我們正面臨著一個(gè)可以與地球上人類崛起相提并論的巨變。 —弗諾·文奇（Vernor Vinge） 當(dāng)你站在這兒（下圖）是什么感覺(jué)？ 想必會(huì)很緊張吧?？墒莿e忘了你站在時(shí)間軸上，是無(wú)法看見(jiàn)未來(lái)的，所以真實(shí)的感覺(jué)應(yīng)該是這樣的： 好像又是平常的一天…… 一、遙遠(yuǎn)的未來(lái)其實(shí)近在咫尺 你坐上時(shí)光機(jī)回到1750年：世界經(jīng)歷著永久性停電，長(zhǎng)距離通訊的方式是喊破喉嚨或者向空中發(fā)射炮彈，所有的交通工具都得喂干草才能跑。 你在那個(gè)年代認(rèn)識(shí)了一個(gè)哥們兒，請(qǐng)他來(lái)參觀我們的世界：閃亮的盒子在高速公路上飛馳，人們隔著整個(gè)大洋聊家常，看千里之外的球賽，聽(tīng)半個(gè)世紀(jì)前的演奏，大家跟自己手里成了精的方盒子玩得不亦樂(lè)乎，用它造一張地圖，地圖上的一個(gè)鬼魅的藍(lán)色光點(diǎn)可以隨時(shí)顯示出他的位置，還有互聯(lián)網(wǎng)、核武器、國(guó)際空間站、廣義相對(duì)論、大型強(qiáng)子對(duì)撞機(jī)…… 這樣的經(jīng)歷用“驚訝”或“震驚”已經(jīng)無(wú)法形容，他可能會(huì)直接受驚而死。 有意思的是，如果他嫉妒了：“我也想看以前的人來(lái)到我們年代的反應(yīng)?！庇谑撬麕?500年的人來(lái)1750年。那人會(huì)對(duì)很多事情感到震驚，但他不至于死掉。對(duì)他來(lái)說(shuō)，這經(jīng)歷遠(yuǎn)不及第一個(gè)人那樣瘋狂。 為了讓1750年的人和我們獲得同樣的樂(lè)趣，他必須走得更遠(yuǎn)，可能一路追溯到公元前一萬(wàn)兩千年左右，在第一次農(nóng)業(yè)革命產(chǎn)生第一批城市和文明概念之前。一個(gè)來(lái)自以狩獵和采集為生的人，見(jiàn)識(shí)到1750年的建筑、船只和人類豐富的知識(shí)，他很可能會(huì)一命嗚呼。 如果他死后也嫉妒了，想做同樣的事呢？要想讓公元前一萬(wàn)兩千年的人有同樣的樂(lè)趣，他必須回到十萬(wàn)年前，找一個(gè)從來(lái)沒(méi)見(jiàn)過(guò)火和語(yǔ)言的家伙。 為了讓一個(gè)穿越到未來(lái)的人由于震驚而心臟病發(fā)作死掉，需要往回走足夠多年，達(dá)到“死亡級(jí)別的進(jìn)步”，或者起個(gè)名字叫死亡進(jìn)步單位（Die Progress Unit，DPU）。 DPU會(huì)隨人類的進(jìn)步變得越來(lái)越短，這就是未來(lái)學(xué)家雷·庫(kù)茲韋爾（Ray Kurzweil）所說(shuō)的人類歷史加速回歸定律。越是發(fā)達(dá)的社會(huì)，進(jìn)步速度越快，因?yàn)樗鼈儼l(fā)展自己的能力更強(qiáng)。 庫(kù)茲韋爾認(rèn)為，到2021年，完成整個(gè)20世紀(jì)的進(jìn)步只需7年，而21世紀(jì)的進(jìn)步將是20世紀(jì)的1000倍。 如果庫(kù)茲韋爾是對(duì)的，那么下一個(gè)DPU可能只需十幾年。2050年的世界可能與今天的世界截然不同，我們可能什么都不認(rèn)得了。 聽(tīng)起來(lái)似乎難以置信，那是因?yàn)槲覀兊乃季S是線性的，我們常常以為，未來(lái)的發(fā)展速度會(huì)跟過(guò)去差不多，豈不知?dú)v史的發(fā)展是呈指數(shù)型增長(zhǎng)的，就像下圖：
