據(jù)Futurism報道，最近，暢銷書作家、著名未來學(xué)和新興技術(shù)方向?qū)＜伊_伊·泰扎納(Roey Tzezana)對人工智能(AI)的光明未來做了很多研究，同時發(fā)表了不少文章。他認(rèn)為AI將能夠分析人類情感、理解社會細微差別、進行醫(yī)學(xué)診斷和治療，甚至讓人類工人變得多余和不必要。

如今，泰扎納依然支持這些預(yù)測，但承認(rèn)它們都是長期目標(biāo)，或許在二三十年后才會成為現(xiàn)實。而許多人都想知道AI目前的情況。幸運的是，美國國防部下屬國防高級研究計劃局(DARPA)決定提供相關(guān)問題答案。DARPA是美國最有趣的機構(gòu)之一，專門致力于資助“瘋狂”項目，即完全不被正常思維或范式思維所接受的想法。但也正因為如此，DARPA幫助建立早期互聯(lián)網(wǎng)和GPS系統(tǒng)也不足為奇了。此外，該機構(gòu)還在研究許多令人感到奇怪的概念，比如有腿的機器人、預(yù)測市場甚至能夠自我組裝的工具等。

自從DARPA成立以來，它就重點關(guān)注“moonshot(瘋狂而不太可能實現(xiàn)的項目)”和突破性技術(shù)，為此其當(dāng)前關(guān)注AI領(lǐng)域的發(fā)展無需感到驚訝。最近，DARPA下屬信息創(chuàng)新辦公室發(fā)布Youtube視頻，揭示了當(dāng)前AI所處狀態(tài)，概述其當(dāng)前能力，并預(yù)測它們將來能做什么。在線雜志《Motherboard》稱這段視頻為“瞄準(zhǔn)AI炒作”，很有觀看的必要。這段視頻的核心信息摘要如下：

AI可分為三個波次

DARPA將AI分為三個不同波次，每種都有不同的能力和限制。其中，第三個波次顯然最令人感到興奮。但要想正確理解它，我們首先需要了解前兩個波次。

第一波次：手工制作知識

在AI的第一波次中，專家們會基于自己掌握的知識設(shè)計算法和軟件，并嘗試位這些程序提供邏輯規(guī)則，這些規(guī)則被破譯，并貫穿整個人類歷史。這種方法促使下棋電腦和交付優(yōu)化軟件的誕生。我們?nèi)缃袷褂玫拇蠖鄶?shù)軟件都是基于這種AI開發(fā)的，包括我們的Windows操作系統(tǒng)、智能手機應(yīng)用甚至智能交通燈等。

Modria就是這種AI的典型代表。荷蘭政府近年來雇傭Modria開發(fā)自動工具以幫助夫妻離婚，無需律師參與。Modria專門從事智能司法系統(tǒng)的創(chuàng)建，它接受了這份工作，并依靠律師和離婚專家的知識設(shè)計出自動離婚系統(tǒng)。在Modria平臺上，想要離婚的夫妻將被詢問一系列問題，包括雙方對孩子監(jiān)護權(quán)、財產(chǎn)分割以及其他常見問題。當(dāng)夫妻雙方回答這些問題后，系統(tǒng)會自動識別他們同意或存在分歧的主題，然后指導(dǎo)雙方協(xié)商，以期獲得雙方都滿意的結(jié)果。

第一波次的AI系統(tǒng)通常是基于明確而又符合邏輯的規(guī)則開發(fā)的。這些系統(tǒng)會檢查每個需要解決的問題中最重要的參數(shù)，并得出結(jié)論，給出最適當(dāng)?shù)慕鉀Q方案。但每個問題中的參數(shù)都是人類專家事先確定的。為此，第一波次AI系統(tǒng)很難處理新出現(xiàn)的問題。面對抽象問題也很無奈，這類問題需要從特定情況下吸取知識和洞見，并將它們應(yīng)用于解決新問題中。

