近兩年人工智能被人們?cè)嵅∽疃嗟牡胤绞牵喝斯ぶ悄荏w現(xiàn)不出智能。
很多人對(duì)人工智能的認(rèn)知都是分裂的。一方面媒體不斷報(bào)道人工智能又取得了什么樣的新成果，國外各路大咖讓人們要警惕人工智能的發(fā)展，人工智能還被納入我國發(fā)展的規(guī)劃中等等；另一方面，新聞里經(jīng)常傳出自動(dòng)駕駛又發(fā)生事故，家里的智能家具表現(xiàn)地像個(gè)智障一樣，資訊平臺(tái)總是傻傻地推同樣類型的新聞等，這些現(xiàn)象都讓我們疑惑，人工智能到底智能在哪里？
在解答這個(gè)問題之前，我們有必要了解一下強(qiáng)人工智能和弱人工智能的區(qū)別。
最初，在達(dá)特茅斯會(huì)議上科學(xué)家提出人工智能一詞時(shí)并沒有強(qiáng)與弱之分。普遍認(rèn)為人工智能就是讓機(jī)器擁有思想，能夠像人類一樣決策。當(dāng)時(shí)各種算法的研究也是奔著這個(gè)目標(biāo)而去，希望能夠模擬人類決策的方式賦予機(jī)器真正的智能。
但很快就有人發(fā)現(xiàn)：在這種方式下實(shí)現(xiàn)的人工智能并非真正的智能，只是對(duì)人類智能的模擬。美國哲學(xué)家John Searle提出了一個(gè)思維實(shí)驗(yàn)：中文房間（Chinese Room Argument），它是這樣的：想象一位只會(huì)英語的人身處一個(gè)房間之中，這間房間除了門上有一個(gè)小窗口以外，全部都是封閉的。他隨身帶著一本寫有中文翻譯程序的書。房間里還有足夠的稿紙和鉛筆。寫著中文的紙片通過小窗口被送入房間中。房間中的人可以使用他的書來翻譯這些文字并用中文回復(fù)。雖然他完全不會(huì)中文，Searle認(rèn)為通過這個(gè)過程，房間里的人可以讓任何房間外的人以為他會(huì)說流利的中文。值得注意的是，這本書僅僅是語法的對(duì)應(yīng)，并不涉及到任何語義的說明。房間中的人，只需要按照對(duì)應(yīng)的回答，拼湊出相應(yīng)的中文字符遞出去即可。在這個(gè)過程中，他并不理解問題和他所寫的答案是什么意思。
Searle認(rèn)為，人工智能就是這樣工作的。他認(rèn)為計(jì)算機(jī)根本無法真正理解接收到的信息，但它們可以運(yùn)行一個(gè)程序，處理信息，然后給出一個(gè)智能的印象。例如圖像識(shí)別技術(shù)，它的工作原理就是將顏色變成數(shù)字編碼，再從這些數(shù)字編碼中找到特征，查找字典，找到對(duì)應(yīng)的解釋然后顯示出來。實(shí)際上計(jì)算機(jī)壓根不知道自己識(shí)別的到底是飛機(jī)還是兔子，只是字典告訴它這個(gè)特征很大概率對(duì)應(yīng)的是“飛機(jī)”這個(gè)單詞。絕大部分算法在本質(zhì)上都是在玩概率的游戲，不同的方式只是在模型訓(xùn)練時(shí)需要的信息不同，以及計(jì)算出來對(duì)應(yīng)“飛機(jī)”的判定方式不同。當(dāng)前所有被廣泛應(yīng)用的知名模型都是通過矩陣運(yùn)算訓(xùn)練數(shù)據(jù)來獲得某種概率分布。復(fù)雜模型的概率分布通常是高維的，這里又會(huì)引申出各種數(shù)學(xué)方法，但本質(zhì)的思想依舊是想通過概率分布來描述訓(xùn)練數(shù)據(jù)的特征。有了這些，對(duì)于同類的數(shù)據(jù)，就可以使用相同的概率分布去描述，從而實(shí)現(xiàn)所謂的“識(shí)別”或“預(yù)測”。實(shí)際上并非模型真的像人類一樣理解了什么是“飛機(jī)”，只是通過這種方式，模型能夠大概率把長得像飛機(jī)的圖片識(shí)別出來。
后來業(yè)界也普遍認(rèn)識(shí)到這一點(diǎn)。因此把人工智能這個(gè)概念又劃分為強(qiáng)人工智能與弱人工智能。強(qiáng)人工智能流派仍然追求讓計(jì)算機(jī)擁有人類的心智與意識(shí)，具有自主選擇行為。就像西部世界中從固化程序逐漸演化出自我意識(shí)的梅芙一樣。但是強(qiáng)人工智能的研究難度較大，市面上還沒有成熟的應(yīng)用。而弱人工智能更像是一個(gè)解決特定問題的工具。這類問題的特點(diǎn)是可以通過統(tǒng)計(jì)，歸納出經(jīng)驗(yàn)并形成解決方案，而這種解決問題的實(shí)現(xiàn)方法被稱為“機(jī)器學(xué)習(xí)”。所有的機(jī)器學(xué)習(xí)模型都只能完成特定的任務(wù)，很多時(shí)候我們通過組合的方式滿足更多的場景。
從機(jī)器學(xué)習(xí)的特點(diǎn)可以看出來，如果想通過統(tǒng)計(jì)歸納經(jīng)驗(yàn)，數(shù)據(jù)的數(shù)量與質(zhì)量是決定性條件。沒有數(shù)據(jù)，就沒有人工智能。也就是說在你沒有作出同類別行為，或者是與你行為相近的人群較少時(shí)，人工智能是沒有辦法作出判斷的，這也是人工智能變成人工智障的重要原因。當(dāng)行為增加，數(shù)據(jù)慢慢變多，數(shù)據(jù)質(zhì)量逐漸上升時(shí)，你會(huì)發(fā)現(xiàn)預(yù)測越來越準(zhǔn)確，人工智能通過大數(shù)據(jù)也能做到真正的“想你所想”。