而且，歷史的發(fā)展往往是曲折前行的： 圖注：人類進(jìn)步隨時(shí)間的變化。新的技術(shù)模式爆發(fā)式增長(zhǎng)，然后成熟，軌跡像一個(gè)“S” 人類社會(huì)每次出現(xiàn)一項(xiàng)重要技術(shù)，隨之而來(lái)的往往是三個(gè)發(fā)展階段：緩慢增長(zhǎng)，劇烈增長(zhǎng)和技術(shù)成熟，增長(zhǎng)放緩。如果只看離我們非常近的歷史，那么你所處的“S”曲線的位置也會(huì)干擾你的預(yù)測(cè)。1995 到2007年間，歷史見(jiàn)證了互聯(lián)網(wǎng)的爆發(fā)，但是從2008年至今，似乎沒(méi)那么多開(kāi)創(chuàng)性的科技成就。所以不要被迷惑，新的爆發(fā)式增長(zhǎng)或許正在萌芽。 二、走向超級(jí)智能 什么是人工智能？ 我們總是看到人工智能（Artificial Intelligence，AI）這個(gè)詞，但好像又不那么了解它。 這是有原因的：1、我們常在電影作品中接觸這個(gè)概念，這讓“人工智能”聽(tīng)起來(lái)像一種科幻般的未來(lái)預(yù)測(cè)；2、日常生活中太常見(jiàn)以至于我們沒(méi)有意識(shí)到它是人工智能；3、人工智能的概念太寬泛了，以至于它的含義變得有些模糊。 關(guān)于人工智能，許多學(xué)者做出了預(yù)言。你可能聽(tīng)過(guò)一個(gè)詞叫“奇點(diǎn)”或“科技奇點(diǎn)”。在數(shù)學(xué)中，奇點(diǎn)用來(lái)形容一般的規(guī)律不再適用的特殊情況；在物理中，奇點(diǎn)用來(lái)描述無(wú)窮小，致密的黑洞，或者在宇宙大爆炸之前我們都被壓縮進(jìn)的那個(gè)點(diǎn)，仍然是來(lái)形容通常的規(guī)律無(wú)法應(yīng)用的那些情況。1993年，弗諾·文奇提出用“奇點(diǎn)”這個(gè)詞形容未來(lái)的某個(gè)時(shí)間點(diǎn)，即技術(shù)的智慧超過(guò)人類自身智慧的時(shí)刻。對(duì)他來(lái)說(shuō)，那時(shí)的生活會(huì)煥然一新，普通的規(guī)則不再適用。庫(kù)茲韋爾隨后將奇點(diǎn)定義講得含糊了些，他說(shuō)奇點(diǎn)就是加速回歸定律達(dá)到一種極端速度時(shí)，即科技以看起來(lái)無(wú)限快的速度發(fā)展時(shí)，在那之后我們將活在一個(gè)嶄新的世界中。 人工智能是個(gè)很廣泛的概念，有很多不同的類型或形式。我們根據(jù)人工智能的能力范圍，將其分為三大類： （1）弱人工智能(Artificial Narrow Intelligence, ANI)：也被稱為狹義人工智能，是專攻某一領(lǐng)域的人工智能，比如一種AI能在國(guó)際象棋比賽中打敗世界冠軍，但如果你讓它想出一種更好的硬盤(pán)數(shù)據(jù)存儲(chǔ)方案，它只會(huì)茫然地看著你。 （2）通用人工智能(Artificial General Intelligence, AGI)：也叫強(qiáng)人工智能，或人類級(jí)人工智能，通用人工智能指的是一臺(tái)像人類一樣擁有全面智能的計(jì)算機(jī)，人類能解決的智力問(wèn)題他都能解決。創(chuàng)建通用人工智能比創(chuàng)建弱人工智能難多了，現(xiàn)在我們還沒(méi)做到。研究者將智力描述為“一種非常通用的思考能力，包括但不限于推理、計(jì)劃、解決問(wèn)題、抽象思考、理解復(fù)雜概念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)的能力?！?nbsp;通用人工智能做這些事時(shí)能像你一樣輕松。 （3）超級(jí)人工智能(Artificial Superintelligence, ASI)：牛津大學(xué)哲學(xué)家、人工智能思想家尼克·博斯特羅姆（Nick Bostrom）將超級(jí)智能定義為“在幾乎所有領(lǐng)域，包括科學(xué)創(chuàng)造力、一般智慧和社交技能，都比最優(yōu)秀的人類大腦聰明得多的智力。”超級(jí)人工智能的范圍從一臺(tái)比人類聰明一點(diǎn)的計(jì)算機(jī)到一臺(tái)比人類聰明數(shù)萬(wàn)億倍的計(jì)算機(jī)。正因?yàn)槌?jí)人工智能，AI才會(huì)成為如此爆款的話題，而且會(huì)頻繁使用“永生”和“滅亡”這倆詞兒。 到目前為止，人們已經(jīng)在很多領(lǐng)域攻克了最低級(jí)別的AI——弱人工智能，而且成果已經(jīng)隨處可見(jiàn)。人工智能的革命是一條從ANI，到AGI，到ASI的道路，這是一條我們可能從中幸存，也可能難逃厄運(yùn)的道路。但不管怎樣，這都將改變一切。 下面，我們就來(lái)看看這個(gè)領(lǐng)域的前沿思想家是怎么想的，以及為什么這場(chǎng)革命來(lái)得比想象的快得多。 三、當(dāng)下——一個(gè)運(yùn)作在弱人工智能上的世界 弱人工智能(ANI)是在特定方面等同于或超過(guò)人類智能或效率的機(jī)器智能。從垃圾郵件過(guò)濾到淘寶上的商品推薦，從自動(dòng)駕駛到高頻交易，從商業(yè)到軍事，從制造業(yè)到醫(yī)療……ANI遍地都是。它會(huì)從你的操作中精進(jìn)自己的技藝，也會(huì)組成一個(gè)網(wǎng)絡(luò)，互相交流關(guān)于你的信息。 現(xiàn)在的ANI系統(tǒng)還不是特別可怕。最壞的情況是，一個(gè)編程有問(wèn)題的ANI可能會(huì)導(dǎo)致毀滅性的災(zāi)難，比如使電網(wǎng)癱瘓，從而導(dǎo)致核電站故障，危害人類健康；或者引發(fā)一場(chǎng)金融市場(chǎng)災(zāi)難（比如2010年的閃電崩盤(pán)：ANI程序?qū)σ粋€(gè)意外情況做出了錯(cuò)誤的反應(yīng)，導(dǎo)致股市短暫暴跌、1萬(wàn)億美元市值流失，等這一錯(cuò)誤被糾正過(guò)來(lái)后，只有一部分得以恢復(fù)）。 盡管現(xiàn)在的ANI沒(méi)能力危及人類生存，但我們應(yīng)該意識(shí)到，日益龐大復(fù)雜的ANI生態(tài)系統(tǒng)可能是是一場(chǎng)改變世界的龍卷風(fēng)的前驅(qū)。每一項(xiàng)ANI創(chuàng)新都在給走向通用人工智能和超級(jí)人工智能的道路上添磚加瓦?