總而言之，第一波次AI系統(tǒng)能夠?qū)崿F(xiàn)簡單的邏輯規(guī)則以處理定義明確的問題，但其學(xué)習(xí)能力很差，也沒有辦法應(yīng)對不確定性問題。如今，有些人可能認(rèn)為，這并非大多數(shù)人所認(rèn)為的人工智能。然而事實上，我們對AI的定義也是隨著時間推移而不斷進化的。如果我在30年前詢問街頭上的人，谷歌地圖是否屬于AI軟件，他可能會毫不猶豫地給出肯定回答。谷歌地圖可以規(guī)劃最佳路線，甚至可以用明確語言指導(dǎo)每次轉(zhuǎn)彎和每個路口。然而，谷歌地圖上的很多能力都是初級的，AI應(yīng)該能夠執(zhí)行更多功能。AI應(yīng)該能夠控制公路上行駛的汽車，將乘客欲望考慮在內(nèi)制定自律哲學(xué)，同時還能泡咖啡。

Modria的司法體系和谷歌地圖都是“原始軟件”利用AI的最好例證。如今，第一波次的AI系統(tǒng)幾乎已經(jīng)無所不在。

第二波次：統(tǒng)計學(xué)習(xí)

2004年時，DARPA舉行了首次大挑戰(zhàn)賽。15輛無人駕駛汽車在莫哈韋沙漠中，爭奪完成240公里的比賽。這些車輛都依賴第一波次AI系統(tǒng)，同時立即展示出這種AI存在的局限性：車上攝像頭拍攝的每張照片都是AI必須處理的新情況。要說這些車輛難以處理比賽的整個過程有點兒夸張，但它們的確無法確分圖片中的暗色形狀，無法確定其是否是巖石、遠處目標(biāo)亦或只是遮住了太陽的云朵。正如大挑戰(zhàn)賽項目副經(jīng)理指出的那樣，有些車輛甚至害怕自己的影子和根本不存在的幻覺障礙。

圖：首次DARPA大挑戰(zhàn)賽無人駕駛汽車的比賽場景

在這場比賽中，沒有任何團隊能夠完成整個比賽，即使最成功的車輛也只跑了12公里。這是完全徹底的失敗，但它們也是DARPA喜歡資助的研究。DARPA希望能夠從這些早期試驗中找出洞見和經(jīng)驗，進而在將來開發(fā)出更復(fù)雜的系統(tǒng)。事情的確沿著這個方向發(fā)展。1年后，當(dāng)DARPA舉行2005年度大挑戰(zhàn)賽時，5個團隊的無人駕駛汽車完成了比賽。這些團隊依靠第二波次AI系統(tǒng)，即統(tǒng)計學(xué)習(xí)。1個獲獎團隊的負(fù)責(zé)人立即被谷歌招募，負(fù)責(zé)開發(fā)谷歌的無人駕駛汽車。

在第二波次AI系統(tǒng)中，工程師和程序員們不必在費心地教授AI系統(tǒng)完全遵守規(guī)則。相反，他們可以開發(fā)特定類型問題的統(tǒng)計模型，然后利用各種樣本訓(xùn)練它們，以便讓它們變得更加精確和高效。統(tǒng)計學(xué)習(xí)系統(tǒng)在理解周圍世界方面取得巨大成功：它們可以區(qū)分不同的人或不同的元音。通過適當(dāng)訓(xùn)練，它們可以學(xué)習(xí)和調(diào)整自己以便適應(yīng)不同的情況?？墒?，與第一波次AI系統(tǒng)不同，第二波次AI系統(tǒng)在邏輯方面依然存在很大限制：它們無法依賴明確的規(guī)則，只能盡力尋找通常足夠好的解決方案。

