人工智能未来发展的潜在危机(3)

如果拿人工智能与上述两者相类比，我们可以发现人工智能根本还没走完从0到1的过程。人工智能既没有清楚的理论基础，大家也不知道智能究竟是什么，所以才有先达到某个目标，比如在下棋上战胜人类，接下来就认为这也不算什么智能的情形出现。人工智能的内在发展思路也多次发生变迁，比如最开始人们认为这种智能依赖于一种物理符号系统，这种系统要通过处理符号组成的数据结构来起作用。人类似乎是这样，但这显然只是一种现象，在这层面上并不能产生真的智能。接下来也考虑过遗传算法，这是按照生物进化的过程来做程序，让程序有某种随机变化，并用一个选择过程(生物的优胜劣汰)来保持似乎有用的变化，但限于各种“如果怎样，否则怎样”的这种组合太多，在当时这也没产生什么有价值结果。

再后来至少一部分人开始转向神经网络，这方向出现的很早在20世纪60年代就出现了，但那时是非主流，直到20世纪80年代才收到重视，Jeff Hawkings认为这和人工智能节节败退有关。神经网络研究者尝试在连接中查找智能，因为大脑由神经元组成，这是显然的事实。近来极其火热的深度学习就在这方向上，但这方向也还没完成从0到1的过程。只是在特定的领域取得了极为令人瞩目的成绩比如语音识别、图像识别。这领域的大牛Yann LeCun在发表演讲的时候曾经专门提到了深度学习的几个关键限制，具体来讲这包括：

缺乏理论基础。没这个深度学习方法只能常常被视为黑盒，大多数的结论确认都由经验而非理论来确定。

缺乏推理能力。深度学习技术缺乏表达因果关系的手段，缺乏进行逻辑推理的方法。

缺乏短时记忆能力。与深度学习相比人类的大脑有着惊人的记忆功能。

缺乏执行无监督学习的能力。无监督学习在人类和动物的学习中占据主导地位，我们通过观察能够发现世界的内在结构，而不是被告知每一个客观事物的名称。

这是2015年6月演讲中提到的内容，InfoQ对此进行了比较完整的报道。从这种现实来看，我们确实很难讲人工智能完成了从0到1的过程，而只能说还处在一种盲人摸象的状态，虽然摸到的面积越来越大。

但与汽车或计算机不同的是，一般大家认为人工智能从1到100的过程会发生的非常快，而不像汽车陆陆续续发展了100年，计算机发展了半个多世纪。如果我们真能搞定某些基础问题，那人工智能的从1到100的过程确实可能在几年，甚至几天内实现。互联网为此准备了充分的素材和基础设施。

如果人通用型的强人工智能得以实现，那就会面临下一个从0到1的过程，由无意识到有意识的过程。

大白到底会不会来？

所谓的人工智能从正常人的视角来看其实有两个明显不同的分支，这会导致两种完全不同的大白：

一个分支更像黑客帝国路线，有一个万能的矩阵，所有章鱼都是是这个矩阵的载体。我们经常提到的人工智能由于是数据驱动的所以基本都是这个方向，比如IBM的Watson。

一个分支则是大白的路线，每个机器人有自己的个性，虽然它可以从庞大的云端数据库里获得信息，但它是独立的个体，有自己的个性和温度。(责任编辑：方向)