；蛘呷鐏唫悺に_恩斯（Aaron Saenz）所見(jiàn)，當(dāng)今世界的ANI系統(tǒng)“就像地球早期土壤中的氨基酸”一樣，是構(gòu)成生命的無(wú)生命物質(zhì)，將在一個(gè)意想不到的時(shí)刻蘇醒過(guò)來(lái)。 四、弱人工智能到通用人工智能之路 這件事為什么這么難？ 恐怕嘗試研發(fā)通用人工智能（AGI）的人最能欣賞人類大腦的精巧復(fù)雜（只有他們知道造個(gè)全能的機(jī)器腦子有多難）。造大樓，去太空，研究宇宙大爆炸，都遠(yuǎn)遠(yuǎn)比理解或者制造人腦容易得多。到目前為止，人腦是已知的宇宙中最復(fù)雜的東西。 通用人工智能指的是像人類大腦一般全能的計(jì)算機(jī)，其能力范圍不局限于某狹窄的領(lǐng)域。有趣的是，試圖構(gòu)建通用人工智能的困難部分，可能跟你直覺(jué)想的不一樣。對(duì)計(jì)算機(jī)來(lái)說(shuō)，算兩位數(shù)乘法太簡(jiǎn)單，分辨“眼前”的動(dòng)物是狗還是貓卻很難。在象棋比賽中打遍天下無(wú)敵手已經(jīng)實(shí)現(xiàn)了，而為了理解一段6歲小孩故事書(shū)水平的文字，谷歌花了幾十億美元。微積分、市場(chǎng)策略和語(yǔ)言翻譯這樣的硬骨頭對(duì)計(jì)算機(jī)來(lái)說(shuō)too easy，而視覺(jué)、運(yùn)動(dòng)、動(dòng)作和知覺(jué)對(duì)計(jì)算機(jī)來(lái)說(shuō)卻極其困難。正如計(jì)算機(jī)科學(xué)家唐納德·克努特（Donald Knuth）所說(shuō)，“人工智能已經(jīng)成功地完成了所有需要’過(guò)腦子’的事情，但卻幾乎未能完成人類和動(dòng)物’不用過(guò)腦子’的事情?！?/p> 這是因?yàn)?，?duì)于人類和大多數(shù)動(dòng)物，這些技能在數(shù)億年的進(jìn)化過(guò)程中得到了優(yōu)化。當(dāng)你把手伸向一個(gè)物體時(shí)，肩膀、肘部和手腕上的肌肉、肌腱和骨骼會(huì)在瞬間完成一系列的物理活動(dòng)，與眼睛協(xié)調(diào)配合，讓你的手能夠在三維空間中沿直線移動(dòng)。這對(duì)你來(lái)說(shuō)似乎不費(fèi)吹灰之力，因?yàn)槟阋呀?jīng)完善了你大腦中的軟件。惡意軟件沒(méi)法識(shí)別出驗(yàn)證碼里的斜體字母不是因?yàn)樗?，而是因?yàn)槟愕拇竽X太令人贊嘆了。 另一方面，大數(shù)乘法或下棋對(duì)生物來(lái)說(shuō)是相對(duì)新鮮的事物，我們還沒(méi)有足夠的時(shí)間進(jìn)化到精通它們，因此計(jì)算機(jī)不需要太努力就能打敗我們。想想你更愿意做哪個(gè)任務(wù)：寫(xiě)一個(gè)能算出大數(shù)乘法的程序，還是寫(xiě)一個(gè)程序，能在成千上萬(wàn)個(gè)字體或者手寫(xiě)體中瞬間識(shí)別出字母B，并理解他的全部含義？ 下面說(shuō)一個(gè)有趣的例子?？催@張圖的時(shí)候，你和電腦都可以分辨出，明暗不同的色塊交替出現(xiàn)，組成一個(gè)長(zhǎng)方形： 目前是打成平手。但如果你去掉黑色部分的遮擋，把整個(gè)圖像展現(xiàn)出來(lái)： 你可以準(zhǔn)確描述出各種不透明或半透明的圓柱體、薄片和三維轉(zhuǎn)角，電腦則一敗涂地。