本月初,，世界人工智能大會在上海召開。大會期間,，張文宏醫(yī)生一句“在人工智能如日中天的今天,，此次抗疫靠的還是傳統(tǒng)智慧”引起很多人的共鳴。

人工智能曾經(jīng)是一個頗為科幻的話題,。有人擔(dān)心人工智能會取代人類，甚至?xí)慈祟?。然而幾年下來,，我們發(fā)現(xiàn)人工智能并沒有我們想象的那樣智能?！皢栴}”究竟出在哪兒,？

從2004年開始，復(fù)旦大學(xué)哲學(xué)學(xué)院教授徐英瑾就開始將注意力投向人工智能,。他不僅撰寫了大量相關(guān)論文專著,，開設(shè)的人工智能哲學(xué)課程也受到學(xué)生好評。

日前,，他講述了自己對上述議題的思考,。他的剖析從“什么是人”“什么是智能”這兩個問題切入。

認(rèn)識不到現(xiàn)實和理想的差距就會導(dǎo)致“泡沫”

嚴(yán)格來說,，人工智能的主流技術(shù)并不新,，它經(jīng)過對傳統(tǒng)技術(shù)的反復(fù)迭代而來,。

關(guān)于人工智能的發(fā)展現(xiàn)狀，目前有“樂觀論”“悲觀論”“泡沫論”三種論調(diào),。

解放周一：世界人工智能大會的舉辦,，激發(fā)起了很多非專業(yè)人士對人工智能的興趣。大家很希望了解,，人工智能目前進(jìn)展到底如何,。您如何看待人工智能目前的發(fā)展？

徐英瑾：現(xiàn)在公眾對人工智能有很多期望,，但根據(jù)我的觀察,，這些期望相當(dāng)大的程度上是建立在一些對學(xué)界實際發(fā)展?fàn)顩r的誤解上。

我經(jīng)常會聽到各種各樣的誤解,，第一個誤解就是認(rèn)為人工智能是個新東西,，是這幾年冒出來的。事實上,，人工智能（artificial intelligence）這個詞正式變成公認(rèn)的學(xué)科名詞是在1956年美國的達(dá)特茅斯會議上,。顯然，這是距今已經(jīng)挺久遠(yuǎn)的事情了,。

至于現(xiàn)在被談?wù)摵芏嗟纳疃葘W(xué)習(xí)技能,，前身就是人工神經(jīng)網(wǎng)絡(luò)（artificial neural network）。這個概念在上世紀(jì)60年代就被學(xué)界注意到了,。人工智能的奠基人之一阿蘭·圖靈生前也搞過一些粗淺的人工神經(jīng)網(wǎng)絡(luò)研究,。這樣算的話，這個技術(shù)至少可以追溯到上世紀(jì)40年代,。

所以,，嚴(yán)格來說，人工智能的主流技術(shù)并不新,，它經(jīng)過對傳統(tǒng)技術(shù)的反復(fù)迭代而來,。

解放周一：那么，人工智能技術(shù)發(fā)展至今,，現(xiàn)狀如何,？

徐英瑾：關(guān)于人工智能的發(fā)展現(xiàn)狀，目前有“樂觀論”“悲觀論”“泡沫論”三種論調(diào),。

其中,，“樂觀派”可能是主流。持樂觀論者認(rèn)為,，人工智能的發(fā)展一定能夠在短時間內(nèi)解決我們面臨的各種問題,。

這種論調(diào)描繪出了一個烏托邦般的場景：當(dāng)你回到家中，所有的設(shè)備都能夠通過全新的網(wǎng)絡(luò)技術(shù)和物聯(lián)網(wǎng)與你心有靈犀；汽車是不用駕駛的,，你上了車以后,，什么事都不用干，就可以把你帶到目的地,；沿途,，你還可以和你的汽車交談，就好像它是你的人類司機那樣,。

悲觀論者更多是站在那些可能會丟掉工作的人的立場上,，認(rèn)為人工智能實在太厲害，會取代很多人的工作,。到時,，如果社會暫時又無法提供更多的新崗位，這可怎么辦,？

我的觀點是泡沫論,。“泡沫”不是指人工智能的未來一片黯淡,，而是說在短期內(nèi),，這項技術(shù)的發(fā)展還無法支撐得起很多人的夢想。

理想很豐滿,，技術(shù)目前還很“骨感”,。如果你意識不到理想和現(xiàn)實之間的差距，就會導(dǎo)致泡沫,。假如因為對人工智能持有樂觀態(tài)度而到市場上去融資,，就更需審慎考慮。