第二波次AI系統(tǒng)中的“海報男孩”是人工神經(jīng)網(wǎng)絡(luò)概念。在人工神經(jīng)網(wǎng)絡(luò)中，數(shù)據(jù)可通過計算層，每個計算層能夠以不同的方式處理數(shù)據(jù)，然后將其傳遞到下一層。通過在這些計算層中訓(xùn)練，加上完整的網(wǎng)絡(luò)，AI就能夠產(chǎn)生組精確的結(jié)果。通常情況下，訓(xùn)練要求人工神經(jīng)網(wǎng)絡(luò)分析大量數(shù)據(jù)源，以達到微小改進的目標(biāo)。但是一般來說，與特定領(lǐng)域的第一波次AI系統(tǒng)相比，這種方法可提供更好的結(jié)果。

到目前為止，第二波次AI系統(tǒng)在人臉識別、語音轉(zhuǎn)錄、識別照片中動物和物體的能力已經(jīng)超過人類。在翻譯領(lǐng)域，它們也正取得巨大進步。此外，它們還開始控制無人駕駛汽車和無人機。這些系統(tǒng)在執(zhí)行如此復(fù)雜的任務(wù)中取得成功讓AI專家們目瞪口呆，因為實際上我們還不確定它們?yōu)楹文苋绱顺晒Α?/p>

第二波次AI系統(tǒng)的致命弱點是，沒人確定為何它們的表現(xiàn)如此之好。我們看到人工神經(jīng)網(wǎng)絡(luò)在執(zhí)行給定任務(wù)方面表現(xiàn)非常棒，但我們不理解它們是如何做到的。此外，現(xiàn)在還不清楚人工神經(jīng)網(wǎng)絡(luò)背后是否真有一種方法支持。在某些方面，它們的確很像我們的大腦：我們可以將球扔向空中，然后無需計算牛頓的運動方程就可以預(yù)測它們的落點，甚至根本沒有意識到規(guī)則的存在。

乍一看，這似乎不是太大的問題。畢竟，人工神經(jīng)網(wǎng)絡(luò)似乎表現(xiàn)得很好。但微軟可能不同意這種觀點，該公司已經(jīng)于2016年在社交媒體上發(fā)布聊天機器人，嘗試模仿人類協(xié)作，并與年輕人進行輕松對話。這款機器人被稱為Tai，它可以模仿19歲美國青年的說話模式，并用獨特的俚語與他們交談。微軟認(rèn)為，年輕人會喜歡它，事實也的確如此。許多人開始搞惡作劇，告訴Tai希特勒取得的巨大成就，稱9/11恐怖襲擊為美國陰謀等。幾個小時后，Tai開始應(yīng)用它新學(xué)的知識，在Twitter上宣稱希特勒是個好人，沒有做錯任何事。

微軟工程師立即下線了Tai，它最后的推文是自己已經(jīng)停止思考。但據(jù)我們所致，它依然在思考中。這起事件暴露了AI工程師當(dāng)前面對的因果關(guān)系挑戰(zhàn)。我們可以相當(dāng)精確地預(yù)測出第一波次AI在某些特定環(huán)境中的作用。但是隨著第二波次AI的到來，我們再也無法輕易識別出系統(tǒng)的因果關(guān)系，即輸入轉(zhuǎn)為輸出的精確方法，數(shù)據(jù)正被用來左右決策。

但這并非是說人工神經(jīng)網(wǎng)絡(luò)和其他第二波次AI系統(tǒng)完全無用。事實上遠非如此，但顯然如果我們不希望AI系統(tǒng)對納粹獨 裁者感到興奮，某些方面的改進是必須的。我們必須向下一波，也就是第三波次的AI系統(tǒng)前進。

第三波次：語境適應(yīng)

在第三波次中，AI系統(tǒng)本身將可構(gòu)建模型，用已解釋它們的工作原理。換言之，它們自己會發(fā)現(xiàn)形成決策過程的邏輯規(guī)則。舉例來說，如果使用第二波次AI系統(tǒng)分析下面的圖片，它會確認(rèn)這是一頭奶牛。但它會如何解釋自己獲得這樣的結(jié)論?非常簡單，它沒有辦法解釋。