它會(huì)描述它看到的：各種明暗不同的二維圖形（其實(shí)的確也只有這些），而你的大腦進(jìn)行了一系列“騷操作”來(lái)解釋圖片所隱含的深度效果、陰影交疊和照明光線。 再比如下面的圖片，電腦看到的是一個(gè)二維的黑白灰拼貼畫(huà)，而你一看就知道這是什么：一塊純黑色的石頭。 剛才提到的還只是處理靜止的信息。為了達(dá)到人類的智能水平，計(jì)算機(jī)得理解一個(gè)微妙的面部表情是友好、寬慰、滿足還是高興，以及為什么“新時(shí)代”令人振奮而“小時(shí)代”令人臉?biāo)帷?/p>
那如何才能做到呢？ 創(chuàng)建通用人工智能的第一個(gè)關(guān)鍵：提高計(jì)算能力 要使通用人工智能成為可能，必須提高計(jì)算機(jī)的硬件能力。如果一個(gè)人工智能系統(tǒng)要像大腦一樣智能，必須具有相當(dāng)于大腦的原始計(jì)算能力。 表達(dá)這種能力的一種方法是大腦每秒能夠處理的總計(jì)算量（calculations per second, cps），庫(kù)茲韋爾用大腦中一個(gè)部分的計(jì)算能力和這個(gè)部分在整個(gè)大腦中的重量占比估計(jì)出一個(gè)數(shù)字，這個(gè)數(shù)字在一億億（1016）這個(gè)量級(jí)。天河二號(hào)超級(jí)計(jì)算機(jī)實(shí)際上已經(jīng)超過(guò)了這個(gè)數(shù)字，但天河二號(hào)占地720平方米，耗電24兆瓦（大腦只有20瓦），造價(jià)3.9億美元，不適于廣泛使用。 摩爾定律是一條經(jīng)過(guò)歷史驗(yàn)證的可靠規(guī)則，即計(jì)算能力的上限大約每?jī)赡攴环?，這意味著計(jì)算機(jī)硬件的進(jìn)步，就像人類歷史的進(jìn)步一樣呈指數(shù)增長(zhǎng)。 庫(kù)茲韋爾提出用錢(qián)來(lái)考慮計(jì)算機(jī)的發(fā)展?fàn)顩r：看看用1000美元能買(mǎi)多少計(jì)算能力。當(dāng)這個(gè)數(shù)字達(dá)到10萬(wàn)億cps時(shí)，意味著通用人工智能將走入千家萬(wàn)戶，成為生活的一部分。上面這張圖是隨著時(shí)間推移，用1000美元能買(mǎi)到的計(jì)算能力的變化。 因此，目前1000美元買(mǎi)到的電腦可以打敗老鼠的大腦，水平大約是人類的千分之一。按照這個(gè)速度，2025年之前我們就能買(mǎi)得起一臺(tái)與人類大腦相媲美的電腦。 所以在硬件方面，通用人工智能所需要的計(jì)算能力已經(jīng)可以實(shí)現(xiàn)了，并且我們將有望在幾年內(nèi)用上實(shí)惠又普遍的通用人工智能級(jí)別的硬件。 接下來(lái)的問(wèn)題是：如何給這些計(jì)算能力賦予人的智慧？ 創(chuàng)建通用人工智能的第二個(gè)關(guān)鍵：讓它變聰明 這才是棘手的部分。誰(shuí)也不知道怎樣讓它變聰明。我們還在爭(zhēng)論的是如何讓電腦明白什么是狗，如何認(rèn)出潦草的“B”，或者理解一部電影。這有一堆看起來(lái)挺牽強(qiáng)，但或許能行得通的策略： 1） 剽竊大腦 這就像是科學(xué)家們?cè)谂ρ芯苦徸哪莻€(gè)孩子為啥那么聰明。即便學(xué)習(xí)再努力，他們也考不到和那個(gè)孩子一樣高的成績(jī)。