歷史上確實有成功案例,，比如IBM360計算機項目,。

它的成功使計算機從過去那種非常笨重、只有高級科研單位才能買得起的狀態(tài),，慢慢地變成辦公室可以用的計算機,，為個人PC的出現(xiàn)打下了基礎(chǔ)。但失敗的案例也很多,。如果關(guān)于人工智能的融資計劃都把未來描述得很美好，把餅畫得特別大,，最后也很可能會有問題,。

我個人對人工智能未來發(fā)展的基本判斷是——

人工智能對我們生活的改變不是全局性的、顛覆性的,，而是局部的改進(jìn),。比如，在在線教育,、養(yǎng)老陪護(hù)等領(lǐng)域,，人工智能能促進(jìn)一些變化,，帶來一些商機。但有些項目,，比如自動駕駛,，就很可能存在一些應(yīng)予以審慎對待的泡沫。

當(dāng)然,，我主張的“泡沫論”是建立在一些基本概念的界定上,，比如“專用人工智能”和“通用人工智能”。

使用傳統(tǒng)方法解決問題的能力下降是危險的

李世石應(yīng)該會泡面,、會開車,，在和AlphaGo下完棋以后他還能夠接受媒體采訪、談?wù)勛约旱母惺?。但?AlphaGo肯定不會開車,，更不能在和李世石下完棋以后和人類、和媒體交流自己的所思所想,。

現(xiàn)在的人工智能都是基于大數(shù)據(jù)的,，它對小概率和偶然性事件缺乏應(yīng)對機制。當(dāng)它面對這個充滿變動的世界時,，就不知道該如何應(yīng)對了,。

解放周一：如何區(qū)別“專用人工智能”和“通用人工智能”？

徐英瑾：專用人工智能就是只能干一件事或兩件事的人工智能,，通用人工智能是指什么事都能干一些的人工智能,。

舉個例子來說，李世石是一位棋手,，AlphaGo是一個圍棋程序,。如果我們把李世石看成一個智能系統(tǒng)的話，他就是通用智能系統(tǒng),。因為他除了下棋,，還能做許多其他事情，比如他應(yīng)該會泡面,、會開車,，在和AlphaGo下完棋以后他還能夠接受媒體采訪、談?wù)勛约旱母惺?。但?AlphaGo肯定不會開車,，更不能在和李世石下完棋以后和人類、和媒體交流自己的所思所想,。經(jīng)過這樣的對比,，我們能明顯看出專用人工智能的局限。

我們?nèi)祟惖奶攸c是，在一件事上可能是專家,，其他事也能干,，只是干得沒那么好。但是,，專用人工智能就只能干專門的事情,，其他的事情基本無法兼顧。僅從這一點來講,，專用人工智能和能力全面的通用人工智能之間的區(qū)別還是很大的,。

我們現(xiàn)在看到的人工智能都是專用的，它們的制作思路都是按照專用人工智能的思路來做的,，比如人臉識別和語音識別,。當(dāng)前，人工智能通過卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的進(jìn)步,，已經(jīng)獲得了一項重要能力,，即可以同時通過人臉和聲音來識別他人。但對于人工智能來說,，基于神經(jīng)網(wǎng)絡(luò)的圖像識別系統(tǒng)和語音識別系統(tǒng)是兩回事,。

解放周一：現(xiàn)在很多人對人工智能的想象，是建立在“通用人工智能”之上的,。

徐英瑾：沒錯,。這就成了一件比較麻煩的事。

很多人喜歡看美劇,，發(fā)現(xiàn)里面出現(xiàn)的一些機器人已經(jīng)特別厲害,。有的機器人不僅擁有人類的特征，還開始反抗人類,。有人看了這樣的故事以后就會展開聯(lián)想：如果我們和這樣的機器人一起生活,，會受到怎樣的威脅？

自然而然地,，很多人對人工智能的思考就建立在了這類科幻影視作品的基礎(chǔ)上,。而科幻影視作品受眾廣、不需要具備太多科學(xué)素養(yǎng)就能看明白,，很有傳播力和影響力,。

