今年八月份，美國辛辛那提大學(xué)研發(fā)的人工智能程序——阿爾法(ALPHA)在模擬的近距空戰(zhàn)中擊落了人美國空軍假

前一篇文章我們談到，不管是俄羅斯的“決斗”系統(tǒng)還是美國的“阿爾法”系統(tǒng)已經(jīng)達(dá)到可以擊敗人類飛行員的水平。那么，在未來的第六代戰(zhàn)機(jī)上，人工智能是否可以完全取代人類呢？答案是做不到，而且在可預(yù)見的未來幾十年內(nèi)都看不到希望。為什么這么說呢？因為現(xiàn)在的人工智能還處于比較低級的發(fā)展階段。

人工智能的發(fā)展階段

人工智能的發(fā)展分為幾個階段，初期的稱之為弱人工智能，然后是通用人工智能，高級階段稱為超人工智能。簡單地講，弱人工智能階段就是智能水平還不及人類智能的階段，而通用人工智能是指與人類的智能相當(dāng)?shù)碾A段，而超人工智能是指智能水平超越人類的階段。目前的人工智能技術(shù)仍然處在弱人工智能階段，距離通用人工智能階段還非常遙遠(yuǎn)。

來自算法的限制

首先來自算法的限制，問題主要來自深度學(xué)習(xí)算法，因為目前的人工智能算法主要就是深度學(xué)習(xí)算法。我們知道深度學(xué)習(xí)算法的主要方法來自概率統(tǒng)計，也就是要從大量的數(shù)據(jù)集中分析計算事件之間的概率，找出其中高概率的關(guān)系，從本質(zhì)上這是通過關(guān)聯(lián)關(guān)系來做判斷。實際上這樣的算法和真正的人類智能完全沒有任何相似之處，人類的大腦根本不就不是通過這種方法來解決問題的。人類的大腦是通過因果關(guān)系來判斷問題的，所以只需要非常少的數(shù)據(jù)就可以做出正確判斷。從算法效率的角度來說，深度學(xué)習(xí)算法是非常笨的，它不能真正理解問題的本質(zhì)，而是通過分析概率找出高概率的關(guān)聯(lián)關(guān)系。正是基于以上原因，深度學(xué)習(xí)算法的應(yīng)用依賴于強大的算力。

來自算力的限制

AlphaGo是人工智能技術(shù)發(fā)展史上一個非常重要的里程碑

以廣為人知的AlphaGo為例，其應(yīng)用就必須依靠強大的硬件算力來支撐。戰(zhàn)勝韓國圍棋大師李世石的深度學(xué)習(xí)系統(tǒng)AlphaGo，使用了1202個CPU和176個GPU，這是一個相當(dāng)龐大的服務(wù)器集群。但是它也只能計算圍棋棋盤上19X19方格內(nèi)的可能性。但第六代戰(zhàn)斗機(jī)的作戰(zhàn)環(huán)境是高度復(fù)雜的，需要計算的數(shù)據(jù)維度、類型、數(shù)量也是高度復(fù)雜的。計算空間涵蓋了海陸空天電多維的空間，而且所有的決策都是在三維空間進(jìn)行的，所有的決策都是有時間限制的。而且不僅要考慮己方的情況也要考慮敵方的情況。計算的數(shù)據(jù)量實際上隨著數(shù)據(jù)維度、數(shù)據(jù)類型、數(shù)據(jù)量的增加成高度幾何指數(shù)關(guān)系。只要多計算一兩個數(shù)據(jù)都有可能讓整個計算的工作量成幾百倍幾千倍的增長，還不要說需要計算的數(shù)據(jù)種類可能成百上千個。

深度學(xué)習(xí)算法的計算工作量是隨著數(shù)據(jù)的類型數(shù)量的增長成指數(shù)關(guān)系的

這對于運行人工智能所需的硬件來說是一個巨大的挑戰(zhàn)。這也就是為什么俄羅斯的“決斗”系統(tǒng)、美國的“阿爾法”系統(tǒng)都只是用在近距離空中格斗模擬上的原因，因為如果作戰(zhàn)范圍擴(kuò)大一點，考慮的因素一增多，需要計算的數(shù)據(jù)量就會迅速飆升，硬件可能很快就扛不住了。這就是算法帶來的算力限制問題。

來自算法工作模式的限制

除了算法和算力的問題，更困難的問題是算法工作模式的問題。這是現(xiàn)階段弱人工智能技術(shù)的另一大缺點，那就是現(xiàn)階段的人工智能只能解決已知的問題，只會使用接受過訓(xùn)練的技能。簡單地講就是你教會它什么，它就只會什么，沒教過的是不會的。比如會下圍棋的AlphaGo，它只學(xué)習(xí)過圍棋，它就只會下圍棋，如果你沒訓(xùn)練就讓它下國際象棋，它會立刻傻掉的。根本原因是深度學(xué)習(xí)算法必須要提前進(jìn)行訓(xùn)練，這個訓(xùn)練過程就是算法生成的過程，其工作原理決定了如果未經(jīng)訓(xùn)練，算法肯定是無法正常工作的。AlphaGo是通過大量學(xué)習(xí)人類的棋譜完成的訓(xùn)練。經(jīng)過進(jìn)化的AlphaZero進(jìn)一步改進(jìn)了算法，不再局限于人類的棋譜。而是去探索圍棋每一步產(chǎn)生的可能性，從中找出取勝概率最高的棋路。簡單地說就是AlphaGo是靠學(xué)習(xí)分析人類的套路來打敗人類的，而AlphaZero是探索一切可能，形成自己的套路，從而擊敗人類的。但是即便如此，用深度學(xué)習(xí)算法取代人類智能仍然任重道遠(yuǎn)。

在第六代戰(zhàn)斗機(jī)上現(xiàn)階段的人工智能還遠(yuǎn)遠(yuǎn)無法取代人類

受深度學(xué)習(xí)算法的模式限制，對于第六代戰(zhàn)斗機(jī)來說，要求遇到什么情況都能從容應(yīng)對這是完全無法做到的。戰(zhàn)場上情況瞬息萬變，遇到的問題可能千奇百怪，不大可能所有的情況都能夠事先預(yù)測到，并且提前進(jìn)行訓(xùn)練。如果遇到未知的問題，現(xiàn)有的人工智能就完全無法應(yīng)對了。這就決定了在即將到來的第六代戰(zhàn)斗機(jī)上，人工智能仍然無法完全取代真正的飛行員。而且在可預(yù)見的未來幾十年也不大可能看到解決問題的曙光，因為人類所具有的智能非常復(fù)雜，人工智能算法仍然差距甚遠(yuǎn)。所以，第六代戰(zhàn)斗機(jī)肯定還是有人類飛行員駕駛的有人飛機(jī)。