于是他們最終決定：“去他的，我要把那個(gè)孩子的答案復(fù)制過(guò)來(lái)！”這種想法似乎很自然：我們?cè)趺匆苍觳怀鋈绱藦?fù)雜的計(jì)算機(jī)，但我們的腦袋里就裝著完美的原型。 科學(xué)界正在努力對(duì)大腦進(jìn)行逆向工程，以求弄清楚大腦這么棒的東西究竟是如何進(jìn)化出來(lái)的。樂(lè)觀的估計(jì)認(rèn)為，到2030年我們就可以做到這一點(diǎn)。到那時(shí)，我們就會(huì)知道大腦的運(yùn)作為何如此強(qiáng)大和高效，從中汲取靈感，竊取它的創(chuàng)新能力。模擬大腦的計(jì)算機(jī)體系之一是人工神經(jīng)網(wǎng)絡(luò)：晶體管作為“神經(jīng)元”，通過(guò)輸入和輸出相互連接。起初它像嬰兒的大腦一樣一片空白，它“學(xué)習(xí)”的方式是嘗試完成一項(xiàng)任務(wù)，比如手寫(xiě)識(shí)別。剛開(kāi)始，它的神經(jīng)觸發(fā)和最終的猜測(cè)是隨機(jī)的，當(dāng)它被告知“猜對(duì)了”時(shí)，這些觸發(fā)通道中的晶體管連接會(huì)被加強(qiáng)，反之會(huì)被削弱。經(jīng)過(guò)大量的試驗(yàn)和反饋后，網(wǎng)絡(luò)已經(jīng)自己形成了智能神經(jīng)通路，機(jī)器已經(jīng)針對(duì)這項(xiàng)任務(wù)進(jìn)行了優(yōu)化。大腦的學(xué)習(xí)方式與之有些相像，但更復(fù)雜。隨著腦科學(xué)研究的深入，我們將發(fā)現(xiàn)巧妙利用神經(jīng)回路的新方法。 更徹底的“剽竊”是一種叫做“全腦模擬”的策略：將真實(shí)的大腦切成薄片，逐層掃描，用軟件重建一個(gè)精確的三維模型，然后在一個(gè)功能強(qiáng)大的計(jì)算機(jī)上實(shí)現(xiàn)該模型。于是我們就有了一臺(tái)計(jì)算機(jī)，它能處理大腦所能處理的一切，只需要學(xué)習(xí)和收集信息。如果工程師們做得足夠好，就能精確地模擬真實(shí)的大腦。整個(gè)大腦結(jié)構(gòu)一旦上傳成功，個(gè)性和記憶都會(huì)完好無(wú)損。如果大腦生前屬于小明，那么電腦現(xiàn)在會(huì)像小明一樣醒來(lái)。這將是一個(gè)強(qiáng)大的人類級(jí)人工智能，我們接下來(lái)可以嘗試把小明變成一個(gè)超級(jí)人工智能，他想必會(huì)非常興奮吧。 我們離實(shí)現(xiàn)全腦模擬還有多遠(yuǎn)？人們已經(jīng)模擬出了一個(gè)1毫米長(zhǎng)的扁蟲(chóng)大腦。它只有302個(gè)神經(jīng)元，而人類的大腦有1000億個(gè)。如果這些數(shù)字讓你失去信心的話，別忘了指數(shù)級(jí)進(jìn)步的力量，現(xiàn)在我們已經(jīng)征服了小蟲(chóng)子的大腦，可能很快就能造出一只螞蟻的大腦，然后是一只老鼠的大腦，到時(shí)候，這一切看起來(lái)就沒(méi)那么遙遠(yuǎn)了。 2）按我們想要的方式，再來(lái)一次進(jìn)化 如果聰明孩子的答案抄也抄不完，我們可以試著模仿他的學(xué)習(xí)方式。如果大腦太難模擬，我們可以模擬進(jìn)化。 