我有一個觀點：軟科幻看多了，要看一些硬科幻,。硬科幻距離今天的科學(xué)比較近,，對科學(xué)知識的運用更嚴(yán)謹(jǐn)。相比軟科幻,，硬科幻更適合起科普的作用，能夠增強普通人對現(xiàn)實世界的思考能力和把握能力。

現(xiàn)在的人工智能都是基于大數(shù)據(jù)的,，它對小概率和偶然性事件缺乏應(yīng)對機制,。當(dāng)它面對這個充滿變動的世界（比如新型病毒、未知規(guī)模的洪水等）時,，就不知道該如何應(yīng)對了,。

所以，我擔(dān)心的問題不是人工智能有了人的意識以后會與人對抗,，而是人類過多依賴人工智能以后,，頭腦反而會變簡單。

不要以為有了現(xiàn)代化的先進(jìn)工具以后就可以放棄傳統(tǒng),。舉例來說,。假設(shè)現(xiàn)在有兩支軍隊對峙，雙方都有能力使用最新的網(wǎng)絡(luò)信息技術(shù),，但只要有一方攻破了對方的網(wǎng)絡(luò)防線,，另一方的信息基礎(chǔ)設(shè)施就淪陷了。到時,，只能轉(zhuǎn)而采用最原始的辦法（比如信鴿,、雞毛信等），來傳遞信息,。

對人工智能充滿合理想象本身并沒有錯,，但如果我們將人工智能的能力想象得過于強大，同時又疏于保持用傳統(tǒng)方法,、傳統(tǒng)智慧解決問題的能力,，這就可能會將人類置于某種尷尬的境地。

為什么現(xiàn)在還發(fā)展不出通用人工智能

通用人工智能系統(tǒng)的特點就是通用,，既然是通用,，就要處理全局性的問題。什么是全局性,？就是擁有在不同的理論體系之間進(jìn)行抉擇的能力,。

深度學(xué)習(xí)基于的神經(jīng)網(wǎng)絡(luò)技術(shù)用強大的機器海量計算掩蓋了方法本身的“笨”。對于深度學(xué)習(xí)來說,，如果有現(xiàn)成的數(shù)據(jù)會非常好辦,，但如果沒有優(yōu)質(zhì)數(shù)據(jù)，靠它自己搜集數(shù)據(jù)就很成問題,。

解放周一：現(xiàn)在的“深度學(xué)習(xí)”技術(shù),，有望在短期內(nèi)，達(dá)到通用人工智能的程度嗎,？

徐英瑾：人們曾經(jīng)想象能夠有一種機器,，不需要任何外界輸入能量或者只需要一個初始能量,，就可以不停地自動運動。在哲學(xué)家看來,，這個設(shè)想經(jīng)不起嚴(yán)格推敲,，無法從根本上立得住。在我看來,，通用人工智能大概也只能停留在設(shè)想階段,。

通用人工智能系統(tǒng)的特點就是通用，既然是通用,，就要處理全局性的問題,。什么是全局性？就是擁有在不同的理論體系之間進(jìn)行抉擇的能力,。不同的訴求之間往往存在沖突,，而人類有能力在各種沖突之間想辦法，找到一個可以平衡各種矛盾的中庸點,。

舉個大家比較好理解的例子,。有一位家政員到雇主家里做事。如果雇主是一位知識分子,，家里書特別多,，他就可能會要求家政員盡量把書房打掃干凈，但不能干凈到書都找不到了,。

家里書多的人都知道,，書的易取性和整潔性往往是相互矛盾的。書收起來,，家里固然更干凈整潔了,，但如果幾本書同時在看，堆起來以后再找,、再取就很耗費時間,。這時，究竟是追求整潔還是易??？這里面就有個平衡點。這個平衡點的抵達(dá)需要家政員和雇主之間長時間的磨合,，卻很難通過程序來設(shè)置,。

任何一個綜合系統(tǒng)都要具備處理各種復(fù)雜甚至突發(fā)情況的能力。其中有些情況甚至是非常極端,、偶發(fā)的,。比如，一輛自動駕駛汽車在道路上行駛,。道路的左側(cè)有一個路人在行走,，道路的右側(cè)有五個路人在行走,，萬一出現(xiàn)車速太快來不及剎車的情況，到時該往哪邊拐,？假設(shè)這個程序突然得到消息,，左邊的路人是我們國家一位非常重要的專家，它該如何選擇,？