圖：大多數(shù)AI系統(tǒng)可以識別出圖片中的物體是牛

第二波次AI系統(tǒng)無法真正解釋自己是如何做出決策的，就像孩子即使看到球在空中移動也無法寫出牛頓的運動方程那樣。在絕大多數(shù)情況下，第二波次AI系統(tǒng)可以告訴我們，圖片中的物體85%的可能是奶牛。而第二波次AI系統(tǒng)應(yīng)該能夠在最后結(jié)論中增加某些實質(zhì)性內(nèi)容。當(dāng)?shù)谌ù蜛I系統(tǒng)觀察同樣的照片時，它可能會說，因為里面有一頭4條腿的物體，它很有可能是一種動物。由于其白色表面有黑色斑點，它很有可能是奶牛。因為這種動物有乳房和蹄子，幾乎可以肯定它就是牛。

第二波次AI系統(tǒng)將能夠依靠幾個不同的統(tǒng)計模型，以便更完整地理解世界。它們能夠進行自我訓(xùn)練，就像Alpha-Go那樣，它可通過與自己下100萬次圍棋訓(xùn)練自己，并確定其應(yīng)該使用的常識規(guī)則。第二波次AI系統(tǒng)還應(yīng)該能夠從不同的數(shù)據(jù)源中提取信息，以給出細致入微的解釋。舉例來說，這些系統(tǒng)可以從我們的可穿戴設(shè)備、智能家居產(chǎn)品、汽車甚至城市中去數(shù)據(jù)，并確定我們的健康狀態(tài)。它們甚至能夠自我編程，并展現(xiàn)出抽象思維能力。

正如DARPA下屬信息創(chuàng)新辦公室負(fù)責(zé)人所說的那樣，唯一的問題是，要想建立這樣的系統(tǒng)需要有很多工作要做。

展望未來20年

DARPA的視頻中的確揭示了不同AI系統(tǒng)之間的差異，但它并未減輕人們對AI的恐懼，許多人呼吁在開發(fā)AI系統(tǒng)時應(yīng)保持警惕。DARPA澄清說，我們還未接近開發(fā)出類似“終結(jié)者”那樣的AI系統(tǒng)，但這從來都不是首要問題。沒人試圖宣稱當(dāng)今AI已經(jīng)成熟，足以做到我們數(shù)十年來期盼的所有事情：有自己的動機，做出符合道德的決策，甚至開發(fā)出下一代AI。但是第三波次AI的到來肯定向那個方向邁進了一大步。

當(dāng)?shù)谌ù蜛I系統(tǒng)能夠自己破譯新的模式，并改進它們的功能時，它們實際上已經(jīng)能過為新一代軟件編程。當(dāng)它們理解語境和行為后果時，他們就能夠取代大多數(shù)人類，甚至所有人類。允許它們重塑模型，就意味著允許它們能夠重新編程自己的動機。

上述假設(shè)在未來幾年內(nèi)不會發(fā)生，甚至在未來20年內(nèi)都無法完全實現(xiàn)。正如暢銷書作家、著名未來學(xué)和新興技術(shù)方向?qū)＜姨┰{解釋的那樣，沒有任何負(fù)責(zé)任的AI研究人員會給出武斷的預(yù)測。擔(dān)心AI未來的人們(比如霍金、馬斯克、布羅斯托姆等)發(fā)出的核心信息就是，我們需要現(xiàn)在就開始警惕，尋找如何能夠控制第三波次AI系統(tǒng)的方法，它們在20年內(nèi)將變得無所不在。當(dāng)我們考慮這些AI系統(tǒng)的能力時，這條信息似乎變得理所當(dāng)然。

最后波次

對于泰扎納來說，他最感興趣的是第四波次AI系統(tǒng)看起來會是什么樣。它們是依賴對人類大腦的精確模擬嗎?或許第四波次AI系統(tǒng)將展示出我們目前還無法理解的決策機制，而那恰好是第三波次AI系統(tǒng)開發(fā)的基礎(chǔ)!這些問題都留待我們?nèi)ニ伎?、去研究。這也是我們?nèi)祟惖氖姑?，至少在第三波次AI系統(tǒng)中需要我們繼續(xù)去探索。