事實(shí)上，即使我們模擬出大腦，可能也會(huì)像模仿鳥(niǎo)類扇動(dòng)翅膀來(lái)造飛機(jī)一樣。機(jī)器的設(shè)計(jì)最好采用一種全新的、面向機(jī)器的方法，而不是完全模仿生物。 如何模擬進(jìn)化？人們想出了“遺傳算法”：對(duì)一個(gè)計(jì)算機(jī)系統(tǒng)反復(fù)執(zhí)行表現(xiàn)-評(píng)估過(guò)程（就像生物通過(guò)生存來(lái)“表現(xiàn)”，并通過(guò)它們是否能夠繁殖來(lái)“評(píng)估”一樣）。一組計(jì)算機(jī)嘗試執(zhí)行任務(wù)，最成功的計(jì)算機(jī)得以培育后代：把各自程序的一半合并到一臺(tái)新計(jì)算機(jī)中。相對(duì)不那么成功的將被淘汰。經(jīng)過(guò)多次迭代，這種自然選擇過(guò)程將產(chǎn)生越來(lái)越好的計(jì)算機(jī)。若是創(chuàng)造一個(gè)自動(dòng)化的評(píng)估和繁殖周期，進(jìn)化過(guò)程就可以自己運(yùn)行起來(lái)了。 進(jìn)化論的缺點(diǎn)是，動(dòng)不動(dòng)就花上10億年的時(shí)間，而我們希望在幾十年內(nèi)做到這一點(diǎn)。好在我們與進(jìn)化論相比有更多優(yōu)勢(shì)。 第一，進(jìn)化沒(méi)有先見(jiàn)之明，它會(huì)隨機(jī)產(chǎn)生很多無(wú)用的突變；而我們會(huì)控制這一過(guò)程，設(shè)計(jì)有針對(duì)性的小故障來(lái)實(shí)施自然選擇。 第二，進(jìn)化沒(méi)有任何特定目的，包括智力。有時(shí)一個(gè)環(huán)境甚至可能會(huì)淘汰更高的智力（因?yàn)樗M(fèi)糧）；而我們可以將這一進(jìn)化過(guò)程導(dǎo)向智力的提升。 第三，為了選擇智力，進(jìn)化必須在很多其他方面進(jìn)行創(chuàng)新來(lái)促進(jìn)智力的發(fā)展，比如改變細(xì)胞的產(chǎn)能方式；當(dāng)我們能夠消除這些額外的負(fù)擔(dān)（諸如用電來(lái)供能）時(shí)，我們無(wú)疑將會(huì)比進(jìn)化要快得多。 但這究竟是不是一種可行的策略？目前還不清楚。 3）把整個(gè)問(wèn)題拋給電腦 科學(xué)家們真的走投無(wú)路了，于是把這個(gè)問(wèn)題編成程序，讓機(jī)器自己解決。這可能是最有希望成功的方法。 這個(gè)方法的思路是：建立一臺(tái)這樣的計(jì)算機(jī)，它的兩項(xiàng)主要技能是研究人工智能和編碼改變自己，使它不僅可以學(xué)習(xí)，而且可以改進(jìn)自己的體系結(jié)構(gòu)。我們將教計(jì)算機(jī)成為計(jì)算機(jī)科學(xué)家，他們的主要任務(wù)就是讓自己變得更聰明，這樣它們就可以自力更生，自己發(fā)展自己。 所有這些都可能很快發(fā)生。 硬件的發(fā)展和軟件的創(chuàng)新正同時(shí)進(jìn)行著，可能很快，通用人工智能就會(huì)出乎意料地出現(xiàn)在我們身上。原因有二： 1）指數(shù)增長(zhǎng)是劇烈的，看起來(lái)蝸牛般的發(fā)展速度可能會(huì)快速上漲。下面的動(dòng)圖很好地說(shuō)明了這一概念：
