“比人類更強大的，不是A.I，而是掌握了A.I的人類。”

正值人工智能產業爆發的關鍵窗口期，深度學習能否讓機器具備像人一樣的智能？人工智能究竟發展到什麼階段了？什麼樣的人會在人工智能時代勝出？

WHAT

人工智能是什麼？

1956年達特茅斯會議上，一群數學家、信息學專家、計算機學專家，共同探討定義了人工智能，像人一樣能夠感知、認知、決策、執行這樣的系統或者是程序，我們把它定義成人工智能。

在這裡定義的關鍵點是結果像人類的行為一樣，而不是過程中像人類一樣。

從它定義出現的第一天起，其實就沿著兩條技術路線在走：

理想派——“強”人工智能

強人工智能的基礎理論是腦科學、神經科學，也就是研究我們人腦高級神經活動究竟是怎樣的一個規律，我們大腦的數以億計的神經元到底怎麼運作，我們高級神經活動裡面的信息傳導是什麼樣的規律，我們的指揮、創意、靈感、想象力究竟是怎麼來的。這些東西研究清楚了以後，理論上就有可能再用機器來模仿生出一個大腦。

現實派——“弱”人工智能

弱人工智能的基礎理論是概率論、統計學、貝葉斯定律，這些數理統計建模的方法論，某種意義上來說是在海量的數據情況下，用相關性來代替因果性，來推測事物的發展變化。

那麼為什麼強人工智能進展那麼慢呢？

人腦是宇宙中最精密的一臺機器了，我們現在主流的馮·諾伊曼計算機本質上是串行工作的，而人腦千億級的神經元是並行工作的，這是人腦與計算機相比，更加強大、更加高效的原因之一。

從腦科學、神經科學的研究來說，學界公認人工智能現在還處在非常初期的階段，根據中科院神經所的研究，現在我們對人腦的研究，頂多在5%到10%之間。就像我們對宇宙的認知一樣，我們看得越遠，發現我們不知道的地方越多。強人工智能這條技術路線還具有很大的不確定性。

當前人工智能的大爆發更多地是在過去幾年取得了突飛猛進的弱人工智能（機器智能）層面。

弱人工智能的核心突破是深度學習算法。

2006年Geoffrey Hinton教授提出了深度學習算法，即使用一定規模凝聚著人類的知識和經驗數據，對神經網絡進行訓練。巨大的神經網絡中的連接參數，就在這個訓練過程當中不斷地調整，機器自動去尋找關鍵特徵，能夠實現精準區分。深度學習算法突破了傳統算法對有限樣本的依賴，實現了質的飛躍。

深度學習能夠極大地提升整個建模的效率，但是它也是有侷限性的，這種基於數理統計建模的理論框架，缺乏四個方面的能力：有智能沒智慧；會計算不會算計；有專才無通才；有智商沒情商。這是這條技術路線上人工智能最大的特點。

目前所有基於腦科學、神經科學的強人工智能還在極其初級的階段，不可能有可用的系統。目前大家看到的所謂人工智能系統，更多地是基於弱人工智能上做出來的，從數學原理上就可以證明它是不可能產生自主意識的。

WHERE

人工智能發展到什麼程度了？

在人類指定的特定領域的特定任務上，專用的人工智能系統已經可以通過學習這個領域一流的專家知識和經驗，可以達到這個領域一線專家的水平。

科學家們通過將人類的腦力勞動者所做的一些有規律可尋、有邏輯可尋的重複性腦力勞動的結果，送到人工智能系統裡面去訓練，機器碰到類似的問題能夠推測怎麼處理。

但是能夠做到舉一反三、觸類旁通的通用人工智能還為時尚早，因為這裡面涉及到大量常識的理解，常識理解方面現在學術界還沒有統一的框架，機器沒有辦法處理這些問題。

得益於語料庫的極大擴展，現在的人工智能可以在傳統的圖靈測試中“作弊”，輕鬆通過測試，因此業界認為可能圖靈測試已經不太適合再來評價機器的智能。

目前公認可以替代圖靈測試的人工智能測試是Winograd測試，通過讓機器來做各種包含了大量人類常識的二元推理，來測試人工智能的水準。

而常識的特點就是高頻而沒有特定邊界，同時可以基於嘗試和公理進行推理，這種高級思維方式還不能在目前人工智能的數據訓練中實現，還沒有比較好的技術框架來解決常識推理。通用人工智能的實現還為時尚早。

以無人駕駛為例，現在無人駕駛總共分五級：

L1和L2業已實現，業界巨頭正在努力突破L3和L4層次，但是現在全球沒有任何一個公司可以搞定L5，因為這時候機器已經要能夠理解各種常識了，一旦涉及到常識的理解就非常難。

人工智能真正的規模化，除了技術屏障以外，還有倫理和法律問題。這是很漫長的一個過程，絕對不會一蹴而就，它是一個需要幾十年大家慢慢地從技術、從社會共識上逐步形成的過程。

WHO

誰會在人工智能時代勝出？

人和機器其實是各有所長的，機器擅長運算、記憶、尋找規律。人類作為萬物之靈，我們的創意、靈感、想象力、審美、愛和被愛的能力、同理心、世界觀，這是現有的技術路線永遠長不出來的東西。現在機器正在這塊兒不斷地向人學，比如說機器在特定任務上的邏輯推理和決策在不斷地向人學。

我們相信未來的人工智能時代，一定是人機協同為主的時代。

企業中的工作可以分為創造性的工作和重複性的工作，以及大量運用同情心、同理心和不用大量運用同情心、同理心的工作。只有既不需要情商、又不需要智商的工作，很快會被機器替代。而基於同理心和創造力的工作仍然必須由人來完成，在這些領域，人工智能不能替代人的思考。

未來持續的進化是人機耦合的機制，即人與機器的協同。

以看病為例，機器一開始能夠解決10%的問題，在解決這些問題的過程當中如果有錯，人類會提醒他，人類的專家會對它進行訓練，在這個過程當中能夠解決的問題越來越多。

卡斯帕羅夫1998年下國際象棋被IBM深藍擊敗以後，組織了“自由式”國際象棋比賽，每個人帶著自己的人工智能系統互相下棋。

結果是，既不是象棋大師拿了第一名，也不是超級計算機拿了第一名，而是三個業餘棋手，這三個業餘棋手的共同特徵就是他們是非常優秀的工程師，人機結合做得最好的人勝出了。

比人類更強大的，不是A.I，而是掌握了A.I的人類。

未來人工智能時代，我相信一定是一個人機結合的時代。