銳的察覺到語言交談中在聲音、情感方面的細微差别。沃森不具備自然語言能力，當人類對手在傾聽主持人說出的各種線索時，它其實是文本的數字信号。Siri雖然擁有聲音認知能力，但其對使用者講話含義的誤解程度已經衆所周知了。目前的機器認知都缺乏這些真正的交流方式，是以他們才會有一種看起來非常怪異、完全不符合人類智力特征的“外星人”智力。

 2、缺少生物特征的機器人

       在人工智能早期，大家普遍認為對于機器人來說最困難的工作是下棋、回答問題等人類特有的行為，也是人類與其他動物劃清界線的行為。但後來卻發現，走路、覓食等行為也是同樣困難，甚至是更難。機器人學家發現，軟體和硬體在短短的幾年内根本無法獲得人類那種在漫長進化中才能形成的行為。

       通過對動物的仔細觀察發現，自然界在塑造生物時有着非常多的且不易察覺的技巧和細節，人類和動物的智力不僅有大腦有關，還包括整個身體。

       這就是為什麼我們會覺得深藍、沃森和Siri的智力如此“外星人”的原因。雖然它們之中有兩個會講話，但沒人會走路，也缺乏那種尋求外部資源和能量來維持自身生存的生物本能。它們無法解釋自己的感覺，它們具備的是一種類似于人類演講的局限性很強的輸出方式，因為它們這種能力來自于固定的程式設計。簡言之，這些系統缺乏智力生物的絕大多數基本特征。

       如今的人工智能不僅缺乏感覺功能，還缺乏基礎的短期記憶，它們無法在目前所做的事情和10秒鐘之前、10分鐘之前或者10小時之前做的事情之間建立起一個靈活的聯系。由于缺乏感覺、尋找食物和同伴的欲望、規避風險的本能，深藍、沃森和Siri在智力水準不僅遠遠沒有達到人類的水準，甚至還不如小狗和鴕鳥等動物。

 3、有身體的機器人

       慶幸的是，機器人領域自圖靈時代起已經在發生着變化。我們對人類和動物認知系統的實體實體和認知系統與外部環境的融合已經有了越發深入的了解，這會為人工智能的設計提供不少靈感。應用機器人領域在發展有實體的認知方面也取得了常足進步，而大家對人工智能目标的讨論也更具實際意義，而不是單純的開發一些隻能用來赢得電視娛樂比賽的機器人。

自主hua機器人的設計目标為獨立、可行動和可适應多變的環境。這不是那些在流水線處理重複人物的工業機器人，也不是iRobot的清潔機器人或谷歌自動駕駛汽車。自主化機器人能夠感覺到外部環境中的各種實體，并對外部變化适時做出恰當反應，而不是幾個月前提前預設好。

       具備實體的智力模式還可以繁殖出更加先進的智能機器人，這些機器人可以通過視覺和觸覺來搜集關于物體的資訊，甚至通過對它們的視覺重構來解決問題。這包括MIT設計的社交機器人——Ripley，它能更好的學習語言，德國KIT科學家研發的ARMAR-III可以在一般的家居環境中與人類進行交流。通過與環境中的物體進行交流，Ripley和ARMAR-III每天都可以學到各種動作的實體特征，還能學會服從指令。

       機器人對環境實時回報的運作機制最先在控制論中有所涉及，其核心是對動物行為控制中的回報回路進行分析。控制論學家發展了這一理論，他們認為為了在一定的功能範圍内維持該系統，尋求一種積極回報和消極回報的平衡最為必要。我們回報回路的存在會使之前的行為結果影響到将來的行為，例如，打冷顫會提高身體溫度，然後就會停止打冷顫。

       控制論中的一個核心觀點是，我們在與環境持續的互動過程中會形成感覺活動的回報回路，而認知則包括這些回報回路的精确協作。這些回路不僅涉及神經系統，還涉及我們的身體和其所存在的環境。通過一個例子可以說明環境變化引起的修正在此回路中的重要性，當我們在吃飯時，是外部環境中“面前不斷減少的食物”給了我們暗示讓我們停止吃飯，而不是那個“告訴我們吃飽了”的身體内部信号。有實驗表明，人們在用較大的容器吃飯時會多吃三分之二，但不會意識到自己吃的更飽。

 4、從技術到人性

       我們從實體化和環境嵌入式的角度來分析人類認知能力不僅可以改變我們對人類意識的了解，還可以了解如何将人類般的智力複制到機器中。在Colin Allen的書《 Moral Machines》中，他認為我們每天的道德能力不僅依賴于經濟學中抽象的效用公式，還會依賴身體和參與環境的能力來察覺到引起我們不适和緊張的信号并做出恰當反應。人工智能在有實體的生物智力方面還有很長的路要走，也有很大的進步空間。随着不斷進步，我們建造的智能機器人将變得不再那麼“外星人”，也将更容易被我們當作我們的其中一員而了解和接受。