2）軟件的發(fā)展似乎是緩慢的，但是一個(gè)契機(jī)就能立即改變進(jìn)步的速度（就像當(dāng)人類認(rèn)為宇宙是地心的時(shí)候，很多東西都難以解釋，但是突然間，日心說(shuō)讓一切變得容易多了）。對(duì)于能自我改進(jìn)的計(jì)算機(jī)，可能我們看來(lái)，把速度提高1000倍是很難的事情，但實(shí)際上可能系統(tǒng)微調(diào)一下就可以了。繼而計(jì)算機(jī)會(huì)快速發(fā)展成人類級(jí)別的智能。 五、通用人工智能到超級(jí)人工智能之路 在某時(shí)某刻，我們會(huì)實(shí)現(xiàn)通用人工智能：電腦會(huì)有人類的智慧，人類和電腦平等地生活在一起。 事實(shí)上，這個(gè)很可能不存在。 如果計(jì)算能力和智力與人類相當(dāng)?shù)耐ㄓ萌斯ぶ悄艹霈F(xiàn)了的話，它與人類相比會(huì)有顯著優(yōu)勢(shì)。比如：
人工智能（很可能通過(guò)自我提升的程序而成為通用人工智能）不會(huì)把“人類水平的智能”看作是一個(gè)重要的里程碑，并且沒(méi)有任何理由在我們的水平上停下來(lái)?？紤]到與人類智力相當(dāng)?shù)耐ㄓ萌斯ぶ悄鼙任覀兙哂械膬?yōu)勢(shì)，顯然，它只會(huì)在短暫地打擊人類之后，向優(yōu)于人類智力的領(lǐng)域飛速進(jìn)發(fā)。 這件事發(fā)生時(shí)可能會(huì)嚇到我們。從我們的角度來(lái)看，a）雖然不同種動(dòng)物的智力各不相同，但其一大特征是，他們都遠(yuǎn)遠(yuǎn)低于我們；b）我們以為最聰明的人與最笨的人差距非常大。有點(diǎn)像這樣：
因此，當(dāng)人工智能朝著我們的方向靠近時(shí)，我們會(huì)認(rèn)為它對(duì)動(dòng)物來(lái)說(shuō)只是變得更聰明了。然后，當(dāng)它達(dá)到人類的最低能力時(shí)，尼克·博斯特羅姆（Nick Bostrom）用了“村里的傻瓜”這個(gè)詞——我們會(huì)說(shuō)，“哇，它像一個(gè)不會(huì)說(shuō)話的人，真可愛(ài)！“唯一的問(wèn)題是，與整個(gè)智力范圍相比，所有的人類，從傻瓜到愛(ài)因斯坦，都在一個(gè)很小的區(qū)域里，所以在人工智能達(dá)到傻瓜的水平并被宣布為通用人工智能之后，它忽然就比愛(ài)因斯坦聰明了，我們連發(fā)生了什么都不知道：
在這之后會(huì)怎樣？ 原文來(lái)源：https:///2015/01/artificial-intelligence-revolution-1.html |
|
|
圖注：人類進(jìn)步隨時(shí)間的變化。紅線-基于過(guò)去發(fā)展速度的預(yù)測(cè)；橙色線-基于當(dāng)下發(fā)展速度的預(yù)測(cè)；綠線：考慮了指數(shù)增長(zhǎng)的預(yù)測(cè)；藍(lán)圈-現(xiàn)在
圖注：計(jì)算機(jī)還有多久能擁有與人腦一樣的能力？密歇根湖的容量（以盎司為單位）與人腦的容量（以每秒鐘的計(jì)算能力為單位）差不多一樣大，計(jì)算能力每18個(gè)月就翻一番，以這個(gè)速度，你在很長(zhǎng)一段時(shí)間中幾乎看不到什么進(jìn)步——然后一下子達(dá)標(biāo)了。