很多人第一直覺會覺得專家更重要，但轉(zhuǎn)念一想,，每個人類個體的生命都是平等的,。遇到這樣的問題，人類會痛苦抉擇,、反復(fù)取舍,。

換作是機器，問題就麻煩了,。我們都知道,，人工智能是基于一系列規(guī)則設(shè)置的，規(guī)則背后就是各種邏輯原則,。一旦情況過于特殊或復(fù)雜,，機器內(nèi)部基于不同邏輯規(guī)則設(shè)置的程序之間就會打架。

我再舉個例子,。假設(shè)現(xiàn)在有一位外國小伙子到少林寺學(xué)武術(shù),，語言不通，怎么辦,？有個辦法,，那就是師父做一個動作，小伙子跟著做,；如果他做對了,，師父就微笑，做錯了,，師父就棒喝,。通過這種方式，小伙子被棒喝以后,，就知道自己做錯了,。但具體到底哪一點做得不對，如果師父不明示,、不詳解,，他就需要猜、需要不斷試錯,。這時語言的好處就很明顯,。如果彼此能夠通曉對方的語言,，師傅就能把包括武術(shù)規(guī)則在內(nèi)的一整套內(nèi)容都傳授給他，幫助他理解,，然后再由學(xué)生自己轉(zhuǎn)化為行動,。深度學(xué)習(xí)基于神經(jīng)元網(wǎng)絡(luò)的運作產(chǎn)生。神經(jīng)元網(wǎng)絡(luò)的運作,，就類似于前面所說的那種比較笨的教學(xué)方法,。

人類犯錯以后的反省是基于道理和規(guī)則的。但系統(tǒng)不是,，它遇到障礙以后的應(yīng)對辦法是調(diào)整各種參數(shù),，試錯以后發(fā)現(xiàn)不對就再猜。它是通過大量的猜,，慢慢地把事情往對的方向引,。它的優(yōu)勢在于，可以在很短的時間里完成人類不可能完成的巨量猜測,。深度學(xué)習(xí)基于的神經(jīng)網(wǎng)絡(luò)技術(shù)就是用強大的機器海量計算掩蓋了方法本身的“笨”,。但問題是，對于深度學(xué)習(xí)來說,，如果有現(xiàn)成的數(shù)據(jù)會非常好辦,，如果沒有優(yōu)質(zhì)數(shù)據(jù)，靠它自己搜集數(shù)據(jù)就很成問題,。

解放周一：通用人工智能如果要處理全局性問題,，需要搜集的數(shù)據(jù)就更復(fù)雜了。

徐英瑾：是的,。所以,，目前的深度學(xué)習(xí)機制，其根本問題就是缺乏跨領(lǐng)域?qū)W習(xí)的能力,。這正是人工智能無法通用化,、全局化的根本所在。

在我們的日常生活中,，不同的系統(tǒng)有不同的運作方式,。國際象棋有國際象棋的下法，圍棋有圍棋的下法,。人可以適應(yīng)變化,，要人工智能去適應(yīng)這一點卻非常難。

解放周一：很多人會問,，可不可以把各種專用的人工智能整合為一套通用的人工智能,？

徐英瑾：其中又有一個問題——協(xié)同。這就和企業(yè)運籌帷幄一樣,，需要各個團(tuán)隊,、板塊的協(xié)同合作,，需要有一個能力全面的人來領(lǐng)導(dǎo)，而人工智能并不具備總體的調(diào)度,、配置能力,。

為了研究人工智能和人類智能還差在哪兒，一些專家提出了所謂的“卡特爾—霍恩—卡羅爾”三層智力模型,。他們把通用智能分解成很多部分,，比如流體智力、晶體智力,、量化推理,、讀寫能力、短期記憶,、長期記憶、視覺處理和聽覺處理等,。

量化推理無非就是算術(shù),，讀寫能力就是你能不能看懂文章、讀懂要點,。晶體智力就好比老師現(xiàn)在給你一道題目,，告訴你解法以后，看你能不能把做題的思路遷移到新的題目上,。流體智力要求更高,，相當(dāng)大程度上，它強調(diào)的是一個靈活調(diào)用各種智識能力的狀態(tài),。

至少在目前,，人工智能不是根據(jù)人類智識能力的發(fā)展方向來發(fā)展的。長此以往,，它的“擬人性”就很成問題,，它離真正意義上的通用人工智能就還很遠(yuǎn)。